期刊文献+
共找到11篇文章
< 1 >
每页显示 20 50 100
基于辅助分类–边界平衡生成式对抗网络的局部放电数据增强与多源放电识别 被引量:20
1
作者 朱永利 张翼 +1 位作者 蔡炜豪 高盎然 《中国电机工程学报》 EI CSCD 北大核心 2021年第14期5044-5053,共10页
为解决局部放电(partial discharge,PD)源诊断中放电样本的不平衡问题,并克服传统多源放电诊断方法对脉冲聚类分离效果的依赖,该文提出基于辅助分类–边界平衡生成式对抗网络(boundary equilibrium generative adversarial network with... 为解决局部放电(partial discharge,PD)源诊断中放电样本的不平衡问题,并克服传统多源放电诊断方法对脉冲聚类分离效果的依赖,该文提出基于辅助分类–边界平衡生成式对抗网络(boundary equilibrium generative adversarial network with auxiliary classifier,AC-BEGAN)的PD数据增强与多源放电识别方法。首先,对PD脉冲进行同步挤压小波变换(synchrosqueezed wavelet transform,SWT)作为训练样本。然后,在训练稳定性优越的BEGAN基础上,融合条件信息和辅助局放脉冲分类任务构建AC-BEGAN模型,旨在提升模型的生成能力并条件式地扩充训练样本。最后,采用扩充均衡的训练样本微调该辅助分类任务以学习多源放电中各单次脉冲的类别,并将占主导的脉冲标签的组合确定为该多源放电类型。结果表明,该方法相比于传统数据增强技术可以有效地均衡脉冲样本,同时可以克服传统诊断方法对聚类分离效果的依赖,直接实现多源放电诊断。 展开更多
关键词 多源局部放电 同步挤压小波变换 数据增强 辅助分类-边界平衡生成对抗网络
在线阅读 下载PDF
基于DCGAN-CNN的小样本通信干扰信号识别 被引量:1
2
作者 李程 陈明虎 +2 位作者 施育鑫 张宁松 胡凯 《无线电通信技术》 北大核心 2025年第1期70-79,共10页
在复杂电磁环境中,获取真实干扰信号样本会比较困难。针对该问题,提出了一种基于深度卷积生成对抗网络-卷积神经网络(Deep Convolution Generative Adversarial Network-Convolutional Neural Network,DCGAN-CNN)的小样本通信干扰信号... 在复杂电磁环境中,获取真实干扰信号样本会比较困难。针对该问题,提出了一种基于深度卷积生成对抗网络-卷积神经网络(Deep Convolution Generative Adversarial Network-Convolutional Neural Network,DCGAN-CNN)的小样本通信干扰信号识别方法。该方法利用DCGAN的生成对抗特性来扩充小样本通信干扰信号时的频图数据集,将真实样本与生成样本混合后,输入到CNN中进行训练识别,在DCGAN和CNN中引入学习率调度器,帮助模型更好地收敛。仿真结果表明,所提方法可有效提高小样本情况下通信干扰信号的识别率。 展开更多
关键词 通信抗干扰 通信干扰信号识别 小样本学习 深度卷积生成对抗网络-卷积神经网络
在线阅读 下载PDF
基于生成对抗网络的主机入侵风险识别 被引量:1
3
作者 林英 李元培 潘梓文 《计算机应用与软件》 北大核心 2021年第11期331-337,共7页
随着互联网的发展,针对主机漏洞发起的入侵层出不穷,计算机安全问题日益突出,基于深度学习的入侵检测成为研究热点,但仍然存在攻击训练样本少以及无法有效检测未知攻击的问题。基于AC-GAN和LS-GAN,设计并实现主机入侵风险识别网络TR-GAN... 随着互联网的发展,针对主机漏洞发起的入侵层出不穷,计算机安全问题日益突出,基于深度学习的入侵检测成为研究热点,但仍然存在攻击训练样本少以及无法有效检测未知攻击的问题。基于AC-GAN和LS-GAN,设计并实现主机入侵风险识别网络TR-GAN,该模型能有效解决梯度偏移或梯度消失的问题。TR-GAN相较于AC-GAN及LS-GAN,不但风险识别准确率更稳定,最大识别准确率达到80%,且其风险样本生成模块能在较少训练迭代轮数下就生成与真实攻击样本具有相同特征的攻击样本。生成的攻击样本不但可以作为训练样本的补充,而且可作为部署系统安全策略的参考。 展开更多
关键词 入侵风险识别 生成对抗网络 辅助分类器-生成对抗网络 最小二乘-生成对抗网络 主机特征
在线阅读 下载PDF
考虑极端天气的先验知识引导风/光短期出力场景生成方法研究
4
作者 陈浩 张文朝 +4 位作者 黄志光 张怡静 时艳强 李剑锋 赵永宁 《智慧电力》 北大核心 2025年第3期44-52,共9页
为准确反映新能源出力的时序特征,特别是极端天气对系统的影响,提出一种考虑极端天气的先验知识引导风光短期出力场景生成方法研究,首先,基于极端度量指标进行数据识别,构建正常天气和极端天气数据集,然后,针对2种数据集利用混合密度网... 为准确反映新能源出力的时序特征,特别是极端天气对系统的影响,提出一种考虑极端天气的先验知识引导风光短期出力场景生成方法研究,首先,基于极端度量指标进行数据识别,构建正常天气和极端天气数据集,然后,针对2种数据集利用混合密度网络(MDN)获取分布信息,最后,基于先验分布信息得到噪声序列,将其与历史实测数据输入并应用生成对抗网络(GAN)模型,获得风光出力场景。基于浙江某地区风电和光伏场站数据对所提方法的有效性进行验证,分析结果表明,所生成的风、光出力场景分别符合其真实时空相关关系,同时可以捕捉到极端天气下功率曲线随机特性,能够反映某地区风光实际出力时的波动性,为电力系统调度方案制定提供参考。 展开更多
关键词 场景生成 先验知识 极端天气 风光出力 混合密度-对抗生成网络
在线阅读 下载PDF
基于CKAGAN的车辆传动系统轴承数据生成异常检测方法
5
作者 郝乃芃 陈涛 +1 位作者 贾然 胡谦 《机电工程》 北大核心 2025年第8期1512-1520,共9页
针对车辆传动系统轴承的异常样本稀缺,导致异常检测模型难以得到有效训练且准确率不足的问题,提出了一种基于卷积科尔莫戈洛夫-阿诺德生成对抗网络(CKAGAN)的数据生成异常检测方法,即采用卷积科尔莫戈洛夫-阿诺德网络(ConvKAN)作为生成... 针对车辆传动系统轴承的异常样本稀缺,导致异常检测模型难以得到有效训练且准确率不足的问题,提出了一种基于卷积科尔莫戈洛夫-阿诺德生成对抗网络(CKAGAN)的数据生成异常检测方法,即采用卷积科尔莫戈洛夫-阿诺德网络(ConvKAN)作为生成器和判别器的主要结构,以提升生成数据样本的质量和模型收敛速度。首先,使用短时傅里叶变换(STFT)获得了轴承振动信号的时频图样本,利用ConvKAN构建数据生成模型CKAGAN,并将轴承振动信号的不平衡数据集扩充至正常水平;然后,构建了用于异常数据分类的深度卷积神经网络,并将扩充后的数据与原始数据共同输入到模型中进行了训练;最后,采用实际车辆运行过程中采集到的实验数据,开展了轴承振动数据的异常检测实验。研究结果表明:基于CKAGAN的异常检测方法能够有效平衡异常数据集,使模型得到充分的训练并显著提升异常检测的准确率,为提高车辆传动系统轴承异常检测准确率提供了一种有效途径;其中,在实际的车辆传动系统轴承异常检测实验中,以50的异常样本量为例,CKAGAN生成的样本质量高于深度卷积生成对抗网络(DCGAN),生成样本的弗雷歇距离(FID)值分别为31和86;同时,CKAGAN异常检测方法的F1分数相较于未扩充数据集和DCGAN异常检测方法分别提升了27.17%和15.33%。可见CKAGAN方法能有效解决车辆传动系统轴承的异常检测准确率不足的问题。 展开更多
关键词 机械传动 深沟球轴承 卷积科尔莫戈洛夫-阿诺德生成对抗网络 短时傅里叶变换 数据不平衡 样本生成 深度卷积生成对抗网络 弗雷歇距离
在线阅读 下载PDF
基于全嵌套编码-解码网络的异常检测模型 被引量:2
6
作者 张学武 《西安理工大学学报》 CAS 北大核心 2022年第1期89-95,共7页
工程应用中往往异常样本匮乏,监督学习方法无法应用。针对这一问题,本文提出了一种只需要正常样本就可进行训练的深度网络模型——基于全嵌套编码-解码器的异常图像检测模型。该模型由一个生成器和一个判别器构成。生成器包含嵌入残差... 工程应用中往往异常样本匮乏,监督学习方法无法应用。针对这一问题,本文提出了一种只需要正常样本就可进行训练的深度网络模型——基于全嵌套编码-解码器的异常图像检测模型。该模型由一个生成器和一个判别器构成。生成器包含嵌入残差结构的编码-解码网络,具有很好的特征表达和图像重构能力。判别器是一个分类网络,用以鉴别输入是否为真实的正常样本。本文在标准数据集CIFAR-10和工业设备部件数据集上进行了对比实验,实验结果表明本文提出的异常检测模型具有更高的检测精度。 展开更多
关键词 异常检测 编码-解码 残差网络 生成-对抗网络
在线阅读 下载PDF
Underwater Image Enhancement Based on Multi-scale Adversarial Network
7
作者 ZENG Jun-yang SI Zhan-jun 《印刷与数字媒体技术研究》 CAS 北大核心 2024年第5期70-77,共8页
In this study,an underwater image enhancement method based on multi-scale adversarial network was proposed to solve the problem of detail blur and color distortion in underwater images.Firstly,the local features of ea... In this study,an underwater image enhancement method based on multi-scale adversarial network was proposed to solve the problem of detail blur and color distortion in underwater images.Firstly,the local features of each layer were enhanced into the global features by the proposed residual dense block,which ensured that the generated images retain more details.Secondly,a multi-scale structure was adopted to extract multi-scale semantic features of the original images.Finally,the features obtained from the dual channels were fused by an adaptive fusion module to further optimize the features.The discriminant network adopted the structure of the Markov discriminator.In addition,by constructing mean square error,structural similarity,and perceived color loss function,the generated image is consistent with the reference image in structure,color,and content.The experimental results showed that the enhanced underwater image deblurring effect of the proposed algorithm was good and the problem of underwater image color bias was effectively improved.In both subjective and objective evaluation indexes,the experimental results of the proposed algorithm are better than those of the comparison algorithm. 展开更多
关键词 Underwater image enhancement Generative adversarial network Multi-scale feature extraction Residual dense block
在线阅读 下载PDF
基于数字孪生技术的退役电池模组动态功能状态筛选方法研究
8
作者 颜宁 武中立 +2 位作者 李相俊 高磊 马广超 《中国电机工程学报》 北大核心 2025年第6期2210-2219,I0014,共11页
针对退役动力电池规模大、单体筛选复杂、重组后动态特性差异大以及寿命损耗加剧等问题,该文考虑电池模组的功能状态(state of function,SOF)特性,提出基于数字孪生技术的退役电池模组筛选方法。首先,通过电压、电流、荷电状态(state of... 针对退役动力电池规模大、单体筛选复杂、重组后动态特性差异大以及寿命损耗加剧等问题,该文考虑电池模组的功能状态(state of function,SOF)特性,提出基于数字孪生技术的退役电池模组筛选方法。首先,通过电压、电流、荷电状态(state of charge,SOC)及健康状态(state of health,SOH)等参量表征SOF特性,估计梯次利用过程中SOF动态安全裕度;其次,搭建耦合物理模型、信息流及数字孪生映射体的电池模组筛选架构,提出基于生成对抗网络(generative adversarial networks,GAN)与长短期记忆网络(long short-term memory,LSTM)的电池数据缺失及偏移预测方法,优化退役动力电池模组表征SOF的多性能参量;最后,采用k-means算法对综合考虑SOH及SOF特性的退役电池模组进行聚类筛选。仿真结果表明:所提筛选方法可以提高退役动力电池动态一致性,并延长梯次利用过程中电池的运行寿命。 展开更多
关键词 电池模组筛选 数字孪生 功能状态动态特性 生成对抗网络-长短期记忆网络
在线阅读 下载PDF
基于无监督多源数据特征解析的网络威胁态势评估 被引量:14
9
作者 杨宏宇 王峰岩 《通信学报》 EI CSCD 北大核心 2020年第2期143-154,共12页
针对监督式神经网络测试网络威胁时需根据数据类别标记进行建模的局限性,提出了一种基于无监督多源数据特征解析的网络威胁态势评估方法。首先,设计了一个面向安全威胁评估的变分自动编码器-生成式对抗网络(V-G),将只包含正常网络流量... 针对监督式神经网络测试网络威胁时需根据数据类别标记进行建模的局限性,提出了一种基于无监督多源数据特征解析的网络威胁态势评估方法。首先,设计了一个面向安全威胁评估的变分自动编码器-生成式对抗网络(V-G),将只包含正常网络流量的训练数据集输入V-G的网络集合层进行模型训练,并计算各层网络输出的重构误差。然后,通过输出层的三层变分自动编码器重构误差学习并获取训练异常阈值,使用包含异常网络流量的测试数据集测试分组威胁并统计每组测试的威胁发生概率。最后,根据威胁发生概率确定网络安全威胁严重度,结合威胁影响度计算威胁态势值以获取网络威胁态势。仿真实验结果表明,所提方法对网络威胁具有较强的表征能力,能够有效直观地评估网络威胁的整体态势。 展开更多
关键词 无监督 多源数据特征解析 变分自动编码器-生成对抗网络 威胁发生概率 威胁态势评估
在线阅读 下载PDF
Network Intrusion Detection Model Based on Ensemble of Denoising Adversarial Autoencoder 被引量:1
10
作者 KE Rui XING Bin +1 位作者 SI Zhan-jun ZHANG Ying-xue 《印刷与数字媒体技术研究》 CAS 北大核心 2024年第5期185-194,218,共11页
Network security problems bring many imperceptible threats to the integrity of data and the reliability of device services,so proposing a network intrusion detection model with high reliability is of great research si... Network security problems bring many imperceptible threats to the integrity of data and the reliability of device services,so proposing a network intrusion detection model with high reliability is of great research significance for network security.Due to the strong generalization of invalid features during training process,it is more difficult for single autoencoder intrusion detection model to obtain effective results.A network intrusion detection model based on the Ensemble of Denoising Adversarial Autoencoder(EDAAE)was proposed,which had higher accuracy and reliability compared to the traditional anomaly detection model.Using the adversarial learning idea of Adversarial Autoencoder(AAE),the discriminator module was added to the original model,and the encoder part was used as the generator.The distribution of the hidden space of the data generated by the encoder matched with the distribution of the original data.The generalization of the model to the invalid features was also reduced to improve the detection accuracy.At the same time,the denoising autoencoder and integrated operation was introduced to prevent overfitting in the adversarial learning process.Experiments on the CICIDS2018 traffic dataset showed that the proposed intrusion detection model achieves an Accuracy of 95.23%,which out performs traditional self-encoders and other existing intrusion detection models methods in terms of overall performance. 展开更多
关键词 Intrusion detection Noise-Reducing autoencoder Generative adversarial networks Integrated learning
在线阅读 下载PDF
Gait recognition based on Wasserstein generating adversarial image inpainting network 被引量:4
11
作者 XIA Li-min WANG Hao GUO Wei-ting 《Journal of Central South University》 SCIE EI CAS CSCD 2019年第10期2759-2770,共12页
Aiming at the problem of small area human occlusion in gait recognition,a method based on generating adversarial image inpainting network was proposed which can generate a context consistent image for gait occlusion a... Aiming at the problem of small area human occlusion in gait recognition,a method based on generating adversarial image inpainting network was proposed which can generate a context consistent image for gait occlusion area.In order to reduce the effect of noise on feature extraction,the stacked automatic encoder with robustness was used.In order to improve the ability of gait classification,the sparse coding was used to express and classify the gait features.Experiments results showed the effectiveness of the proposed method in comparison with other state-of-the-art methods on the public databases CASIA-B and TUM-GAID for gait recognition. 展开更多
关键词 gait recognition image inpainting generating adversarial network stacking automatic encoder
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部