期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于稀疏自编码神经网络的产品再设计模块识别方法
被引量:
3
1
作者
马斌彬
马红占
+1 位作者
褚学宁
李玉鹏
《上海交通大学学报》
EI
CAS
CSCD
北大核心
2019年第7期838-843,共6页
提出了基于性能时变数据分析的再设计模块识别方法.利用产品在健康状态下的性能时变数据构建无监督学习的稀疏自编码神经网络(SAENN)模型,以用于健康状态下产品性能数据的特征提取以及产品功能退化程度的评估;将产品在健康状态下的性能...
提出了基于性能时变数据分析的再设计模块识别方法.利用产品在健康状态下的性能时变数据构建无监督学习的稀疏自编码神经网络(SAENN)模型,以用于健康状态下产品性能数据的特征提取以及产品功能退化程度的评估;将产品在健康状态下的性能数据用于训练SAENN模型,使用运行期间的性能时变数据更新产品的状态特征,以反映功能的退化过程;通过对比功能间的退化差异来识别需要再设计模块;同时,以某制造企业水平定向钻产品再设计功能模块的识别为例验证了所提方法的可行性.结果表明,所提出的再设计模块识别方法具有较好的准确性,能够识别需改进的功能模块,识别结果可作为产品再设计的依据.
展开更多
关键词
产品再设计
模块识别
性能时变数据
稀疏自编码神经网络
功能退化
在线阅读
下载PDF
职称材料
基于无监督特征学习的手势识别方法
被引量:
9
2
作者
陶美平
马力
+1 位作者
黄文静
吴雨隆
《微电子学与计算机》
CSCD
北大核心
2016年第1期100-103,共4页
针对静态手势图像的分类识别问题,提出了一种将无监督的特征学习和有监督的分类识别相结合的静态手势图像识别方法,通过无监督的稀疏自编码神经网络训练图像小块提取手势图像的边缘特征,并将此边缘特征作为训练分类器的输入,最后提出对...
针对静态手势图像的分类识别问题,提出了一种将无监督的特征学习和有监督的分类识别相结合的静态手势图像识别方法,通过无监督的稀疏自编码神经网络训练图像小块提取手势图像的边缘特征,并将此边缘特征作为训练分类器的输入,最后提出对训练好的分类器的参数进行调优从而提高准确率.
展开更多
关键词
无监督的特征学习
稀疏自编码神经网络
边缘特征
调优
在线阅读
下载PDF
职称材料
题名
基于稀疏自编码神经网络的产品再设计模块识别方法
被引量:
3
1
作者
马斌彬
马红占
褚学宁
李玉鹏
机构
上海交通大学机械与动力工程学院
中国矿业大学矿业工程学院
出处
《上海交通大学学报》
EI
CAS
CSCD
北大核心
2019年第7期838-843,共6页
基金
国家自然科学基金项目(51875345,51475290,51075261,51505480)
文摘
提出了基于性能时变数据分析的再设计模块识别方法.利用产品在健康状态下的性能时变数据构建无监督学习的稀疏自编码神经网络(SAENN)模型,以用于健康状态下产品性能数据的特征提取以及产品功能退化程度的评估;将产品在健康状态下的性能数据用于训练SAENN模型,使用运行期间的性能时变数据更新产品的状态特征,以反映功能的退化过程;通过对比功能间的退化差异来识别需要再设计模块;同时,以某制造企业水平定向钻产品再设计功能模块的识别为例验证了所提方法的可行性.结果表明,所提出的再设计模块识别方法具有较好的准确性,能够识别需改进的功能模块,识别结果可作为产品再设计的依据.
关键词
产品再设计
模块识别
性能时变数据
稀疏自编码神经网络
功能退化
Keywords
product redesign
module identification
time-varying performance feature data
sparse autoencoder neural network (SAENN)
function degradation
分类号
TB472 [一般工业技术—工业设计]
在线阅读
下载PDF
职称材料
题名
基于无监督特征学习的手势识别方法
被引量:
9
2
作者
陶美平
马力
黄文静
吴雨隆
机构
西安邮电大学数字艺术学院
出处
《微电子学与计算机》
CSCD
北大核心
2016年第1期100-103,共4页
文摘
针对静态手势图像的分类识别问题,提出了一种将无监督的特征学习和有监督的分类识别相结合的静态手势图像识别方法,通过无监督的稀疏自编码神经网络训练图像小块提取手势图像的边缘特征,并将此边缘特征作为训练分类器的输入,最后提出对训练好的分类器的参数进行调优从而提高准确率.
关键词
无监督的特征学习
稀疏自编码神经网络
边缘特征
调优
Keywords
unsupervised learning
sparse auto-encoder neural network
edge feature
tuning
分类号
TP18 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于稀疏自编码神经网络的产品再设计模块识别方法
马斌彬
马红占
褚学宁
李玉鹏
《上海交通大学学报》
EI
CAS
CSCD
北大核心
2019
3
在线阅读
下载PDF
职称材料
2
基于无监督特征学习的手势识别方法
陶美平
马力
黄文静
吴雨隆
《微电子学与计算机》
CSCD
北大核心
2016
9
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部