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
共找到180篇文章
< 1 2 … 9 >
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：
基于LSTM-CGAN的高炉透气性指数预测数值模型
1
作者 陈焕龙 杨佳毅 +2 位作者 田铁磊 张玉柱 龙跃 《冶金能源》 北大核心 2025年第4期55-61,共7页
高炉透气性指数是表征高炉稳定运行的一个关键指标,其精准预测对于保障炉况稳定运行具有重要意义。基于某钢铁厂3号炉全年的生产数据,文章提出了一种基于长短时记忆网络(LSTM)与条件生成对抗网络(CGAN)相结合的高炉透气性指数预测模型(L... 高炉透气性指数是表征高炉稳定运行的一个关键指标,其精准预测对于保障炉况稳定运行具有重要意义。基于某钢铁厂3号炉全年的生产数据,文章提出了一种基于长短时记忆网络(LSTM)与条件生成对抗网络(CGAN)相结合的高炉透气性指数预测模型(LSTM-CGAN)。在数据预处理阶段,采用了均值—差分结合方法、指数平滑处理以及标准化方法对数据进行预处理,以确保数据的质量和模型的泛化能力。实验结果表明,LSTM-CGAN预测模型能够实现高炉透气性指数的预测,且在误差为0.1的条件下,预测命中率达到86.6%。最后通过与其他预测模型比较,LSTM-CGAN模型在预测精度和稳定性方面均表现优越,其均方误差最小为0.14537、R^(2)最高为0.84280,表明LSTM-CGAN预测模型对高炉透气性指数预测具有较强的应用潜力,为保障高炉的稳定顺行提供了理论基础。 展开更多
关键词 透气性指数 条件生成对抗网络 长短时记忆网络 高炉 大数据
在线阅读 下载PDF
基于半监督VAE和CGAN的运动想象脑电信号分类器
2
作者 袁凯烽 侯璐 黄永锋 《传感器与微系统》 北大核心 2025年第2期82-86,共5页
由于脑电(EEG)信号的特异性、隐私性,数据集相对匮乏,运动想象EEG(MI-EEG)信号分类是一项具有挑战性的任务。提出了一种基于半监督变分自编码器-条件生成对抗网络(SSVAE-CGAN)模型应用于MI-EEG信号的增强和分类。SSVAE-CGAN模型的SSVAE-... 由于脑电(EEG)信号的特异性、隐私性,数据集相对匮乏,运动想象EEG(MI-EEG)信号分类是一项具有挑战性的任务。提出了一种基于半监督变分自编码器-条件生成对抗网络(SSVAE-CGAN)模型应用于MI-EEG信号的增强和分类。SSVAE-CGAN模型的SSVAE-CGAN的编码器为EEGNet网络,获得MI-EEG信号的时域、频域和空间域的复合特征的潜在空间表示。不同于传统的无监督变分自编码器,在训练编码器时,SSVAE-CGAN使用MI-EEG信号的标签信息以监督的方式更好地构建潜在空间。然后,SSVAE-CGAN使用条件生成对抗网络接收带有标签信息的随机噪声进行生成器-判别器的对抗训练,并生成与潜在空间分布对齐的隐空间。在真实MI-EEG数据集进行了数据增强和分类实验,实验结果验证了本文模型的有效性。 展开更多
关键词 运动想象脑电 数据增强 分类 半监督变分自编码器 条件生成对抗网络
在线阅读 下载PDF
样本不均衡下基于CGAN-CNN的逆变器故障诊断方法 被引量：3
3
作者 孙权 彭飞 +2 位作者 李宏胜 于翔海 孙国栋 《电源学报》 CSCD 北大核心 2024年第6期318-326,共9页
三相逆变器是电动汽车电机驱动系统的重要部件,当出现故障时因发生时间较短导致故障样本规模受限,进而造成样本不均衡。为解决上述问题,提出1种融合条件生成对抗网络CGAN(conditional generative adversarial network)与卷积神经网络CNN... 三相逆变器是电动汽车电机驱动系统的重要部件,当出现故障时因发生时间较短导致故障样本规模受限,进而造成样本不均衡。为解决上述问题,提出1种融合条件生成对抗网络CGAN(conditional generative adversarial network)与卷积神经网络CNN(convolutional neural network)的逆变器故障诊断方法。首先将相电流作为故障敏感信号,经快速傅里叶变换FFT(fast Fourier transform)得到其频域特征,并进行归一化预处理;然后将各样本添加标签后输入CGAN模型进行对抗训练,生成各故障模式下的新样本。最后,采用CNN模型实现逆变器各类故障模式判别。实验结果表明,基于CGAN-CNN的故障诊断正确率可达98%以上,说明所提样本生成方法优于传统合成少数类过采样技术SMOTE(synthetic minority over-sampling technique)方法和生成对抗网络GAN(generative adversarial network)方法,可为新能源电动汽车智能运维提供理论支撑。 展开更多
关键词 故障诊断 样本不均衡 样本生成 条件生成对抗网络 卷积神经网络
在线阅读 下载PDF
融合迁移学习与CGAN的风电集群功率超短期预测 被引量：6
4
作者 周军 王渴心 王岩 《电力系统及其自动化学报》 CSCD 北大核心 2024年第5期9-18,共10页
针对可再生能源不确定性导致电力系统消纳能力不足的问题,提出一种基于条件生成对抗网络与迁移学习融合的风电集群功率超短期预测方法。首先,分析了风电集群功率预测样本模式的不均衡性以及导致的神经网络预测误差偏移现象;其次,构建了... 针对可再生能源不确定性导致电力系统消纳能力不足的问题,提出一种基于条件生成对抗网络与迁移学习融合的风电集群功率超短期预测方法。首先,分析了风电集群功率预测样本模式的不均衡性以及导致的神经网络预测误差偏移现象;其次,构建了条件生成对抗网络修复不均衡问题;最后,采用迁移学习结合时间卷积网络构建了风电集群功率超短期预测模型。测试结果表明,所提方法能够显著提高风电集群功率超短期预测精度。 展开更多
关键词 风电预测 风电集群 条件生成对抗网络 迁移学习 时间卷积网络
在线阅读 下载PDF
基于LSTM-CGAN的多微网数据驱动分布鲁棒协同优化运行策略 被引量：4
5
作者 李虹 韩雨萌 《电力系统保护与控制》 EI CSCD 北大核心 2024年第18期133-148,共16页
新能源的强烈不确定性给多微网协同运行带来了可靠性和安全性的巨大挑战。为此,提出一种基于长短期记忆(long short-term memory, LSTM)网络和条件生成对抗网络(conditional generative adversarial networks, CGAN)的多微网数据驱动两... 新能源的强烈不确定性给多微网协同运行带来了可靠性和安全性的巨大挑战。为此,提出一种基于长短期记忆(long short-term memory, LSTM)网络和条件生成对抗网络(conditional generative adversarial networks, CGAN)的多微网数据驱动两阶段分布鲁棒协同优化调度模型。首先,为更准确地描述新能源的不确定性,该模型以LSTM-CGAN生成和K-means++聚类算法削减得到的场景集作为分布鲁棒优化集合的初始新能源场景。其中CGAN网络模型使用Wasserstein距离作为判别器损失函数,以新能源日前预测值作为生成对抗网络的条件变量,并采用LSTM构建生成器和判别器。其次,提出一种基于多能点对点交易贡献率的利益分配方法,以实现合作收益的公平分配。然后,为保护各主体隐私并提高求解效率,提出一种耦合可并行计算列与约束生成(columnand constraint generation, C&CG)的交替方向乘子法(alternating direction multiplier method, ADMM)进行求解能量交易问题。算例结果表明,所提场景驱动方法生成的场景集能更准确、更有效地描述新能源的不确定性,能兼顾系统的鲁棒性、经济性和隐私性,并实现每个主体公平合理的利益分配。 展开更多
关键词 多微网 分布鲁棒优化 合作收益 长短期记忆网络 条件生成对抗网络
在线阅读 下载PDF
融合残差SENet的毫米波大规模MIMO信道估计 被引量：1
6
作者 刘庆利 杨国强 张振亚 《电讯技术》 北大核心 2024年第4期512-519,共8页
在户外光线追踪场景下,针对毫米波大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)系统受户外环境噪声干扰导致估计精度低的问题,提出了一种融合残差挤压激励网络(Squeeze-and-Excitation Network,SENet)的条件生成对抗网络... 在户外光线追踪场景下,针对毫米波大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)系统受户外环境噪声干扰导致估计精度低的问题,提出了一种融合残差挤压激励网络(Squeeze-and-Excitation Network,SENet)的条件生成对抗网络的信道估计方法。该方法采用条件生成对抗网络将低分辨率接收信号重建为高分辨率的原始信号完成信道估计,同时在生成器网络中引入SENet网络模块来抑制户外场景下显著性噪声干扰,提高估计精度;最后将残差网络中的残差块添加到SENet的放缩操作后,提高条件生成对抗网络的收敛速度。仿真结果表明,相较于正交匹配追踪算法、卷积神经网络、去噪卷积神经网络和条件生成对抗网络算法,所提方法在户外噪声环境下估计精度平均提高了约2.2 dB,且在高噪声强度下估计精度的提高更为显著。 展开更多
关键词 毫米波大规模MIMO 信道估计 条件生成对抗网络(cgan) 残差挤压激励网络(SEnet)
在线阅读 下载PDF
基于cGAN-SAE的室内定位指纹生成方法 被引量：2
7
作者 刘伟 王智豪 +1 位作者 李卓 韦嘉恒 《电子测量技术》 北大核心 2024年第14期57-63,共7页
针对室内定位中指纹采集成本高、构建数据集难等问题,提出了一种基于条件稀疏自编码生成对抗网络的室内定位指纹生成方法。该方法通过增加自编码器隐藏层和输出层,增强了特征提取能力,引导生成器学习并生成指纹数据的关键特征。利用指... 针对室内定位中指纹采集成本高、构建数据集难等问题,提出了一种基于条件稀疏自编码生成对抗网络的室内定位指纹生成方法。该方法通过增加自编码器隐藏层和输出层,增强了特征提取能力,引导生成器学习并生成指纹数据的关键特征。利用指纹选择算法筛选出最相关的指纹数据,扩充至指纹数据库中,并用于训练卷积长短时记忆网络模型以进行在线效果评估。实验结果表明,条件稀疏自编码生成对抗网络在不增加采集样本的情况下,提高了多栋多层建筑室内定位的精度。与原始条件生成对抗网络模型相比,在UJIIndoorLoc数据集上的预测中,定位误差降低了6%;在实际应用中,定位误差降低了14%。 展开更多
关键词 室内定位 稀疏自编码器 指纹数据库 条件生成对抗网络 卷积长短时记忆网络
在线阅读 下载PDF
基于CCGAN和ResNet34的滚动轴承故障诊断方法 被引量：5
8
作者 骆耀谱 王衍学 李孟 《机电工程》 CAS 北大核心 2023年第6期852-859,共8页
在实际的工业过程中,由于滚动轴承故障数据的小样本或样本分布不平衡问题很常见,导致许多算法难以准确地识别不同故障。针对这一问题,提出了一种基于条件卷积生成对抗网络(CCGAN)和ResNet34的深度神经网络故障诊断方法。首先,采集了滚... 在实际的工业过程中,由于滚动轴承故障数据的小样本或样本分布不平衡问题很常见,导致许多算法难以准确地识别不同故障。针对这一问题,提出了一种基于条件卷积生成对抗网络(CCGAN)和ResNet34的深度神经网络故障诊断方法。首先,采集了滚动轴承振动信号数据,并将振动信号转换为灰度图像,并增强了其数据特征;然后,采用CCGAN网络学习了原始小样本数据的特征,扩展了小样本不平衡数据集;最后,在滚动轴承振动信号的数据扩充和特征增强的基础上,采用ResNet34深度网络进行了一维振动信号的小样本不平衡故障诊断和分类。研究结果表明:随着小样本不平衡数据集逐步扩展到多维平衡数据集,该方法在不同数据集中故障诊断的准确性均得到了有效提高,在分类精度上达到了99.5%;诊断证明了其特征提取能力优于典型的机器学习和深度学习网络,从而验证了该方法在小样本不平衡故障诊断中的优势。 展开更多
关键词 小样本故障诊断 数据扩充 深度学习 生成对抗网络 残差结构 条件卷积生成对抗网络 改进的特征提取并增强方法
在线阅读 下载PDF
Deep-Dark-Net:一种基于生成对抗网络的导星相机暗流预测模型
9
作者 曲伯桓 杨贺珺 +14 位作者 何宇轩 郭远昊 刘宇 曹子皇 齐朝祥 于涌 王培培 赵永恒 张勇 王淑青 栗剑 吕冠儒 曹兴华 向铭 邱虹云 《天文学进展》 CSCD 北大核心 2024年第4期683-697,共15页
暗流会影响图像质量、降低星像的信噪比,进而影响星像位置和流量测量的精度,因此需要在天文数据处理中准确估计并去除暗流。LAMOST导星图像处理的需求为:在无暗场图像情况下高精度处理历史导星图像数据,简化导星相机暗场图像拍摄的步骤... 暗流会影响图像质量、降低星像的信噪比,进而影响星像位置和流量测量的精度,因此需要在天文数据处理中准确估计并去除暗流。LAMOST导星图像处理的需求为:在无暗场图像情况下高精度处理历史导星图像数据,简化导星相机暗场图像拍摄的步骤,可以利用导星图像的特性反演和生成高精度可靠的暗场图像。利用LAMOST导星原始数据的特性,提出一种基于生成对抗网络模型来精确估计暗流的新方法——Deep-Dark-Net。该方法利用条件生成对抗网络,构建导星图像Overscan区域、Optical Black区域与对应的有效成像区域噪声之间的关联模型,从而通过这些区域反演和重构高精度暗场图像。实验表明:Deep-Dark-Net预测的暗流与真实暗流的符合度高于传统方法,满足了LAMOST望远镜导星图像处理对暗场图像的需求。该工作不仅为天文图像暗流的处理提供了一种新思路、新方法,也为深度学习技术在天文图像处理中的潜在价值和应用方向提供了重要的视角和示例。 展开更多
关键词 暗流 深度学习 条件生成对抗网络 Deep-Dark-net LAMOST
在线阅读 下载PDF
基于改进CGAN的海冰SAR-to-Optical影像转换
10
作者 刘翔 王瑞富 +1 位作者 孙光 李媛 《海洋通报》 CAS CSCD 北大核心 2024年第4期452-462,共11页
遥感海冰监测是当前研究热点,通过条件生成对抗网络(CGAN)将海冰SAR影像转换成光学影像,可获得全天时全天候且形象直观的监测数据,但该方法得到的转换结果存在影像模糊、纹理弱化和颜色失真等问题。本文针对以上问题设计了改进的CGAN网... 遥感海冰监测是当前研究热点,通过条件生成对抗网络(CGAN)将海冰SAR影像转换成光学影像,可获得全天时全天候且形象直观的监测数据,但该方法得到的转换结果存在影像模糊、纹理弱化和颜色失真等问题。本文针对以上问题设计了改进的CGAN网络,综合当前的改进方式,新模型在网络结构上加入了空洞空间金字塔模块并设计了加入交叉特征融合模块的跳跃连接,使用结构相似性和L1范数联合损失函数。本文选取东波弗特海地区5景Sentinel-1影像和7景Sentinel-2影像开展实验,实验结果表明,改进CGAN转换的影像具有更好的视觉效果,峰值信噪比(PSNR)提高了3.4 dB,结构相似性(SSIM)提高了0.11,均方根误差(RMSE)降低了13%,并且经过转换后的影像比SAR影像海冰分类结果准确度提高了7.33%。 展开更多
关键词 海冰监测 条件生成对抗网络 SAR 光学影像 影像转换
在线阅读 下载PDF
基于SC-DCGAN的不平衡数据轴承故障诊断 被引量：4
11
作者 廖珂 荆晓远 +2 位作者 李双远 刘雨晖 刘飞 《机床与液压》 北大核心 2024年第24期208-213,共6页
针对滚动轴承故障诊断过程中因数据不平衡而导致的少数类样本诊断精度低的问题,提出一种基于统计特征条件深度卷积生成对抗网络的不平衡数据故障诊断方法。该方法在条件生成对抗网络中引入振动信号统计特征,得到新的融合条件模型,引导... 针对滚动轴承故障诊断过程中因数据不平衡而导致的少数类样本诊断精度低的问题,提出一种基于统计特征条件深度卷积生成对抗网络的不平衡数据故障诊断方法。该方法在条件生成对抗网络中引入振动信号统计特征,得到新的融合条件模型,引导生成器更稳定地生成符合真实样本分布的数据以平衡数据集;再采用卷积网络模型在平衡后的数据集上进行分类识别。选择多个不平衡比例,在某装备故障诊断重点实验室数据集上进行实验。结果表明:相对于其他经典模型,文中所提方法能够有效地处理不平衡故障分类问题,并提高对少数类样本的识别能力。 展开更多
关键词 类不平衡 故障诊断 条件生成对抗网络 统计特征
在线阅读 下载PDF
基于条件生成对抗网络与迁移学习的暂态电压稳定超前判别 被引量：2
12
作者 王渝红 何其多 +5 位作者 郑宗生 周旭 马欢 程定一 赵康 周辰予 《电力自动化设备》 北大核心 2025年第2期159-166,共8页
为解决样本不平衡导致的暂态电压稳定判别准确性不足的问题以及实现暂态电压稳定超前判别,提出一种基于条件生成对抗网络(CGAN)与迁移学习的暂态电压稳定超前判别方法。考虑暂态电压稳定样本类型,利用CGAN定向扩增暂态电压样本集,解决... 为解决样本不平衡导致的暂态电压稳定判别准确性不足的问题以及实现暂态电压稳定超前判别,提出一种基于条件生成对抗网络(CGAN)与迁移学习的暂态电压稳定超前判别方法。考虑暂态电压稳定样本类型,利用CGAN定向扩增暂态电压样本集,解决样本不平衡问题,从而提升暂态电压稳定判别准确性;考虑到CGAN生成器与暂态电压时序预测模型具有相似的学习任务,将CGAN生成器模型迁移至暂态电压时序预测模型,结合工程判据实现暂态电压稳定超前判别,并进一步提升暂态电压稳定判别准确性。在CEPRI-VC暂态电压稳定分析系统中验证了所提方法的有效性。 展开更多
关键词 暂态电压稳定 稳定超前判别 迁移学习 条件生成对抗网络 数据生成
在线阅读 下载PDF
基于样本扩充的黔西北垭都-蟒硐矿区铅锌矿成矿预测研究
13
作者 徐凯 徐城阳 +2 位作者 吴冲龙 蔡婧云 孔春芳 《地学前缘》 北大核心 2025年第4期95-107,共13页
黔西北拥有丰富的铅锌矿资源,但由于矿体埋藏较深,找矿难度大。利用机器学习进行的数据驱动的成矿预测正在成为深部隐伏铅锌矿找矿勘探的有力工具。然而,基于机器学习的找矿预测面临着一些普遍的问题,特别是成矿样本少导致训练样本不足... 黔西北拥有丰富的铅锌矿资源,但由于矿体埋藏较深,找矿难度大。利用机器学习进行的数据驱动的成矿预测正在成为深部隐伏铅锌矿找矿勘探的有力工具。然而,基于机器学习的找矿预测面临着一些普遍的问题,特别是成矿样本少导致训练样本不足和训练样本不平衡等问题。为此,本文提出了一种K均值聚类(K-means Clustering)改进条件表格生成对抗网络(Conditional Tabular Generative Adversarial Network,CTGAN)的见矿样本扩充方法来解决这些问题。具体来说,首先根据K均值聚类后各簇集样本间欧氏距离判断其疏密情况,在稀疏簇集扩充更多的样本以增加其密度实现见矿样本集的扩充。然后,对抗网络生成具有高度抽象的新类别标签,并将新类别标签用于条件生成,从而提高扩充样本的质量。最后,利用扩充后的正样本和随机欠采样的负样本建立数据量充足且平衡的有标签样本集,训练和验证Category Boosting(CatBoost)分类器,建立基于KC-CTGAN-CatBoost成矿预测模型。实验结果表明,相比于未经过KC-CTGAN见矿样本扩充的数据集构建的成矿预测模型,在准确度、召回率、精度和F1-score上分别提高了8.7%、7.4%、10.2%和8.8%,证明KC-CTGAN见矿样本扩充方法的有效性,并提高了成矿预测模型的性能。预测结果将更好地为深部隐伏铅锌矿体的找矿勘探提供更精确的靶区。 展开更多
关键词 样本扩充 条件表格生成对抗网络 铅锌矿 成矿预测
在线阅读 下载PDF
基于改进GAN的人机交互手势行为识别方法
14
作者 张富强 白筠妍 穆慧 《郑州大学学报(工学版)》 北大核心 2025年第2期43-50,共8页
为改善现有手势识别算法需要大量训练数据的现状,针对识别准确率不高、识别过程复杂等问题,基于生成式对抗网络(GAN)和变分自编码器,引入标签信息,提出一种基于改进GAN模型的人机交互手势行为识别方法。首先,在编码器和解码器中分别添... 为改善现有手势识别算法需要大量训练数据的现状,针对识别准确率不高、识别过程复杂等问题,基于生成式对抗网络(GAN)和变分自编码器,引入标签信息,提出一种基于改进GAN模型的人机交互手势行为识别方法。首先,在编码器和解码器中分别添加改进InceptionV2和InceptionV2-trans结构增强模型的特征还原能力;其次,在各组成网络中进行条件批量归一化(CBN)处理改善过拟合,以Mish激活函数代替ReLU函数提升网络性能;最后,通过实验证明该方法能够以较少的样本获得100%的分类准确率,且收敛时间短,验证了该方法的可靠性。 展开更多
关键词 人机交互 生成对抗网络 变分自编码器 手势识别 条件批量归一化
在线阅读 下载PDF
地震属性驱动的条件生成对抗网络沉积微相模型构建
15
作者 刘昕 孙胜 +3 位作者 张立强 蔡明俊 鲁玉 卢文娟 《中国石油大学学报(自然科学版)》 北大核心 2025年第4期1-10,共10页
由于地层结构的复杂性和强非均质性,同时受到测井、岩心、试油等数据不足的影响,现有沉积微相建模方法难以实现精确建模。提出一种基于条件生成对抗网络的沉积微相建模方法,采用灰色关联分析算法,计算各地震属性与砂地比的灰色关联度,... 由于地层结构的复杂性和强非均质性,同时受到测井、岩心、试油等数据不足的影响,现有沉积微相建模方法难以实现精确建模。提出一种基于条件生成对抗网络的沉积微相建模方法,采用灰色关联分析算法,计算各地震属性与砂地比的灰色关联度,挖掘对砂地比参数关联性较强的参数;将优选地震属性图像作为卷积神经网络模型的输入,构建砂地比预测模型,可视化砂地比预测结果,与井相图作为联合约束条件,训练条件生成对抗网络,构建沉积微相生成模型,实现沉积微相的精确建模。应用本方法对东部某油田进行沉积微相建模研究。结果表明,条件生成对抗网络沉积微相模型能精确刻画复杂地质模式,井点吻合率达到94.1%。 展开更多
关键词 条件生成对抗网络 深度学习 沉积微相 砂地比 灰色关联 卷积神经网络
在线阅读 下载PDF
基于深度学习的传统色彩创新设计方法研究
16
作者 丁满 冯光宇 +1 位作者 王鹏博 谷泽杨 《包装工程》 北大核心 2025年第10期56-67,共12页
目的挖掘文化内涵,提升传统色彩创新设计的创新性和多样性,解决传统色彩创新设计中缺乏文化底蕴,设计效率不高等问题。方法首先采用网络爬虫、聚类算法、自然语言处理等方法构建显性传统色彩库与隐性文化意象库,并结合语意差异法和ResNe... 目的挖掘文化内涵,提升传统色彩创新设计的创新性和多样性,解决传统色彩创新设计中缺乏文化底蕴,设计效率不高等问题。方法首先采用网络爬虫、聚类算法、自然语言处理等方法构建显性传统色彩库与隐性文化意象库,并结合语意差异法和ResNet18构建传统色彩文化数据集;其次,采用C-WGAN构建一个生成传统色彩创新设计方案的模型,该模型能够创造性地生成符合色彩搭配规则且富有文化意象的产品色彩设计方案;最后,以武强年画为传统色彩文化研究对象,以旅游观光车为设计应用对象,进行传统色彩创新设计,并搭建设计系统,以验证论文所提方法的有效性和适用性。结果提出一种基于深度学习的传统色彩创新设计方法,该方法可快速设计出符合文化意象的产品色彩设计方案,实现传统色彩、文化底蕴、现代产品的交融。结论论文验证了深度学习技术在传统色彩创新设计中的应用潜力,为传统色彩创新设计提供一种可行且可靠的思路,促进了传统色彩在现代产品设计中的创新和传承。 展开更多
关键词 传统色彩 创新设计 文化意象 条件Wassertein生成对抗网络(C-WGAN) 残差网络Resnet-18
在线阅读 下载PDF
基于可解释性条件生成对抗网络的台风气象负荷场景生成方法 被引量：3
17
作者 罗萍萍 盛奥 +3 位作者 林济铿 马骞 许琴 刘一鸣 《电力系统自动化》 北大核心 2025年第2期186-197,共12页
台风气象下电网负荷将会出现剧烈波动且威胁到电网安全稳定运行,亟需一种有效的方法来生成相应的负荷需求场景。文中提出一种面向稀少历史样本、基于可解释性条件生成对抗网络(CGAN)的台风负荷场景生成方法。首先,对历史台风负荷进行修... 台风气象下电网负荷将会出现剧烈波动且威胁到电网安全稳定运行,亟需一种有效的方法来生成相应的负荷需求场景。文中提出一种面向稀少历史样本、基于可解释性条件生成对抗网络(CGAN)的台风负荷场景生成方法。首先,对历史台风负荷进行修正,并根据台风登陆位置、等级等信息对其进行标签分类。然后,提出一种两阶段数据扩充策略以应对数据匮乏问题,第1阶段利用历史台风日负荷序列之间的横纵向相关性信息进行样本扩充,第2阶段利用台风日与非台风日负荷之间的残差信息进一步进行样本扩充。最后,提出基于特征影响指标的CGAN因果解释方法,刻画了不同特征对于模型结果的调控力度大小。算例证实了文中所提模型及方法的有效性和先进性。 展开更多
关键词 台风气象 人工智能 负荷需求 场景生成 可解释性 条件生成对抗网络
在线阅读 下载PDF
基于深度学习的水利工控网络流量异常检测方法 被引量：1
18
作者 马剑波 左翔 +2 位作者 丛小飞 叶瑞禄 刘威风 《水利水电技术(中英文)》 北大核心 2025年第4期167-178,共12页
【目的】针对水利工控网络流量数据集不平衡、特征维数多和检测效率低等问题,提出一种结合改进条件生成对抗网络(ICGAN)、深度残差收缩网络(DRSN)、长短期记忆网络(LSTM)的流量异常检测方法。【方法】利用ICGAN构建了网络流量平衡数据集... 【目的】针对水利工控网络流量数据集不平衡、特征维数多和检测效率低等问题,提出一种结合改进条件生成对抗网络(ICGAN)、深度残差收缩网络(DRSN)、长短期记忆网络(LSTM)的流量异常检测方法。【方法】利用ICGAN构建了网络流量平衡数据集,利用DRSN-LSTM混合深度学习模型对网络异常流量数据进行检测,其中DRSN负责提取数据的空间特征,其残差连接可以解决网络退化与过拟合问题,压缩和激励网络可自动为每个特征图分配权重系数以提高检测效果,LSTM负责提取数据的时间特征。【结果】以秦淮河武定门闸站为应用场景对该方法进行测试,结果表明采用ICGAN优化后的数据集训练的各类检测模型,其流量分类精度高于原始数据集。DRSN-LSTM的网络流量异常检测的总体准确率达到了98.76%,其中正常数据分类的P、R和F1值,分别达到了99.22%、99.69%和99.46%,在评价指标上优于比较模型。【结论】融合ICGAN、DRSN和LSTM算法优势的水利工控网络流量异常检测方法,能够有效改善原始数据集中的类别不平衡性问题,提高对异常工控网络流量的检测能力,保障水利工程安全稳定运行。 展开更多
关键词 水利工控 网络流量异常检测 深度学习 条件生成对抗网络 深度残差收缩网络 长短期记忆网络 评价指标
在线阅读 下载PDF
基于语义分离和特征融合的人脸编辑方法
19
作者 夏垚铮 郝蕾 +2 位作者 郑宛露 潘成伟 王少荣 《计算机辅助设计与图形学学报》 北大核心 2025年第3期414-426,共13页
人脸图像编辑模型中的语义属性之间有较强的关联性,编辑其中一种语义可能导致其他语义属性以及非编辑区域的内容改动.为了提升用户的编辑体验,实现对人脸图像细节更为精确的编辑,提出一种在图像域上语义分离和特征融合(ISFL)的人脸图像... 人脸图像编辑模型中的语义属性之间有较强的关联性,编辑其中一种语义可能导致其他语义属性以及非编辑区域的内容改动.为了提升用户的编辑体验,实现对人脸图像细节更为精确的编辑,提出一种在图像域上语义分离和特征融合(ISFL)的人脸图像编辑模型.首先使用图像掩模将人脸图像的各个语义分离,并将人脸语义组织成一个层次化的树状结构;然后通过ISFL实现对图像语义的局部分离和全局融合,用户可通过掩模单独编辑图像中不同语义的结构和外观;最后使用基于编码器和基于优化2种方式优化生成图像的细节部分.在CelebAMask-HQ数据集上的实验结果表明,所提出的图像编辑方法可以得到更加真实、细节更加丰富的图像. 展开更多
关键词 生成对抗网络 人脸图像编辑 条件生成模型 属性解耦 特征合成
在线阅读 下载PDF
一种基于CGAN-CNN的同步电机转子绕组匝间短路故障诊断方法 被引量：28
20
作者 李俊卿 李斯璇 +2 位作者 陈雅婷 王振兴 何玉灵 《电力自动化设备》 EI CSCD 北大核心 2021年第8期169-174,共6页
由于同步电机故障样本数量较少,为解决同步电机故障诊断中普遍存在的样本不平衡问题,提出了一种基于条件生成式对抗网络(CGAN)和卷积神经网络(CNN)的同步电机转子绕组匝间短路故障诊断方法。首先,对传感器收集到的数据进行预处理,对正... 由于同步电机故障样本数量较少,为解决同步电机故障诊断中普遍存在的样本不平衡问题,提出了一种基于条件生成式对抗网络(CGAN)和卷积神经网络(CNN)的同步电机转子绕组匝间短路故障诊断方法。首先,对传感器收集到的数据进行预处理,对正常样本和故障样本分别添加标签后输入CGAN中生成大量新样本,将生成的新样本与原始样本混合并划分训练集和测试集;然后,利用CNN训练平衡后的数据集,充分、精准地提取有效故障特征;最后,在输出端利用Softmax分类器输出故障分类结果。通过实验证明,与非平衡数据集相比,利用平衡数据集后的故障识别准确率十分稳定且达到99.5%以上,同时与平衡的原始样本数据相比,生成样本避免了噪声和其他干扰,故障诊断的准确率也更高。 展开更多
关键词 同步电机 条件生成式对抗网络 卷积神经网络 生成样本 转子绕组匝间短路故障 故障诊断
在线阅读 下载PDF
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 2 … 9 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部