深度学习技术在洪水预报中的应用进展及思考

1

作者 祁海霞 彭涛 +6 位作者 智协飞 季焱 殷志远 沈铁元 王俊超 向怡衡 胡泊 《气象》 北大核心 2025年第4期446-459,共14页

洪水预报是降低洪灾损失、提升防灾减灾能力非工程措施的有效途径,实现精准洪水预报是水文领域的关键技术挑战之一。目前,基于物理机制的洪水预报模型在模拟精度和效率上仍有不足,而采用深度学习技术构建的预报模型则得到了迅猛发展。... 洪水预报是降低洪灾损失、提升防灾减灾能力非工程措施的有效途径,实现精准洪水预报是水文领域的关键技术挑战之一。目前,基于物理机制的洪水预报模型在模拟精度和效率上仍有不足,而采用深度学习技术构建的预报模型则得到了迅猛发展。文章全面回顾和总结了洪水预报领域所应用的深度学习模型的原理和特点,及其在洪水定量和概率预报中的应用进展和存在问题。聚焦介绍和探讨了深度学习模型与洪水物理模型在物理过程参数化、可解释性研究、洪水预报模型误差校正等方面的契合点和应用前景。分析认为,深度学习未来将走向与物理模型的深度耦合,成为洪水时间序列预报的重要发展范式,并将是实现未来水利智慧化的重要研究内容。最后针对深度学习在洪水预报中的难点给出几点思考,对当前面临的挑战提出几点相应的解决方案,以便更好地在洪水预报领域探索应用深度学习技术。 展开更多

关键词 深度学习 洪水预报 定量预报 概率预报 耦合物理模型

在线阅读 下载PDF 职称材料

扩散模型在计算机视觉领域的研究现状 被引量：1

2

作者 管凤旭 张涵宇 +3 位作者 路斯棋 赖海涛 杜雪 郑岩 《智能系统学报》 北大核心 2025年第2期265-282,共18页

扩散模型是受分子热力学启发而来的一类新的生成模型,具有训练稳定、对模型设置依赖性弱等优点。近年来,扩散模型被广泛应用于各项任务,并且取得了相比于以往生成模型更多样、更高质量的结果。目前,扩散模型已成为计算机视觉领域热门的... 扩散模型是受分子热力学启发而来的一类新的生成模型,具有训练稳定、对模型设置依赖性弱等优点。近年来,扩散模型被广泛应用于各项任务,并且取得了相比于以往生成模型更多样、更高质量的结果。目前,扩散模型已成为计算机视觉领域热门的基准方法。为更好地促进扩散模型在计算机视觉领域的发展,对扩散模型进行综述:首先对比了扩散模型与其他生成模型的优劣,介绍了扩散模型的数学原理;随后,从扩散模型存在的普遍问题出发,介绍了相关学者近年来所做的改进工作,以及扩散模型在多种视觉任务上的应用实例;最后,探讨了扩散模型存在的问题,并提出了一些未来可能的发展趋势。 展开更多

关键词 扩散模型 去噪扩散概率模型 分数扩散模型 深度学习 计算机视觉 图像生成 生成模型 生成对抗网络

在线阅读 下载PDF 职称材料

基于概率性预测的抽水蓄能电站大坝渗流安全监控模型

3

作者 李心如 宋锦焘 +1 位作者 杨杰 许增光 《水利水电科技进展》 北大核心 2025年第4期76-84,共9页

针对抽水蓄能电站大坝渗流安全监控模型影响因子选择及模型构建不确定性造成模型预测精度不高的问题,将深度学习模型和概率性预测方法进行融合,融合卷积神经网络(CNN)的特征提取能力、双向门控循环单元(BiGRU)的数据挖掘潜力、蜣螂优化... 针对抽水蓄能电站大坝渗流安全监控模型影响因子选择及模型构建不确定性造成模型预测精度不高的问题,将深度学习模型和概率性预测方法进行融合,融合卷积神经网络(CNN)的特征提取能力、双向门控循环单元(BiGRU)的数据挖掘潜力、蜣螂优化算法(DBO)的参数优化优势以及分位数回归(QR)的概率性预测能力,构建了基于DBO、CNN、BiGRU、QR算法的大坝渗流概率性预测模型;同时,为构建适合抽水蓄能电站渗流安全监控模型的最优影响因子集,充分考虑渗流的滞后效应,采用核主成分分析法(KPCA)对模型影响因子进行优选。工程实例验证结果表明,构建的大坝渗流概率性预测模型不仅能给出确定性的大坝渗透压力高精度预测结果,还可得出相应的预测区间来反映渗流变化的不确定程度,进而为抽水蓄能电站大坝渗流安全监控提供更全面的评价信息。 展开更多

关键词 大坝安全监控 抽水蓄能电站 监控模型 渗流预测 深度学习 概率性预测

在线阅读 下载PDF 职称材料

新能源不确定性表征方法及关键技术问题研究现状、挑战及展望

4

作者 李夫刚 李夫海 +3 位作者 琚承乾 陈仕军 杨亚东 丁凡 《电力系统保护与控制》 北大核心 2025年第15期172-187,共16页

随着清洁能源的大规模发展,风、光等清洁能源的接入日益增多,水、风、光多能互补系统的应用越来越广泛。如何对水、风、光等能源的出力变化以及负荷增长的不确定性进行建模,给电网的安全、经济运行调度和规划带来了许多挑战。采用基于... 随着清洁能源的大规模发展,风、光等清洁能源的接入日益增多,水、风、光多能互补系统的应用越来越广泛。如何对水、风、光等能源的出力变化以及负荷增长的不确定性进行建模,给电网的安全、经济运行调度和规划带来了许多挑战。采用基于传统概率建模和人工智能技术对不确定性进行量化是推动新型电力系统不确定优化技术发展的关键。针对现有新能源不确定性表征问题,全面综述了相关研究。首先阐述了不确定性量化的概念,新能源与气象耦合的关系及量化方法。其次从研究对象和数学问题两个方面阐述了电力系统新能源不确定性的基本概念,回顾了现有的研究方法、评估指标和典型场景的应用现状。最后总结了当前研究中所存在的问题,并展望了未来的发展趋势和挑战,旨在为相关研究提供参考与借鉴。 展开更多

关键词 碳达峰碳中和 不确定性表征 传统概率建模 深度学习

在线阅读 下载PDF 职称材料

基于贝叶斯深度学习的敌方作战飞机机动策略识别

5

作者 袁银龙 张思洁 +1 位作者 程赟 华亮 《深圳大学学报(理工版)》 北大核心 2025年第4期437-446,I0003-I0005,共13页

增强对敌方作战飞机机动策略识别能力是提升我方空战决策水平的关键因素之一.针对传统深度学习模型在复杂多变的作战环境中常表现出过度自信及不确定性评估困难的局限,提出一种基于贝叶斯深度学习的作战飞机机动策略识别方法,使用贝叶... 增强对敌方作战飞机机动策略识别能力是提升我方空战决策水平的关键因素之一.针对传统深度学习模型在复杂多变的作战环境中常表现出过度自信及不确定性评估困难的局限,提出一种基于贝叶斯深度学习的作战飞机机动策略识别方法,使用贝叶斯变分推理和多元高斯分布,构建基于多层感知机的贝叶斯深度学习(multi-layer perceptron-based Bayesian deep learning,BDL-MLP)概率化模型,并引入梯度平衡因子以缓解复杂性代价梯度和似然代价梯度不平衡的影响,再通过贝叶斯反向传播算法进行模型训练和参数优化.基于团队在Unity3D软件研发的虚拟空战仿真平台AirFlightSim,对比评估了BDL-MLP、多层感知机(multilayer perceptron,MLP)、AlexNet和LeNet模型在不同模糊程度(模糊半径分别为0、15、31、45和61像素)的作战飞机运动场景下的分类性能.结果表明,在由上述5种模糊半径构建的数据集上,BDLMLP模型的机动策略识别准确率较MLP、AlexNet和LeNet模型平均分别提升了0.43%、0.99%、1.19%、1.98%和2.36%,且在鲁棒性及复杂数据的特征提取能力方面均表现最优,能够量化不确定性.基于贝叶斯深度学习的作战飞机机动策略识别方法可为军事智能辅助作战系统的研发提供有价值的参考. 展开更多

关键词 人工智能 贝叶斯深度学习 变分推理 概率建模 机动策略识别 梯度平衡因子 智能辅助作战系统

在线阅读 下载PDF 职称材料

生成式深度学习在目标导向分子设计中的应用进展

6

作者 王纪峰 汪莹 《中国材料进展》 北大核心 2025年第5期424-435,450,共13页

分子设计作为化学与材料科学中的一项核心任务,面临着在庞大的化学空间中高效筛选并开发具备特定功能的分子的问题,传统方法在效率和探索性方面存在明显局限。近年来,生成式深度学习的兴起为分子设计提供了自动化与智能化的新路径。综... 分子设计作为化学与材料科学中的一项核心任务,面临着在庞大的化学空间中高效筛选并开发具备特定功能的分子的问题,传统方法在效率和探索性方面存在明显局限。近年来,生成式深度学习的兴起为分子设计提供了自动化与智能化的新路径。综述了生成式深度学习在分子设计中的应用进展,首先对不同分子表示方法(如SMILES、分子图和三维结构表示)进行比较,分析了各自的优缺点。随后,综合评估了3种主流生成式模型:生成对抗网络(GAN)、变分自动编码器(VAE)和去噪扩散概率模型(DDPM),并探讨了生成式模型在目标导向分子设计中的应用,重点分析不同模型在分子生成质量与性质优化方面的差异。最后,基于现有技术的研究进展,提出了未来生成式模型在分子设计领域的研究方向。 展开更多

关键词 分子生成 生成式深度学习 生成对抗网络 变分自动编码器 去噪扩散概率模型 模型性能评估框架 分子表示

在线阅读 下载PDF 职称材料

基于去噪扩散概率模型的离线真实无线干扰信号分类

7

作者 刘春雨 袁俊 +2 位作者 孙晓萌 张磊 张博 《电波科学学报》 北大核心 2025年第3期546-551,共6页

无线通信数据传输的可靠性和有效性在很大程度上取决于对干扰信号的检测和分类。近年来,深度学习(deep learning,DL)算法被广泛用于干扰信号的检测和分类。DL算法需要高质量的训练样本,然而,在无线通信系统中,实时获得大量高质量的干扰... 无线通信数据传输的可靠性和有效性在很大程度上取决于对干扰信号的检测和分类。近年来,深度学习(deep learning,DL)算法被广泛用于干扰信号的检测和分类。DL算法需要高质量的训练样本,然而,在无线通信系统中,实时获得大量高质量的干扰信号样本是具有挑战性的。为了解决这些挑战,本文提出了一种基于去噪扩散概率模型(denoising diffusion probabilistic model,DDPM)的离线真实无线干扰信号分类的方法,该方法利用DDPM在特征提取之前对收集的信号进行离线处理,然后将信号发送到预定义的分类器中。仿真结果表明,本文所提算法能够在4个样本信号的情况下,将干扰信号分类和识别的准确率提高到91%,有效地解决了真实无线通信场景中由于样本数量少和数据质量差而导致的干扰识别准确度较低的问题。此外,证明了在信号处理中使用生成模型的可行性,并在真实通信场景中实现了高精度的识别性能。 展开更多

关键词 去噪扩散概率模型(DDPM) 生成对抗网络 深度学习(DL)算法 神经网络算法 无线通信干扰(WCI)

在线阅读 下载PDF 职称材料

生成扩散模型研究综述 被引量：12

8

作者 闫志浩 周长兵 李小翠 《计算机科学》 CSCD 北大核心 2024年第1期273-283,共11页

扩散模型在生成模型领域具有高质量的样本生成能力,一经推出就不断地刷新图像生成评价指标FID分数的记录,成为了该领域的研究热点,而此类相关综述在国内还鲜有介绍。因此,文中对相关扩散生成模型的研究进行汇总与分析。首先,对去噪扩散... 扩散模型在生成模型领域具有高质量的样本生成能力,一经推出就不断地刷新图像生成评价指标FID分数的记录,成为了该领域的研究热点,而此类相关综述在国内还鲜有介绍。因此,文中对相关扩散生成模型的研究进行汇总与分析。首先,对去噪扩散概率模型、基于分数的扩散生成模型和随机微分方程的扩散生成模型这3类通用模型的特点和原理进行了论述,就每一类基本扩散模型中以优化模型内部算法、高效采样为改进目标的相关衍生模型进行分析。其次,对当下扩散模型在计算机视觉、自然语言处理、时间序列、多模态和跨学科领域等方面的应用进行总结。最后,基于上述论述,分别就目前扩散生成模型存在的采样步骤多、采样时间长等局限性提出了相关建议,并结合前述研究对未来扩散生成模型的发展方向进行了研判。 展开更多

关键词 深度学习 生成模型 去噪扩散概率模型 基于分数的扩散模型 随机微分方程 图像生成

在线阅读 下载PDF 职称材料

基于CGRSNet的残缺油桃外形点云补全方法 被引量：1

9

作者 孙珂 徐焕良 +2 位作者 任守纲 单美轩 王浩云 《南京农业大学学报》 CAS CSCD 北大核心 2024年第2期383-391,共9页

[目的]利用深度相机采集到的油桃数据在进行三维重建时,存在摄像头视野限制,导致油桃点云出现缺失的现象,严重影响油桃表型分析的准确度。为了提高油桃分级分类的准确率和工作效率,提出一种基于三维重建的油桃片外形参数估测方法。[方法... [目的]利用深度相机采集到的油桃数据在进行三维重建时,存在摄像头视野限制,导致油桃点云出现缺失的现象,严重影响油桃表型分析的准确度。为了提高油桃分级分类的准确率和工作效率,提出一种基于三维重建的油桃片外形参数估测方法。[方法]提出了一种基于真实结构的粗粒度点云生成网络(coarse-grained realistic structure with point cloud generation network,CGRSNet)。该网络首先通过编码、解码机制构建点云补全网络,通过新的采样算法对原始点云提取不同维度下的特征信息,提升油桃表型的特征提取能力,然后自解码器自上而下进行多维度点云补全,最终得到完整的油桃形状,最后用模型的参数预估模块预估油桃体积。利用多组参数构建的油桃几何模型离散成点云数据输入CGRSNet网络,得到油桃几何模型外形补全的预训练模型,再利用真实油桃点云数据对预训练模型CGRSNet做模型迁移的参数微调。[结果]该补全网络对油桃数据集补全结果的倒角距离为0.196 cm。经线性回归分析,得出体积估测的RMSE和R^(2)分数为2.47 cm^(3)和0.94,相较于PF-Net的RMSE和R^(2)分数提升约0.88 cm^(3)和0.01。[结论]本文提出的基于CGRSNet的油桃外形参数估测算法具有较好的实用性和精确度。 展开更多

关键词 三维图形 点云补全 模型迁移 深度学习 油桃表型 体积预估

在线阅读 下载PDF 职称材料

基于扩散概率模型的非均一地震数据插值方法 被引量：1

10

作者 陈尧 于四伟 林荣智 《煤田地质与勘探》 EI CAS CSCD 北大核心 2024年第8期177-186,共10页

【目的】能源勘探领域长期面临非均一地震数据插值的难题。由于检波器无法精确放置在理论网格点,现有均一插值技术常导致结果存在偏差和细节失真。【方法】为解决此问题,提出一种基于扩散概率模型的非均一插值新方法。扩散概率模型是一... 【目的】能源勘探领域长期面临非均一地震数据插值的难题。由于检波器无法精确放置在理论网格点,现有均一插值技术常导致结果存在偏差和细节失真。【方法】为解决此问题,提出一种基于扩散概率模型的非均一插值新方法。扩散概率模型是一种新兴的生成式深度学习模型,分为扩散和生成两个过程。在扩散过程中,对完整地震数据迭代施加噪声,训练神经网络的去噪能力;在生成过程中,使用神经网络对噪声数据迭代去噪,得到重构数据。利用插值算子计算迭代数据与采集数据的偏差,作为神经网络的额外输入,提高扩散概率模型的非均一插值能力。在数值实验部分,使用二维合成数据集与实际数据集对非均一采样进行了测试,并使用均一插值模型与所提模型进行比较。【结果和结论】结果表明:该方法显著提升了扩散概率模型对非均一采样的处理能力,在合成数据与实际数据测试中,信噪比大约提高了7 dB,有效提高了深度学习方法对非均一插值的精度,为非均一地震数据插值算法提供了新的思路。 展开更多

关键词 地震数据插值 非均一采样 深度学习 生成式模型 扩散概率模型

在线阅读 下载PDF 职称材料

基于去噪扩散概率模型的网络流量入侵检测方法研究

11

作者 王子昂 汤艳君 +1 位作者 王子晨 王子祎 《信息安全研究》 CSCD 北大核心 2024年第5期421-430,共10页

互联网、物联网技术的迅猛发展,保障网络系统的安全性成为一项紧迫的任务.然而,传统的入侵检测模型在面对复杂网络环境中的稀有类攻击流量时存在局限性,不同种类网络流量的数据不平衡性会影响模型整体的分类性能.针对以上问题,提出基于... 互联网、物联网技术的迅猛发展,保障网络系统的安全性成为一项紧迫的任务.然而,传统的入侵检测模型在面对复杂网络环境中的稀有类攻击流量时存在局限性,不同种类网络流量的数据不平衡性会影响模型整体的分类性能.针对以上问题,提出基于去噪扩散概率模型的网络流量入侵检测方法——DDPM_1DCNN_BiLSTM,使用去噪扩散概率模型生成稀有类攻击流量数据进行样本扩充,使用融合自注意力机制的1DCNN_BiLSTM模型进行特征的提取与流量检测.实验使用不平衡入侵检测数据集NSL-KDD,将1DCNN_BiLSTM与包括randomforest,decisiontree等现有常见分类模型分别在原始训练集与平衡化数据集上训练,并使用训练后的模型对同一测试集分类.实验结果表明,由平衡化数据集训练出的各种现有分类模型相较于由原始不平衡数据集训练出的模型,前者在测试集中表现的效果更好,并且所提方法相较于常见的入侵检测方法具有更高的准确率与F1分数,证明了所提方法对提高稀有类攻击流量检出率与入侵检测综合能力的有效性. 展开更多

关键词 去噪扩散概率模型 入侵检测 稀有类攻击流量 不平衡数据 深度学习

在线阅读 下载PDF 职称材料

概率图模型研究进展综述 被引量：30

12

作者 张宏毅 王立威 陈瑜希 《软件学报》 EI CSCD 北大核心 2013年第11期2476-2497,共22页

概率图模型作为一类有力的工具,能够简洁地表示复杂的概率分布,有效地(近似)计算边缘分布和条件分布,方便地学习概率模型中的参数和超参数.因此,它作为一种处理不确定性的形式化方法,被广泛应用于需要进行自动的概率推理的场合,例如计... 概率图模型作为一类有力的工具,能够简洁地表示复杂的概率分布,有效地(近似)计算边缘分布和条件分布,方便地学习概率模型中的参数和超参数.因此,它作为一种处理不确定性的形式化方法,被广泛应用于需要进行自动的概率推理的场合,例如计算机视觉、自然语言处理.回顾了有关概率图模型的表示、推理和学习的基本概念和主要结果,并详细介绍了这些方法在两种重要的概率模型中的应用.还回顾了在加速经典近似推理算法方面的新进展.最后讨论了相关方向的研究前景. 展开更多

关键词 概率图模型 概率推理 机器学习

在线阅读 下载PDF 职称材料

马尔可夫逻辑网络研究 被引量：8

13

作者 徐从富 郝春亮 +1 位作者 苏保君 楼俊杰 《软件学报》 EI CSCD 北大核心 2011年第8期1699-1713,共15页

马尔可夫逻辑网络是将马尔可夫网络与一阶逻辑相结合的一种统计关系学习模型,在自然语言处理、复杂网络、信息抽取等领域都有重要的应用前景.较为全面、深入地总结了马尔可夫逻辑网络的理论模型、推理、权重和结构学习,最后指出了马尔... 马尔可夫逻辑网络是将马尔可夫网络与一阶逻辑相结合的一种统计关系学习模型,在自然语言处理、复杂网络、信息抽取等领域都有重要的应用前景.较为全面、深入地总结了马尔可夫逻辑网络的理论模型、推理、权重和结构学习,最后指出了马尔可夫逻辑网络未来的主要研究方向. 展开更多

关键词 MARKOV逻辑网 统计关系学习 概率图模型 推理 权重学习 结构学习

在线阅读 下载PDF 职称材料

大数据时代机器学习的新趋势 被引量：39

14

作者 陈康 向勇 喻超 《电信科学》 北大核心 2012年第12期88-95,共8页

当前,大数据技术和应用吸引了众多的关注,对大量结构繁多的数据进行分析并获得知识,需要充分利用机器学习的相关技术和成果。本文主要讨论了大数据时代机器学习的发展新趋势和研究重点,并对与大数据相关性大的几个关键技术进行了分析介绍。

关键词 大数据 机器学习 半监督学习 集成学习 概率图模型 迁移学习

在线阅读 下载PDF 职称材料

基于深度学习框架的隐藏主题变量图模型 被引量：7

15

作者 吴蕾 张文生 王珏 《计算机研究与发展》 EI CSCD 北大核心 2015年第1期191-199,共9页

隐藏主题变量图模型是一种用节点表示潜在主题或者潜在主题变化的概率图模型.针对当前隐藏主题变量图模型只能提取单层主题节点的缺陷,提出一种基于深度学习框架的提取多层主题节点的概率图模型.该模型在隐藏主题变量图模型的底层增加... 隐藏主题变量图模型是一种用节点表示潜在主题或者潜在主题变化的概率图模型.针对当前隐藏主题变量图模型只能提取单层主题节点的缺陷,提出一种基于深度学习框架的提取多层主题节点的概率图模型.该模型在隐藏主题变量图模型的底层增加预处理结构层,即引入自组织映射层,可以有效地提取不同层次的主题状态.另外,隐藏主题变量图模型使用了隐马尔可夫网络和条件随机场的相结合的模型.针对条件随机场,提出了一阶逻辑子句定义的特征函数.弥补了长距离依存特性的缺失.在此基础上提出了一种分层次提取主题状态的新深度学习算法.在国际通用的亚马逊情感分析数据、Tripadvisor情感分析数据上的实验表明,新算法可以提升情感分析的准确率.同时实验结果也表明,提取多层主题状态可以更好地挖掘宏观主题分布信息和评论的局部主题信息. 展开更多

关键词 概率图模型 深度学习 隐马尔可夫模型 自组织映射 一阶逻辑

在线阅读 下载PDF 职称材料

概率图模型学习技术研究进展 被引量：23

16

作者 刘建伟 黎海恩 罗雄麟 《自动化学报》 EI CSCD 北大核心 2014年第6期1025-1044,共20页

概率图模型能有效处理不确定性推理,从样本数据中准确高效地学习概率图模型是其在实际应用中的关键问题.概率图模型的表示由参数和结构两部分组成,其学习算法也相应分为参数学习与结构学习.本文详细介绍了基于概率图模型网络的参数学习... 概率图模型能有效处理不确定性推理,从样本数据中准确高效地学习概率图模型是其在实际应用中的关键问题.概率图模型的表示由参数和结构两部分组成,其学习算法也相应分为参数学习与结构学习.本文详细介绍了基于概率图模型网络的参数学习与结构学习算法,并根据数据集是否完备而分别讨论各种情况下的参数学习算法,还针对结构学习算法特点的不同把结构学习算法归纳为基于约束的学习、基于评分搜索的学习、混合学习、动态规划结构学习、模型平均结构学习和不完备数据集的结构学习.并总结了马尔科夫网络的参数学习与结构学习算法.最后指出了概率图模型学习的开放性问题以及进一步的研究方向. 展开更多

关键词 概率图模型 贝叶斯网络 马尔科夫网络 参数学习 结构学习 不完备数据集

在线阅读 下载PDF 职称材料

概率图模型的稀疏化学习 被引量：4

17

作者 刘建伟 崔立鹏 罗雄麟 《计算机学报》 EI CSCD 北大核心 2016年第8期1597-1611,共15页

利用稀疏化学习得到的概率图模型结构简单却保留了原始概率图模型中重要的结构信息,且能同时实现结构和参数学习,因此近几年来概率图模型的稀疏化学习一直是研究的热点,其中概率图模型的第一种稀疏化学习方法是图套索.文中总结了概率图... 利用稀疏化学习得到的概率图模型结构简单却保留了原始概率图模型中重要的结构信息,且能同时实现结构和参数学习,因此近几年来概率图模型的稀疏化学习一直是研究的热点,其中概率图模型的第一种稀疏化学习方法是图套索.文中总结了概率图模型的稀疏化学习方法,包括概率图模型的L1范数罚稀疏化学习、概率图模型的无偏稀疏化学习、概率图模型的结构稀疏化学习和概率图模型的多任务稀疏化学习.最后,文中还指出了概率图模型的稀疏化学习未来有意义的研究方向. 展开更多

关键词 概率图模型 稀疏化学习 结构和参数 图套索 精度矩阵 机器学习

在线阅读 下载PDF 职称材料

基于多尺度几何感知Transformer的植物点云补全网络 被引量：8

18

作者 曾安 彭杰威 +3 位作者 刘畅 潘丹 蒋艳荣 张小波 《农业工程学报》 EI CAS CSCD 北大核心 2022年第4期198-205,共8页

对植物幼苗进行三维重建,常存在叶片间的遮挡、摄像头视野限制等因素导致植物幼苗点云出现缺失的情况,影响了植物表型分析的准确度。为了能获得完整的植物点云,提出了基于多尺度几何感知Transformer(Multi-Scale Geometry-Aware Point T... 对植物幼苗进行三维重建,常存在叶片间的遮挡、摄像头视野限制等因素导致植物幼苗点云出现缺失的情况,影响了植物表型分析的准确度。为了能获得完整的植物点云,提出了基于多尺度几何感知Transformer(Multi-Scale Geometry-Aware Point Transformer,MGA-PT)的植物点云补全网络。该网络首先通过降采样特征提取模块对原始点云进行邻域特征提取;然后利用Transformer提取语义信息,引入多尺度几何感知模块提取不同尺度下的几何信息,加强对植株不同器官的特征提取能力;最后使用双路稠密点云生成模块分别对输入部分和预测部分进行细粒度生成,避免输入点云特征的丢失,保证稠密点云贴近实际分布。试验使用基于运动恢复结构的方法对植物幼苗进行三维重建,通过旋转与固定视点缺失构建数据集。试验结果表明,该补全网络表现出色,比目前主流的补全网络更优,对植株数据集补全结果的倒角距离为0.79×10^(-4)cm,地面移动距离为0.11 cm,F1分数为70.77%,且对不同形态、不同比例的缺失均能补全,体现网络具有稳定性与健壮性。该网络对叶类植物补全效果好,为植物幼苗点云补全提供了新思路。 展开更多

关键词 三维图形 特征提取 计算机视觉 深度学习 点云补全 植物建模

在线阅读 下载PDF 职称材料

考虑风电出力不确定性的配电网概率潮流计算 被引量：7

19

作者 白洁 王守相 +3 位作者 赵倩宇 廖文龙 赵海洲 张雷 《电力系统及其自动化学报》 CSCD 北大核心 2021年第1期78-84,共7页

在对配电网进行概率潮流计算时,通常采用的风速概率模型存在准确性差、求解参数复杂及多风机出力相关性难以考虑的缺点,为此提出一种采用双向生成对抗网络BIGAN(bidirectional generative adversarial network)刻画风电出力不确定性的... 在对配电网进行概率潮流计算时,通常采用的风速概率模型存在准确性差、求解参数复杂及多风机出力相关性难以考虑的缺点,为此提出一种采用双向生成对抗网络BIGAN(bidirectional generative adversarial network)刻画风电出力不确定性的配电网概率潮流计算方法。首先,分析BIGAN的基本原理和训练过程,给出了利用BIGAN生成风功率样本的步骤。其次,以实际风功率数据为原始样本,通过BIGAN获得生成样本,然后考察原始样本和生成样本的时间相关性、概率分布特性及空间相关性,验证BIGAN方法的有效性;最后,在IEEE33节点系统中,以BIGAN生成的风功率样本和假定服从正态分布的负荷样本为输入进行潮流计算。结果表明所提方法计算精度高,计算时间短。 展开更多

关键词 概率潮流 不确定性 双向生成对抗网络 生成模型 深度学习

在线阅读 下载PDF 职称材料

基于概率神经网络的地铁车站易损性分析 被引量：6

20

作者 陈之毅 黄鹏飞 《同济大学学报（自然科学版）》 EI CAS CSCD 北大核心 2021年第6期791-798,共8页

基于深度学习方法提出了一种地震响应概率模型,并基于此模型推导了地铁车站结构极限状态超越概率的计算公式,以评价结构的地震易损性。首先采用主成分分析对地震强度指标进行正交化和降维;为了克服传统地震响应概率模型中地震动强度指... 基于深度学习方法提出了一种地震响应概率模型,并基于此模型推导了地铁车站结构极限状态超越概率的计算公式,以评价结构的地震易损性。首先采用主成分分析对地震强度指标进行正交化和降维;为了克服传统地震响应概率模型中地震动强度指标与结构地震响应指标服从对数空间线性分布假设的局限性,基于BP神经网络建立趋势模型以预测结构的地震响应;基于概率神经网络建立误差模型以描述基于统计的趋势模型与基于物理机制的数值模型之间的误差,以拓展残差的齐次方差正态分布假设的严格限制。最后,以上海典型2层三跨地铁车站为算例,计算得到其易损性曲线。结果表明,基于深度学习建立的趋势模型较好地模拟了地铁车站结构地震响应随地震强度指标第一主成分的非线性变化特征;建立的误差模型准确地描述了趋势模型预测值的残差随地震强度指标第一主成分的方差非齐次特征。 展开更多

关键词 易损性分析 深度学习 地铁车站 地震响应概率模型

在线阅读 下载PDF 职称材料