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2,260篇文章
< 1 2 … 113 >
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GAN和多尺度空间注意力的多模态医学图像融合 被引量：3
1
作者 林予松 李孟娅 +1 位作者 李英豪 赵哲 《郑州大学学报（工学版）》 CAS 北大核心 2025年第1期1-8,共8页
针对多模态医学图像融合过程中多尺度特征和纹理细节信息丢失的问题,提出一种基于生成对抗网络和多尺度空间注意力的图像融合算法。首先,生成器采用自编码器结构,分别利用编码器和解码器对输入图像进行特征提取、融合和重建,生成融合图... 针对多模态医学图像融合过程中多尺度特征和纹理细节信息丢失的问题,提出一种基于生成对抗网络和多尺度空间注意力的图像融合算法。首先,生成器采用自编码器结构,分别利用编码器和解码器对输入图像进行特征提取、融合和重建,生成融合图像;其次,整个对抗网络框架采用双鉴别器结构,使得生成器生成的融合图像同时保留多个模态图像的显著特征;最后,构建一种多尺度空间注意力作为编码器进行特征提取的基本模块,利用多尺度结构充分捕获并保留源图像的多尺度特征,并且引入空间注意力更好地保留源图像的结构和细节信息。全脑图谱数据库上的实验结果表明:所提算法生成的融合图像不仅纹理细节更为丰富,有助于人类视觉观察,而且在3种不同类型的医学图像融合任务上平均梯度、峰值信噪比、互信息、视觉信息保真度等客观评价指标的平均值分别达到0.3023、20.7207、1.4414、0.6498,与其他先进的算法相比具有一定的优势。 展开更多
关键词 图像融合 多模态医学图像 生成对抗网络 特征金字塔 注意力机制
在线阅读 下载PDF
基于改进CycleGAN与YOLOv8s的混凝土坝水下裂缝识别方法 被引量：1
2
作者 赵阳 康飞 万刚 《水电能源科学》 北大核心 2025年第4期158-162,共5页
针对受水下环境影响造成的混凝土坝水下裂缝图像获取困难、样本稀缺,裂缝检测效率低、精度差、主观性强等问题,提出基于生成对抗网络CycleGAN和目标检测网络YOLOv8s的水下裂缝检测方法。首先,引入梯度惩罚WGAN-GP损失与相似性度量LPIPS... 针对受水下环境影响造成的混凝土坝水下裂缝图像获取困难、样本稀缺,裂缝检测效率低、精度差、主观性强等问题,提出基于生成对抗网络CycleGAN和目标检测网络YOLOv8s的水下裂缝检测方法。首先,引入梯度惩罚WGAN-GP损失与相似性度量LPIPS损失,提出一种改进的CycleGAN图像风格迁移网络,以此生成高质量水下裂缝图像,解决数据样本不足的问题;之后,添加SimAM无参注意力并引入WIoU损失,提出改进的YOLOv8s水下裂缝识别网络,以提高水下裂缝图像识别的精度。试验结果表明,改进CycleGAN方法起到了良好的数据扩充作用,能有效提升后续检测任务的精度;改进YOLOv8s方法在消融、对比试验中,裂缝识别精度较原网络、Faster R-CNN、YOLOX-s、YOLOv5s分别提高2.4%、5.4%、2.4%、1.2%,检测效果满足高效、精确的要求,可为混凝土坝水下裂缝识别提供技术支持。 展开更多
关键词 水下裂缝识别 生成对抗网络 数据扩充 损失函数 注意力机制
在线阅读 下载PDF
基于SE-AdvGAN的图像对抗样本生成方法研究 被引量：1
3
作者 赵宏 宋馥荣 李文改 《计算机工程》 北大核心 2025年第2期300-311,共12页
对抗样本是评估深度神经网络(DNN)鲁棒性和揭示其潜在安全隐患的重要手段。基于生成对抗网络(GAN)的对抗样本生成方法(AdvGAN)在生成图像对抗样本方面取得显著进展,但该方法生成的扰动稀疏性不足且幅度较大,导致对抗样本的真实性较低。... 对抗样本是评估深度神经网络(DNN)鲁棒性和揭示其潜在安全隐患的重要手段。基于生成对抗网络(GAN)的对抗样本生成方法(AdvGAN)在生成图像对抗样本方面取得显著进展,但该方法生成的扰动稀疏性不足且幅度较大,导致对抗样本的真实性较低。为解决这一问题,基于AdvGAN提出一种改进的图像对抗样本生成方法(SE-AdvGAN)。SE-AdvGAN通过构造SE注意力生成器和SE残差判别器来提高扰动的稀疏性。SE注意力生成器用于提取图像关键特征,限制扰动生成位置,SE残差判别器指导生成器避免生成无关扰动。同时,在SE注意力生成器的损失函数中加入以l_(2)范数为基准的边界损失以限制扰动的幅度,从而提高对抗样本的真实性。实验结果表明,在白盒攻击场景下,SE-AdvGAN相较于现有方法生成的对抗样本扰动稀疏性更高、幅度更小,并且在不同目标模型上均取得了更好的攻击效果,说明SE-AdvGAN生成的高质量对抗样本可以更有效地评估DNN模型的鲁棒性。 展开更多
关键词 对抗样本 生成对抗网络 稀疏扰动 深度神经网络 鲁棒性
在线阅读 下载PDF
基于改进ACGAN算法的带钢小样本数据增强方法 被引量：2
4
作者 师红宇 王嘉鑫 李怡 《计算机集成制造系统》 北大核心 2025年第1期211-218,共8页
为了解决带钢小样本数据集在深度学习中出现的模式崩溃、图像模糊和错判等问题,提出一种改进的ACGAN数据增强方法。首先,模型中引入带梯度惩罚项的Wasserstein距离作为损失函数,解决了模式崩溃和训练不稳定问题;其次,生成器网络中改进... 为了解决带钢小样本数据集在深度学习中出现的模式崩溃、图像模糊和错判等问题,提出一种改进的ACGAN数据增强方法。首先,模型中引入带梯度惩罚项的Wasserstein距离作为损失函数,解决了模式崩溃和训练不稳定问题;其次,生成器网络中改进标签反卷积网络,使标签信息更好地贯穿整个生成网络,并在其末端设计了去噪结构,提高了生成图像质量;接着,判别器网络中引入级联融合思想,增强了网络判别能力;最后,将改进前后的模型在NEU带钢表面缺陷数据集和MNIST数据集上进行对比实验,结果表明:所提模型生成各类样本图像的清晰度、准确性明显提高,并且客观指标FID的平均值在NEU带钢表面缺陷数据集上下降了15.8%,在MNIST数据集下降了73%,为带钢小样本数据集的扩充提供了一种新方法。 展开更多
关键词 图像生成 生成对抗网络 数据增强 小样本
在线阅读 下载PDF
改进的GAN和迁移学习的轴承故障诊断方法 被引量：1
5
作者 郝旺身 冀科伟 +1 位作者 杜应军 韦广 《机械设计与制造》 北大核心 2025年第1期140-143,148,共5页
针对实际设备运行中轴承故障样本往往比较匮乏,传统的人工智能算法越来越难以满足实际情况故障诊断需要的问题,提出了一种改进的生成对抗神经网络模型,并结合迁移学习提出了一种智能故障诊断方法。该方法将机械故障时所采集的原始数据... 针对实际设备运行中轴承故障样本往往比较匮乏,传统的人工智能算法越来越难以满足实际情况故障诊断需要的问题,提出了一种改进的生成对抗神经网络模型,并结合迁移学习提出了一种智能故障诊断方法。该方法将机械故障时所采集的原始数据与大量源域数据通过生成对抗网络中得到大量与原始数据相似的新样本数据,然后从新样本数据中学习特征优化神经网络的参数,并通过样本的分布相应的调节神经网络的结构,最后,将部分原始故障数据输入已训练好的神经网络,得到诊断结果。实验结果表明,所提方法较传统的深度学习和迁移学习在诊断准确率上分别提高了28.10%和24.42%,能够为实际制造中轴承故障诊断任务提供可行的解决方案。 展开更多
关键词 轴承故障 样本生成 迁移学习 生成式对抗网络 卷积神经网络
在线阅读 下载PDF
基于GAN和Transformer模型组合的格陵兰地区PWV短时预报方法
6
作者 张胜凯 胡希成 +4 位作者 龚力 雷锦韬 李文浩 马超 肖峰 《大地测量与地球动力学》 北大核心 2025年第9期881-887,893,共8页
基于2010—2018年GPS反演的PWV时间序列数据以及同时期ERA5再分析资料计算的格陵兰地区PWV数据,采用深度学习中的生成对抗网络模型(GAN)和Transformer神经网络模型组合,实现由GPS-PWV数据对格陵兰地区PWV数据的短时预报。采用2019年的E... 基于2010—2018年GPS反演的PWV时间序列数据以及同时期ERA5再分析资料计算的格陵兰地区PWV数据,采用深度学习中的生成对抗网络模型(GAN)和Transformer神经网络模型组合,实现由GPS-PWV数据对格陵兰地区PWV数据的短时预报。采用2019年的ERA5数据对预测结果进行评估,结果表明,模型在大部分地区表现较好,RMSE优于4.5 mm,相关系数大于0.7。在春、秋、冬季,相关系数均高于0.5;受天气剧烈变化影响,夏季少部分时间相关系数略低。该方法能够预测格陵兰地区PWV的空间分布和随时间的变化情况。 展开更多
关键词 生成对抗网络 TRANSFORMER GPS 格陵兰 PWV 短时预报
在线阅读 下载PDF
一种高性能的多任务图像生成RL-GAN模型
7
作者 叶学义 石悦 +2 位作者 韩卓 李文杰 王浩 《电光与控制》 北大核心 2025年第5期47-52,73,共7页
为了将GAN扩展到多任务模式并构建高性能模型,将强化学习(RL)代理与GAN结合,构建多任务图像生成RL-GAN模型,并通过更换RL代理训练算法、设置更合理的AC网络损失函数及替换网络结构三个方面进行优化,旨在提升模型性能。实验结果显示,在... 为了将GAN扩展到多任务模式并构建高性能模型,将强化学习(RL)代理与GAN结合,构建多任务图像生成RL-GAN模型,并通过更换RL代理训练算法、设置更合理的AC网络损失函数及替换网络结构三个方面进行优化,旨在提升模型性能。实验结果显示,在两种多任务图像修复实验中,所提模型的生成结果均满足视觉需求,且与当前多任务模式的主流方法--多GAN叠加相比,RL-GAN模型具有更快的收敛速度和图像处理速度以及更高的输出质量,且引入RL代理后模型的精度与效率也更优,优化后的模型多任务处理能力显著提升。 展开更多
关键词 多任务图像生成 强化学习 生成对抗网络
在线阅读 下载PDF
基于CDoubleGAN的电网时序暂态数据生成
8
作者 张启飞 陈润泽 +2 位作者 张亶 叶瑞涛 梁秀波 《计算机工程与设计》 北大核心 2025年第1期159-165,共7页
为解决电力系统人工智能应用中样本数量不足的问题,对时序数据生成方法进行研究,提出一种CDoubleGAN模型。结合编解码器和两对生成器-鉴别器,采用ARFNN替代RNN解决Lipschitz连续性问题,实现使用Wasserstein距离对目标函数的稳定优化。... 为解决电力系统人工智能应用中样本数量不足的问题,对时序数据生成方法进行研究,提出一种CDoubleGAN模型。结合编解码器和两对生成器-鉴别器,采用ARFNN替代RNN解决Lipschitz连续性问题,实现使用Wasserstein距离对目标函数的稳定优化。将数据类别标签融入模型中,生成特定类别的样本。在IEEE-39系统的实验结果表明,CDoubleGAN在类别生成上的准确度超过98%,与TimeGAN相比,生成的数据与原数据具有更高的相似度,更好保留了数据原始特性以应用于数据生产。 展开更多
关键词 人工智能 深度学习 电力系统 暂态稳定 数据生成 编解码器 生成对抗网络 时序数据
在线阅读 下载PDF
基于MTF-DCGAN的齿轮箱故障诊断方法研究
9
作者 杨敏 孙文磊 +4 位作者 刘志远 钟荟玄 辜英政 王云浩 张宇 《机床与液压》 北大核心 2025年第12期17-24,共8页
为解决齿轮箱故障诊断过程中因样本分布不均衡导致的模型泛化性能不足和识别准确度不高的问题,提出基于MTF-DCGAN和改进EfficientNet网络的故障诊断方法。根据马尔可夫转移场(MTF)图像编码原理将收集的一维振动信号转换成二维可视化图像... 为解决齿轮箱故障诊断过程中因样本分布不均衡导致的模型泛化性能不足和识别准确度不高的问题,提出基于MTF-DCGAN和改进EfficientNet网络的故障诊断方法。根据马尔可夫转移场(MTF)图像编码原理将收集的一维振动信号转换成二维可视化图像,按比例划分训练集和测试集;将训练集数据与随机向量输入至深度卷积生成对抗网络(DCGAN)模型中,交替训练生成器和判别器直至实现纳什均衡,生成与原始样本特征相似的新增样本,以此扩充故障数据集;最后,对EfficientNet的MBConv模块数量和激活函数进行改进,并将原始样本及增广后的样本集导入改进后的EfficientNet中进行特征提取,实现齿轮箱故障的识别与分类。结果表明:所提方法显著提高了样本不均衡情况下齿轮箱故障的诊断准确率,具有维度变换简单和模型参数量小的优势,加快了收敛速率。 展开更多
关键词 故障诊断 马尔可夫转移场 深度卷积生成对抗网络 改进EfficientNet 齿轮箱
在线阅读 下载PDF
基于改进DCGAN的小样本玉米病害图像扩充方法
10
作者 李艳玲 张博翔 +3 位作者 董萍 赵雨洋 FERNANDO Bacao 司海平 《河南农业大学学报》 北大核心 2025年第5期904-912,共9页
【目的】设计一种基于改进DCGAN(deep convolutional generative adversarial networks,DCGAN)的图像扩充方法WSAR-DCGAN(wasserstein and self-attention residual networks dcgan,WSAR-DCGAN),为玉米叶片病害图像的增强与识别提供依... 【目的】设计一种基于改进DCGAN(deep convolutional generative adversarial networks,DCGAN)的图像扩充方法WSAR-DCGAN(wasserstein and self-attention residual networks dcgan,WSAR-DCGAN),为玉米叶片病害图像的增强与识别提供依据。【方法】首先,将DCGAN原模型中的损失函数进行替换,并将自注意力机制模块融入原有的DCGAN模型中,提高模型对病害斑块特征的学习能力。其次,改进残差结构,并把改进后的残差网络应用到生成器与判别器中,增加网络深度,提取图像更深层次的特征以提高生成图像的真实性。【结果】WSARDCGAN扩充方法相较于DCGAN、DCGAN+和WGAN算法,生成病害图像的FID值分别降低了167.86、143.63和55.4,Gan-train与Gan-test的值相较于DCGAN提升了22.02%和23.82%。另外,使用WSAR-DCGAN扩充方法得到的图像数据集进行玉米叶片病害识别,在AlexNet、VGGNet和ResNet识别网络上的识别准确率分别提升了6.9%、7.14%和3.44%。【结论】该方法能够解决原始DCGAN训练过程不稳定、生成病害图像真实性多样性差等问题。 展开更多
关键词 小样本 数据扩充 残差网络 生成对抗网络 玉米病害叶片图像
在线阅读 下载PDF
基于改进GAN的图像去雨方法及其在车辆检测上的应用
11
作者 应保胜 刘畅然 +2 位作者 熊豪 石兵华 许小伟 《计算机应用与软件》 北大核心 2025年第3期183-189,共7页
针对雨天行车时,车载摄像头拍摄的图像被镜头前的雨滴或者空中的雨线条纹所遮挡,影响车辆检测的准确度的问题,使用先去雨后检测的思路,提出一种基于改进的生成对抗网络(Generative Adversarial Networks,GAN)图像去雨方法。该方法在GAN... 针对雨天行车时,车载摄像头拍摄的图像被镜头前的雨滴或者空中的雨线条纹所遮挡,影响车辆检测的准确度的问题,使用先去雨后检测的思路,提出一种基于改进的生成对抗网络(Generative Adversarial Networks,GAN)图像去雨方法。该方法在GAN的生成网络中加入注意力模块,并在patch-GAN判别网络中加入一层卷积,提取注意力掩码图,进行局部鉴别,提升去雨效果并保留图像细节。对图像进行去雨处理后,再使用YOLOv4算法对去雨后图像进行车辆检测。实验使用多种数据集将该方法与其他方法进行对比实验,结果表明该方法有良好的去雨效果,并能有效提高雨天车辆检测准确率。 展开更多
关键词 图像去雨 生成对抗网络 注意力模块 自编码器 车辆检测
在线阅读 下载PDF
基于VAE-WGAN的矿井提升机主轴承小样本故障诊断方法
12
作者 江帆 宋泓炎 +2 位作者 沈熙 朱真才 程舒曼 《煤炭科学技术》 北大核心 2025年第S1期468-482,共15页
作为提升机的关键组件,主轴承在长时间高速重载服役过程中,其性能会发生退化并导致故障产生,故开展提升机主轴承故障诊断对保障矿井提升机安全高效运行具有重要意义。然而,矿井提升机运行状态监测的数据中正常服役与故障状态的比重严重... 作为提升机的关键组件,主轴承在长时间高速重载服役过程中,其性能会发生退化并导致故障产生,故开展提升机主轴承故障诊断对保障矿井提升机安全高效运行具有重要意义。然而,矿井提升机运行状态监测的数据中正常服役与故障状态的比重严重失调,呈现出正常样本多、故障样本少、标签样本不足等特点,导致矿井提升机主轴承故障模型训练效果不理想、诊断准确度低。针对小样本下矿井提升机主轴承故障诊断准确率低的问题,通过融合变分自编码器和Wasserstein生成对抗网络,构建基于VAE-WGAN的矿井提升机主轴承样本增广模型,进而提出基于CBAM-MoblieNetV2的故障诊断方法,实现小样本数据下的矿井提升机主轴承故障诊断。在算法层面上,引入Wasserstein距离度量,解决生成对抗网络训练梯度消失问题。在数据层面上,使用凯斯西储大学数据集对VAE-WGAN进行测试,并通过量化指标评价VAE-WGAN生成能力的方式优选超参数,再用矿井提升机模拟实验台轴承数据集训练VAE-WGAN,实现小样本数据集增广扩容。为了提升故障诊断模型的特征提取能力和故障诊断准确率,在轻量化卷积神经网络MobileNetV2的基础上,将卷积块注意力机制CBAM融合到MobileNetV2深层特征映射,搭建注意力机制卷积分类网络CBAMMobileNetV2,通过融合跨通道信息和空间信息实现更多地关注故障特征。最后与WGAN_GP、DCGAN,VAE以及WGAN等传统生成模型进行了对比分析,VAE-WGAN+CBAM-MobileNetV2在4种小样本比例数据集上的准确率均高于其他4种方法,证明了所提样本增广和故障诊断方法在不同小样本比例故障数据集上的故障诊断准确率更高,能够满足小样本下的故障诊断要求。 展开更多
关键词 生成对抗网络 小样本 矿井提升机 主轴承 故障诊断
在线阅读 下载PDF
基于改进DCGAN网络的钢材表面缺陷图像数据增强方法
13
作者 时培明 申世春 +3 位作者 叶蕾 许学方 阚俊明 韩东颖 《计量学报》 北大核心 2025年第9期1377-1384,共8页
针对传统深度卷积生成对抗网络(DCGAN)在生成钢材表面缺陷图像中存在质量差和网络训练不稳定等问题,提出了一种改进DCGAN的钢材表面缺陷图像数据增强模型。首先,将残差模块和自注意力机制添加到DCGAN网络中,提高网络对缺陷图像的特征提... 针对传统深度卷积生成对抗网络(DCGAN)在生成钢材表面缺陷图像中存在质量差和网络训练不稳定等问题,提出了一种改进DCGAN的钢材表面缺陷图像数据增强模型。首先,将残差模块和自注意力机制添加到DCGAN网络中,提高网络对缺陷图像的特征提取能力;其次,引入谱归一化和带梯度惩罚项的Wasserstein距离损失函数,提高网络训练的稳定性;最后,将所提模型在NEU-DET数据集上进行试验。试验结果表明,所提出的模型能够稳定地生成质量较高的钢材表面缺陷图像,相较于原始DCGAN网络,该模型生成图像在AlexNet网络上识别准确率提高了6.8%,FID值降低了61.3%,IS值提高了20.8%,且质量优于GAN、DCGAN、CGAN和WGAN四种主流模型所生成的图像,能够作为一种有效的策略解决钢材表面缺陷图像小样本问题。 展开更多
关键词 几何量计量 钢材表面缺陷 生成对抗网络 图像生成 残差模块 自注意力机制 谱归一化
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
基于改进CycleGAN的非配对CMR图像增强
15
作者 郑伟 吴禹波 +2 位作者 冯晓萌 马泽鹏 宋铁锐 《河北大学学报(自然科学版)》 北大核心 2025年第2期204-215,共12页
心脏磁共振成像(cardiac magnetic resonance,CMR)过程中患者误动、异常幅度的呼吸运动、心律失常会造成CMR图像质量下降,为解决现有的CMR图像增强网络需要人为制作配对数据,且图像增强后部分组织纹理细节丢失的问题,提出了基于空频域... 心脏磁共振成像(cardiac magnetic resonance,CMR)过程中患者误动、异常幅度的呼吸运动、心律失常会造成CMR图像质量下降,为解决现有的CMR图像增强网络需要人为制作配对数据,且图像增强后部分组织纹理细节丢失的问题,提出了基于空频域特征学习的循环一致性生成对抗网络(cycle-consistent generative adversavial network based on spatial-frequency domain feature learning,SFFL-CycleGAN).研究结果表明,该网络无须人为制作配对数据集,增强后的CMR图像组织纹理细节丰富,在结构相似度(structural similarity,SSIM)和峰值信噪比(peak signal to noise ratio,PSNR)等方面均优于现有的配对训练网络以及原始的CycleGAN网络,图像增强效果好,有效助力病情诊断. 展开更多
关键词 心脏磁共振成像 图像增强 空频域特征 循环一致性生成对抗网络
在线阅读 下载PDF
不均衡样本下轴承故障的LSGAN‑Swin Transformer诊断方法
16
作者 刘杰 谭玉涛 +1 位作者 谷艳玲 杨娜 《振动工程学报》 北大核心 2025年第8期1775-1787,共13页
针对轴承在复杂环境下工作时故障数据难以大量获取,正常数据与故障数据比例严重失衡造成的深度模型训练不充分、诊断精度低等问题,提出一种基于LSGAN-Swin Transformer的轴承故障诊断方法,利用最小二乘生成对抗网络(LSGAN)扩充不均衡或... 针对轴承在复杂环境下工作时故障数据难以大量获取,正常数据与故障数据比例严重失衡造成的深度模型训练不充分、诊断精度低等问题,提出一种基于LSGAN-Swin Transformer的轴承故障诊断方法,利用最小二乘生成对抗网络(LSGAN)扩充不均衡或缺少的轴承数据集,引入窗口自注意力网络进行轴承故障状态识别,使用两种数据集验证所提方法的有效性,并分别与SGAN、WGAN进行对比,证明LSGAN生成的数据训练模型具有更高的准确率。在小样本条件下训练LSGAN,将所提Swin Transformer(Swin-T)模型与CNN、AlexNe和SqueezeNet进行对比,诊断准确率分别提升了34.85%、13.45%和12.95%。通过t-SNE可视化分析对模型分类效果进行评估,结果表明,LSGAN-Swin-T模型在训练样本数量较少时仍能较好地满足故障诊断中的需求,为不均衡数据下的轴承故障诊断研究提供思路。 展开更多
关键词 故障诊断 滚动轴承 不均衡样本 最小二乘生成对抗网络 Swin Transformer
在线阅读 下载PDF
改进GAN数据增强的小样本管道漏磁缺陷识别
17
作者 温江涛 闫鹏 +1 位作者 周家鑫 孙洁娣 《电子测量与仪器学报》 北大核心 2025年第6期142-153,共12页
针对复杂管道漏磁缺陷识别研究中,因实际漏磁缺陷样本数量少、差异大导致的智能识别模型在实际应用中性能不佳的问题,提出了一种基于改进生成对抗网络的数据增强方法。首先,该方法研究了多类别混合估计的方法为生成器提供原始信号的先... 针对复杂管道漏磁缺陷识别研究中,因实际漏磁缺陷样本数量少、差异大导致的智能识别模型在实际应用中性能不佳的问题,提出了一种基于改进生成对抗网络的数据增强方法。首先,该方法研究了多类别混合估计的方法为生成器提供原始信号的先验信息,改进生成器的随机噪声输入,同时在生成器网络中引入多头注意力机制以捕获全局关键特征,提高生成样本质量;然后,研究了基于变分自编码重构误差的样本筛选方法,从生成样本中选取质量更高的样本,用来改善识别模型的训练效率;最后,将筛选出的生成样本及原始样本组合构成缺陷样本数据集,实现了数据增强。为验证数据增强效果,实验中采用常用的分类方法对扩充后的漏磁缺陷信号进行分类识别,实验结果表明,改进的方法在样本量较小的情况下平均识别准确率可达93%,相比其他类似方法具有更好的性能。 展开更多
关键词 管道漏磁检测 小样本 生成对抗网络 多头注意力 多类别混合估计 样本筛选
在线阅读 下载PDF
基于GAN目标数据增强的海面小目标检测
18
作者 尹翔 李婉华 《现代雷达》 北大核心 2025年第4期20-28,共9页
由于海面存在大量背景杂波,以及目标的多样性,海面小目标检测一直是一个具有挑战性的问题。近年来,基于深度学习的海面小目标检测逐渐流行,具有较好的性能。然而,这类方法严重依赖于训练样本的数量和质量,通常情况下,目标样本数量远少... 由于海面存在大量背景杂波,以及目标的多样性,海面小目标检测一直是一个具有挑战性的问题。近年来,基于深度学习的海面小目标检测逐渐流行,具有较好的性能。然而,这类方法严重依赖于训练样本的数量和质量,通常情况下,目标样本数量远少于海杂波样本数量,这会给训练带来困难同时降低检测性能。基于此,文中提出了一种基于目标数据增强的海面小目标检测方法。通过对目标的时频特征进行分析,基于生成对抗网络(GAN)生成相似的特征分布样本,从而扩展目标数据集,缩小目标样本和海杂波样本之间的数量差距,使更多的目标信息被用于检测器的训练过程中,以提高检测器性能。在IPIX数据集上的实验结果表明该方法可以获得更好的检测性能,及所提出的检测器可以实现虚警率的控制。 展开更多
关键词 数据增强 生成对抗网络 卷积神经网络 小目标检测 可控虚警
在线阅读 下载PDF
基于GAN的测井仪器遇阻预测实验设计
19
作者 高雅田 刘志文 《实验技术与管理》 北大核心 2025年第6期211-217,共7页
以测井仪器遇阻预测为典型教学案例,针对仪器遇阻导致相关测井数据(涉及油气开发核心信息)不足且获取渠道受限问题,提出一种基于生成式对抗网络(GAN)的预测方法,通过在教学过程中生成测井数据以补充样本,为学生提供大量训练数据集,从而... 以测井仪器遇阻预测为典型教学案例,针对仪器遇阻导致相关测井数据(涉及油气开发核心信息)不足且获取渠道受限问题,提出一种基于生成式对抗网络(GAN)的预测方法,通过在教学过程中生成测井数据以补充样本,为学生提供大量训练数据集,从而提升深度学习模型的预测性能,助力教学任务的开展。实验结果表明,该实验过程能够帮助学生理解生成式对抗网络的原理及其应用,培养学生的动手实践能力与科研思维能力。此外,该方法在复杂地层条件下的预测精度显著优于传统方法,展示出良好的应用潜力。 展开更多
关键词 生成式对抗网络 仪器遇阻 测井数据 深度学习 教学案例
在线阅读 下载PDF
基于GAN的语义对齐网络半监督跨模态哈希方法
20
作者 刘华咏 朱婷 《计算机科学》 北大核心 2025年第6期159-166,共8页
监督方法在跨模态检索中已有不少成果,是比较热门的方法。然而,这类方法过于依赖标记的数据,没有充分利用无标签数据所包含的丰富信息。为了解决这一问题,人们开始研究无监督方法,但是仅依靠未标记数据的效果并不理想。对此,提出了基于... 监督方法在跨模态检索中已有不少成果,是比较热门的方法。然而,这类方法过于依赖标记的数据,没有充分利用无标签数据所包含的丰富信息。为了解决这一问题,人们开始研究无监督方法,但是仅依靠未标记数据的效果并不理想。对此,提出了基于GAN的语义对齐网络半监督跨模态哈希方法(GAN-SASCH)。该模型基于生成对抗网络,结合了语义对齐的概念。生成对抗网络分为两个模块,分别是生成器和判别器,生成器学习拟合未标记数据的相关性分布并生成虚假的数据样本,判别器则用于判断数据对样本是来自数据集还是生成器。通过这两个模块之间展开极大极小的对抗博弈游戏,不断提升生成对抗网络的性能。语义对齐能充分利用不同模态之间的相互作用和对称性,统一不同模态的相似性信息,有效地指导哈希代码的学习过程。除此之外,还引入了自适应学习优化参数以提升模型性能。在NUS-WIDE和MIRFLICKR25K数据集上,对比了所提方法与9种相关前沿方法,使用MAP与PR图两种评价指标验证了所提方法的有效性。 展开更多
关键词 跨模态哈希 生成对抗网络 语义对齐 半监督 自适应学习
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 … 113 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