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10篇文章
< 1 >
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
1
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
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
2
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
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：78
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
面向典型任务剖面的电力电子化配电网器件-设备-系统多层级供电可靠性评估策略
4
作者 高远 洪芦诚 +2 位作者 周爱华 章兴睿 徐超 《中国电机工程学报》 北大核心 2025年第S1期96-112,共17页
电力电子器件接入加剧了配电网故障演化的不确定性,而传统供电可靠性评估难以表征电力电子器件的退化失效行为,造成系统可靠性评估结果存在偏差。为此,该文提出面向典型任务剖面的电力电子化配电网器件-设备-系统多层级供电可靠性评估... 电力电子器件接入加剧了配电网故障演化的不确定性,而传统供电可靠性评估难以表征电力电子器件的退化失效行为,造成系统可靠性评估结果存在偏差。为此,该文提出面向典型任务剖面的电力电子化配电网器件-设备-系统多层级供电可靠性评估策略。首先,提出基于数据-物理融合驱动的绝缘栅双极晶体管(insulated gate bipolar transistor,IGBT)寿命损伤评估方法,采用FFT-Light GBM方法计算IGBT结温,利用IGBT解析寿命模型计算IGBT寿命损伤,显著提升IGBT寿命损伤计算效率和精度;其次,提出计及任务剖面不确定性的IGBT可靠性计算方法,采用改进生成对抗网络(wasserstein generative adversarial network with gradient penalty,WGAN-GP)算法刻画任务剖面的不确定性,降低任务剖面不确定性对IGBT可靠性指标计算影响;然后,构建电力电子化配电网器件-设备-系统多层级供电可靠性评估框架,实现从微观器件可靠性建模到宏观系统供电可靠性指标量化的贯通分析;最后,通过IEEE RTBS BUS6 F4配电系统验证了所提策略在电力电子化配电网供电可靠性精准评估的有效性。 展开更多
关键词 配电网 供电可靠性 数据-物理融合驱动 绝缘栅双极晶体管可靠性 任务剖面 改进生成对抗网算法
在线阅读 下载PDF
基于WGAN-GP的风电机组传动链故障诊断 被引量：21
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
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
6
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
负载不平衡下小样本数据的轴承故障诊断 被引量：34
7
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
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
8
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
基于生成式对抗网络的图像超分辨率重建算法 被引量：12
9
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
基于特征对抗对的视觉特征归因网络研究
10
作者 张宪 史沧红 李孝杰 《计算机研究与发展》 EI CSCD 北大核心 2020年第3期604-615,共12页
可视化图像关键特征区域是计算机视觉一个重要而需要深入研究的问题.图像关键特征区域可视化的技术已经在弱监督定位和理解数据隐藏特征的领域中得到广泛应用.近年来,基于神经网络分类器的特征定位显示已成为最新的技术,并且通常用于医... 可视化图像关键特征区域是计算机视觉一个重要而需要深入研究的问题.图像关键特征区域可视化的技术已经在弱监督定位和理解数据隐藏特征的领域中得到广泛应用.近年来,基于神经网络分类器的特征定位显示已成为最新的技术,并且通常用于医学和自然图像数据集上.但存在特征定位显示不精确的缺陷.针对传统神经网络分类器在可视化图像关键特征区域标注方法上的局限性,提出了一种基于生成对抗对特征的关键特征区域可视化方法(即视觉特征归因方法).该方法通过构造关键特征区域对抗对,采用生成和鉴别对抗网络生成关键特征区域,可有效过滤冗余信息并实现精准定位,有效解决了疾病特征可视化问题.在该方法中,为了解决传统生成对抗网络难以达到负载均衡的缺陷,采用了Wasserstein距离解决协调其训练平衡的问题,同时使用梯度惩罚加速收敛过程.在人工合成数据集、肺部数据集和心脏数据集上的实验结果表明,提出的方法在视觉显示的定性和定量的问题中,均产生了理想的真实效果图,非常接近观察到的效果. 展开更多
关键词 生成对抗对 特征可视化 弱监督 wasserstein生成对抗网络 梯度惩罚
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 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