期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
知识与数据联合驱动建模技术综述 被引量:7
1
作者 田晟兆 胡迎茜 +1 位作者 谷成 陈端兵 《电子科技大学学报》 EI CAS CSCD 北大核心 2023年第6期932-943,共12页
当前,基于深度学习的目标识别建模技术面临标注样本不足、模型可解释性不高、稳定性不够等新的挑战,限制了深度学习解决更复杂、更抽象问题的可能性。采用知识与数据联合驱动的方式进行智能模型构建是突破现有瓶颈的一条重要途径。该文... 当前,基于深度学习的目标识别建模技术面临标注样本不足、模型可解释性不高、稳定性不够等新的挑战,限制了深度学习解决更复杂、更抽象问题的可能性。采用知识与数据联合驱动的方式进行智能模型构建是突破现有瓶颈的一条重要途径。该文以外部经验与认知知识在模型构建中的引入方式为区分准则,提出了模型构建方法的分类标准,包括基于显式知识的建模方法、基于隐式知识的建模方法以及基于融合知识的建模方法;然后围绕每类方法在解决小样本、模型可解释性等问题上的探索进行综述,并总结设想了一种未来的知识与数据联合驱动建模方式。这种方式吸取了不同建模方式的优点,通过解耦知识建模与数据建模,以无监督、弱监督为核心训练方式,可以有效解决小样本条件下模型构建问题,提高模型可解释性。最后,该文总结了需要进一步研究的问题和未来的研究方向,以促进目标识别模型构建技术的发展。 展开更多
关键词 人工智能 深度学习 知识与数据联合驱动 模型构建 目标识别
在线阅读 下载PDF
基于多尺度标签传播的小样本图像分类 被引量:8
2
作者 汪航 田晟兆 +1 位作者 唐青 陈端兵 《计算机研究与发展》 EI CSCD 北大核心 2022年第7期1486-1495,共10页
在小样本条件下,由于低数据问题,即标记数据较少且难以收集,采用传统的深度学习很难训练出一个好的分类器.最近的研究中,基于低维局部信息度量方法和标签传播网络(transductive propagation network, TPN)算法取得了较好的分类效果,并... 在小样本条件下,由于低数据问题,即标记数据较少且难以收集,采用传统的深度学习很难训练出一个好的分类器.最近的研究中,基于低维局部信息度量方法和标签传播网络(transductive propagation network, TPN)算法取得了较好的分类效果,并且局部信息可以很好地度量特征与特征之间的关系,但是低数据问题依然存在.为了解决低数据问题,提出基于多尺度的标签传播网络(multi-scale label propagation network, MSLPN)方法,其核心思想在于利用多尺度生成器生成多个尺度的图像特征,通过关系度量模块获得多个不同尺度特征下的样本相似性得分,并通过集成不同尺度的相似性得分获得分类结果,具体地,方法首先通过多尺度生成器生成不同尺度的图像特征,然后利用多尺度信息的相似性得分进行标签传播,最后通过多尺度标签传播结果计算获得分类结果.与TPN相比,在数据集miniImageNet上,5-way 1-shot和5-way 5-shot设置中的分类准确率分别提高了2.77%和4.02%;在数据集tieredImageNet上,5-way 1-shot和5-way 5-shot设置中分类准确率分别提高了1.16%和1.27%.实验结果表明,利用多尺度特征信息可有效提高分类准确率. 展开更多
关键词 小样本学习 度量学习 多尺度特征 特征增强 标签传播
在线阅读 下载PDF
基于DRSN-CW和LSTM的轴承故障诊断 被引量:5
3
作者 王磊 孙志成 +2 位作者 王磊 陈端兵 蒋家玮 《电子科技大学学报》 EI CAS CSCD 北大核心 2022年第6期921-927,共7页
利用深度残差网络中逐通道不同阈值的残差收缩模块(DRSN-CW)的降噪能力和特征提取能力,结合长短时记忆网络(LSTM)和注意力机制,设计了一个端到端的基于振动信号的轴承故障诊断模型DRSNCW-LSTM。其中,LSTM模块很好地利用了信号的时序特点... 利用深度残差网络中逐通道不同阈值的残差收缩模块(DRSN-CW)的降噪能力和特征提取能力,结合长短时记忆网络(LSTM)和注意力机制,设计了一个端到端的基于振动信号的轴承故障诊断模型DRSNCW-LSTM。其中,LSTM模块很好地利用了信号的时序特点,充分提取振动信号的内部时域特征。同时,注意力机制的引入可以使得模型自动提取出重要的时域特征用于后续的故障类型识别。在凯斯西储大学(CWRU)数据集上对提出的模型进行了测试,实验表明提出的方法在无降噪处理的情况下,相比于最新的MCNN-LSTM模型能更准确地诊断轴承故障。在训练数据不足的情况下,提出的方法依旧能较好地实现轴承故障诊断,平均准确率能达到98.16%,比MCNN-LSTM平均提升了2.62%。 展开更多
关键词 注意力机制 残差收缩模块 故障诊断 长短时记忆网络 信号处理
在线阅读 下载PDF
弹性异质电网的重要目标识别算法 被引量:1
4
作者 王磊 陈端兵 +1 位作者 周俊临 傅彦 《电子科技大学学报》 EI CAS CSCD 北大核心 2023年第2期280-288,共9页
在现代信息化战争中,识别电网中的重要目标能有效指导攻击方或防御方战术的制定。而现有的电网攻防策略研究通常忽略真实电网具有弹性这一特性,因此提出RHGEle_Rank方法用于在电网的多轮攻防博弈中识别重要的变电站和输电线。首先基于... 在现代信息化战争中,识别电网中的重要目标能有效指导攻击方或防御方战术的制定。而现有的电网攻防策略研究通常忽略真实电网具有弹性这一特性,因此提出RHGEle_Rank方法用于在电网的多轮攻防博弈中识别重要的变电站和输电线。首先基于仿真的弹性电力网络模型,考虑电站节点的工作效率,设计了节点的自我恢复策略用于模拟多轮攻防博弈下变电站的自我修复场景。然后,针对电网的异质特征,构建了基于过载式和断电式的级联失效模型。最后,利用贪心算法,识别每轮攻防博弈中的最佳攻击(防御)目标。实验表明,相较于传统的度中心性、介数中心性方法,攻击RHGEle_Rank选择出的重要目标能更大程度上破坏电网的供电能力。同时,考虑网络弹性的贪心算法能有效避免多轮攻防博弈中出现“无效攻击”。 展开更多
关键词 级联失效 复杂网络 贪心算法 弹性异质电网
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部