基于梯度惩罚Wasserstein生成对抗网络的数字岩心重建

1

作者 徐慧兵 李道伦 查文舒 《合肥工业大学学报（自然科学版）》 CAS 北大核心 2024年第11期1559-1563,共5页

文章针对三维Wasserstein生成对抗网络(Wasserstein generative adversarial networks,WGAN)重建数字岩心的梯度不稳定问题,提出一种基于带梯度惩罚的Wasserstein生成对抗网络(Wasserstein generative adversarial networks with gradie... 文章针对三维Wasserstein生成对抗网络(Wasserstein generative adversarial networks,WGAN)重建数字岩心的梯度不稳定问题,提出一种基于带梯度惩罚的Wasserstein生成对抗网络(Wasserstein generative adversarial networks with gradient penalty,WGAN-GP)三维数字岩心重建算法。首先利用卷积神经网络构建生成网络学习真实样本的分布,然后再构建判别网络以区分重建样本和真实样本。由于WGAN的权值裁剪导致权重分散不均匀,WGAN-GP增加了梯度惩罚项,使得梯度分布更加均匀并加快网络收敛速度,让训练更加稳定。实验通过孔隙度、比表面积和欧拉特性的对比表明,相比于WGAN算法,WGAN-GP三维数字岩心重建算法能更加有效地重现岩石的三维孔隙结构特征。 展开更多

关键词 数字岩心 生成对抗网络(GAN) 梯度惩罚 三维重建 卷积神经网络

在线阅读 下载PDF 职称材料

基于域自适应对抗生成样本的金属损伤导波智能迁移识别方法

2

作者 王莉 刘国强 +2 位作者 杨宇 张超 裘进浩 《振动与冲击》 北大核心 2025年第3期191-201,209,共12页

针对工程场景下缺乏大量标注完备的真实损伤样本,而难以学习到可用的智能诊断模型的难题,该文提出了一种基于域自适应对抗生成样本的金属损伤导波智能迁移诊断方法。首先,采用有限元仿真得到了大量标签丰富的模拟损伤导波监测数据;然后... 针对工程场景下缺乏大量标注完备的真实损伤样本,而难以学习到可用的智能诊断模型的难题,该文提出了一种基于域自适应对抗生成样本的金属损伤导波智能迁移诊断方法。首先,采用有限元仿真得到了大量标签丰富的模拟损伤导波监测数据;然后,采用生成对抗神经网络(wasserstein Generative adversarial networks with gradient penalty,WGAN-GP)实现了模拟损伤监测样本至真实损伤的域自适应对抗样本的生成;最后,构建了基于对抗生成样本的损伤智能诊断模型,实现了对未知标签真实损伤监测样本的高可靠分类诊断。金属开孔结构疲劳裂纹导波监测试验验证结果表明,所提方法可实现模拟损伤导波识别知识至疲劳损伤的跨域迁移,且在无真实损伤标注样本时也可实现对裂纹损伤的高精度智能识别。 展开更多

关键词 疲劳裂纹 导波 生成对抗神经网络(wgan-gp) 卷积神经网络 迁移学习

在线阅读 下载PDF 职称材料

基于条件式Wasserstein生成对抗网络的电力变压器故障样本增强技术 被引量：75

3

作者 刘云鹏 许自强 +3 位作者 和家慧 王权 高树国 赵军 《电网技术》 EI CSCD 北大核心 2020年第4期1505-1513,共9页

数据非均衡问题是制约机器学习技术在电力变压器故障诊断领域中应用效果的关键因素。为克服传统过采样方法未考虑数据整体分布信息的缺陷,提出了一种基于深度学习的故障数据增强方法,以实现样本库的类别均衡化目标。首先,建立梯度惩罚... 数据非均衡问题是制约机器学习技术在电力变压器故障诊断领域中应用效果的关键因素。为克服传统过采样方法未考虑数据整体分布信息的缺陷,提出了一种基于深度学习的故障数据增强方法,以实现样本库的类别均衡化目标。首先,建立梯度惩罚优化的条件式Wasserstein生成对抗网络模型以指导多类别故障样本的生成过程,并克服了原始生成对抗网络模型的训练不稳定问题;然后,构建以油中溶解气体无编码比值为特征参量的栈式自编码器诊断模型,并进一步提出了基于数据增强方法的设备故障诊断技术框架;最后,选用由准确率、F1度量以及G-mean组成的评价指标体系对类别均衡化前后的模型诊断效果进行评估对比。算例研究结果表明,相较于传统过采样方法,提出的故障样本增强方法能够更为有效地改善诊断模型对于多数类的分类偏好问题,提升其整体分类性能,可作为电力变压器故障诊断的重要数据预处理环节。 展开更多

关键词 变压器故障诊断 非均衡数据集 数据增强 条件式wasserstein生成对抗网络 梯度惩罚 栈式自编码器

在线阅读 下载PDF 职称材料

GP-WIRGAN:梯度惩罚优化的Wasserstein图像循环生成对抗网络模型 被引量：8

4

作者 冯永 张春平 +2 位作者 强保华 张逸扬 尚家兴 《计算机学报》 EI CSCD 北大核心 2020年第2期190-205,共16页

通常情形下,现有的图像生成模型都采用单次前向传播的方式生成图像,但实际中,画家通常是反复修改后才完成一幅画作的;生成对抗模型(Generative Adversarial Networks,GAN)能生成图像,但却很难训练.在保证生成图像质量的前提下,效仿作画... 通常情形下,现有的图像生成模型都采用单次前向传播的方式生成图像,但实际中,画家通常是反复修改后才完成一幅画作的;生成对抗模型(Generative Adversarial Networks,GAN)能生成图像,但却很难训练.在保证生成图像质量的前提下,效仿作画时的不断更新迭代,以提升生成样本多样性并增强样本语义,同时引入Wasserstein距离,提出了Wasserstein图像循环生成对抗网络模型,简称WIRGAN(Wasserstein Image Recurrent Generative Adversarial Networks Model).WIRGAN定义了生成模型和判别模型,其中,生成模型是由一系列结构相同的神经网络模型组成的循环结构,用时间步骤T控制生成模型的循环次数,用于迭代式生成图像,并以最后一个循环结构的生成图像作为整个生成模型的输出;判别模型也由神经网络构建,结合权重剪枝技术,用来判别输入图像是生成的还是真实的.WIRGAN利用Wasserstein距离作为目标函数,将生成模型和判别模型进行博弈对抗训练.另外,由于模型存在难以优化的问题,本文引入了梯度惩罚来解决此类问题,进一步提出了梯度惩罚优化的Wasserstein图像循环生成对抗网络模型(Gradient Penalty Optimized Wasserstein Image Recurrent Generative Adversarial Networks Model,GP-WIRGAN).最后,WIRGAN和GP-WIRGAN在MNIST、CIFAR10、CeUN四个数据集上进行了基础学习能力、模型间GAM自比较、模型内GAM自比较、初始得分比较、图像生成可视化、时间效率比较等6组实验,采用生成对抗矩阵(Generative Adversarial Metric,GAM)和起始分数(Inception Scores)进行评估,结果表明,本文提出的WIRGAN、GP-WIRGAN具有良好的稳定性,可以生成高质量的图像. 展开更多

关键词 图像生成 生成对抗网络 wasserstein距离 深度学习 权重剪枝 梯度惩罚

在线阅读 下载PDF 职称材料

基于WGAN-GP的风电机组传动链故障诊断 被引量：20

5

作者 滕伟 丁显 +2 位作者 史秉帅 徐进 袁帅 《电力系统自动化》 EI CSCD 北大核心 2021年第22期167-173,共7页

传动链负责将风电机组叶轮的能量传递至发电机,若传动链中的任一部件,如齿轮、轴承发生异常,风电机组将面临巨大的安全隐患。现有基于深度学习的风电机组故障诊断大多需要人为选择目标变量,所识别故障与所选变量关联性大、通用性不足。... 传动链负责将风电机组叶轮的能量传递至发电机,若传动链中的任一部件,如齿轮、轴承发生异常,风电机组将面临巨大的安全隐患。现有基于深度学习的风电机组故障诊断大多需要人为选择目标变量,所识别故障与所选变量关联性大、通用性不足。梯度惩罚Wasserstein生成对抗网络(WGAN-GP)采用Wasserstein距离作为量度生成数据与真实数据的代价函数,具有训练结果稳定的优势。文中基于数据采集与监控(SCADA)系统提出两步数据预处理方法进行数据筛选,并基于WGAN-GP设计风电机组传动链异常状态分数,进而识别传动链故障。所提方法运用通用SCADA参数,无须人为挑选目标变量,可稳定识别风电机组传动链中的非特定故障,具有识别结果准确、泛化能力强等优点。9台双馈风电机组的状态识别结果验证了所提方法的有效性,可以辅助指导风电场的运行维护。 展开更多

关键词 风电机组 传动链 梯度惩罚wasserstein生成对抗网络(wgan-gp) 数据采集与监控(SCADA)系统 故障诊断

在线阅读 下载PDF 职称材料

CI-WGAN:融合临床指标和WGAN的孤独症个体化脑功能连接网络生成

6

作者 孙海林 严加栋 +2 位作者 张嵘 KENDRICK Keith 蒋希 《数据采集与处理》 CSCD 北大核心 2024年第4期813-826,共14页

脑功能连接(Functional connectivity,FC)网络作为潜在的脑影像标志物对孤独症谱系障碍(Autism spectrum disorder,ASD)的辅助诊疗研究具有重要作用。然而现有的FC生成方法大多仅基于脑影像数据,未充分考虑个体的临床指标从而易丢失疾... 脑功能连接(Functional connectivity,FC)网络作为潜在的脑影像标志物对孤独症谱系障碍(Autism spectrum disorder,ASD)的辅助诊疗研究具有重要作用。然而现有的FC生成方法大多仅基于脑影像数据,未充分考虑个体的临床指标从而易丢失疾病的特异性信息。而且,ASD作为一种谱系障碍,其临床指标存在显著的个体化差异。因此,仅基于脑影像数据的传统生成模型在生成准确的且能反映个体化临床指标的ASD个体FC的任务上存在挑战。针对上述挑战,提出了个体化临床指标引导的沃瑟斯坦生成对抗网络模型(Clinical-indicator-aware Wasserstein generative adversarial network,CI-WGAN),用于生成孤独症个体化FC网络。该模型引入个体化临床指标引导机制,实现了高精度ASD患者FC网络的生成。基于全世界最大孤独症脑影像公开数据集之一的ABIDE I数据集进行实验,CI-WGAN生成FC与真实FC的峰值信噪比(Peak signal-to-noise ratio,PSNR)、结构相似度(Structural similarity,SSIM)与平均绝对误差(Mean absolute error,MAE)分别达到19.037、0.236与0.178,相较于其他FC生成模型分别提升了3%、12%与2%。此外基于生成FC和独立临床验证指标的表征相似度分析(Representational similarity analysis,RSA),CI-WGAN生成的FC相较其他模型生成FC最少提高了0.1倍和3.7倍,证明了CI-WGAN生成的FC包含更多的ASD个体特异性信息。本文提出的CI-WGAN模型实现了高质量个体化FC的生成,为ASD的早期诊断和个性化治疗提供了有力的技术支持。 展开更多

关键词 孤独症谱系障碍 大脑功能连接 生成对抗网络 临床指标引导机制 梯度惩罚机制

在线阅读 下载PDF 职称材料

结合Pix2Pix生成对抗网络的灰度图像着色方法 被引量：11

7

作者 李洪安 郑峭雪 +3 位作者 张婧 杜卓明 李占利 康宝生 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2021年第6期929-938,共10页

针对神经网络在进行图像着色时容易出现物体边界不明确、图像着色质量不高的问题,提出结合Pix2Pix生成对抗网络的灰度图像着色方法.首先改进U-Net结构,采用8个下采样层和8个上采样层对图像进行特征提取和颜色预测,提高网络模型对图像深... 针对神经网络在进行图像着色时容易出现物体边界不明确、图像着色质量不高的问题,提出结合Pix2Pix生成对抗网络的灰度图像着色方法.首先改进U-Net结构,采用8个下采样层和8个上采样层对图像进行特征提取和颜色预测,提高网络模型对图像深层次特征的提取能力;然后使用L_(1)损失和smoothL_(1)损失度量生成图像与真实图像之间的差距,对比不同损失函数下的图像着色质量;最后加入梯度惩罚,在生成图像和真实图像分布之间构造新的数据分布,对每个输入数据进行梯度惩罚,改变判别器网络梯度限制方法,提高网络在训练过程中的稳定性.在相同实验环境下,使用Pix2Pix模型和summer2winter数据进行对比分析.实验结果表明,改进后的U-Net和使用smooth L_(1)损失作为生成器损失可以生成更好的着色图像;而L_(1)损失能更好地保持图像结构信息,使用梯度惩罚可以加速模型的收敛速度,提高模型稳定性和图像质量;该方法能更好地学习图像的深层次特征,减少图像着色模糊现象,在有效地保持图像结构相似性的同时提高图像着色质量. 展开更多

关键词 图像着色 生成对抗网络 损失函数 梯度惩罚

在线阅读 下载PDF 职称材料

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

8

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 职称材料

基于生成对抗网络和LSTM-CSO的少样本光伏功率短期预测 被引量：26

9

作者 殷豪 张铮 +3 位作者 丁伟锋 陈嘉铭 陈黍 孟安波 《高电压技术》 EI CAS CSCD 北大核心 2022年第11期4342-4351,共10页

针对新建光伏发电站原始数据匮乏导致光伏功率预测精度低的问题,提出了一种基于梯度惩罚Wasserstein生成对抗网络(Wasserstein generative adversarial network with gradient penalty,WGAN-GP)和改进长短期记忆网络的光伏功率短期预测... 针对新建光伏发电站原始数据匮乏导致光伏功率预测精度低的问题,提出了一种基于梯度惩罚Wasserstein生成对抗网络(Wasserstein generative adversarial network with gradient penalty,WGAN-GP)和改进长短期记忆网络的光伏功率短期预测模型。首先使用WGAN-GP学习原始真实光伏数据的样本分布规律,然后生成与原始数据相似的高质量新样本,从而实现训练集数据增强;其次,采用纵横交叉算法(crisscross optimization algorithm,CSO)对长短时记忆网络(longshort-termmemory,LSTM)的全连接层参数进行优化,构建LSTM-CSO组合模型对光伏功率进行预测。以澳洲某光伏发电站数据进行仿真建模,实验结果表明:使用数据增强后的样本训练预测模型能够有效提高模型的预测精度,且对原始训练集数据扩充数据量的比例越大,预测模型对于光伏功率预测的精度越高。同时LSTM-CSO相对于LSTM在各个季节类型的不同气象日中均具有更高的预测准确率,以春季测试集为例,LSTM-CSO模型在春季的晴天、多云、雨天下的均方根误差相比于LSTM模型分别降低5.62%、3.44%、10.44%。 展开更多

关键词 光伏功率预测 生成对抗网络 梯度惩罚 长短时记忆 纵横交叉算法

在线阅读 下载PDF 职称材料

结合注意力机制的相对GAN螺栓图像生成 被引量：10

10

作者 戚银城 郎静宜 +2 位作者 赵振兵 江爱雪 聂礼强 《电测与仪表》 北大核心 2019年第19期64-69,共6页

螺栓缺陷非常容易引起输电线路异常甚至故障,但大量的缺陷数据难以获得。将生成式对抗网络应用于缺陷螺栓图像的生成,针对生成过程中存在的图像质量差、生成样本单一,模型收敛缓慢等问题,提出一种基于改进DCGAN的螺栓图像生成方法。在... 螺栓缺陷非常容易引起输电线路异常甚至故障,但大量的缺陷数据难以获得。将生成式对抗网络应用于缺陷螺栓图像的生成,针对生成过程中存在的图像质量差、生成样本单一,模型收敛缓慢等问题,提出一种基于改进DCGAN的螺栓图像生成方法。在损失函数中加入相对均值鉴别器和梯度惩罚,平衡了生成器和判别器的能力,提高了样本质量和模型的收敛速度;在模型的生成器和鉴别器中引入注意力机制,捕获图像中长距离的像素特征,提高了缺陷样本的多样性;实验结果验证了改进方法的有效性,IS值提高了0.1,实现了缺陷样本的扩增。 展开更多

关键词 螺栓 生成式对抗网络 相对均值鉴别器 梯度惩罚 注意力机制

在线阅读 下载PDF 职称材料

基于生成对抗网络与深度学习的少数据云资源预测 被引量：1

11

作者 陈基漓 张长晖 谢晓兰 《科学技术与工程》 北大核心 2022年第36期16099-16107,共9页

精确的云资源预测对计算平台实现安全运行具有十分重要的意义,针对新公司的云计算资源缺乏足够数据样本而造成预测模型精度降低的问题,提出一种基于WasserStein生成对抗网络(WasserStein generative adversarial network with gradient ... 精确的云资源预测对计算平台实现安全运行具有十分重要的意义,针对新公司的云计算资源缺乏足够数据样本而造成预测模型精度降低的问题,提出一种基于WasserStein生成对抗网络(WasserStein generative adversarial network with gradient penalty,WGAN-GP)和双向门控循环单元网络(bidirectional gate recurrent unit,BiGRU)的少样本云计算资源预测模型。通过生成对抗网络去学习原始少样本数据的分布规律,以高斯噪声作为输入生成与原始数据具有相同分布的新样本数据,实现数据增强的行为;由于传统门控单元网络无法完全利用数据的时间信息,采用双向门控循环单元网络对数据的前向、反向时间信息进行双向提取并预测。以Google公开数据集进行仿真,对无增强数据和增强数据后的不同机器算法模型的预测结果进行对比。实验结果表明:使用WasserStein生成对抗网络数据增强后的双向门控循环单元网络模型精度的达到98.3%,所提方法适用于少样本数据的云计算资源预测。 展开更多

关键词 云资源预测 生成对抗网络 双向门控单元网络(BiGRU) wasserstein距离 梯度惩罚

在线阅读 下载PDF 职称材料

基于改进ACGAN的永磁同步电机数据扩张方法 被引量：1

12

作者 许小伟 韦道明 +3 位作者 严运兵 刘哲宇 敖金艳 占柳 《哈尔滨工业大学学报》 EI CAS CSCD 北大核心 2023年第10期114-121,共8页

永磁同步电机(permanent magnet synchronous motor,PMSM)的监测数据呈现出非平稳、非线性、多源异构性和价值低密度性等特点,而仿真数据难以准确地模拟电机故障类型和故障程度,使得正常数据与故障数据的样本呈现严重不均衡现象,导致故... 永磁同步电机(permanent magnet synchronous motor,PMSM)的监测数据呈现出非平稳、非线性、多源异构性和价值低密度性等特点,而仿真数据难以准确地模拟电机故障类型和故障程度,使得正常数据与故障数据的样本呈现严重不均衡现象,导致故障诊断的模型训练容易出现过拟合、精度低等问题。本文提出了一种改进辅助分类生成对抗网络(auxiliary classification generation adversarial network,ACGAN),通过对原始样本的分布特性进行学习,实现对PMSM实测故障数据的扩张,为电机的故障诊断和健康评估提供数据基础。首先,针对ACGAN网络收敛性差和梯度易消失或爆炸的问题,使用Wasserstein距离约束生成数据的重建损失,利用梯度惩罚代替权值剪裁对模型进行优化,解决模型训练不稳定问题;其次,剖析数据之间的变化关系和历史变化规律,在生成器中引入循环神经网络提高生成数据质量;最后,利用PMSM匝间短路的故障数据,对比分析ROS、SMOTE、ADASYN及改进ACGAN 4种数据扩张方法对提升故障诊断模型性能的有效性。分析结果表明,与其他数据扩张方法相比,改进ACGAN方法的模型训练较稳定、收敛速度较快,扩张数据质量较高。 展开更多

关键词 永磁同步电机 数据扩张 改进辅助分类生成对抗网络 梯度惩罚 循环神经网络

在线阅读 下载PDF 职称材料

负载不平衡下小样本数据的轴承故障诊断 被引量：34

13

作者 何强 唐向红 +2 位作者 李传江 陆见光 陈家兑 《中国机械工程》 EI CAS CSCD 北大核心 2021年第10期1164-1171,1180,共9页

针对轴承振动信号易受负载不平衡干扰以及轴承故障样本量少的问题,提出了一种基于梯度惩罚Wasserstein距离生成对抗网络(WGAN-GP)和自注意力卷积神经网络(SeCNN)的轴承故障诊断方法。对轴承振动信号进行短时傅里叶变换,得到易于WGAN-GP... 针对轴承振动信号易受负载不平衡干扰以及轴承故障样本量少的问题,提出了一种基于梯度惩罚Wasserstein距离生成对抗网络(WGAN-GP)和自注意力卷积神经网络(SeCNN)的轴承故障诊断方法。对轴承振动信号进行短时傅里叶变换,得到易于WGAN-GP处理的时频谱样本,分为训练集、验证集、测试集;将训练集输入到WGAN-GP中进行对抗训练,生成与训练样本分布相似的新样本,并添加到训练集中以扩充训练集;将扩充后的训练集输入到SeCNN中进行学习,并将训练好的模型应用于测试集,输出故障识别结果。对CUT-2平台负载不平衡轴承数据集进行分析,实验结果表明,所提方法能够准确有效地对轴承故障进行分类。 展开更多

关键词 轴承故障诊断 负载不平衡 小样本 短时傅里叶变换 梯度惩罚wasserstein距离生成对抗网络 自注意力卷积神经网络

在线阅读 下载PDF 职称材料

结合连续小波变换与生成对抗网络的癫痫发作预测 被引量：3

14

作者 廖家慧 杨丰 +1 位作者 詹长安 张利云 《中国生物医学工程学报》 CAS CSCD 北大核心 2023年第2期168-179,共12页

目前半监督深度学习模型已成功用于脑电信号(EEG)的癫痫发作预测,但该模型在EEG预处理方式与半监督模型稳定性等方面还有提升空间。本研究提出一种结合连续小波变换(CWT)与基于梯度惩罚的Wasserstein生成对抗网络(WGAN-GP)的改进方法(CW... 目前半监督深度学习模型已成功用于脑电信号(EEG)的癫痫发作预测,但该模型在EEG预处理方式与半监督模型稳定性等方面还有提升空间。本研究提出一种结合连续小波变换(CWT)与基于梯度惩罚的Wasserstein生成对抗网络(WGAN-GP)的改进方法(CWT-WGAN-GP)。首先对未标记的EEG信号进行CWT获得时频图,并结合特定患者的EEG数据集训练WGAN-GP模型,生成高性能的特征提取器;其次,以经过训练的WGAN-GP的判别器为特征提取器、两个全连接网络层为分类器(预测器),用少量有标记的EEG信号CWT时频图完成分类模型训练;最后,WGAN-GP的判别器与稳定的全连接网络组成半监督深度学习预测模型,用于癫痫发作预测。用CHBMIT头皮脑电数据集中所筛选的13例患者数据,评估改进的半监督癫痫发作预测模型,并与现有半监督方法相比。该方法在灵敏度、特异性、准确率和AUC指标上分别达到82.69%,67.48%,82.08%和84.03%,将原有的性能指标分别提升14.48%,34.45%,7.87%和11.4%;CWT-WGAN-GP的预测性能与现有方法的差异具有统计学意义(P<0.05)。CWT与WGAN-GP模型相结合能有效地改善半监督深度学习模型预测性能,在癫痫发作预测中发挥无监督特征提取的优化作用。 展开更多

关键词 癫痫发作预测 头皮脑电信号 深度学习 连续小波变换 基于梯度策略的wasserstein生成对抗网络

在线阅读 下载PDF 职称材料

基于梯度惩罚-生成对抗神经网络的页岩三维数字岩心重构 被引量：3

15

作者 李秉科 聂昕 +3 位作者 朱林奇 王晨晨 林伟 韩登林 《西安石油大学学报（自然科学版）》 CAS 北大核心 2023年第2期53-60,共8页

数字岩心技术在油气的勘探开发中发挥着越来越重要的作用。由于传统的数字岩心重构方法存在成本高、耗时长等问题,提出使用带有梯度惩罚的生成对抗神经网络(WGAN-GP)实现页岩的三维数字岩心重构。以三组分的页岩图像为训练样本进行模型... 数字岩心技术在油气的勘探开发中发挥着越来越重要的作用。由于传统的数字岩心重构方法存在成本高、耗时长等问题,提出使用带有梯度惩罚的生成对抗神经网络(WGAN-GP)实现页岩的三维数字岩心重构。以三组分的页岩图像为训练样本进行模型的训练,得到了可以生成三维页岩图像的生成器模型,进而重构了多个三维岩心图像。将重构岩心与原始岩心进行了各种参数的对比分析,结果表明重构岩心与原始岩心具有很好的一致性,证明了本文方法的可靠性。使用WGAN-GP进行岩心重构具有岩心生成速度快、重构图像尺寸不受限制等优点,具有广泛的应用前景。 展开更多

关键词 数字岩心 页岩 三维重构 生成对抗神经网络 梯度惩罚

在线阅读 下载PDF 职称材料

基于生成对抗网络的遮挡人脸图像修复的改进与实现 被引量：6

16

作者 武文杰 王红蕾 《计算机应用与软件》 北大核心 2021年第1期217-221,249,共6页

针对目前的遮挡人脸图像修复领域中遮挡部位与遮挡大小的限制或修复后人脸图像不够连贯等问题,提出一种改进的Wasserstein生成对抗网络(WGAN)方法来改善人脸图像的修复。将卷积神经网络作为生成器模型,并在对应层间加入跳跃连接来增强... 针对目前的遮挡人脸图像修复领域中遮挡部位与遮挡大小的限制或修复后人脸图像不够连贯等问题,提出一种改进的Wasserstein生成对抗网络(WGAN)方法来改善人脸图像的修复。将卷积神经网络作为生成器模型,并在对应层间加入跳跃连接来增强生成图像的准确性。在判别器中引入Wasserstein距离进行判别,并引入梯度惩罚来完善判别器。在CelebA人脸数据集与LFW人脸数据集上进行实验,结果表明该方法的修复效果良好。 展开更多

关键词 生成对抗网络 卷积神经网络 梯度惩罚 跳跃连接 人脸图像修复

在线阅读 下载PDF 职称材料

改进条件对抗网络在小样本故障诊断中的研究 被引量：4

17

作者 谢由生 张军 《机械科学与技术》 CSCD 北大核心 2023年第11期1904-1911,共8页

在实际智能设备的故障诊断中,往往很难获得大量的故障样本,这对基于机器学习的故障诊断的分类精度造成不可估量的影响。为了提高小样本情况下的故障诊断精度,提出一种基于条件对抗网络的生成模型(Conditional generative adversarial ne... 在实际智能设备的故障诊断中,往往很难获得大量的故障样本,这对基于机器学习的故障诊断的分类精度造成不可估量的影响。为了提高小样本情况下的故障诊断精度,提出一种基于条件对抗网络的生成模型(Conditional generative adversarial networks-gradient penalty,CGAN-GP),用于数据增强来获得充足的故障样本。CGAN-GP利用二维卷积,学习预处理后获得的二维故障样本的分布特性,生成与真实样本相似的样本,并使用Wasserstein距离和梯度惩罚(Gradient penalty,GP)策略解决模型训练中的问题,同时将故障样本的标签信息输入模型引导模型生成特定的故障样本,实现一个模型可生成多种故障样本,并且在CWRU轴承数据集上得以验证。研究表明提出的模型可以生成与真实样本特征相似的高质量样本,能够有效提高小样本情况下故障诊断的识别率。 展开更多

关键词 故障诊断 生成对抗网络 小样本 梯度惩罚

在线阅读 下载PDF 职称材料

基于对抗网络遥感图像超分辨率重建研究 被引量：2

18

作者 蒋文杰 罗晓曙 戴沁璇 《计算机工程与应用》 CSCD 北大核心 2020年第21期199-203,共5页

图像分辨率是衡量遥感图像质量的重要指标,受限于成像设备和传输条件,传统遥感图像的清晰度难以保证,针对上述问题,提出了一种基于条件生成对抗网络的遥感图像超分辨率重建的改进模型。为了加快模型的收敛速度,在生成器网络中使用内容... 图像分辨率是衡量遥感图像质量的重要指标,受限于成像设备和传输条件,传统遥感图像的清晰度难以保证,针对上述问题,提出了一种基于条件生成对抗网络的遥感图像超分辨率重建的改进模型。为了加快模型的收敛速度,在生成器网络中使用内容损失和对抗损失相结合作为目标函数。另外为了提高了网络训练的稳定性,在判别器网络中引入梯度惩罚函数对判别器梯度进行限制。实验结果表明,改进后的模型相较于SRCNN、FSRCNN和SRGAN模型,主观视觉效果和客观评价指标均有显著提升。 展开更多

关键词 遥感图像 超分辨率 条件生成对抗网络 梯度惩罚

在线阅读 下载PDF 职称材料

基于生成式对抗网络的图像超分辨率重建算法 被引量：12

19

作者 姜玉宁 李劲华 赵俊莉 《计算机工程》 CAS CSCD 北大核心 2021年第3期249-255,共7页

针对传统图像超分辨率重建算法存在网络训练困难与生成图像存在伪影的问题,提出一种利用生成式对抗网络的超分辨率重建算法。去除生成式对抗网络的批量归一化层降低计算复杂度,将其中的残差块替换为密集残差块构成生成网络,使用VGG19网... 针对传统图像超分辨率重建算法存在网络训练困难与生成图像存在伪影的问题,提出一种利用生成式对抗网络的超分辨率重建算法。去除生成式对抗网络的批量归一化层降低计算复杂度,将其中的残差块替换为密集残差块构成生成网络,使用VGG19网络作为判别网络的基础框架,以全局平均池化代替全连接层防止过拟合,引入纹理损失函数、感知损失函数、对抗损失函数和内容损失函数构成生成器的总目标函数,利用纹理损失增强局部信息匹配度,采用激活层前的特征信息计算感知损失获取更多细节特征,使用WGAN-GP理论优化网络模型的对抗损失加速收敛,运用内容损失提升图像低频信息的准确性。实验结果表明,该算法重建图像的平均峰值信噪比为27.97 dB,平均结构相似性为0.777,与SRGAN和EDSR等算法相比,其在未延长较多运行时间的情况下,重建结果的纹理细节更清晰且亮度信息更准确,更符合视觉感官评价要求。 展开更多

关键词 超分辨率重建 生成式对抗网络 密集卷积网络 纹理损失 梯度惩罚wasserstein生成式对抗网络

在线阅读 下载PDF 职称材料

含有梯度惩罚的WGAN光伏功率场景生成方法 被引量：5

20

作者 胡石峰 朱瑞金 唐波 《电力系统及其自动化学报》 CSCD 北大核心 2022年第11期109-115,共7页

随着光伏发电在电力系统中的日益普及,表征其固有的不确定性变得越来越重要。针对现有光伏场景生成方法过分依赖统计假设和模型训练不稳定等问题,提出了一种含有梯度惩罚的改进生成对抗网络光伏功率场景生成方法。该方法首先以Wasserst... 随着光伏发电在电力系统中的日益普及,表征其固有的不确定性变得越来越重要。针对现有光伏场景生成方法过分依赖统计假设和模型训练不稳定等问题,提出了一种含有梯度惩罚的改进生成对抗网络光伏功率场景生成方法。该方法首先以Wasserstein距离作为损失函数设计生成器和判别器两个深度神经网络进行对抗训练,其次在损失函数中引入一种梯度惩罚策略增强模型的Lipschitz连续性约束并创新性地应用于光伏功率的场景生成,提高了场景生成模型的收敛速度和生成场景的质量。所提方法能够捕获光伏出力的非线性,且无需建模假设和复杂的采样技术。算例分析表明,该方法能够精准捕捉光伏功率的分布特性,具有很强的泛化能力,并且优于其他先进的场景生成方法。 展开更多

关键词 生成对抗网络 场景生成 深度学习 光伏功率 梯度惩罚

在线阅读 下载PDF 职称材料