检索结果-维普期刊中文期刊服务平台

基于DVMD和SSAE的柴油机混合故障诊断被引量：4: 1; 作者白雲杰贾希胜梁庆海《振动与冲击》 EI CSCD 北大核心 2022年第11期271-277,297,共8页; 针对柴油机缸盖振动信号非平稳非线性的特点,提出一种基于散布熵改进的变分模态分解(DVMD)和堆叠稀疏自编码器(SSAE)相结合的柴油机混合故障诊断方法。利用散布熵确定变分模态分解的层数K,并根据散布熵转折点选取有效模态分量。分别对... 展开更多; 关键词变分模态分解堆叠稀疏自编码器柴油机故障诊断; 在线阅读下载PDF 职称材料

基于半监督深度网络的冷连轧轧制力预报被引量：13: 2; 作者魏立新翟博豪 +2 位作者赵志伟刘建朋孙浩《塑性工程学报》 CAS CSCD 北大核心 2020年第11期70-76,共7页; 针对冷连轧生产中难以建立准确的轧制力数学模型的问题,提出了基于半监督深度网络的轧制力预报模型。首先,使用堆叠去噪自编码器逐层提取输入数据的高阶特征表示。为提高特征提取的有效性,根据输入值与目标值的相关性程度,对其各维度特... 展开更多; 关键词冷连轧轧制力预测半监督学习深度网络比例损失堆叠去噪自编码器; 在线阅读下载PDF 职称材料

标签约束的半监督栈式自编码器分类算法被引量：4: 3; 作者李炜宋威 +1 位作者王晨妮张雨轩《小型微型计算机系统》 CSCD 北大核心 2019年第3期488-492,共5页; 栈式自编码器通过逐层无监督学习能够表达数据的语义特征,但面对具体领域问题时其特征训练缺乏针对性,所处理的数据用于分类领域时易导致分类准确度低,稳定性差等问题.针对这些问题,提出了一种标签约束的半监督栈式自编码器(LSSAE),结... 展开更多; 关键词栈式自编码器分类半监督学习标签约束; 在线阅读下载PDF 职称材料

自适应类增量学习的物联网入侵检测系统被引量：7: 4; 作者刘强张颖 +3 位作者周卫祥蒋先涛周薇娜周谋国《计算机工程》 CAS CSCD 北大核心 2023年第2期169-174,共6页; 传统物联网入侵检测系统难以实时检测新类别攻击,为此,提出一种基于堆叠稀疏自编码器(SSAE)和自组织增量神经网络(SOINN)的物联网入侵检测方法。SSAE对已知类别的攻击样本进行稀疏编码和特征提取,所提取的特征输入SOINN,SOINN形成符合... 展开更多; 关键词入侵检测系统堆叠稀疏自编码器自组织增量神经网络增量学习知识保留; 在线阅读下载PDF 职称材料

基于BAS优化堆栈稀疏自编码器的轴承故障诊断被引量：4: 5; 作者张磊陈剑 +3 位作者孙太华曹昆明阚东程明《合肥工业大学学报（自然科学版）》 CAS 北大核心 2022年第12期1608-1614,1662,共8页; 针对复杂工况下轴承载荷的时变非平稳性,文章提出一种基于天牛须搜索(beetle antennae search,BAS)算法优化堆栈稀疏自编码器的轴承故障诊断方法,以解决复杂工况下难以快速准确判断轴承故障类型的问题。首先,通过对轴承振动信号进行时... 展开更多; 关键词轴承故障诊断深度神经网络堆栈稀疏自编码器变分模态分解天牛须搜索(BAS)算法; 在线阅读下载PDF 职称材料

堆叠监督自动编码器的近红外光谱建模被引量：6: 6; 作者孙志兴赵忠盖刘飞《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2022年第3期749-756,共8页; 近红外光谱中包含了物质中有机分子含氢基团的特征信息,具有维度高、冗余大等特点。传统的基于浅层校正模型,比如主成分回归、偏最小二乘回归、人工神经网络、支持向量回归等,无法提取近红外光谱数据深层的信息。提出一种基于堆叠监督... 展开更多; 关键词近红外光谱深度学习堆叠监督自编码器定量校正模型; 在线阅读下载PDF 职称材料

基于堆叠监督自编码器的蓝莓果渣花青素预测模型: 7; 作者刘思岐冯国红 +1 位作者刘中深朱玉杰《食品工业科技》 CAS 北大核心 2023年第10期304-310,共7页; 基于可见近红外光谱技术,采用深度学习中的堆叠监督自编码器(stacked supervised autoencoders,SSAE)对蓝莓果渣的花青素含量进行了建模。首先对光谱数据进行预处理和特征筛选处理,以预设SSAE模型的预测集均方根误差(RMSEP)最低为标准,... 展开更多; 关键词蓝莓果渣花青素可见近红外光谱技术堆叠监督自编码器无损检测; 在线阅读下载PDF 职称材料

题名基于DVMD和SSAE的柴油机混合故障诊断被引量：4: 1; 作者白雲杰贾希胜梁庆海; 机构陆军工程大学河北省机械装备状态监测与评估重点实验室; 出处《振动与冲击》 EI CSCD 北大核心 2022年第11期271-277,297,共8页; 文摘针对柴油机缸盖振动信号非平稳非线性的特点,提出一种基于散布熵改进的变分模态分解(DVMD)和堆叠稀疏自编码器(SSAE)相结合的柴油机混合故障诊断方法。利用散布熵确定变分模态分解的层数K,并根据散布熵转折点选取有效模态分量。分别对选取的各模态分量提取常用14个时域特征和小波包分解后的能量特征,构建混合多特征向量,输入基于堆叠稀疏自编码器和Softmax层构建的深度神经网络(DNN)中,实现了柴油机7种混合故障模式识别。与其他常见方法进行对比,结果表明该方法能够有效提取故障特征,具有较高的诊断准确率。; 关键词变分模态分解堆叠稀疏自编码器柴油机故障诊断; Keywords variational mode decomposition(VMD) stacked sparse autoencoder(ssae) diesel engine fault diagnosis; 分类号 TH212 [机械工程—机械制造及自动化] TH213.3 [机械工程—机械制造及自动化]; 在线阅读下载PDF 职称材料

题名基于半监督深度网络的冷连轧轧制力预报被引量：13: 2; 作者魏立新翟博豪赵志伟刘建朋孙浩; 机构燕山大学唐山学院计算机科学与技术系唐钢国际工程技术股份有限公司; 出处《塑性工程学报》 CAS CSCD 北大核心 2020年第11期70-76,共7页; 基金国家自然科学基金资助项目(61803327) 河北省自然科学基金青年基金资助项目(E2018203162) +1 种基金河北省高等学校科学技术研究项目(ZD2019311)。; 文摘针对冷连轧生产中难以建立准确的轧制力数学模型的问题,提出了基于半监督深度网络的轧制力预报模型。首先,使用堆叠去噪自编码器逐层提取输入数据的高阶特征表示。为提高特征提取的有效性,根据输入值与目标值的相关性程度,对其各维度特征损失函数施加不同比例,构成比例损失堆叠去噪自编码器。然后,使用比例损失堆叠去噪自编码器提取的高阶特征初始化深度网络,对目标值进行预测。仿真结果表明,该模型预测精度可控制在3%以内,实现了轧制力的高精度预测。; 关键词冷连轧轧制力预测半监督学习深度网络比例损失堆叠去噪自编码器; Keywords cold continuous rolling rolling force prediction semi-supervised learning deep network proportional loss stacked denoise autoencoder; 分类号 TG335.13 [金属学及工艺—金属压力加工]; 在线阅读下载PDF 职称材料

题名标签约束的半监督栈式自编码器分类算法被引量：4: 3; 作者李炜宋威王晨妮张雨轩; 机构江南大学物联网工程学院江南大学江苏省模式识别与计算智能工程实验室物联网技术应用教育部工程研究中心; 出处《小型微型计算机系统》 CSCD 北大核心 2019年第3期488-492,共5页; 基金国家自然科学基金项目(61673193)资助中央高校基本科研业务费专项资金项目(JUSRP51635B +2 种基金 JUSRP51510)资助江苏省自然科学基金项目(BK20150159)资助; 文摘栈式自编码器通过逐层无监督学习能够表达数据的语义特征,但面对具体领域问题时其特征训练缺乏针对性,所处理的数据用于分类领域时易导致分类准确度低,稳定性差等问题.针对这些问题,提出了一种标签约束的半监督栈式自编码器(LSSAE),结合无监督学习与监督学习的优势,在有效抽取样本内在特征的同时保证特征训练目标化.引入的标签约束项,以监督学习的方式逐层比对实际标签与期望标签,针对性地调整网络参数,进一步提高分类准确率.为验证所提方法的有效性,实验中对多个数据集进行广泛测试,其结果表明,相对自编码器(AE),稀疏自编码器(SAE),以及深度信念网络(DBN)等,LSSAE明显提高分类准确率和稳定性.; 关键词栈式自编码器分类半监督学习标签约束; Keywords stacked autoencoder classification semi-supervised learning label regularization; 分类号 TP181 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名自适应类增量学习的物联网入侵检测系统被引量：7: 4; 作者刘强张颖周卫祥蒋先涛周薇娜周谋国; 机构上海海事大学物流科学与工程研究院上海海事大学信息工程学院上海真灼科技股份有限公司; 出处《计算机工程》 CAS CSCD 北大核心 2023年第2期169-174,共6页; 基金国家自然科学基金(61673259)。; 文摘传统物联网入侵检测系统难以实时检测新类别攻击,为此,提出一种基于堆叠稀疏自编码器(SSAE)和自组织增量神经网络(SOINN)的物联网入侵检测方法。SSAE对已知类别的攻击样本进行稀疏编码和特征提取,所提取的特征输入SOINN,SOINN形成符合流量特征空间分布的拓扑结构。当出现新类别训练样本的特征时,SOINN自适应地生成新节点以建立新的局部拓扑结构。为了保留SSAE在旧类别样本上的知识,对SOINN已有的拓扑结构施加约束,通过误差反向传递间接约束SSAE权重的变化。针对SOINN在新类别上产生的新局部拓扑结构进行自适应聚合和优化,从而实现新类别样本学习。实验结果表明,该方法能基于新类别数据对模型进行增量训练而无需历史类别数据,在CIC-IDS2017数据集的动态数据流中能有效检测新类别攻击同时缓解旧类别数据中存在的灾难性遗忘问题,在初始已知数据集上的准确率达到98.15%,完成3个阶段的类别增量学习后整体准确率仍能达到57.34%,优于KNN-SVM、mCNN等增量学习方法。; 关键词入侵检测系统堆叠稀疏自编码器自组织增量神经网络增量学习知识保留; Keywords intrusion detection system stacked Sparse autoencoders(ssae) Self-Organizing Incremental Neural Networks(SOINN) incremental learning knowledge retention; 分类号 TP393 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于BAS优化堆栈稀疏自编码器的轴承故障诊断被引量：4: 5; 作者张磊陈剑孙太华曹昆明阚东程明; 机构合肥工业大学噪声振动工程研究所安徽省汽车NVH技术研究中心; 出处《合肥工业大学学报（自然科学版）》 CAS 北大核心 2022年第12期1608-1614,1662,共8页; 基金国家自然科学基金青年基金资助项目(11604070) 安徽省科技重大专项资助项目(17030901049)。; 文摘针对复杂工况下轴承载荷的时变非平稳性,文章提出一种基于天牛须搜索(beetle antennae search,BAS)算法优化堆栈稀疏自编码器的轴承故障诊断方法,以解决复杂工况下难以快速准确判断轴承故障类型的问题。首先,通过对轴承振动信号进行时域、频域特征提取和变分模态分解,得到其固有模态函数,提取其时域、频域和固有模态函数的44个特征构建数据集,作为机器学习诊断网络的输入;其次,通过稀疏自编码器二次特征提取获得更加典型的特征,同时引入BAS算法对堆栈稀疏自编码器的稀疏惩罚因子进行自适应选取以获得最优分类模型;最后,通过Softmax分类层实现对滚动轴承的故障诊断分类。试验结果表明,该方法不仅在平稳载荷下具有很好的轴承故障分类能力,而且在时变非平稳性载荷以及不同测试数据量下仍然具有较好的故障分类效果。; 关键词轴承故障诊断深度神经网络堆栈稀疏自编码器变分模态分解天牛须搜索(BAS)算法; Keywords bearing fault diagnosis deep neural network stacked sparse autoencoder(ssae) variational mode decomposition beetle antennae search(BAS)algorithm; 分类号 TH133.33 [机械工程—机械制造及自动化] TP206 [自动化与计算机技术—检测技术与自动化装置] TP183 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名堆叠监督自动编码器的近红外光谱建模被引量：6: 6; 作者孙志兴赵忠盖刘飞; 机构江南大学轻工过程先进控制教育部重点实验室; 出处《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2022年第3期749-756,共8页; 基金国家自然科学基金项目(61833007)资助。; 文摘近红外光谱中包含了物质中有机分子含氢基团的特征信息,具有维度高、冗余大等特点。传统的基于浅层校正模型,比如主成分回归、偏最小二乘回归、人工神经网络、支持向量回归等,无法提取近红外光谱数据深层的信息。提出一种基于堆叠监督自动编码器的近红外光谱建模方法,不仅可以拟合光谱数据与理化值之间复杂的非线性关系,还可以提取数据深层的特征信息。首先通过对比不同的光谱预处理对模型预测结果的影响,选择最优的预处理方法,然后再使用相关系数法提取特征波段。将处理好的近红外光谱数据作为堆叠监督自动编码器的输入信号,利用理化值对多个监督自动编码器进行有监督的预训练;将多个经过预训练的监督自动编码器进行堆叠,得到堆叠监督自动编码器;将预训练的参数作为堆叠监督自动编码器的初始化参数,然后再利用理化值对堆叠监督自动编码器进行有监督的微调,最后得到模型的最优参数。分别利用玉米含水量和黄酒总酸含量等近红外数据集进行验证,建立了偏最小二乘回归预测模型、人工神经网络预测模型、堆叠自动编码器预测模型和堆叠监督自动编码器预测模型,验证了堆叠监督自动编码器建模的可行性;以预测均方根误差和预测相对分析误差两个指标对比分析了偏最小二乘回归、反向传播人工神经网络、堆叠自动编码器及堆叠监督自动编码器四种建模方法的评价指标。分析结果表明,采用该方法建立的模型,模型预测效果更好,玉米含水量数据集的两个评价指标达到了0.0604和4.313;黄酒总酸含量数据的两个评价指标达到了0.120和4.227,均优于另外三种方法。; 关键词近红外光谱深度学习堆叠监督自编码器定量校正模型; Keywords Near infrared spectroscopy Deep learning Stack supervised auto-encoder(ssae) Quantitative calibration model; 分类号 O657.3 [理学—分析化学]; 在线阅读下载PDF 职称材料

题名基于堆叠监督自编码器的蓝莓果渣花青素预测模型: 7; 作者刘思岐冯国红刘中深朱玉杰; 机构东北林业大学工程技术学院黑龙江农业工程职业学院; 出处《食品工业科技》 CAS 北大核心 2023年第10期304-310,共7页; 基金中央高校基本科研业务费专项资金项目(2572020BL01) 黑龙江省自然科学基金项目(LH2020C050)。; 文摘基于可见近红外光谱技术,采用深度学习中的堆叠监督自编码器(stacked supervised autoencoders,SSAE)对蓝莓果渣的花青素含量进行了建模。首先对光谱数据进行预处理和特征筛选处理,以预设SSAE模型的预测集均方根误差(RMSEP)最低为标准,选择出178个特征波长;以选择出的特征波长处的吸光值作为SSAE模型的输入,以蓝莓果渣中的花青素含量为输出,讨论SSAE模型激活参数、节点数、训练次数和学习率,得到SSAE最优参数,即激活函数rule、结构178-60-5-1、训练次数70、学习率0.01。选取训练集均方根误差(RMSEC)、预测集均方根误差(RMSEP)、预测集相关系数(Rp)为评价标准,获得所建立模型的RMSEC、RMSEP、Rp分别为1.0500、0.3835、0.9042。最后通过与经典回归预测模型极限学习机(extreme learning machine,ELM)、最小二乘支持向量机回归(least squares support vector regression,LSSVR)和偏最小二乘回归(partial least squares regression,PLSR)算法进行对比,发现本研究所建SSAE模型的预测精度更高,表明SSAE模型与可见近红外光谱结合能有效预测蓝莓果渣中的花青素含量。; 关键词蓝莓果渣花青素可见近红外光谱技术堆叠监督自编码器无损检测; Keywords blueberry pomace anthocyanin visible near infrared spectroscopy(VNIS) stacked supervised autoencoders(ssae) nondestructive testing(NDT); 分类号 TP183 [自动化与计算机技术—控制理论与控制工程] TS255 [轻工技术与工程—农产品加工及贮藏工程]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于DVMD和SSAE的柴油机混合故障诊断	白雲杰贾希胜梁庆海	《振动与冲击》 EI CSCD 北大核心	2022	4	在线阅读下载PDF 职称材料
2	基于半监督深度网络的冷连轧轧制力预报	魏立新翟博豪赵志伟刘建朋孙浩	《塑性工程学报》 CAS CSCD 北大核心	2020	13	在线阅读下载PDF 职称材料
3	标签约束的半监督栈式自编码器分类算法	李炜宋威王晨妮张雨轩	《小型微型计算机系统》 CSCD 北大核心	2019	4	在线阅读下载PDF 职称材料
4	自适应类增量学习的物联网入侵检测系统	刘强张颖周卫祥蒋先涛周薇娜周谋国	《计算机工程》 CAS CSCD 北大核心	2023	7	在线阅读下载PDF 职称材料
5	基于BAS优化堆栈稀疏自编码器的轴承故障诊断	张磊陈剑孙太华曹昆明阚东程明	《合肥工业大学学报（自然科学版）》 CAS 北大核心	2022	4	在线阅读下载PDF 职称材料
6	堆叠监督自动编码器的近红外光谱建模	孙志兴赵忠盖刘飞	《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心	2022	6	在线阅读下载PDF 职称材料
7	基于堆叠监督自编码器的蓝莓果渣花青素预测模型	刘思岐冯国红刘中深朱玉杰	《食品工业科技》 CAS 北大核心	2023	0	在线阅读下载PDF 职称材料