检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于小样本数据增广的产品服役性能预测方法

机械工程学报 2024年第6期60卷 11-20页

作者：刘振宇张楠裘辿谭建荣浙江大学计算机辅助设计与图形学国家重点实验室杭州310027

高精密机械产品往往生产规模有限,且各装配特征参数与性能之间存在错综复杂的耦合关系,难以用显性的映射关系表达。构建能够准确预测服役性能的映射模型,对于产品装调具有切实的指导意义。为此,提出一种小样本数据下产品服役性能多参数... 详细信息

高精密机械产品往往生产规模有限,且各装配特征参数与性能之间存在错综复杂的耦合关系,难以用显性的映射关系表达。构建能够准确预测服役性能的映射模型,对于产品装调具有切实的指导意义。为此,提出一种小样本数据下产品服役性能多参数关联分析与预测方法。考虑重要组件装配结合面接触刚度特征,将接触刚度与原始装配数据相融合;通过随机森林对装配特征参数进行重要度排序,筛选出关键特征;针对小样本不完备数据,利用变分自动编码器学习先验分布知识,实现装配数据的模拟增广,并对增广数据进行离群值修正;将装配增广样本与原始装配数据相融合,通过集成核超限学习机实现服役性能的预测。最后以某型位标器陀螺仪稳速电流预测为例,验证提出方法的有效性。

关键词：小样本数据增广接触特性服役性能超限学习机

基于GAN的车门上饰板表面缺陷检测数据增广算法

在线全文

学校读者我要写书评

暂无评论

制造技术与机床 2024年

作者：仇梁徐海福江苏大学机械工程学院

为了解决车门上饰板缺陷检测任务中缺陷数据集过少的问题，文章提出了一种基于生成对抗网络（generative adversarial network，GAN）的缺陷生成模型（condition defect GAN，CDGAN)，主要目标是生成具有各种类型缺陷的车门上饰板图像... 详细信息

为了解决车门上饰板缺陷检测任务中缺陷数据集过少的问题，文章提出了一种基于生成对抗网络（generative adversarial network，GAN）的缺陷生成模型（condition defect GAN，CDGAN)，主要目标是生成具有各种类型缺陷的车门上饰板图像，以增加训练数据的多样性，提高缺陷检测模型的检测性能。CDGAN模型分为两个网络:缺陷生成网络和图像转换网络。缺陷生成网络生成位于数据集边界框内的缺陷图像，图像转换网络将这些缺陷与无缺陷的图像进行合并生成缺陷图像。实验表明，生成的缺陷图像显著提高了YOLOv5模型的缺陷检测能力，在车门上饰板缺陷数据集上取得了94.9%的平均精度（mAP@50）。该方法已经应用在车门上饰板的生产制造中，在实际的工业应用中证明了该方法的可行性。

关键词：缺陷检测数据增广生成对抗网络 YOLOv5 机器视觉

基于GAN的车门上饰板表面缺陷检测数据增广算法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

制造技术与机床 2024年第7期 170-176页

作者：汪文才仇梁徐海福江苏大学机械工程学院江苏镇江212102

为了解决车门上饰板缺陷检测任务中缺陷数据集过少的问题,文章提出了一种基于生成对抗网络(generative adversarial network,GAN)的缺陷生成模型(condition defect GAN,CDGAN),主要目标是生成具有各种类型缺陷的车门上饰板图像,以增加... 详细信息

为了解决车门上饰板缺陷检测任务中缺陷数据集过少的问题,文章提出了一种基于生成对抗网络(generative adversarial network,GAN)的缺陷生成模型(condition defect GAN,CDGAN),主要目标是生成具有各种类型缺陷的车门上饰板图像,以增加训练数据的多样性,提高缺陷检测模型的检测性能。CDGAN模型分为两个网络:缺陷生成网络和图像转换网络。缺陷生成网络生成位于数据集边界框内的缺陷图像,图像转换网络将这些缺陷与无缺陷的图像进行合并生成缺陷图像。实验表明,生成的缺陷图像显著提高了YOLOv5模型的缺陷检测能力,在车门上饰板缺陷数据集上取得了94.9%的平均精度(mAP@50)。该方法已经应用在车门上饰板的生产制造中,在实际的工业应用中证明了该方法的可行性。

关键词：缺陷检测数据增广生成对抗网络 YOLOv5 机器视觉

基于改进型生成式对抗网络的EEG-fNIRS多模态信号数据增广研究

在线全文

学校读者我要写书评

暂无评论

北京生物医学工程 2024年第3期43卷 250-258页

作者：王鹏举李明爱北京工业大学信息学部北京100124 计算智能与智能系统北京市重点实验室北京100124 教育部数字社区教育工程中心北京100124

目的基于深度学习的脑电图-功能性近红外光谱技术(electroencephalogram-functional near-infrared spectroscopy,EEG-fNIRS)多模态脑机接口在康复工程中具有广泛的应用前景,但存在数据量不足的问题。为此,本文提出一种基于改进条件生... 详细信息

目的基于深度学习的脑电图-功能性近红外光谱技术(electroencephalogram-functional near-infrared spectroscopy,EEG-fNIRS)多模态脑机接口在康复工程中具有广泛的应用前景,但存在数据量不足的问题。为此,本文提出一种基于改进条件生成式对抗网络(conditional generative adversarial network,CGAN)的EEG-fNIRS多模态信号数据增广方法,以解决EEG-fNIRS多模态脑机接口与深度学习结合时面临的数据量匮乏的问题。方法首先,对EEG和fNIRS数据进行滤波、归一化和下采样等预处理。然后,针对EEG的非平稳特点,在CGAN生成器和判别器中增加自注意力机制,获得EEG数据增广模型CGAN_(E),加强捕捉和学习时变关键信息的能力。同时,针对fNIRS采样率低、信息量不充分问题,在CGAN生成器和判别器中增加上采样卷积层,获得fNIRS数据增广模型CGAN_(f),加强模型的信息挖掘能力,并将CGAN_(E)和CGAN_(f)的条件信息设置为类标签;进而,利用CGAN_(E)和CGAN_(f)对每导EEG和fNIRS分别进行增广,并将多导EEG扩增数据和多导fNIRS[包括氧合血红蛋白浓度(oxyhemoglobin concentration,HbO)和脱氧血红蛋白浓度(deoxyhemoglobin concentration,HbR)两种]扩增数据串接融合,获得EEG-fNIRS多模态增广数据。最后,对公开的EEG-fNIRS多模态信号数据集TU-Berlin-A前6名受试者数据进行增广实验,并设计一维卷积神经网络分类器评估增广数据的质量。结果基于EEG-fNIRS多模态信号公开数据集TU-Berlin-A前6名受试者的左右手运动想象数据进行实验研究表明,当数据扩增5倍时,本文方法取得94.81%的平均分类准确率。结论CGAN_(E)和CGAN_(f)能够生成接近真实数据分布的EEG和fNIRS信号,验证了对CGAN改进和本文所提EEG-fNIRS多模态数据增广方法的有效性。

关键词：脑电图功能性近红外光成像技术多模态信号条件生成式对抗网络数据增广

维普期刊数据库博看期刊

CycleGAN、ACGAN在人工智能医疗器械数据增广中的应用

在线全文

学校读者我要写书评

暂无评论

中国医疗设备 2024年第2期39卷 52-56,69页

作者：郝鹏飞李瑶柴蕊裴晓娟于哲李庆雨陈曦张克山东省医疗器械和药品包装检验研究院医用电器质量评价中心山东济南250101 道普信息技术有限公司山东济南250101

目的探究人工智能医疗器械领域中使用循环生成对抗网络(Cycle-Consistent Generative Adversarial Networks,CycleGAN)和辅助分类生成对抗网络(Auxiliary Classification Generative Adversarial Network,ACGAN)进行数据增广的方法。方法使用CycleGAN和ACGAN分别生成干扰图像和特定领域数据,对图像增加不规律的变换,对原始图像数据进行数据加工或应用生成对抗网络生成该领域所需的图像数据。结果在医学影像数据集上评估了本文提出方法的性能,结果表明,CycleGAN和ACGAN可有效生成逼真的医学影像,从而用于训练机器学习模型。结论该方法解决了人工智能领域图像数据不足的问题,保证了模型对该数据的不可见性,使后期模型评估结果更准确。

关键词：循环生成对抗网络辅助分类生成对抗网络数据增广医学影像机器学习

去噪扩散概率模型在人工智能医疗器械影像数据增广中的应用

在线全文

学校读者我要写书评

暂无评论

中国医学装备 2024年第3期21卷 154-158页

作者：郝鹏飞李庆雨柴蕊陈曦宋庆华韩乃水张克山东省医疗器械和药品包装检验研究院医用电器质量评价中心济南250101 道普云(山东)智能科技有限公司研发部济南250101

医疗器械影像数据增广是一种通过生成新的数据样本来扩展现有数据集的方法,对提高人工智能(AI)医疗器械相关模型性能和临床应用效果具有重要意义。传统的数据增广方法通常受限于生成样本质量、真实感和多样性。去噪扩散概率模型(DDPM)... 详细信息

医疗器械影像数据增广是一种通过生成新的数据样本来扩展现有数据集的方法,对提高人工智能(AI)医疗器械相关模型性能和临床应用效果具有重要意义。传统的数据增广方法通常受限于生成样本质量、真实感和多样性。去噪扩散概率模型(DDPM)是一种基于噪声扩散过程的生成模型,其主要思想是通过将目标分布的采样过程建模为从噪声分布中逐步去噪的过程,从而生成具有高质量的样本。综述DDPM基本原理和工作机制,分析该方法在AI医疗器械数据增广中的应用场景,探讨其优势、挑战和未来发展方向,为AI医疗器械数据增广领域提供参考。

关键词：去噪扩散概率模型(DDPM) 医疗器械人工智能(AI) 数据增广

在线全文

学校读者我要写书评

暂无评论

基于数据增广的财务舞弊识别方法

现代营销(下旬刊) 2024年第6期 132-134页

作者：王谦管河山南华大学经济管理与法学学院福建师范大学经济学院

对证券市场财务舞弊监管的分析面临着样本数量不平衡，即舞弊类公司样本数量远少于正常类公司的问题，这会极大削弱技术监管手段的效率。研究数据增广方法对舞弊类公司生成模拟样本可实现两类样本均衡，奠定采样分析的数据基础。实证结... 详细信息

对证券市场财务舞弊监管的分析面临着样本数量不平衡，即舞弊类公司样本数量远少于正常类公司的问题，这会极大削弱技术监管手段的效率。研究数据增广方法对舞弊类公司生成模拟样本可实现两类样本均衡，奠定采样分析的数据基础。实证结果表明，基于数据增广的财务舞弊识别，可显著降低将财务舞弊类公司识别成正常类公司的错误率，以及该错误率与相反情况错误率的均值，能解决类别不平衡数据“识别准确率虚高”问题。本研究可为我国证券市场财务舞弊行为监管提供参考。

关键词：财务舞弊类别不平衡高维数据增广

数据增广的编解码卷积网络地震层间多次波压制方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

石油地球物理勘探 2022年第4期57卷 757-767,I0001页

作者：刘小舟胡天跃刘韬魏哲枫谢飞安圣培北京大学地球与空间科学学院北京100871 中国石化石油勘探开发研究院北京100083

层间多次波压制是地震资料去噪领域的一项前沿技术挑战,对获取高质量数据、了解地下真实构造具有十分重要的意义。现有的层间多次波压制方法耗时长,对人工参数调整要求高,处理低信噪比数据时可能导致层间多次波泄露。为此,提出一种基于... 详细信息

层间多次波压制是地震资料去噪领域的一项前沿技术挑战,对获取高质量数据、了解地下真实构造具有十分重要的意义。现有的层间多次波压制方法耗时长,对人工参数调整要求高,处理低信噪比数据时可能导致层间多次波泄露。为此,提出一种基于数据增广的编解码卷积神经网络层间多次波压制方法。首先,利用基于虚同相轴的层间多次波压制方法从原始数据中估计出一次波和层间多次波,生成一次波标签数据。然后,构建两种增广训练集:一方面,通过改变训练样本中层间多次波的振幅、极性及旅行时,进行层间多次波波场数据的增广,提高层间多次波压制网络的泛化能力;另一方面,通过对原始数据添加不同信噪比的高斯噪声进行噪声注入的数据增广,提高网络的抗噪性能。最后,结合去噪卷积神经网络(DnCNN)和U形全卷积神经网络(U-Net)的优势搭建了适合层间多次波压制的深层编、解码网络,进行神经网络训练和预测。合成数据和实际数据的处理结果表明,该方法能够有效压制地震层间多次波并保护一次波,具有较强的泛化能力和抗噪性能,可显著提高计算效率。

关键词：层间多次波压制虚同相轴卷积神经网络编解码网络数据增广

在线全文

学校读者我要写书评

暂无评论

应用残差网络的微地震事件五分类检测方法

石油地球物理勘探 2024年第3期59卷 392-403页

作者：潘禹行田宵甘兆龙张雄张伟江西省防震减灾与工程地质灾害探测工程研究中心(东华理工大学) 江西南昌330013 广东省地球物理高精度成像技术重点实验室(南方科技大学) 广东深圳518055 上海佘山地球物理国家野外科学观测研究站上海200062

常规的微地震事件检测方法通常需要人工选取阈值,在处理大量连续记录数据时效率较低,难以适应实时监测的需求。为此,提出一种基于残差网络的微地震事件五分类检测方法,将样本分为噪声、完整的微震事件、只含有P波、只含有S波以及多个微... 详细信息

常规的微地震事件检测方法通常需要人工选取阈值,在处理大量连续记录数据时效率较低,难以适应实时监测的需求。为此,提出一种基于残差网络的微地震事件五分类检测方法,将样本分为噪声、完整的微震事件、只含有P波、只含有S波以及多个微震事件五类。该方法只需将连续记录的波形数据等分,并通过时窗调整获得完整的微震记录。通过一系列数据增广方法实现小规模实际数据样本集的模型训练,模型精度高达99%。将该方法与二分类方法同时应用于微地震监测数据检测,并通过P波、S波到时拾取和震源定位评估检测效果。研究结果表明,基于残差网络的五分类检测方法检测到了更多数量的微震事件,且具有较高的运算效率,满足实时监测的需求。

关键词：微地震监测事件检测数据增广残差网络深度学习