期刊文献+
共找到61篇文章
< 1 2 4 >
每页显示 20 50 100
基于类小波辅助分类生成对抗网络的轴承故障数据生成方法
1
作者 焦华超 孙文磊 王宏伟 《中国机械工程》 北大核心 2025年第3期546-557,共12页
利用数据生成方法生成时域特征和频域特征与轴承故障真实信号一致的高质量数据,构建平衡数据集,对数据不平衡情况下建立高效的轴承故障诊断模型具有重要意义。针对现有数据生成方法仅关注时域或频域单一特征的局限,提出了类小波辅助分... 利用数据生成方法生成时域特征和频域特征与轴承故障真实信号一致的高质量数据,构建平衡数据集,对数据不平衡情况下建立高效的轴承故障诊断模型具有重要意义。针对现有数据生成方法仅关注时域或频域单一特征的局限,提出了类小波辅助分类生成对抗网络。基于小波变换原理,使用多层神经网络构建类小波变换(WLT)网络,模拟小波变换及逆变换,建立时域与频域信号的映射关系;将WLT网络嵌入辅助分类生成对抗网络(ACGAN)模型中,作为模型生成器的主体;构建两个不同功能的判别器,使得改进的ACGAN在一次训练中能同时学到真实轴承振动信号的时域和频域特征信息。试验结果表明,WLT-ACGAN模型生成的轴承振动信号具有与真实轴承振动信号一致的时域特征和频域特征,数据不平衡时,利用生成信号扩增的平衡数据集构建的故障诊断模型具有较高的准确率。 展开更多
关键词 辅助分类生成对抗网络 类小波变换 轴承故障诊断 数据生成
在线阅读 下载PDF
基于多判别器辅助分类器生成对抗网络的故障诊断方法研究 被引量:2
2
作者 叶子汉 王中华 +2 位作者 姜潮 吕新 张哲 《工程设计学报》 CSCD 北大核心 2024年第2期137-150,159,共15页
在强冲击、强辐射、极高温等极端恶劣的工作环境下,机械设备的故障模式复杂多样,获得充足且有效的故障数据变得非常困难甚至难以实现,以致故障诊断的准确性受限,后续检修维护方案难以有效制定。针对这一问题,提出了一种多判别器辅助分... 在强冲击、强辐射、极高温等极端恶劣的工作环境下,机械设备的故障模式复杂多样,获得充足且有效的故障数据变得非常困难甚至难以实现,以致故障诊断的准确性受限,后续检修维护方案难以有效制定。针对这一问题,提出了一种多判别器辅助分类器生成对抗网络的数据增强算法。通过设置3个判别器、1个生成器并添加独立的分类器,构建了新的辅助分类器生成对抗网络模型。针对在该模型训练中存在的不稳定性问题,通过引入Wasserstein距离构造新的损失函数,并采用稳定性更具优势的单边软约束正则化项替换原有的L2梯度惩罚项来解决模型崩溃问题;在此基础上,采用高效通道注意力机制来进一步提高模型的特征提取能力。将所提出的模型应用于扩充机械设备故障数据集,辅助深度学习智能诊断模型的训练。多个故障数据集扩充实验表明,与现有模型相比,新模型所生成数据的质量更高,故障诊断的准确率也得到进一步提高,因此具有较高的应用价值。 展开更多
关键词 多判别器辅助分类器生成对抗网络 高效通道注意力机制 Lipschitz(利普希茨)约束 数据增强 故障诊断
在线阅读 下载PDF
基于改进生成对抗网络的海上风电机组故障数据增强及诊断 被引量:2
3
作者 魏书荣 殷世杰 +1 位作者 闫梦飞 周海林 《电力系统保护与控制》 北大核心 2025年第1期114-124,共11页
海洋复杂运行环境下,风电机组故障多样,故障有效样本数据明显不足,严重影响了故障诊断效果。为解决海上风电运行数据及故障样本积累不足的问题,提出了一种基于GRA-rACGAN生成对抗网络的数据增强方法,可有效扩充海上风机异常工况数据,并... 海洋复杂运行环境下,风电机组故障多样,故障有效样本数据明显不足,严重影响了故障诊断效果。为解决海上风电运行数据及故障样本积累不足的问题,提出了一种基于GRA-rACGAN生成对抗网络的数据增强方法,可有效扩充海上风机异常工况数据,并通过实际运行数据进行诊断验证。首先,对SCADA系统采集的数据进行灰色关联分析(grey relation analysis,GRA),筛选出与海上风电机组运行状态高度相关的状态变量,对数据进行归一化处理,将特征的最小最大范围添加为每个样本的两个附加属性,避免异常数据干扰,提高数据生成能力。然后,将筛选出的状态变量数据集输入至改进型辅助分类器,采用生成对抗网络进行学习,扩充故障数据。最后,以海上风机实际运行数据的增强结果作为样本进行故障诊断,检验故障数据增强方法的可靠性。通过对海上风电场的实际运行数据实测结果表明,本模型相比于传统数据增强技术可以有效地生成故障样本,提高故障诊断的准确率与稳定性,为海上风机故障的准确预警提供技术支撑。 展开更多
关键词 海上风机 数据增强 灰色关联分析 辅助分类器生成对抗网络 故障诊断
在线阅读 下载PDF
基于改进辅助分类生成对抗网络的风机主轴承故障诊断 被引量:32
4
作者 卢锦玲 张祥国 +2 位作者 张伟 郭鲁豫 闻若彤 《电力系统自动化》 EI CSCD 北大核心 2021年第7期148-154,共7页
基于振动信号的风电机组故障诊断方法是风电安全运维领域研究的重点之一。风电机组主轴承较少发生故障,给运用数据挖掘方法判断故障类型带来很大困难。针对该问题,文中提出了一种用于风电机组主轴承故障诊断的数据增强方法。通过对辅助... 基于振动信号的风电机组故障诊断方法是风电安全运维领域研究的重点之一。风电机组主轴承较少发生故障,给运用数据挖掘方法判断故障类型带来很大困难。针对该问题,文中提出了一种用于风电机组主轴承故障诊断的数据增强方法。通过对辅助分类生成对抗网络(ACGAN)的适应性进行改进,引入梯度惩罚,构建了改进ACGAN框架,以提高其学习稳定性;在判别器网络中引入池化层,以提升其在多分类场景下提取数据特征的能力。仿真结果表明,所提出的改进ACGAN框架能够实现对原始数据分布特征的有效学习,抗噪声干扰性强,相对于原框架训练过程更稳定,生成数据的质量更高;能够有效平衡风电机组主轴承故障振动数据,进一步提升了风电机组主轴承故障诊断的正确率。 展开更多
关键词 风电机组 故障诊断 数据增强 辅助分类生成对抗网络 梯度惩罚
在线阅读 下载PDF
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
5
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
基于时序生成对抗网络的居民用户非侵入式负荷分解 被引量:3
6
作者 罗平 朱振宇 +3 位作者 樊星驰 孙博宇 张帆 吕强 《电力系统自动化》 EI CSCD 北大核心 2024年第2期71-81,共11页
现有的非侵入式负荷分解算法往往需要大量电器设备级的负荷数据才能保证分解精度,但由于用户对隐私性的考虑以及安装成本过高等问题,很难获取这些数据。因此,构建一种能深度挖掘电力负荷数据时序特性和电器相关性的时序生成对抗网络。... 现有的非侵入式负荷分解算法往往需要大量电器设备级的负荷数据才能保证分解精度,但由于用户对隐私性的考虑以及安装成本过高等问题,很难获取这些数据。因此,构建一种能深度挖掘电力负荷数据时序特性和电器相关性的时序生成对抗网络。利用降维网络对所有电器有功功率序列组成的高维向量进行降维以降低计算的复杂度,通过复原网络将结果还原为高维向量。基于电器运行状态和深度学习的非侵入式分解方法,运用卷积神经网络-双向门控循环单元构建状态复杂电器的负荷分解回归模型,对状态简单电器利用深度神经网络构建负荷识别分类模型。通过对比其他数据生成方法,以及改变典型公开数据集中生成数据比例所得的负荷分解结果验证了所提方法的有效性。 展开更多
关键词 非侵入式负荷分解 对抗生成网络 降维网络 卷积神经网络-双向门控循环单元 深度神经网络
在线阅读 下载PDF
基于生成对抗网络的低分化宫颈癌病理图像分类 被引量:1
7
作者 李晨 张家伟 +1 位作者 张昊 汪茜 《东北大学学报(自然科学版)》 EI CAS CSCD 北大核心 2020年第7期1054-1060,1064,共8页
使用生成对抗网络(GAN)扩充宫颈癌病理图像的数据集以提高计算机辅助诊断的准确率.首先,使用GAN进行细胞质部分图像生成;其次,使用两次k-means聚类对生成图像进行筛选;最后,使用Inception-V3模型对数据集进行分类训练.结果表明,在测试... 使用生成对抗网络(GAN)扩充宫颈癌病理图像的数据集以提高计算机辅助诊断的准确率.首先,使用GAN进行细胞质部分图像生成;其次,使用两次k-means聚类对生成图像进行筛选;最后,使用Inception-V3模型对数据集进行分类训练.结果表明,在测试集相同的情况下,该方法可以将总体分类准确率提升约2. 5%,尤其对低分化宫颈癌病理图像有显著效果.通过GAN解决了组织病理学图像无方向性、内容复杂、前景目标规则性差等问题,证明了该方法的有效性及发展潜力. 展开更多
关键词 宫颈癌辅助诊断 组织病理学图像分类 生成对抗网络 特征提取 K-MEANS聚类
在线阅读 下载PDF
基于渐进式增长生成对抗网络的月度源荷场景生成 被引量:4
8
作者 朱陈政翰 柳东歌 +3 位作者 黄津钜 韩晓男 高源 孙英云 《高电压技术》 EI CAS CSCD 北大核心 2024年第9期3955-3964,I0016-I0019,共14页
月度场景生成是月度时序生产模拟、制定电量计划以及细化场景分析的基础。针对月度源荷场景建模通常面临的多元高维变量拟合困难、源-荷不确定性加剧等问题,提出一种基于渐进式增长生成对抗网络的月度源荷场景生成新方法。对月度时序功... 月度场景生成是月度时序生产模拟、制定电量计划以及细化场景分析的基础。针对月度源荷场景建模通常面临的多元高维变量拟合困难、源-荷不确定性加剧等问题,提出一种基于渐进式增长生成对抗网络的月度源荷场景生成新方法。对月度时序功率序列进行均值拆分处理,以得到多时间尺度功率序列,将源荷序列纵向拼接并结合多时间尺度特性设计相应的二维卷积结构;采用平滑渐进式增长方式及特殊训练策略,逐步生成多颗粒度的源荷场景;生成网络解构低维与高维特征,首先学习月、周下的日尺度特性,再逐渐拟合高维非线性特征,以生成小时级别的720月度场景。最后,基于实际风-光-荷数据集进行算例分析。结果表明所提算法在月度源荷场景生成的有效性,可为月度调度规划提供参考。 展开更多
关键词 多时间尺度 月度场景生成 渐进式增长生成对抗网络 -荷不确定性 数据驱动 调度规划
在线阅读 下载PDF
有条件生成对抗网络的IVUS图像内膜与中-外膜边界检测 被引量:4
9
作者 袁绍锋 杨丰 +3 位作者 徐琳 吴洋洋 黄靖 刘娅琴 《中国生物医学工程学报》 CAS CSCD 北大核心 2019年第2期146-156,共11页
针对血管内超声(IVUS)图像中各类斑块、超声阴影和血管分支等造成内膜(LU)与中-外膜(MA)边界难以准确检测的问题,提出一种结合堆叠沙漏网络(SHGN)和有条件生成对抗网络(C-GAN)的IVUS内膜与中-外膜检测的改进方法。首先根据血管形态特点... 针对血管内超声(IVUS)图像中各类斑块、超声阴影和血管分支等造成内膜(LU)与中-外膜(MA)边界难以准确检测的问题,提出一种结合堆叠沙漏网络(SHGN)和有条件生成对抗网络(C-GAN)的IVUS内膜与中-外膜检测的改进方法。首先根据血管形态特点,使用旋转、缩放和Gamma变换等方法将图像训练集扩充57倍,降低网络训练过拟合风险;然后利用对抗训练思想,构建基于L1、L2重建损失的联合损失函数,学习超声图像与其对应分割图像的映射关系,将IVUS图像分割为3种不同区域:血管外周组织、斑块区域和内腔区域;最后在图像分割结果上,采用阈值处理方法,检测最终的内膜与中-外膜边界。采用国际标准IVUS图像数据集(10位病人435幅)评价所提出的算法。实验量化评价结果为:内膜计算面积交并比(JM) 93%,面积差异百分比(PAD) 3%,Hausdorff距离(HD) 0.19 mm;中-外膜JM 95%,PAD 3%,HD 0.16 mm。这些指标满足临床诊断要求,性能优于现有的、近年较好的9种算法,以及Pix2Pix模型。在临床实践应用分析中,利用南部战区总医院心血管内科所收集的100幅IVUS图像进行检验,取得较好的分割结果。这表明该方法具有较好的跨数据集泛化性能。 展开更多
关键词 血管内超声 内膜与中-外膜边界检测 有条件生成对抗网络 堆叠沙漏网络 深度学习
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
10
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
基于生成对抗网络的防空体系态势辅助分析
11
作者 刘戎翔 吴琳 +1 位作者 谢智歌 刘虹麟 《系统工程与电子技术》 EI CSCD 北大核心 2022年第8期2522-2529,共8页
针对当前从体系视角对防空体系进行态势分析的模型较为缺乏,且模型结果不易于指挥员分析理解的问题,提出了基于生成对抗网络的防空体系态势辅助分析模型。首先,通过图形化的方法对防空体系态势信息以及作战能力进行描述,便于人类指挥员... 针对当前从体系视角对防空体系进行态势分析的模型较为缺乏,且模型结果不易于指挥员分析理解的问题,提出了基于生成对抗网络的防空体系态势辅助分析模型。首先,通过图形化的方法对防空体系态势信息以及作战能力进行描述,便于人类指挥员更好的理解。然后,利用生成对抗网络模拟人类指挥员态势分析的过程,从浅层态势特征推理得到防空体系能力图。最后,利用多个指标对各类模型的结果进行对比。实验结果表明,所提模型可以从体系视角进行分析,得到防空体系能力图,生成图像的准确率较其他模型至少提高34.1%。 展开更多
关键词 态势辅助分析 防空体系 生成对抗网络
在线阅读 下载PDF
基于条件生成对抗网络的手绘图像检索 被引量:12
12
作者 刘玉杰 窦长红 +2 位作者 赵其鲁 李宗民 李华 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2017年第12期2336-2342,共7页
传统的手绘图像检索方法将自然图像通过边缘检测算法转换成"类手绘图",不能很好地减小自然图像与手绘图像之间的视觉差异.针对此问题,提出一种基于条件生成对抗网络的手绘图像检索方法.首先训练条件生成对抗网络,其中生成器... 传统的手绘图像检索方法将自然图像通过边缘检测算法转换成"类手绘图",不能很好地减小自然图像与手绘图像之间的视觉差异.针对此问题,提出一种基于条件生成对抗网络的手绘图像检索方法.首先训练条件生成对抗网络,其中生成器由边缘图至自然图像的映射网络构成;然后通过生成器将手绘图转换为自然图像,以消除二者的视觉差异;最后使用深度卷积神经网络提取深度特征进行相似度度量,达到检索的目的.在基准数据库上进行实验的结果显示,该方法的检索精度有明显提高. 展开更多
关键词 手绘图像检索 条件生成对抗网络 编码-解码网络 卷积神经网络
在线阅读 下载PDF
基于生成对抗网络的知识蒸馏数据增强 被引量:2
13
作者 鲁统伟 徐子昕 闵锋 《计算机工程》 CAS CSCD 北大核心 2022年第4期70-80,共11页
在图像分类和工业视觉检测过程中,缺陷样本量少导致神经网络分类器训练效率低及检测精度差,直接采用原始的离散标签又无法使网络分类器学习到不同类别间的相似度信息。针对上述问题,在区域丢弃算法的基础上,提出一种基于生成对抗网络的... 在图像分类和工业视觉检测过程中,缺陷样本量少导致神经网络分类器训练效率低及检测精度差,直接采用原始的离散标签又无法使网络分类器学习到不同类别间的相似度信息。针对上述问题,在区域丢弃算法的基础上,提出一种基于生成对抗网络的知识蒸馏数据增强算法。使用补丁对丢弃区域进行填补,减少区域丢弃产生的非信息噪声。在补丁生成网络中,保留生成对抗网络的编码器-解码器结构,利用编码器卷积层提取特征,通过解码器对特征图上采样生成补丁。在样本标签生成过程中,采用知识蒸馏算法中的教师-学生训练模式,按照交叉检验方式训练教师模型,根据教师模型生成的软标签对学生模型的训练进行指导,提高学生模型对特征的学习能力。实验结果表明,与区域丢弃算法相比,该算法在CIFAR-100、CIFAR-10数据集图像分类任务上的Top-1 Err、Top-5 Err分别降低3.1、0.8、0.5、0.6个百分点,在汽车转向器轴承数据集语义分割任务上的平均交并比和识别准确率分别提高2.8、2.3个百分点。 展开更多
关键词 数据增强 神经网络分类器 工业视觉 生成对抗网络 知识蒸馏
在线阅读 下载PDF
多层次生成对抗网络的动画头像生成方法研究 被引量:7
14
作者 高文超 任圣博 +1 位作者 田驰 赵珊珊 《计算机工程与应用》 CSCD 北大核心 2022年第9期230-237,共8页
现有的动画图像生成方法存在合成图像多样性缺失、局部纹理不清晰、样本方差较小,难以根据细节描述进行生成的问题。基于堆叠式生成对抗网络(StackGAN++)的思想,结合辅助分类器,提出改进模型ACM-GAN(auxiliary classification atteched ... 现有的动画图像生成方法存在合成图像多样性缺失、局部纹理不清晰、样本方差较小,难以根据细节描述进行生成的问题。基于堆叠式生成对抗网络(StackGAN++)的思想,结合辅助分类器,提出改进模型ACM-GAN(auxiliary classification atteched multi-level generative adversial networks,带有辅助分类器的多层次结构生成对抗网络)用于动画人物头像生成。该网络模型由两个生成器和两个判别器堆叠而成,并在判别器中嵌入辅助分类器对生成结果进行约束,使生成样本方差变大,增加生成样本的多样性。为保证合成图像真实度和清晰度,引入特征图空间损失和图像像素空间均值方差损失以最小化合成数据和真实数据的距离。实验结果表明,多层次结构能够有效稳定训练过程,增加图像的边缘细节和局部纹理,同时辅助分类器有效解决模式崩溃问题,提高生成指定类别图像的准确率。ACM-GAN生成图像的FID分数达到27.96,相比于StackGAN++提升23.1%。 展开更多
关键词 动画头像生成 生成对抗网络 多层次结构 辅助分类器
在线阅读 下载PDF
基于生成对抗网络的车辆换道轨迹预测模型 被引量:16
15
作者 温惠英 张伟罡 赵胜 《华南理工大学学报(自然科学版)》 EI CAS CSCD 北大核心 2020年第5期32-40,共9页
车辆运动轨迹的预测在车辆的自动驾驶与车联网技术中有着重要意义,通过预测轨迹可以判断车辆未来运动状态,避免发生碰撞。针对车辆换道轨迹的预测问题,提出了基于生成对抗网络的换道轨迹预测模型。通过实车实验,以城市道路中换道行为为... 车辆运动轨迹的预测在车辆的自动驾驶与车联网技术中有着重要意义,通过预测轨迹可以判断车辆未来运动状态,避免发生碰撞。针对车辆换道轨迹的预测问题,提出了基于生成对抗网络的换道轨迹预测模型。通过实车实验,以城市道路中换道行为为实例,采用高精度GPS仪器采集车辆换道轨迹数据。在此基础上,建立基于生成对抗网络的轨迹预测模型,其中生成模型采用了LSTM的编码器-解码器结构,通过输入给定的历史换道轨迹,经解码器生成预测时段换道轨迹。判别模型通过搭建基于MLP的神经网络,将生成的预测轨迹与目标轨迹进行多重判别,并通过联合训练生成模型和判别模型,实现对车辆未来时段内的换道轨迹进行预测。同时通过交叉验证与模型对比,分析了不同长度的历史轨迹与预测轨迹对预测精度的影响,并验证了模型的有效性和准确性。结果表明轨迹生成对抗模型与传统模型相比,可实现对换道轨迹长时段的预测,且预测精度有明显的提高。 展开更多
关键词 车辆换道 轨迹预测 生成对抗网络 LSTM编码器-解码器
在线阅读 下载PDF
一种基于条件生成对抗网络的高感知图像压缩方法 被引量:8
16
作者 张雪峰 许华文 杨棉子美 《东北大学学报(自然科学版)》 EI CAS CSCD 北大核心 2022年第6期783-791,共9页
针对如何获得符合人类视觉感知的压缩图像问题,提出了基于条件生成对抗网络的图像压缩模型(HPIC).在HPIC中,首先利用一个超先验概率模型对原始图像进行编码量化,将条件附加标签和残差模块相结合的生成器用于压缩图像的重建,基于深度卷... 针对如何获得符合人类视觉感知的压缩图像问题,提出了基于条件生成对抗网络的图像压缩模型(HPIC).在HPIC中,首先利用一个超先验概率模型对原始图像进行编码量化,将条件附加标签和残差模块相结合的生成器用于压缩图像的重建,基于深度卷积神经网络搭建的判别器则用于区分压缩后的图像和真实图像间的差异.损失函数是基于比特率-失真-感知优化理论来设计的,一方面选用基于预训练Inception网络特征值的感知失真指标来实现具有高感知质量的图像压缩重建,另一方面利用生成对抗网络损失来消除压缩伪影,提高压缩精度.实验结果表明,HPIC在比特率-失真-感知三重权衡中取得了较好的平衡,即使目前的常见算法使用两倍于本文算法的比特率,本文算法在所有的感知指标得分上均优于前者,HPIC仍能够实现具有高感知质量的压缩. 展开更多
关键词 图像压缩 比特率-失真-感知优化理论 条件生成对抗网络 损失函数
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
17
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
基于扩散生成对抗网络的文本生成图像模型研究 被引量:6
18
作者 赵宏 李文改 《电子与信息学报》 EI CSCD 北大核心 2023年第12期4371-4381,共11页
文本生成图像是一项结合计算机视觉(CV)和自然语言处理(NLP)领域的综合性任务。以生成对抗网络(GANs)为基础的方法在文本生成图像方面取得了显著进展,但GANs方法的模型存在训练不稳定的问题。为解决这一问题,该文提出一种基于扩散Wasser... 文本生成图像是一项结合计算机视觉(CV)和自然语言处理(NLP)领域的综合性任务。以生成对抗网络(GANs)为基础的方法在文本生成图像方面取得了显著进展,但GANs方法的模型存在训练不稳定的问题。为解决这一问题,该文提出一种基于扩散Wasserstein生成对抗网络(WGAN)的文本生成图像模型(D-WGAN)。在DWGAN中,利用向判别器中输入扩散过程中随机采样的实例噪声,在实现模型稳定训练的同时,生成高质量和多样性的图像。考虑到扩散过程的采样成本较高,引入一种随机微分的方法,以简化采样过程。为了进一步对齐文本与图像的信息,提出使用基于对比学习的语言-图像预训练模型(CLIP)获得文本与图像信息之间的跨模态映射关系,从而提升文本和图像的一致性。在MSCOCO,CUB-200数据集上的实验结果表明,D-WGAN在实现稳定训练的同时,与当前最好的方法相比,FID分数分别降低了16.43%和1.97%,IS分数分别提升了3.38%和30.95%,说明D-WGAN生成的图像质量更高,更具有实用价值。 展开更多
关键词 文本生成图像 生成对抗网络 扩散过程 对比学习的语言-图像预训练模型 语义匹配
在线阅读 下载PDF
小样本紫外-可见吸收光谱数据的COD测定方法
19
作者 郑培超 阮伟 +8 位作者 陈述斌 李海娟 侯艳 李成林 何浩楠 杨琴 王金梅 李彪 郭连波 《红外与激光工程》 北大核心 2025年第7期343-352,共10页
化学需氧量(Chemical Oxygen Demand,COD)浓度的精准预测在水质监测和环境保护中具有重要意义。然而,受限于样本量有限以及传统支持向量回归(Support Vector Regression,SVR)模型超参数调优计算复杂,紫外-可见(Ultraviolet-Visible,UV-V... 化学需氧量(Chemical Oxygen Demand,COD)浓度的精准预测在水质监测和环境保护中具有重要意义。然而,受限于样本量有限以及传统支持向量回归(Support Vector Regression,SVR)模型超参数调优计算复杂,紫外-可见(Ultraviolet-Visible,UV-Vis)吸收光谱在COD预测中的精度受到限制。为此,构建了适用于小样本条件的光谱数据优化策略。首先,通过核主成分分析(Kernel Principal Component Analysis,KPCA)提取光谱数据关键特征,提升数据处理效率;随后,利用基于梯度惩罚的Wasserstein生成对抗网络(Wasserstein Generative Adversarial Networks with Gradient Penalty,WGANGP)对关键特征进行数据增强,以缓解样本稀缺并提升模型对非线性关系的建模能力;最后采用牛顿-拉夫逊优化(Newton-Raphson-Based Optimizer,NRBO)实现SVR超参数的优化。实验结果表明,该方法在长江和嘉陵江水体COD预测中优于传统SVR,R^(2)从0.884 2提升至0.962 48,均方根误差(RMSE)降低36.34%,平均绝对误差(MAE)减少49.54%。该策略为光谱数据建模与水质污染监测提供了理论支持和实践依据。 展开更多
关键词 环境科学与工程 化学需氧量预测 Wasserstein生成对抗网络 紫外-可见吸收光谱 牛顿-拉夫逊优化算法 水质监测
在线阅读 下载PDF
基于对抗性双通道编码器的网络入侵检测算法 被引量:2
20
作者 金诗博 张立 《火力与指挥控制》 CSCD 北大核心 2024年第6期75-82,共8页
针对网络流量数据不平衡引起少数类攻击检测率低的问题,提出一种基于对抗性双通道编码器的入侵检测算法。分别采用正常流量和攻击流量来训练变分自编码器模型,构建基于自编码器派生流量数据的多通道表示形式的新特征向量,驱动生成对抗... 针对网络流量数据不平衡引起少数类攻击检测率低的问题,提出一种基于对抗性双通道编码器的入侵检测算法。分别采用正常流量和攻击流量来训练变分自编码器模型,构建基于自编码器派生流量数据的多通道表示形式的新特征向量,驱动生成对抗网络的生成过程朝向目标类,生成的少数类图像,有效地扩充数据集;通过引入CBAM模块来改进生成器的网络结构,融合通道和空间两个方向的特征,增强模型的特征提取能力;将判别器输出调整为单目标分类并加入softmax层,输出Fake、Normal和Attack结果,避免生成器生成无法与所需类型匹配的图像而获得奖励,提高生成图片的质量。实验结果表明,该方法能够有效降低误报率以及提高未知攻击的检测精度,尤其在不平衡数据集中具有更多的优势。 展开更多
关键词 入侵检测算法 辅助生成对抗网络 自编码器 注意力机制
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