期刊文献+
共找到71篇文章
< 1 2 4 >
每页显示 20 50 100
基于改进Fisher准则的深度卷积神经网络识别算法 被引量:24
1
作者 孙艳丰 齐光磊 +1 位作者 胡永利 赵璐 《北京工业大学学报》 CAS CSCD 北大核心 2015年第6期835-841,共7页
为了有效利用深度学习技术自动提取特征的能力,并解决当训练样本量减少或者迭代次数降低时识别性能急速下降的问题,提出了基于Fisher准则的深度学习算法.该方法在前馈传播时,采用卷积神经网络自动提取图像的结构信息等特征,同时利用卷... 为了有效利用深度学习技术自动提取特征的能力,并解决当训练样本量减少或者迭代次数降低时识别性能急速下降的问题,提出了基于Fisher准则的深度学习算法.该方法在前馈传播时,采用卷积神经网络自动提取图像的结构信息等特征,同时利用卷积网络共享权值和池化、下采样等方法减少了权值个数,降低了模型复杂度;在反向传播权值调整时,采用了基于Fisher的约束准则.在权值的迭代调整时既考虑误差的最小化,又同时让样本保持类内距离小,类间距离大,从而使权值能更加快速地逼近有利于分类的最优值,当样本量不足或训练迭代次数不多时可有效地提高系统的识别率.大量的实验结果证明:该基于Fisher准则的混合深度学习算法在标签样本不足或者较少训练次数的情况下依然能达到较好的识别效果. 展开更多
关键词 深度学习 卷积神经网络 fisher准则 反向传播(BP)算法 人脸识别 手写字识别
在线阅读 下载PDF
基于深度卷积神经网络的场景自适应道路分割算法 被引量:19
2
作者 王海 蔡英凤 +2 位作者 贾允毅 陈龙 江浩斌 《电子与信息学报》 EI CSCD 北大核心 2017年第2期263-269,共7页
现有基于机器学习的道路分割方法存在当训练样本和目标场景样本分布不匹配时检测效果下降显著的缺陷。针对该问题,该文提出一种基于深度卷积网络和自编码器的场景自适应道路分割算法。首先,采用较为经典的基于慢特征分析(SFA)和Gentle B... 现有基于机器学习的道路分割方法存在当训练样本和目标场景样本分布不匹配时检测效果下降显著的缺陷。针对该问题,该文提出一种基于深度卷积网络和自编码器的场景自适应道路分割算法。首先,采用较为经典的基于慢特征分析(SFA)和Gentle Boost的方法,实现了带标签置信度样本的在线选取;其次,利用深度卷积神经网络(DCNN)深度结构的特征自动抽取能力,辅以特征自编码器对源-目标场景下特征相似度度量,提出了一种采用复合深度结构的场景自适应分类器模型并设计了训练方法。在KITTI测试库的测试结果表明,所提算法较现有非场景自适应道路分割算法具有较大的优越性,在检测率上平均提升约4.5%。 展开更多
关键词 道路分割 场景自适应 深度卷积神经网络 复合深度结构 自编码器
在线阅读 下载PDF
基于卷积神经网络的SAR图像舰船分类 被引量:1
3
作者 陈玮 刘坤 《计算机应用与软件》 北大核心 2024年第7期159-164,183,共7页
针对合成孔径雷达图像中斑点噪声导致图像分类准确率低的问题,提出一种基于改进VGG16的分类算法。在卷积层中加入一层注意力层,专注于重要特征,抑制不重要特征,从而抑制斑点噪声。在目标函数中引入Fisher损失函数,用该函数对特征的类内... 针对合成孔径雷达图像中斑点噪声导致图像分类准确率低的问题,提出一种基于改进VGG16的分类算法。在卷积层中加入一层注意力层,专注于重要特征,抑制不重要特征,从而抑制斑点噪声。在目标函数中引入Fisher损失函数,用该函数对特征的类内距离和类间距离进行约束,从而使得由于斑点噪声所造成的分类错误减少。通过实验可知,相比于改进前的网络,分类准确率提高了5.63百分点,有效改善了因为斑点噪声所造成的分类准确率低的问题。 展开更多
关键词 卷积神经网络 图像分类 注意力机制 fisher线性判别准则 合成孔径雷达 斑点噪声
在线阅读 下载PDF
基于改进Fisher判别准则的卷积神经网络设计 被引量:2
4
作者 徐小雨 赵龙章 +1 位作者 程晓月 何志超 《计算机工程》 CAS CSCD 北大核心 2020年第11期255-260,266,共7页
传统卷积神经网络(CNN)在建模过程中由于数据样本量不足容易出现过拟合现象,且对随机数据泛化能力较差。为此,设计一种结合改进Fisher判别准则与GRV模块的卷积神经网络(FDCNN)。使用CNN学习从输入图像到多维欧式空间的映射关系,采用基... 传统卷积神经网络(CNN)在建模过程中由于数据样本量不足容易出现过拟合现象,且对随机数据泛化能力较差。为此,设计一种结合改进Fisher判别准则与GRV模块的卷积神经网络(FDCNN)。使用CNN学习从输入图像到多维欧式空间的映射关系,采用基于改进Fisher判别准则的损失函数进行网络模型训练并将人脸样本数据投影到低维空间,保证类内离散度尽量小的同时类间离散度尽量大以达到最佳人脸分类效果。引入融合GoogleNet、ResNet和VGGNet网络结构特点的GRV模块,提高CNN网络表达能力并降低网络模型复杂度。实验结果表明,当训练样本数量为840时,FDCNN模型在CBCL数据集上的识别率为93.4%,相比传统CNN模型、基于改进Fisher判别准则的全连接神经网络模型等网络模型识别率更高且泛化能力更好。 展开更多
关键词 卷积神经网络 fisher判别准则 损失函数 离散度 泛化能力
在线阅读 下载PDF
利用卷积神经网络改进迭代深度学习算法的图像识别方法研究 被引量:14
5
作者 孙平安 祁俊 谭秋月 《计算机应用研究》 CSCD 北大核心 2019年第7期2223-2227,共5页
针对图像识别算法中图像集上几何曲面的特定分类会导致判别信息丢失的问题,提出一种融合卷积神经网络的改进型迭代深度学习算法(IIDLA)。该算法采用混合卷积网进行底层的平移不变特征学习,以层次化的方式迭代应用卷积神经网络对输入图... 针对图像识别算法中图像集上几何曲面的特定分类会导致判别信息丢失的问题,提出一种融合卷积神经网络的改进型迭代深度学习算法(IIDLA)。该算法采用混合卷积网进行底层的平移不变特征学习,以层次化的方式迭代应用卷积神经网络对输入图像集的不同非线性特征进行学习。算法的图库和查询实例中包括了不同视角、背景、面部表情、解析度和照明度的人脸或物体图像集。采用数据集将提出的算法与其他算法进行评估对比,实验结果表明提出的算法在被测数据集上的性能最优。 展开更多
关键词 深度学习 卷积神经网络(CNN) 自适应 图像识别 层次化迭代
在线阅读 下载PDF
联合Fisher核编码和卷积神经网络的影像场景分类 被引量:3
6
作者 刘异 庄姊琪 +1 位作者 闫利 廖明 《遥感信息》 CSCD 北大核心 2018年第4期8-15,共8页
针对高分辨率遥感影像场景分类中使用中、低层特征不能有效表达高分影像的语义信息,造成分类精度不高的问题,提出了一种联合Fisher核编码和卷积神经网络的高分影像场景分类方法。首先利用Fisher核编码框架提取影像的中层语义特征,然后... 针对高分辨率遥感影像场景分类中使用中、低层特征不能有效表达高分影像的语义信息,造成分类精度不高的问题,提出了一种联合Fisher核编码和卷积神经网络的高分影像场景分类方法。首先利用Fisher核编码框架提取影像的中层语义特征,然后利用深度卷积神经网络提取影像高层语义特征,最后融合中、高层特征利用支持向量机进行分类。实验采用迁移学习方法来克服深度卷积神经网络对训练数据量的需求。实验数据采用UC-Merced 21类和WHURS 19类2个高分影像数据集。实验结果表明,中、高层融合特征包含更丰富的场景信息,增加了目标的可区分性,相比已有方法,该方法能够有效提高分类精度;迁移学习方法能够克服深度卷积神经网络对训练数据量的依赖性。 展开更多
关键词 fisher 深度卷积神经网络 迁移学习 高分辨率遥感影像 场景分类
在线阅读 下载PDF
复杂环境下基于自适应深度神经网络的鲁棒语音识别 被引量:17
7
作者 张开生 赵小芬 《计算机工程与科学》 CSCD 北大核心 2022年第6期1105-1113,共9页
在连续语音识别系统中,针对复杂环境(包括说话人及环境噪声的多变性)造成训练数据与测试数据不匹配导致语音识别率低下的问题,提出一种基于自适应深度神经网络的语音识别算法。结合改进正则化自适应准则及特征空间的自适应深度神经网络... 在连续语音识别系统中,针对复杂环境(包括说话人及环境噪声的多变性)造成训练数据与测试数据不匹配导致语音识别率低下的问题,提出一种基于自适应深度神经网络的语音识别算法。结合改进正则化自适应准则及特征空间的自适应深度神经网络提高数据匹配度;采用融合说话人身份向量i-vector及噪声感知训练克服说话人及环境噪声变化导致的问题,并改进传统深度神经网络输出层的分类函数,以保证类内紧凑、类间分离的特性。通过在TIMIT英文语音数据集和微软中文语音数据集上叠加多种背景噪声进行测试,实验结果表明,相较于目前流行的GMM-HMM和传统DNN语音声学模型,所提算法的识别词错误率分别下降了5.151%和3.113%,在一定程度上提升了模型的泛化性能和鲁棒性。 展开更多
关键词 语音识别 深度神经网络 改进自适应准则 特征空间
在线阅读 下载PDF
多层卷积神经网络深度学习算法可移植性分析 被引量:3
8
作者 肖堃 《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2020年第3期420-424,共5页
在现实环境下,出现恶意用户或攻击者对机器学习算法的攻击;在应用过程中,机器学习算法也会受到物体形状、位移、尺度、光照、背景等因素的影响。针对这些使用过程中所产生的安全性问题,本文提出了基于多层卷积神经网络深度学习算法的图... 在现实环境下,出现恶意用户或攻击者对机器学习算法的攻击;在应用过程中,机器学习算法也会受到物体形状、位移、尺度、光照、背景等因素的影响。针对这些使用过程中所产生的安全性问题,本文提出了基于多层卷积神经网络深度学习算法的图像识别方法,并对其可移植性进行分析,通过对抗性训练提高模型泛化能力来防御对抗样例攻击。针对可用性攻击,在前向传播过程中,采用训练好的多层卷积神经网络深度学习模型自动提取输入图像特征,并利用模型权值共享、更新、下采样等操作对输入图像做降采样处理,降低计算复杂度;在反向传播过程中,利用delta法则和Fisher准则,以及基于类内距离和类间距离的能量约束函数实时调整多层卷积神经网络深度学习模型参数,计算模型输出层各个输出单元的残差,使模型权值能够更加快速收敛到有利于图像识别的最优值。测试结果表明:多层卷积神经网络深度学习算法在图像识别领域的应用具有识别准确率和鲁棒性较高,耗时较短的优点,从理论和实验2方面证明了算法的可移植性。 展开更多
关键词 多层卷积神经网络 深度学习算法 可移植性 分析 图像识别 拟合效果 delta法则 fisher准则
在线阅读 下载PDF
基于一维卷积神经网络的滚动轴承自适应故障诊断算法 被引量:255
9
作者 曲建岭 余路 +2 位作者 袁涛 田沿平 高峰 《仪器仪表学报》 EI CAS CSCD 北大核心 2018年第7期134-143,共10页
现有的滚动轴承故障诊断算法依赖于人工特征提取和专家知识,然而滚动轴承复杂多变的工作环境使得传统的智能故障诊断算法缺乏自适应性。针对此问题,提出了基于"端到端"的自适应一维卷积神经网络(ACNN-FD)故障诊断算法。首先,将各类... 现有的滚动轴承故障诊断算法依赖于人工特征提取和专家知识,然而滚动轴承复杂多变的工作环境使得传统的智能故障诊断算法缺乏自适应性。针对此问题,提出了基于"端到端"的自适应一维卷积神经网络(ACNN-FD)故障诊断算法。首先,将各类故障状态的原始振动信号进行有重叠分段预处理用于构建训练样本和测试样本;然后,将每个训练样本以某一尺度的"时间步"进行划分作为所建立的一维卷积神经网络模型的输入,利用深度网络结构实现对原始振动信号特征的自适应层级化提取;最后在输出端利用Softmax分类器输出诊断结果。通过轴承数据库实验表明算法能够实现高达99%以上的故障识别准确率,同时在不同负载下良好的泛化性能,具备实际应用的可行性。 展开更多
关键词 一维卷积神经网络 智能故障诊断 深度学习 振动信号 自适应特征提取
在线阅读 下载PDF
基于定点化自适应选择卷积神经网络的电力缺陷识别方法 被引量:19
10
作者 戴永东 姚建光 +3 位作者 李勇 毛锋 文志科 曹世鹏 《高电压技术》 EI CAS CSCD 北大核心 2021年第11期3827-3835,共9页
无人机(unmanned aerial vehicle,UAV)电力巡检时的图像数据量急剧增加,为使深度卷积神经网络(deep convolutional neural network,DCNN)在低功耗的前提下仍能准确识别出电力缺陷,将重点改进传统DCNN算法,以减少机载前端平台中DCNN模型... 无人机(unmanned aerial vehicle,UAV)电力巡检时的图像数据量急剧增加,为使深度卷积神经网络(deep convolutional neural network,DCNN)在低功耗的前提下仍能准确识别出电力缺陷,将重点改进传统DCNN算法,以减少机载前端平台中DCNN模型的计算成本,有效提高电力缺陷识别的运行速度,进而延长巡检无人机的续航里程。首先将卷积网络中的浮点运算进行定点化近似,然后通过快速机器学习算法对DCNN模型的输入图像进行自适应选择,最后通过实验对所提方法进行了验证。实验结果证明,DCNN模型经8比特定点优化和自适应选择选择策略后的准确率达88.2%,推理时间缩短了65.9%,能耗减少了71.9%,查准率提高了9.8%。所设计的定点化DCNN模型自适应选择策略不仅能节约电力巡检系统的功耗,而且能提高电力缺陷识别的精度。 展开更多
关键词 无人机 电力巡检 深度卷积神经网络 定点化 自适应选择 缺陷识别
在线阅读 下载PDF
基于可解释深度卷积网络的空时自适应处理方法 被引量:1
11
作者 廖志鹏 段克清 +2 位作者 何锦浚 邱梓洲 王永良 《雷达学报(中英文)》 EI CSCD 北大核心 2024年第4期917-928,共12页
在实际应用中,空时自适应处理(STAP)算法的性能受限于足够多独立同分布(IID)样本的获取。然而,目前可有效减少IID样本需求的算法仍面临一些问题。针对这些问题,该文融合数据驱动和模型驱动思想,构建了具有明确数学含义的多模块深度卷积... 在实际应用中,空时自适应处理(STAP)算法的性能受限于足够多独立同分布(IID)样本的获取。然而,目前可有效减少IID样本需求的算法仍面临一些问题。针对这些问题,该文融合数据驱动和模型驱动思想,构建了具有明确数学含义的多模块深度卷积神经网络(MDCNN),实现了小样本条件下对杂波协方差矩阵快速、准确、稳定估计。所构建MDCNN网络由映射模块、数据模块、先验模块和超参数模块组成。其中,前后端映射模块分别对应数据的预处理和后处理;单组数据模块和先验模块共同完成一次迭代优化,网络主体由多组数据模块和先验模块构成,可实现多次等效迭代优化;超参数模块则用来调整等效迭代中可训练参数。上述子模块均具有明确数学表述和物理含义,因此所构造网络具有良好的可解释性。实测数据处理结果表明,在实际非均匀杂波环境下该文所提方法杂波抑制性能优于现有典型小样本STAP方法,且运算时间较后者大幅降低。 展开更多
关键词 多模块深度卷积神经网络 空时自适应处理 稀疏恢复 非均匀杂波 杂波抑制
在线阅读 下载PDF
基于改进卷积神经网络算法的语音识别 被引量:27
12
作者 杨洋 汪毓铎 《应用声学》 CSCD 北大核心 2018年第6期940-946,共7页
为了解决传统卷积神经网络识别连续语音数据时识别性能较差的问题,提出一种改进的卷积神经网络算法。该方法引入Fisher准则以及L2正则化约束,在反向传播调整参数阶段,既保证参数误差的最小化,又确保分类以后的样本类间分布较分散,类内... 为了解决传统卷积神经网络识别连续语音数据时识别性能较差的问题,提出一种改进的卷积神经网络算法。该方法引入Fisher准则以及L2正则化约束,在反向传播调整参数阶段,既保证参数误差的最小化,又确保分类以后的样本类间分布较分散,类内分布较集中,同时保证网络权值具有合适的数量级以有效缓解过拟合问题;采用一种更符合生物神经元激活特性的新型log激活函数进行卷积神经网络的优化,进一步提高语音识别的正确率。在语音识别库TIMIT以及THCHS30上的实验结果表明,相较于传统卷积神经网络算法,该文提出的改进算法能较好地提高语音识别率,且泛化能力更强。 展开更多
关键词 语音识别 卷积神经网络 fisher准则 L2正则化 log激活函数
在线阅读 下载PDF
基于远场信息和卷积神经网络的波前重构方法 被引量:3
13
作者 史宗佳 向振佼 +7 位作者 杜应磊 万敏 顾静良 李国会 向汝建 游疆 吴晶 徐宏来 《强激光与粒子束》 CAS CSCD 北大核心 2021年第8期124-129,共6页
探测波前相位信息是实现自适应光学波前补偿的关键,使用卷积神经网络(CNN)代替波前传感器进行波前重构,系统简单易于实现,同时重构过程不依赖迭代运算,快速实时。为准确提取远场中的波前特征,CNN需要事先使用大量样本进行训练。研究中根... 探测波前相位信息是实现自适应光学波前补偿的关键,使用卷积神经网络(CNN)代替波前传感器进行波前重构,系统简单易于实现,同时重构过程不依赖迭代运算,快速实时。为准确提取远场中的波前特征,CNN需要事先使用大量样本进行训练。研究中根据4~30阶大气湍流泽尼克像差系数与其远场强度的对应关系,仿真制作样本数据集,训练CNN从输入的一帧远场图像中预测出畸变波前的泽尼克像差系数,重构原始波前。验证结果表明,该方法能快速实时地还原出波前相位信息,重构波前较原始波前具有极高的波面吻合度和较小的残差剩余量,有望实现实际自适应光学系统中的闭环校正。 展开更多
关键词 自适应光学 深度学习 卷积神经网络 泽尼克模式 远场光斑 波前重构
在线阅读 下载PDF
基于二叉树型卷积神经网络信息融合的人脸验证 被引量:6
14
作者 杨子文 曾上游 杨远飞 《计算机应用》 CSCD 北大核心 2017年第A02期155-159,共5页
近年来卷积神经网络(CNN)在人脸识别领域有着显著的进步,但是这些卓越的方法是建立在大规模数据、更深和更宽的网络、复杂的算法的基础之上,而且还需要长时间的训练。为此结合深度残差网络提出了一个二叉树型信息融合网络模型。首先,在... 近年来卷积神经网络(CNN)在人脸识别领域有着显著的进步,但是这些卓越的方法是建立在大规模数据、更深和更宽的网络、复杂的算法的基础之上,而且还需要长时间的训练。为此结合深度残差网络提出了一个二叉树型信息融合网络模型。首先,在CNN的每个卷积层的输出特征图后引出两个卷积分支,产生两组特征图,再与父节点的一组特征相融合,然后通过激励函数输出。这种分支的融合可以使特征图的数量降低,在向前传播的过程中减少一定的信息冗余,而且也减少了网络参数的数量。第二,网络设计中通过随机翻转、随机裁剪、添加高斯噪声来增强数据,在算法优化阶段采用适应性动量估计法(Adam)以更快达到最优结果。实验结果表明,该方法在只有6.7万张的人脸数据集上达到野外标记的人脸(LFW)数据集上95.5%的正确率。所提算法在较少数据量、简单操作上取得较好的性能。 展开更多
关键词 卷积神经网络 人脸识别 信息融合 深度残差网络 适应性动量估计法
在线阅读 下载PDF
基于改进Fisher准则的深度卷积生成对抗网络算法 被引量:3
15
作者 张浩 齐光磊 +1 位作者 侯小刚 郑凯梅 《光学精密工程》 EI CAS CSCD 北大核心 2022年第24期3239-3249,共11页
针对当训练样本量不足或者迭代次数降低时生成图像质量急剧下降的问题,提出了一种基于改进Fisher准则的深度卷积生成对抗网络算法(FDCGAN,Deep Convolutional Generative Adversarial Network algorithm based on improved Fisher’s cr... 针对当训练样本量不足或者迭代次数降低时生成图像质量急剧下降的问题,提出了一种基于改进Fisher准则的深度卷积生成对抗网络算法(FDCGAN,Deep Convolutional Generative Adversarial Network algorithm based on improved Fisher’s criterion)。该方法在判别模型中添加线性层,用来提取类别信息。在反向传播中采用基于Fisher的约束准则,结合标签和类别信息,在权值的迭代调整时既考虑误差的最小化,又同时让样本保持类内距离小、类间距离大,从而使权值能更加快速地逼近最优值。通过与最新不同的6个网络模型进行对比实验,FDCGAN模型在FID指标上均取得了较好的效果。此外,通过将该方法运用到目前先进模型上进行泛化测试,实验结果均取得较理想的效果。 展开更多
关键词 深度卷积生成对抗网络 fisher准则 反向传播算法 FID评价指标
在线阅读 下载PDF
基于改进的卷积神经网络的图像超分辨率重建 被引量:3
16
作者 甄雪艳 何宁 孙欣 《计算机工程与设计》 北大核心 2020年第3期795-801,共7页
利用卷积神经网络技术对单幅低分辨率图像进行超分辨率重建。利用五层卷积的网络模型用以特征提取和端到端的低分辨率与高分辨率之间的映射;使用自适应矩估计优化算法加快网络的收敛速度;将ReLU激活函数修改为Leaky ReLU激活函数,解决... 利用卷积神经网络技术对单幅低分辨率图像进行超分辨率重建。利用五层卷积的网络模型用以特征提取和端到端的低分辨率与高分辨率之间的映射;使用自适应矩估计优化算法加快网络的收敛速度;将ReLU激活函数修改为Leaky ReLU激活函数,解决遇到导数为0时的导致神经元不能进行参数更新的问题,同时调整卷积核大小以及数目。提出算法在Set5和Set14数据集上进行实验验证,并与Bicubic、ScSR、SR_NE_ANR、SRCNN等主流方法进行对比,实验结果表明,该方法在重建精度和收敛速度等方面都有很好的效果。 展开更多
关键词 深度学习 超分辨率重建 卷积神经网络 自适应矩估计 激活函数
在线阅读 下载PDF
基于多域信息融合与深度分离卷积的轴承故障诊断网络模型 被引量:4
17
作者 王同 许昕 潘宏侠 《机电工程》 北大核心 2024年第1期22-32,共11页
针对传统卷积神经网络(CNN)对滚动轴承振动信号的故障识别准确率不高这一问题,提出了一种基于多域信息融合结合深度分离卷积(MDIDSC)的轴承故障诊断方法。首先,利用自适应噪声的完全集合经验模态分解(CEEMDAN)算法对轴承振动信号进行了... 针对传统卷积神经网络(CNN)对滚动轴承振动信号的故障识别准确率不高这一问题,提出了一种基于多域信息融合结合深度分离卷积(MDIDSC)的轴承故障诊断方法。首先,利用自适应噪声的完全集合经验模态分解(CEEMDAN)算法对轴承振动信号进行了分解;然后,利用分解出的本征模态函数(IMF)的各个分量构建了多空间状态矩阵,并将该多空间状态矩阵输入该深度分离卷积模型中,进行了卷积训练;同时,在该深度分离卷积模型中添加了残差结构,对数据特征进行了复利用,并对卷积核进行了深度分离,解决了深度模型的网络退化问题;最后,提出了一种空间特征提取方法,对模型参数进行了修剪,采用一种自适应学习率退火方法进行了梯度优化,以避免模型陷入局部最优。研究结果表明:通过对多个轴承故障数据集进行对比分析可知,MDIDSC在轴承故障诊断方面的准确率和稳定性明显优于其他方法,MDIDSC的最高测试准确率为100%,平均测试准确率为99.07%;同时,在测试集中的最大损失和平均损失分别为0.1345和0.0841;该结果表明MDIDSC在轴承故障诊断方面具有一定的优越性。 展开更多
关键词 深度分离卷积 信息融合 参数修剪 残差网络 卷积神经网络 自适应噪声的完全集合经验模态分解 本征模态函数 多域信息融合结合深度分离卷积
在线阅读 下载PDF
轴承变工况故障的域自适应迁移深度学习诊断 被引量:3
18
作者 牟红霞 《机械设计与制造》 北大核心 2024年第2期364-368,共5页
为了实现变设备、变工况条件下的轴承故障精确识别,提出了基于域自适应迁移深度卷积神经网络的诊断方法。对于具有不同分布特征(即不同域)的训练集和测试集,在深度卷积神经网络中构造了故障特征提取模块、域识别模块、标签分类模块,以... 为了实现变设备、变工况条件下的轴承故障精确识别,提出了基于域自适应迁移深度卷积神经网络的诊断方法。对于具有不同分布特征(即不同域)的训练集和测试集,在深度卷积神经网络中构造了故障特征提取模块、域识别模块、标签分类模块,以特征提取模块与域识别模块对抗训练的方式实现域自适应迁移能力,使深度卷积神经网络能够有效提取不同域的共同特征参数。使用凯斯西储大学和智能维护系统中心数据设计了4组迁移实验,传统深度卷积神经网络的识别精度均值为64.5%,域自适应迁移卷积神经网络的识别精度均值为94.9%,充分说明了域自适应迁移深度卷积神经网络能够有效识别变设备、变工况条件下的轴承故障。 展开更多
关键词 轴承故障诊断 自适应迁移 深度卷积神经网络 对抗训练
在线阅读 下载PDF
基于深度动态联合自适应网络的图像识别方法 被引量:6
19
作者 刘昱彤 李鹏 +1 位作者 孙云云 胡素君 《计算机科学》 CSCD 北大核心 2021年第6期131-137,共7页
相比传统的图像识别方法,利用深度网络可以提取到表征能力更好的特征,从而获得更好的识别效果。现实中任务提供的数据多为无标签数据或部分有标签数据,其为深度网络的学习带来了困难。而迁移学习的方法可以将从源域数据中学习到的知识... 相比传统的图像识别方法,利用深度网络可以提取到表征能力更好的特征,从而获得更好的识别效果。现实中任务提供的数据多为无标签数据或部分有标签数据,其为深度网络的学习带来了困难。而迁移学习的方法可以将从源域数据中学习到的知识迁移到目标任务的学习中,以解决有标签数据不足的问题。为了在迁移过程中减小源域和目标域间的图像数据差异,文中提出基于深度动态联合自适应网络的图像识别方法。对网络进行训练时,首先在多层网络结构中利用域间动态联合自适应方法完成针对性的数据分布自适应,然后利用熵最小化原则使学习的目标分类器穿过目标域的低密度区域,从而提高对目标域图像的识别精度。在2018年AI challenge比赛提供的24种植物病害数据集的3种迁移任务(g1->g2,s1->g2和s2->g2)中,所提方法的准确率分别达到了97.27%,94.25%和93.66%,均优于其他算法。实验结果证明,文中提出的基于深度网络并使用动态联合自适应和熵最小化原则的学习框架能够准确识别图像。 展开更多
关键词 迁移学习 领域自适应 深度学习 卷积神经网络 植物病害
在线阅读 下载PDF
基于深度学习与自适应对比度增强的臂丛神经超声图像优化 被引量:10
20
作者 杨桐 张姗姗 +3 位作者 江方舟 李奕飞 俞戈昊 赵地 《计算机科学》 CSCD 北大核心 2019年第S11期236-240,共5页
现代医学中,利用臂丛神经分割与识别后的图像经过对比度增强优化后,可以更利于医师识别出病症和肿瘤。在上肢手术与术后护理中需要进行麻醉护理,而臂丛神经阻滞是一种常用的局部麻醉方式。为了精确确定臂丛神经的位置,在实际治疗过程中... 现代医学中,利用臂丛神经分割与识别后的图像经过对比度增强优化后,可以更利于医师识别出病症和肿瘤。在上肢手术与术后护理中需要进行麻醉护理,而臂丛神经阻滞是一种常用的局部麻醉方式。为了精确确定臂丛神经的位置,在实际治疗过程中广泛应用超声设备对神经系统进行检测和定位。文中阐述了基于深度学习以及神经网络,在超声动态影像中准确地识别并分割臂丛神经,且在截出的图像中通过自适应对比度增强来优化超声图像的显示。实验数据来自于北京积水潭医院,分为病人的超声影像以及对应的良性恶性肿瘤图片。文中运用了增强对比度的算法对所提取的特征进行处理,结果表明增强了图像的对比度和显示内容的精确度。 展开更多
关键词 臂丛神经 超声图像 自适应增强对比度算法 卷积神经网络 深度学习 图像处理
在线阅读 下载PDF
上一页 1 2 4 下一页 到第
使用帮助 返回顶部