-
题名基于高斯受限玻尔兹曼机的非线性过程故障检测
被引量：1
- 1
-
-
作者
陈曦
蒋立
宋执环
-
机构
浙江大学工业控制研究所
-
出处
《上海应用技术学院学报（自然科学版）》
2015年第2期139-143,共5页
-
基金
教育部博士学科点专项科研基金资助项目(20130101110138)
-
文摘
针对非线性工业过程,提出了一种基于高斯受限玻尔兹曼机(GRBM)模型的故障检测方法.该方法从海量过程数据中提取出GRBM隐层特征信息,通过隐层特征再构建出重构数据,并依据重构误差在残差空间中构建检测统计量,形成了非线性过程故障检测算法.仿真结果表明,基于GRBM的故障检测方法不仅比传统的核主元分析(KPCA)方法具有更好的故障检出率,并且针对大数据量问题具有更强的处理能力.
-
关键词
故障检测
高斯受限玻尔兹曼机
大数据
非线性
-
Keywords
fault detection
Gaussian restricted Boltzmann machine （grbm）
big data
nonlinearity
-
分类号
TP277
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名基于受限玻尔兹曼机的语音带宽扩展
被引量：3
- 2
-
-
作者
王迎雪
赵胜辉
于莹莹
匡镜明
-
机构
北京理工大学信息与电子学院
-
出处
《电子与信息学报》
EI
CSCD
北大核心
2016年第7期1717-1723,共7页
-
基金
北京理工大学--爱立信国际合作项目
国家留学基金委
-
文摘
语音带宽扩展是为了提高语音质量,利用语音低频和高频之间的相关性重构语音高频的一种技术。高斯混合模型法是语音带宽技术中被广泛应用的一种方法,但是,由于该方法假设语音高频、低频服从高斯分布,且只表征了语音低频、高频之间的线性关系,从而导致合成的高频语音出现失真。因此,该文提出一种基于受限玻尔兹曼机的方法,该方法利用两个高斯伯努利受限玻尔兹曼机提取语音低频和高频中蕴含的高阶统计特性;并利用前馈神经网络将语音低频高阶统计特性参数映射为高频高阶统计特性参数。这样,通过提取语音低频和高频中蕴含的高阶统计特性,该方法可以深层挖掘语音高频和语音低频之间的实际关系,从而更加准确地模拟频谱包络分布,合成质量更高的语音。客观测试、主观测试结果表明,该方法性能优于传统的高斯混合模型方法。
-
关键词
语音带宽扩展
受限玻尔兹曼机
前馈神经网络
高斯混合模型
-
Keywords
Speech bandwidth extension
Restricted Boltzmann machines
Feedforward Neural Networks（FNN）
Gaussian mixture model
-
分类号
TN912.3
[电子电信—通信与信息系统]
-
-
题名用于Android手机活动识别的深度重构模型
- 3
-
-
作者
王金甲
田佩佩
-
机构
燕山大学信息科学与工程学院
-
出处
《高技术通讯》
北大核心
2017年第7期604-611,共8页
-
基金
国家自然科学基金(61273019
61473339)
+3 种基金
河北省自然科学基金(F2013203368)
河北省青年拔尖人才支持计划([2013]17)
河北省博士后专项资助项目(B2014010005)
中国博士后科学基金面上项目(2014M561202)资助
-
文摘
基于数据的流形假设,进行了Android手机的活动识别研究,提出了一种深度重构模型(DRMs),该模型无需基础几何的先验假设就能自动学习到当前类样本的复杂非线性曲面结构和几何特点。首先定义了一个深度重构模型(DRM)模板,通过高斯受限玻尔兹曼机(GRBMs)逐层贪婪训练以初始化DRM模板的权重。在训练阶段,根据每类样本分别微调初始化后的DRM模板便可得到特定类的DRM。在测试阶段,基于测试样本与特定类DRM的最小重构误差决策活动类别。实验证明,该方法对Android手机数据集的活动识别正确率高达99%。
-
关键词
活动识别
深度重构模型
自动编码器
ANDROID手机
高斯受限玻尔兹曼机(grbms)
-
Keywords
activity recognition, deep reconstruction model （DRM）, auto-encoder, Android mobile phone,Gaussian restricted Boltzmann machines （grbms）
-
分类号
TN929.53
[电子电信—通信与信息系统]
TP181
[自动化与计算机技术—控制理论与控制工程]
-
