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173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
1
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
2
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
地震属性驱动的条件生成对抗网络沉积微相模型构建
3
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
基于改进GAN的人机交互手势行为识别方法
4
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
基于深度学习的传统色彩创新设计方法研究
5
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
6
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
7
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
不平衡数据集下导管架平台结构损伤识别研究
8
作者 王维刚 田丰 路敬祎 《振动.测试与诊断》 北大核心 2025年第3期527-534,623,共9页
针对导管架平台结构损伤识别中数据不平衡问题,提出了一种基于一维条件生成对抗网络(one-dimensional conditional generative adversarial network,简称1D-CGAN)与长短时记忆(long short-term memory,简称LSTM)网络结合的导管架平台结... 针对导管架平台结构损伤识别中数据不平衡问题,提出了一种基于一维条件生成对抗网络(one-dimensional conditional generative adversarial network,简称1D-CGAN)与长短时记忆(long short-term memory,简称LSTM)网络结合的导管架平台结构损伤识别方法。该方法将采集的一维损伤数据直接输入条件生成对抗网络(conditional generative adversarial network,简称CGAN),通过在判别器和生成器中添加标签信息构建1D-CGAN,利用标签信息控制其生成特定的新损伤样本,从而与完好状态样本组成平衡样本集。在此基础上,将划分的训练集输入到LSTM进行模型训练和损伤识别。实验结果表明:随着不平衡程度降低,所提出方法的识别准确率不断提高,当数据集达到平衡时,识别准确率能够达到92.5%;与其他方法相比,所提出方法的识别准确率和精确率均有明显的提高。该方法提高了模型的分类性能,为不平衡数据下海洋结构损伤识别提供了一种新思路。 展开更多
关键词 导管架平台 一维条件生成对抗网络 长短时记忆网络 不平衡问题 结构损伤识别
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
9
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
基于双鉴别器条件生成对抗网络的隐私增强联邦学习方案
10
作者 沈翰林 汪学明 《计算机工程与设计》 北大核心 2025年第8期2226-2232,共7页
基于目前的隐私增强联邦学习方法可能存在准确率下降与通信开销增加等问题,甚至可能产生新的不安全因素,提出了一种差分隐私增强的双鉴别器条件生成对抗网络模型。在该模型中,引入了双鉴别器结构,通过模型中生成器和不同鉴别器之间的两... 基于目前的隐私增强联邦学习方法可能存在准确率下降与通信开销增加等问题,甚至可能产生新的不安全因素,提出了一种差分隐私增强的双鉴别器条件生成对抗网络模型。在该模型中,引入了双鉴别器结构,通过模型中生成器和不同鉴别器之间的两两博弈过程,使得生成器所生成的数据在满足差分隐私的要求的同时尽可能接近输入数据。在联邦学习框架中应用该模型,可以保证模型的准确率不会因为隐私保护措施而大幅下降,与此同时增强联邦学习隐私保护的能力。通过仿真实验验证了所提出方案在点对点架构下的有效性。 展开更多
关键词 联邦学习 隐私增强 准确率 差分隐私 双鉴别器结构 条件生成对抗网络 点对点构架
在线阅读 下载PDF
面向生成对抗网络直接优化精度指标的排序学习方法
11
作者 曾寰 李金忠 《小型微型计算机系统》 北大核心 2025年第6期1358-1364,共7页
在评估排序学习方法的性能优劣时,常用的信息检索评估指标,如NDCG、ERR和AP,都是基于文档列表位置信息的指标.由于这些指标中的位置信息是离散值,难以直接用于生成对抗网络的训练中,使得基于生成对抗网络的排序学习算法的损失函数未能... 在评估排序学习方法的性能优劣时,常用的信息检索评估指标,如NDCG、ERR和AP,都是基于文档列表位置信息的指标.由于这些指标中的位置信息是离散值,难以直接用于生成对抗网络的训练中,使得基于生成对抗网络的排序学习算法的损失函数未能考虑排序列表中文档的位置信息.针对此问题,本文提出一种基于条件生成对抗网络直接优化近似平均精度AP指标的listwise排序学习算法(APGAN-LTR)以进行精细化训练模型.该方法采用Gumbel-softmax重参数化技巧采样,使用梯度可导的Plackett-Luce模型模拟用户对检索出文档的偏好采样过程,对平均精度AP指标进行近似,并将包含近似位置信息的AP指标融入条件生成对抗网络的损失函数中以被直接优化性能指标,用于挖掘排序列表的位置信息,以期更进一步提升性能.在公共排序学习基准数据集上的实验结果表明:对比基于生成对抗网络的排序学习方法IRGAN-List,本文提出的排序学习方法APGAN-LTR在信息检索指标NDCG,P,AP,NERR上都有明显提升. 展开更多
关键词 排序学习 近似指标 平均精度 条件生成对抗网络 信息检索
在线阅读 下载PDF
基于LSTM-CGAN的高炉透气性指数预测数值模型
12
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
13
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
基于条件Wassertein生成对抗网络的图像生成 被引量：8
14
作者 郭茂祖 杨倩楠 赵玲玲 《计算机应用》 CSCD 北大核心 2021年第5期1432-1437,共6页
生成对抗网络(GAN)能够自动生成目标图像,对相似地块的建筑物排布生成具有重要意义。而目前训练模型的过程中存在生成图像精度不高、模式崩溃、模型训练效率太低的问题。针对这些问题,提出了一种面向图像生成的条件Wassertein生成对抗网... 生成对抗网络(GAN)能够自动生成目标图像,对相似地块的建筑物排布生成具有重要意义。而目前训练模型的过程中存在生成图像精度不高、模式崩溃、模型训练效率太低的问题。针对这些问题,提出了一种面向图像生成的条件Wassertein生成对抗网络(C-WGAN)模型。首先,该模型需要识别真实样本和目标样本之间特征对应关系,然后,根据所识别出的特征对应关系进行目标样本的生成。模型采用Wassertein距离来度量两个图像特征之间分布的距离,稳定GAN训练环境,规避模型训练过程中的模式崩溃,从而提升生成图像的精度和训练效率。实验结果表明,与原始条件生成对抗网络(CGAN)和pix2pix模型相比,所提模型的峰值信噪比(PSNR)分别最大提升了6.82%和2.19%;在训练轮数相同的情况下,该模型更快达到收敛状态。由此可见,所提模型不仅能够有效地提升图像生成的精度,而且能够提高网络的收敛速度。 展开更多
关键词 图像生成 生成对抗网络 条件生成对抗网络 wassertein距离
在线阅读 下载PDF
基于改进条件生成对抗网络的可控场景生成方法 被引量：9
15
作者 张帅 刘文霞 +3 位作者 万海洋 吕笑影 Nawaraj Kumar Mahato 鲁宇 《电力自动化设备》 EI CSCD 北大核心 2024年第6期9-17,共9页
可再生能源发电具有较强的随机性和波动性,为实现高效可靠的场景建模,提出一种基于改进条件生成对抗网络的可控场景生成方法。提出基于条件生成对抗网络的场景生成框架,结合Transformer的全局注意力机制以及常规卷积和深度可分离卷积的... 可再生能源发电具有较强的随机性和波动性,为实现高效可靠的场景建模,提出一种基于改进条件生成对抗网络的可控场景生成方法。提出基于条件生成对抗网络的场景生成框架,结合Transformer的全局注意力机制以及常规卷积和深度可分离卷积的局部泛化机制,设计适用于提取可再生能源发电不同维度特征的网络结构;利用条件生成对抗网络模型建立低维气象特征隐空间和高维可再生能源发电数据之间的映射关系,提出一种可控场景生成方法,并建立随机场景生成、场景约减、极端场景生成和连续日场景生成4种生成策略。基于实际光伏、风电数据和气象数据的仿真结果表明,所提模型与方法能够有效学习可再生能源发电的随机性、时序性、波动性及空间相关性,实现对不同策略下场景的可控生成。 展开更多
关键词 场景生成 条件生成对抗网络 特征提取 配电网 可控生成
在线阅读 下载PDF
面向动态博弈的k-匿名隐私保护数据共享方案 被引量：3
16
作者 曹来成 后杨宁 +1 位作者 冯涛 郭显 《西安电子科技大学学报》 EI CAS CSCD 北大核心 2024年第4期170-179,共10页
针对训练深度学习模型时,存在缺少大量带标签训练数据和数据隐私泄露等问题,提出了一个面向动态博弈的k-匿名隐私保护数据共享(KPDSDG)方案。首先,引入动态博弈策略设计了最优数据k-匿名方案,在保护数据隐私的同时实现了数据的安全共享... 针对训练深度学习模型时,存在缺少大量带标签训练数据和数据隐私泄露等问题,提出了一个面向动态博弈的k-匿名隐私保护数据共享(KPDSDG)方案。首先,引入动态博弈策略设计了最优数据k-匿名方案,在保护数据隐私的同时实现了数据的安全共享。其次,提出了一个数据匿名化评估框架,以匿名数据的可用性、隐私性和信息丢失评估数据匿名化方案,可以进一步提高数据的隐私性和可用性,以降低重新识别的风险。最后,采用条件生成对抗网络生成数据,解决了模型训练缺少大量带标签样本的问题。安全性分析显示,整个共享过程能够保证数据拥有者隐私信息不被泄露。同时实验表明,该方案隐私化后生成的数据训练的模型准确率高于其他方案,最优情况高出8.83%。且与基于原始数据所训练的模型准确率基本一致,最优情况仅相差0.34%。同时该方案具有更低的计算开销。因此该方案同时满足了数据匿名、数据增广和数据安全共享。 展开更多
关键词 条件生成对抗网络 数据匿名化 隐私评估 隐私保护 数据共享
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
17
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
18
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
19
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
面向城区的基于图去噪的小区级RSRP估计方法 被引量：1
20
作者 郑毅 廖存燚 +2 位作者 张天倩 王骥 刘守印 《计算机应用》 CSCD 北大核心 2024年第3期855-862,共8页
移动通信系统网络的规划、部署和优化都不同程度依赖于参考信号接收功率(RSRP)估计的准确性。传统上,基站覆盖小区内某信号接收点的RSRP可由对应的无线传播模型估计。在城市环境中,不同小区的无线传播模型需要使用大量RSRP实测数据校正... 移动通信系统网络的规划、部署和优化都不同程度依赖于参考信号接收功率(RSRP)估计的准确性。传统上,基站覆盖小区内某信号接收点的RSRP可由对应的无线传播模型估计。在城市环境中,不同小区的无线传播模型需要使用大量RSRP实测数据校正。由于不同小区环境存在差异,经过校正后的模型只适用于对应小区,且小区内的RSRP估计精度低。针对上述问题,将RSRP估计问题转化为图去噪问题,并通过图像处理与深度学习技术得到小区级无线传播模型,不仅能实现小区整体的RSRP估计,且能适用于相似环境小区。首先,通过随机森林回归器逐点预测每个接收点的RSRP,得到整个小区的RSRP估计图;然后,将RSRP估计图和实测RSRP分布图之间的损失视为RSRP噪声图,提出基于条件生成对抗网络(CGAN)的图去噪RSRP估计方法,通过电子环境地图反映小区的环境信息,有效地降低不同小区的RSRP。实验结果表明,在无实测数据的跨小区RSRP预测场景下,所提方法预测RSRP的均方根误差(RMSE)为6.77 dBm,相较于基于卷积神经网络的RSRP估计方法EFsNet下降2.55 dBm;在同小区RSRP预测场景下,相较于EFsNet,模型参数量减小80.3%。 展开更多
关键词 条件生成对抗网络 机器学习 参考信号接收功率 无线传播模型 图去噪
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