期刊文献+
共找到37篇文章
< 1 2 >
每页显示 20 50 100
基于类小波辅助分类生成对抗网络的轴承故障数据生成方法 被引量:2
1
作者 焦华超 孙文磊 王宏伟 《中国机械工程》 北大核心 2025年第3期546-557,共12页
利用数据生成方法生成时域特征和频域特征与轴承故障真实信号一致的高质量数据,构建平衡数据集,对数据不平衡情况下建立高效的轴承故障诊断模型具有重要意义。针对现有数据生成方法仅关注时域或频域单一特征的局限,提出了类小波辅助分... 利用数据生成方法生成时域特征和频域特征与轴承故障真实信号一致的高质量数据,构建平衡数据集,对数据不平衡情况下建立高效的轴承故障诊断模型具有重要意义。针对现有数据生成方法仅关注时域或频域单一特征的局限,提出了类小波辅助分类生成对抗网络。基于小波变换原理,使用多层神经网络构建类小波变换(WLT)网络,模拟小波变换及逆变换,建立时域与频域信号的映射关系;将WLT网络嵌入辅助分类生成对抗网络(ACGAN)模型中,作为模型生成器的主体;构建两个不同功能的判别器,使得改进的ACGAN在一次训练中能同时学到真实轴承振动信号的时域和频域特征信息。试验结果表明,WLT-ACGAN模型生成的轴承振动信号具有与真实轴承振动信号一致的时域特征和频域特征,数据不平衡时,利用生成信号扩增的平衡数据集构建的故障诊断模型具有较高的准确率。 展开更多
关键词 辅助分类生成对抗网络 类小波变换 轴承故障诊断 数据生成
在线阅读 下载PDF
面向不平衡数据的联邦类别增量学习
2
作者 方子希 付晓东 +3 位作者 丁家满 刘骊 彭玮 代飞 《小型微型计算机系统》 北大核心 2025年第9期2121-2129,共9页
联邦增量学习作为一种新兴学习范式,在保护用户隐私的同时利用数据孤岛的知识,有效缓解了由于存储空间有限而导致的灾难性遗忘问题.但现有的联邦增量学习研究忽略了用户数据不平衡对造成全局模型灾难性遗忘及精度降低的影响.针对此问题... 联邦增量学习作为一种新兴学习范式,在保护用户隐私的同时利用数据孤岛的知识,有效缓解了由于存储空间有限而导致的灾难性遗忘问题.但现有的联邦增量学习研究忽略了用户数据不平衡对造成全局模型灾难性遗忘及精度降低的影响.针对此问题,该文提出了一种基于条件生成对抗网络的无数据存储重放再训练方法(ARR).具体来说,用户模型训练分为两个阶段:第1阶段结合条件生成对抗网络生成模拟的历史任务数据和当前任务数据共同训练本地模型;第2阶段则冻结特征提取层,采用平衡采样技术对其他层进行再训练.服务器通过利用条件生成对抗网络生成的所有用户任务数据来优化全局模型.实验结果显示,ARR在不平衡程度逐渐加剧的情况下,全局模型准确率相较于现有的相关方法提高了8.64%~31.03%,有效缓解了灾难性遗忘问题,显著提高了全局模型的最终精度. 展开更多
关键词 联邦增量学习 不平衡数据 条件生成对抗网络 灾难性遗忘 二次训练
在线阅读 下载PDF
电力电量平衡视角下基于LSTM-ACGAN的特定风电时序场景生成
3
作者 葛彦硕 周艳真 +1 位作者 兰健 郭庆来 《电力自动化设备》 北大核心 2025年第11期10-16,24,共8页
风电高渗透接入电网导致电力电量平衡难度增加,为充分挖掘风电出力时序特征,生成特定风电场景以辅助电网提前进行分析计算,提出基于长短期记忆-辅助分类器生成对抗网络(LSTM-ACGAN)的特定风电场景生成方法。提出考虑电力电量平衡的优化... 风电高渗透接入电网导致电力电量平衡难度增加,为充分挖掘风电出力时序特征,生成特定风电场景以辅助电网提前进行分析计算,提出基于长短期记忆-辅助分类器生成对抗网络(LSTM-ACGAN)的特定风电场景生成方法。提出考虑电力电量平衡的优化问题框架对原始风电场景进行分类;在ACGAN的基础上提出了生成器引入长短期记忆层的LSTM-ACGAN模型结构,以提高模型对时序特征的学习能力;使用分类后的风电场景对其训练,以实现对特定类型风电场景的高效生成。在新英格兰10机39节点系统进行算例分析,所提模型的场景生成整体准确率相比传统ACGAN提升近10%;将生成风电场景用于鲁棒调度,能够显著提升机组组合结果的鲁棒性。 展开更多
关键词 辅助分类器生成对抗网络 长短期记忆网络 电力电量平衡 风电场景生成 生成式人工智能
在线阅读 下载PDF
基于反射分类与梯度恢复的单幅图像去反射模型
4
作者 解庆 张凌峰 +1 位作者 马艳春 刘永坚 《计算机工程》 北大核心 2025年第4期227-238,共12页
单幅图像反射去除是计算机视觉领域的一项重要任务。然而,现有的图像反射去除模型都基于反射污染区域属于模糊型反射这一前提,即反射区域仍然保留原始的图像内容信息。当污染图像中存在光斑反射时,图像原始内容信息完全丢失,导致现有模... 单幅图像反射去除是计算机视觉领域的一项重要任务。然而,现有的图像反射去除模型都基于反射污染区域属于模糊型反射这一前提,即反射区域仍然保留原始的图像内容信息。当污染图像中存在光斑反射时,图像原始内容信息完全丢失,导致现有模型无法从光斑区域中提取原始图像的透射层信息,从而使模型失效。针对这一问题,提出一种能够同时去除光斑与模糊反射的新模型,通过自定义的反射分类器和结构恢复器引导模型预测图像透射层的梯度图,并以此作为辅助条件,最终生成纯净的透射层图像。实验结果表明,该模型对不同类别的反射图像均具有较好的泛化性能,在艺术图像唐卡上,模型在结构相似度(SSIM)与峰值信噪比(PSNR)指标上均优于当前最优的反射去除模型,其中SSIM与最优模型相比提升了1.6%,PSNR提升了5.5%。在公共的自然场景数据集上的实验结果也表明该模型与当前最优模型性能相当。 展开更多
关键词 单幅图像反射去除 反射分类 图像梯度恢复 生成对抗网络 注意力机制
在线阅读 下载PDF
基于改进Cycle GAN的清代官补风格迁移研究
5
作者 刘贝芬 张坦坦 冯峥嵘 《纺织学报》 北大核心 2025年第9期213-224,共12页
针对清代官补在风格迁移中色彩保留不足及多层次纹样结构细节易丢失的问题,提出一种基于改进循环生成对抗网络的风格迁移方法,从纹样、色彩、构图3个方面分析了清代官补的艺术特征,与其它主流风格迁移模型对比,以艺术指标和技术指标进... 针对清代官补在风格迁移中色彩保留不足及多层次纹样结构细节易丢失的问题,提出一种基于改进循环生成对抗网络的风格迁移方法,从纹样、色彩、构图3个方面分析了清代官补的艺术特征,与其它主流风格迁移模型对比,以艺术指标和技术指标进行评价,选择表现最佳的循环生成对抗网络模型进行改进,在生成器中引入特征融合模块,简化判别器结构,引入感知损失函数。结果表明,改进方法在技术指标上有显著提升,其中结构相似度提高了0.041,峰值信噪比提高了2.17 dB,均方误差降低了0.031,图像感知相似度降低了0.042,序列感知距离降低了4.157,可生成更清晰的祥云纹、海水江崖纹等基本纹样,实现底色与纹样的有效分离,增强了图案的层次感与边缘清晰度,研究成果为传统服饰纹样的数字化创新提供了技术路径参考,也为当代图案的艺术创作开辟了新的发展空间。 展开更多
关键词 风格迁移 服饰纹样 辅助设计 生成对抗网络 清代官补 艺术评价
在线阅读 下载PDF
考虑精细化充放电与碳效益的配电网储能多目标双层规划模型
6
作者 齐桓若 陈晨 +5 位作者 郭放 薛文杰 闫向阳 康祎龙 刘俊成 马思源 《中国电力》 北大核心 2025年第10期121-135,共15页
高比例新能源发展愿景下,为有效缩短储能回报周期、提升新能源消纳以及降低配电网碳排放,提出一种考虑精细化充放电与碳效益的配电网储能多目标双层规划模型。首先,基于Wasserstein距离和梯度惩罚的改进生成对抗网络(Wasserstein genera... 高比例新能源发展愿景下,为有效缩短储能回报周期、提升新能源消纳以及降低配电网碳排放,提出一种考虑精细化充放电与碳效益的配电网储能多目标双层规划模型。首先,基于Wasserstein距离和梯度惩罚的改进生成对抗网络(Wasserstein generative adversarial network with gradient penalty,WGAN-GP)以及K-中心聚类算法(K-medoids)生成光伏典型场景。其次,建立储能系统的充放电精细化模型,并基于储能降碳量和全生命周期碳排放量构建碳效益模型。然后,构建考虑精细化充放电与碳效益的双层配电网储能规划运行模型,以日总成本最小为上层目标,对储能进行优化配置;以运行成本最小、电压偏移量最小和储能碳效益最大为下层目标,实现配电网的优化运行。再次,利用跨层关联变量建模将双层模型转化为单层多目标模型,并采用归一化法向约束法(normalized normal constraint,NNC)求解多目标问题,采用熵权-逼近理想解排序法(technique for order preference by similarity to ideal solution,TOPSIS)选取最优折中解。最后,基于IEEE 33节点系统进行算例仿真,验证模型有效性。 展开更多
关键词 光储 碳效益 改进生成对抗网络 精细化充放电 调峰填谷辅助服务 配电网
在线阅读 下载PDF
基于多判别器辅助分类器生成对抗网络的故障诊断方法研究 被引量:2
7
作者 叶子汉 王中华 +2 位作者 姜潮 吕新 张哲 《工程设计学报》 CSCD 北大核心 2024年第2期137-150,159,共15页
在强冲击、强辐射、极高温等极端恶劣的工作环境下,机械设备的故障模式复杂多样,获得充足且有效的故障数据变得非常困难甚至难以实现,以致故障诊断的准确性受限,后续检修维护方案难以有效制定。针对这一问题,提出了一种多判别器辅助分... 在强冲击、强辐射、极高温等极端恶劣的工作环境下,机械设备的故障模式复杂多样,获得充足且有效的故障数据变得非常困难甚至难以实现,以致故障诊断的准确性受限,后续检修维护方案难以有效制定。针对这一问题,提出了一种多判别器辅助分类器生成对抗网络的数据增强算法。通过设置3个判别器、1个生成器并添加独立的分类器,构建了新的辅助分类器生成对抗网络模型。针对在该模型训练中存在的不稳定性问题,通过引入Wasserstein距离构造新的损失函数,并采用稳定性更具优势的单边软约束正则化项替换原有的L2梯度惩罚项来解决模型崩溃问题;在此基础上,采用高效通道注意力机制来进一步提高模型的特征提取能力。将所提出的模型应用于扩充机械设备故障数据集,辅助深度学习智能诊断模型的训练。多个故障数据集扩充实验表明,与现有模型相比,新模型所生成数据的质量更高,故障诊断的准确率也得到进一步提高,因此具有较高的应用价值。 展开更多
关键词 多判别器辅助分类器生成对抗网络 高效通道注意力机制 Lipschitz(利普希茨)约束 数据增强 故障诊断
在线阅读 下载PDF
多色彩通道特征融合的GAN合成图像检测方法 被引量:4
8
作者 乔通 陈彧星 +2 位作者 谢世闯 姚恒 罗向阳 《电子学报》 EI CAS CSCD 北大核心 2024年第3期924-936,共13页
当前,生成对抗网络(Generative Adversarial Networks,GAN)合成的逼真图像难以识别,严重危害国家网络安全及社会稳定.与此同时,多数基于深度神经网络模型设计的检测器需要大规模训练样本,且存在模型可解释度不高、泛化性能差等问题.为... 当前,生成对抗网络(Generative Adversarial Networks,GAN)合成的逼真图像难以识别,严重危害国家网络安全及社会稳定.与此同时,多数基于深度神经网络模型设计的检测器需要大规模训练样本,且存在模型可解释度不高、泛化性能差等问题.为了克服上述亟待解决的关键性难题,本文提出一种多色彩通道特征融合的GAN合成图像检测方法.首先,探索分析真实自然图像和GAN合成图像在不同色彩空间相邻像素之间的差异,并设计差异度量算法,完成色彩通道选择.其次,利用图像像素间的高度相关性,在八个方向上通过二阶马尔可夫链对相邻像素之间的差分数组进行建模,提取差分像素邻接矩阵特征.最后,利用上述特征,设计一种简单且高效的集成分类器完成GAN合成图像的检测任务.在基于StyleGAN模型合成的伪造人脸数据集中,所提出方法的检测准确率高达100.00%;在小样本训练约束条件下,正负样本对数仅仅为2时,检测准确率高达99.65%;在单类样本训练约束条件下,正样本数仅仅为50时,检测准确率高达92.84%.在基于更先进的StyleGAN2和PGGAN模型合成的伪造场景数据集中,所提出方法的检测准确率达到99.96%以上.以上大量实验表明,本文所提出的方法明显优于比较的GAN合成图像检测方法.本文方法已经开源:https://github.com/cyxcyx559/ccss. 展开更多
关键词 图像取证 色彩通道 特征融合 生成对抗网络 马尔可夫链 集成分类器
在线阅读 下载PDF
基于对抗性双通道编码器的网络入侵检测算法 被引量:2
9
作者 金诗博 张立 《火力与指挥控制》 CSCD 北大核心 2024年第6期75-82,共8页
针对网络流量数据不平衡引起少数类攻击检测率低的问题,提出一种基于对抗性双通道编码器的入侵检测算法。分别采用正常流量和攻击流量来训练变分自编码器模型,构建基于自编码器派生流量数据的多通道表示形式的新特征向量,驱动生成对抗... 针对网络流量数据不平衡引起少数类攻击检测率低的问题,提出一种基于对抗性双通道编码器的入侵检测算法。分别采用正常流量和攻击流量来训练变分自编码器模型,构建基于自编码器派生流量数据的多通道表示形式的新特征向量,驱动生成对抗网络的生成过程朝向目标类,生成的少数类图像,有效地扩充数据集;通过引入CBAM模块来改进生成器的网络结构,融合通道和空间两个方向的特征,增强模型的特征提取能力;将判别器输出调整为单目标分类并加入softmax层,输出Fake、Normal和Attack结果,避免生成器生成无法与所需类型匹配的图像而获得奖励,提高生成图片的质量。实验结果表明,该方法能够有效降低误报率以及提高未知攻击的检测精度,尤其在不平衡数据集中具有更多的优势。 展开更多
关键词 入侵检测算法 辅助生成对抗网络 自编码器 注意力机制
在线阅读 下载PDF
基于改进RAC-GAN的电动船舶充电负荷场景生成方法
10
作者 廖菲 杨军 +3 位作者 林毅 薛静玮 吴少将 朱睿 《电力系统自动化》 EI CSCD 北大核心 2024年第22期171-181,共11页
随着电动船舶的发展和普及,内河流域的港口用能结构正逐步由燃油转变为清洁的电能,港口负荷将对配电网峰谷差造成显著影响。为准确描述电动船舶充电负荷特征,提出了一种基于改进鲁棒性辅助分类生成对抗网络(RAC-GAN)的电动船舶充电负荷... 随着电动船舶的发展和普及,内河流域的港口用能结构正逐步由燃油转变为清洁的电能,港口负荷将对配电网峰谷差造成显著影响。为准确描述电动船舶充电负荷特征,提出了一种基于改进鲁棒性辅助分类生成对抗网络(RAC-GAN)的电动船舶充电负荷场景生成方法。首先,分析电动船舶充电负荷的特征,构建含环境特征与充电负荷的原始数据集;然后,对RAC-GAN进行改进,加入变分编码器对船舶数据集进行降维,抽取特征信息簇标签,并在判别器中引入噪声过渡模型和卷积层,以提高判别器的抗噪能力,并对网络的损失函数进行重定义;最后,以中国实际港口为例,基于改进的RAC-GAN生成船舶充电负荷的海量场景。仿真结果表明,所提方法能够学习到电动船舶的负荷特征,对噪声具有较高的鲁棒性,并且可以有效生成大量满足真实样本概率分布特征的电动船舶充电负荷场景。 展开更多
关键词 电动船舶 充电负荷 场景生成 鲁棒性辅助分类 生成对抗网络 深度学习
在线阅读 下载PDF
基于边界辅助判别的滚动轴承故障特征增强及诊断方法 被引量:1
11
作者 李佰霖 鲁大臣 +1 位作者 付文龙 陈禹朋 《机电工程》 CAS 北大核心 2024年第4期643-650,共8页
滚动轴承作为机械设备重要部件,对保障设备安全稳定运行具有重要意义。针对实际诊断中的滚动轴承故障数据不平衡问题,提出了一种基于边界辅助判别的辅助分类生成对抗网络模型(BD-ACGAN)。首先,设计了一种可用于提取故障样本边界细节特... 滚动轴承作为机械设备重要部件,对保障设备安全稳定运行具有重要意义。针对实际诊断中的滚动轴承故障数据不平衡问题,提出了一种基于边界辅助判别的辅助分类生成对抗网络模型(BD-ACGAN)。首先,设计了一种可用于提取故障样本边界细节特征的边界辅助判别器,以引导生成器生成更真实的样本,并采用该生成样本解决了数据不平衡的问题;其次,采用了自适应权重损失模块,动态调整了损失权重,使该模型更加关注重要的特征信息,从而提高了该模型的生成质量和特征表达能力;利用生成样本和真实样本数据对BD-ACGAN模型进行了增强训练,提高了该模型的泛化能力和诊断能力;最后,进行了消融实验及对照实验,对BD-ACGAN模型的特征增强能力和诊断效果进行了验证,分别采用美国凯斯西储大学和西安交通大学滚动轴承数据集对模型进行了实验验证。研究结果表明:该BD-ACGAN模型能够有效利用故障样本的边界特征解决数据不平衡问题,并且故障诊断精确度为98.79%,优于其他对照模型,为滚动轴承故障诊断提供了一种新的方法。 展开更多
关键词 轴承故障诊断 数据不平衡 边界辅助判别的辅助分类生成对抗网络 故障特征增强 自适应权重损失 数据集增广
在线阅读 下载PDF
基于ACGAN的图像识别算法 被引量:11
12
作者 周林勇 谢晓尧 +2 位作者 刘志杰 谭宏卫 游善平 《计算机工程》 CAS CSCD 北大核心 2019年第10期246-252,259,共8页
针对基于辅助分类器生成对抗网络(ACGAN)的图像分类算法在训练过程中稳定性低且分类效果差的问题,提出一种改进的图像识别算法CP-ACGAN。对于网络结构,在判别网络的输出层取消样本的真假判别,只输出样本标签的后验估计并引入池化层。对... 针对基于辅助分类器生成对抗网络(ACGAN)的图像分类算法在训练过程中稳定性低且分类效果差的问题,提出一种改进的图像识别算法CP-ACGAN。对于网络结构,在判别网络的输出层取消样本的真假判别,只输出样本标签的后验估计并引入池化层。对于损失函数,除真实样本的交叉熵损失外,在判别网络中增加生成样本的条件控制标签及后验估计间的交叉熵损失。在此基础上,利用真假样本的交叉熵损失及属性重构生成器和判别器的损失函数。在MNSIT、CIFAR10、CIFAR100数据集上的实验结果表明,与ACGAN算法、CNN算法相比,该算法具有较好的分类效果与稳定性,且分类准确率分别高达99.62%、79.07%、48.03%。 展开更多
关键词 生成对抗网络 辅助分类器生成对抗网络 特征提取 图像分类 特征匹配
在线阅读 下载PDF
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:34
13
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
面向飞机辅助动力装置在翼剩余寿命预测的性能参数扩增方法 被引量:12
14
作者 刘连胜 张晗星 +2 位作者 刘晓磊 王璐璐 梁军 《仪器仪表学报》 EI CAS CSCD 北大核心 2020年第7期107-116,共10页
为解决飞机辅助动力装置(APU)在翼性能参数维度低而无法获得较高准确故障预测结果的问题,提出了一种基于生成对抗网络(GAN)性能参数的扩增方法。首先,在研究GAN原理的基础上,通过网格搜索算法确定生成器与判别器的优化参数;其次,研究面... 为解决飞机辅助动力装置(APU)在翼性能参数维度低而无法获得较高准确故障预测结果的问题,提出了一种基于生成对抗网络(GAN)性能参数的扩增方法。首先,在研究GAN原理的基础上,通过网格搜索算法确定生成器与判别器的优化参数;其次,研究面向APU性能退化参数的扩增方法,为APU的剩余寿命预测提供输入参数;最后,基于中国南方航空股份有限公司机队的APU在翼监测参数,全面验证和评估所提方法的性能。基于GAN生成10维的排气温度参数通过欧几里得距离、皮尔森相关系数和KL散度度量方法进行处理,结果表明生成参数与原始参数具有较好的一致性。基于3种寿命预测方法开展的对比实验中,将生成的10维参数与原始参数共同用于APU剩余寿命预测,与仅将原始性能参数用于APU剩余寿命预测相比,平均绝对误差和均方根误差表征的预测结果准确性至少提升了8.55%和3.62%。 展开更多
关键词 辅助动力装置 生成对抗网络 参数扩增 故障预测 在翼寿命
在线阅读 下载PDF
融合VAE和StackGAN的零样本图像分类方法 被引量:10
15
作者 张冀 曹艺 +2 位作者 王亚茹 赵文清 翟永杰 《智能系统学报》 CSCD 北大核心 2022年第3期593-601,共9页
零样本分类算法旨在解决样本极少甚至缺失类别情况下的分类问题。随着深度学习的发展,生成模型在零样本分类中的应用取得了一定的突破,通过生成缺失类别的图像,将零样本图像分类转化为传统的基于监督学习的图像分类问题,但生成图像的质... 零样本分类算法旨在解决样本极少甚至缺失类别情况下的分类问题。随着深度学习的发展,生成模型在零样本分类中的应用取得了一定的突破,通过生成缺失类别的图像,将零样本图像分类转化为传统的基于监督学习的图像分类问题,但生成图像的质量不稳定,如细节缺失、颜色失真等,影响图像分类准确性。为此,提出一种融合变分自编码(variational auto-encoder,VAE)和分阶段生成对抗网络(stack generative adversarial networks,StackGAN)的零样本图像分类方法,基于VAE/GAN模型引入StackGAN,用于生成缺失类别的数据,同时使用深度学习方法训练并获取各类别的句向量作为辅助信息,构建新的生成模型stc-CLS-VAEStackGAN,提高生成图像的质量,进而提高零样本图像分类准确性。在公用数据集上进行对比实验,实验结果验证了本文方法的有效性与优越性。 展开更多
关键词 深度学习 零样本学习 图像分类 变分自编码器 生成对抗网络 分阶段网络 句向量 辅助信息
在线阅读 下载PDF
基于辅助分类–边界平衡生成式对抗网络的局部放电数据增强与多源放电识别 被引量:22
16
作者 朱永利 张翼 +1 位作者 蔡炜豪 高盎然 《中国电机工程学报》 EI CSCD 北大核心 2021年第14期5044-5053,共10页
为解决局部放电(partial discharge,PD)源诊断中放电样本的不平衡问题,并克服传统多源放电诊断方法对脉冲聚类分离效果的依赖,该文提出基于辅助分类–边界平衡生成式对抗网络(boundary equilibrium generative adversarial network with... 为解决局部放电(partial discharge,PD)源诊断中放电样本的不平衡问题,并克服传统多源放电诊断方法对脉冲聚类分离效果的依赖,该文提出基于辅助分类–边界平衡生成式对抗网络(boundary equilibrium generative adversarial network with auxiliary classifier,AC-BEGAN)的PD数据增强与多源放电识别方法。首先,对PD脉冲进行同步挤压小波变换(synchrosqueezed wavelet transform,SWT)作为训练样本。然后,在训练稳定性优越的BEGAN基础上,融合条件信息和辅助局放脉冲分类任务构建AC-BEGAN模型,旨在提升模型的生成能力并条件式地扩充训练样本。最后,采用扩充均衡的训练样本微调该辅助分类任务以学习多源放电中各单次脉冲的类别,并将占主导的脉冲标签的组合确定为该多源放电类型。结果表明,该方法相比于传统数据增强技术可以有效地均衡脉冲样本,同时可以克服传统诊断方法对聚类分离效果的依赖,直接实现多源放电诊断。 展开更多
关键词 多源局部放电 同步挤压小波变换 数据增强 辅助分类-边界平衡生成对抗网络
在线阅读 下载PDF
基于生成对抗网络的知识蒸馏数据增强 被引量:3
17
作者 鲁统伟 徐子昕 闵锋 《计算机工程》 CAS CSCD 北大核心 2022年第4期70-80,共11页
在图像分类和工业视觉检测过程中,缺陷样本量少导致神经网络分类器训练效率低及检测精度差,直接采用原始的离散标签又无法使网络分类器学习到不同类别间的相似度信息。针对上述问题,在区域丢弃算法的基础上,提出一种基于生成对抗网络的... 在图像分类和工业视觉检测过程中,缺陷样本量少导致神经网络分类器训练效率低及检测精度差,直接采用原始的离散标签又无法使网络分类器学习到不同类别间的相似度信息。针对上述问题,在区域丢弃算法的基础上,提出一种基于生成对抗网络的知识蒸馏数据增强算法。使用补丁对丢弃区域进行填补,减少区域丢弃产生的非信息噪声。在补丁生成网络中,保留生成对抗网络的编码器-解码器结构,利用编码器卷积层提取特征,通过解码器对特征图上采样生成补丁。在样本标签生成过程中,采用知识蒸馏算法中的教师-学生训练模式,按照交叉检验方式训练教师模型,根据教师模型生成的软标签对学生模型的训练进行指导,提高学生模型对特征的学习能力。实验结果表明,与区域丢弃算法相比,该算法在CIFAR-100、CIFAR-10数据集图像分类任务上的Top-1 Err、Top-5 Err分别降低3.1、0.8、0.5、0.6个百分点,在汽车转向器轴承数据集语义分割任务上的平均交并比和识别准确率分别提高2.8、2.3个百分点。 展开更多
关键词 数据增强 神经网络分类器 工业视觉 生成对抗网络 知识蒸馏
在线阅读 下载PDF
多层次生成对抗网络的动画头像生成方法研究 被引量:7
18
作者 高文超 任圣博 +1 位作者 田驰 赵珊珊 《计算机工程与应用》 CSCD 北大核心 2022年第9期230-237,共8页
现有的动画图像生成方法存在合成图像多样性缺失、局部纹理不清晰、样本方差较小,难以根据细节描述进行生成的问题。基于堆叠式生成对抗网络(StackGAN++)的思想,结合辅助分类器,提出改进模型ACM-GAN(auxiliary classification atteched ... 现有的动画图像生成方法存在合成图像多样性缺失、局部纹理不清晰、样本方差较小,难以根据细节描述进行生成的问题。基于堆叠式生成对抗网络(StackGAN++)的思想,结合辅助分类器,提出改进模型ACM-GAN(auxiliary classification atteched multi-level generative adversial networks,带有辅助分类器的多层次结构生成对抗网络)用于动画人物头像生成。该网络模型由两个生成器和两个判别器堆叠而成,并在判别器中嵌入辅助分类器对生成结果进行约束,使生成样本方差变大,增加生成样本的多样性。为保证合成图像真实度和清晰度,引入特征图空间损失和图像像素空间均值方差损失以最小化合成数据和真实数据的距离。实验结果表明,多层次结构能够有效稳定训练过程,增加图像的边缘细节和局部纹理,同时辅助分类器有效解决模式崩溃问题,提高生成指定类别图像的准确率。ACM-GAN生成图像的FID分数达到27.96,相比于StackGAN++提升23.1%。 展开更多
关键词 动画头像生成 生成对抗网络 多层次结构 辅助分类器
在线阅读 下载PDF
基于生成对抗网络的低分化宫颈癌病理图像分类 被引量:1
19
作者 李晨 张家伟 +1 位作者 张昊 汪茜 《东北大学学报(自然科学版)》 EI CAS CSCD 北大核心 2020年第7期1054-1060,1064,共8页
使用生成对抗网络(GAN)扩充宫颈癌病理图像的数据集以提高计算机辅助诊断的准确率.首先,使用GAN进行细胞质部分图像生成;其次,使用两次k-means聚类对生成图像进行筛选;最后,使用Inception-V3模型对数据集进行分类训练.结果表明,在测试... 使用生成对抗网络(GAN)扩充宫颈癌病理图像的数据集以提高计算机辅助诊断的准确率.首先,使用GAN进行细胞质部分图像生成;其次,使用两次k-means聚类对生成图像进行筛选;最后,使用Inception-V3模型对数据集进行分类训练.结果表明,在测试集相同的情况下,该方法可以将总体分类准确率提升约2. 5%,尤其对低分化宫颈癌病理图像有显著效果.通过GAN解决了组织病理学图像无方向性、内容复杂、前景目标规则性差等问题,证明了该方法的有效性及发展潜力. 展开更多
关键词 宫颈癌辅助诊断 组织病理学图像分类 生成对抗网络 特征提取 K-MEANS聚类
在线阅读 下载PDF
基于鉴别模型和对抗损失的无监督域自适应方法 被引量:7
20
作者 赵文仓 袁立镇 徐长凯 《高技术通讯》 EI CAS 北大核心 2020年第7期698-706,共9页
对于许多任务而言,收集注释良好的图像数据集来训练深度学习算法成本过高且耗时,而仅在渲染图像训练的模型通常无法推广到真实图像。针对上述问题,无监督域自适应算法试图在2个域之间映射一些表示或提取域不变的特征,将2个域映射到共同... 对于许多任务而言,收集注释良好的图像数据集来训练深度学习算法成本过高且耗时,而仅在渲染图像训练的模型通常无法推广到真实图像。针对上述问题,无监督域自适应算法试图在2个域之间映射一些表示或提取域不变的特征,将2个域映射到共同的特征空间。本文结合源域的有标签数据和目标域的无标签数据,提出了基于生成对抗网络(GAN)架构的无监督域自适应方法。方法使用鉴别模型,无需权重共享、对抗损失和辅助分类任务,以无监督的方式学习从一个域到另一个域的变换。对抗鉴别的无监督域自适应方法能有效减少训练域和测试域分布之间的差异,减轻域移位的有害影响,并显著地提高识别率。实验结果证明对抗鉴别方法比其他域自适应方法更有效且更简单,扩充样本的同时提高了网络的泛化性能。 展开更多
关键词 深度学习 无监督 域自适应 生成对抗网络(GAN) 辅助分类任务
在线阅读 下载PDF
上一页 1 2 下一页 到第
使用帮助 返回顶部