检索结果-南通市图书馆

基于元迁移学习的电梯故障诊断方法研究与应用

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于元迁移学习的电梯故障诊断方法研究与应用

作者：董天威沈阳工业大学

学位级别：硕士

电梯是一种集电气、机械和信息技术于一体的重要运载工具,其结构复杂且使用频率高,若发生故障将会威胁使用者的财产与生命安全。目前电梯采用人工定期检修的方式,受限于检修经验,多数故障难以及时有效地被检测出来。随着人工智能技术的... 详细信息

电梯是一种集电气、机械和信息技术于一体的重要运载工具,其结构复杂且使用频率高,若发生故障将会威胁使用者的财产与生命安全。目前电梯采用人工定期检修的方式,受限于检修经验,多数故障难以及时有效地被检测出来。随着人工智能技术的发展,电梯检修逐步迈入智能化时代,但是在实践过程中基于人工智能技术的电梯故障诊断方法面临传感器信号一致性差、复杂多变和故障样本少的问题。针对此问题,本文研究了复杂条件下的电梯运行数据预处理方法和小样本条件下的电梯故障诊断方法,并以上述方法为基础开发了预警系统。本文的主要研究内容如下:(1)针对电梯加速度信号一致性差、复杂多变的特性,提出一种基于多传感器信号融合和幅值搜索的电梯加速度信号截取方法。该方法实现了复杂电梯加速度信号的启动、平稳运行和制动三个阶段的信号自动截取,完成了对加速度信号的降噪、维度转换等预处理工作,为后续的算法研究打下了坚实基础。(2)针对电梯某些故障样本少,模型训练难度大的问题,提出了一种基于元迁移学习(Meta-Transfer Learning,MTL)的电梯故障诊断方法。为提升模型性能,改进了元迁移学习中使用的模型,通过引入卷积注意力机制(Convolutional Block Attention Module,CBAM)来提高模型的识别准确率,提出并使用全连接层融合机制(Fully Connected Layer Fusion,FCLF)来降低模型的复杂度,最后通过实验证明了本文所提方法与模型的有效性。(3)基于本文研究的电梯加速度信号截取方法和故障诊断方法,开发了电梯故障曲线预警系统。该系统具备用户管理、数据分析、告警记录和模型管理等功能。最后成功地将本文所研究的算法应用于实际场景。

关键词：电梯故障诊断小样本学习元迁移学习

基于MTLSAM模型的小样本变工况轴承故障诊断

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

组合机床与自动化加工技术 2023年第2期 78-81,85页

作者：杨青董岩松吴东升叶义霞沈阳理工大学自动化与电气工程学院沈阳110159

为了解决小样本条件下的变工况轴承故障诊断的困难,提出了一种基于元迁移学习(meta transfer learning)与自注意力机制(self-attention mechanism)结合的方法MTLSAM。首先,将不同工况的原始振动信号转换为灰度图像,利用所有工况的数据... 详细信息

为了解决小样本条件下的变工况轴承故障诊断的困难,提出了一种基于元迁移学习(meta transfer learning)与自注意力机制(self-attention mechanism)结合的方法MTLSAM。首先,将不同工况的原始振动信号转换为灰度图像,利用所有工况的数据训练特征提取模块的参数;其次,根据元学习方法对数据集进行随机采样,形成元学习任务。该元训练过程中,利用已知工况下的多个元学习任务,训练元模型的参数;最后,在元测试阶段,利用不同工况的元学习任务对模型进行微调实现变工况的准确诊断。实验证明,所提出的MTLSAM在小样本条件下能够较好地实现变工况故障诊断,并且具有较好的泛化能力。

关键词：故障诊断小样本学习变工况元迁移学习自注意力机制

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

不同规模数据集下的深度神经网络剪枝方法

不同规模数据集下的深度神经网络剪枝方法

作者：袁沁杭州电子科技大学

学位级别：硕士

深度学习是机器学习的一个子集,近年来在计算机视觉、自然语言处理、语音识别和自动驾驶等各个领域得到了广泛的应用,为人们的生活带来了极大的便利。深度学习以人工神经网络作为基本架构,需要庞大的参数量和计算资源来保证模型的性能,... 详细信息

深度学习是机器学习的一个子集,近年来在计算机视觉、自然语言处理、语音识别和自动驾驶等各个领域得到了广泛的应用,为人们的生活带来了极大的便利。深度学习以人工神经网络作为基本架构,需要庞大的参数量和计算资源来保证模型的性能,但资源有限的嵌入式设备无法满足深度学习的存储需求和计算需求。基于此,模型压缩技术应运而生。模型压缩方法主要可以分为五种:参数量化、低秩分解、知识蒸馏、紧凑网络设计、网络剪枝。网络剪枝作为其中的一种,可以去除冗余的网络结构以减少模型的参数量和计算量,从而降低模型的复杂度。本文的主要研究工作包括以下几个方面:1.在大规模数据集下,针对网络结构的重要性评估问题,本文结合遗传算法在网络剪枝问题上的应用,对现有的研究进行了改进,提出了一种基于改进自适应遗传算法的网络剪枝方法。现有的剪枝方法通常需要根据经验来调整超参数,例如剪枝率,学习率,剪枝阈值等,这些参数的大小往往难以权衡,如果太小会使剪枝效果不理想,如果太大则对模型的准确率造成影响。对此,本文设计了新的适应度函数和整体剪枝流程,并利用自适应的交叉概率和变异概率来代替固定的超参数,提高了剪枝效率和模型准确率。实验结果表明,在CIFAR-10和CIFAR-100数据集上,VGG和Res Net模型最高可减少93.66%和83.10%的参数量,计算量可减少62.53%和60.44%。2.进一步地,在小样本数据集下,针对实际应用场景中往往没有大量的有标签数据可供训练,且常规剪枝方法效果不佳的问题,本文提出了一种基于元迁移学习的迭代随机剪枝方法。结合了迁移学习和元学习的优势,首先利用迁移学习在大规模数据集下进行训练,然后在小样本数据集上进行元学习,帮助深度神经网络更快地收敛,得到性能较好的预训练模型。在此基础上,运用迭代随机剪枝方法,得到稀疏模型。实验表明,在小样本数据集下,所提方法能够在一定程度上缓解过拟合问题,并减少模型的参数量。与MAML等小样本学习方法相比,模型的准确率平均提高了6.23%,参数量平均可减少47.08%;与常规剪枝方法相比,模型在50%左右剪枝率时依然能维持较高的准确率。

关键词：深度学习模型压缩网络剪枝遗传算法元迁移学习

低空航拍下开放式行人再识别模型的泛化能力提升方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

低空航拍下开放式行人再识别模型的泛化能力提升方法研究

作者：徐理丽贵州师范大学

学位级别：硕士

开放式行人再识别(Open-World Person Re-identification)是指在未知的空间环境中,通过无重叠的视频监控网络,判断给定的某个行人是否出现在其他摄像机视场中的过程,候选行人库中并不一定包含有待检索的行人,是比封闭式行人再识别更具... 详细信息

开放式行人再识别(Open-World Person Re-identification)是指在未知的空间环境中,通过无重叠的视频监控网络,判断给定的某个行人是否出现在其他摄像机视场中的过程,候选行人库中并不一定包含有待检索的行人,是比封闭式行人再识别更具挑战和更为实用的应用研究。现有的大多数开放式行人再识别研究基于地面行人图像数据,近年来,随着无人机技术的发展,通过无人机平台构建的智能监控系统受到重点关注,基于无人机拍摄的低空航拍下开放式行人再识别任务成为一项热门的研究课题。无人机超低空斜视或俯视动态拍摄形成的行人图像与固定视角的地面摄像机拍摄得到行人图像存在很大差异。因此,低空航拍行人再识别任务不仅面临传统的行人再识别任务中光照、服装变化等问题,还需要同时处理无人机拍摄高度和角度变化等干扰因素导致的严重遮挡、视角差异、分辨率差异等问题。本文基于深度学习技术,利用整体性思想,研究提高低空航拍下开放式行人再识别模型泛化能力的方法。主要的研究内容包括:1.低空航拍下基于元迁移学习的行人再识别泛化方法。针对低空航拍图像同时存在严重遮挡、视角差异、分辨率差异等情况导致构建出来的行人特征判别力弱的问题,提出了基于元迁移学习的行人再识别框架。该学习框架融合元学习和迁移学习的优势,基于元学习训练学习能力和迁移学习探索知识相关性的思路,训练对低空航拍行人图像具有高泛化能力的特征提取模型。此外,该框架额外引入了基于课程抽样的训练策略来提高航拍图像中困难样本的利用率,并设计基于高斯嵌入的度量策略来改进模型优化方向,使训练出来的模型更具泛化能力。2.低空航拍下基于视觉Transformer的行人再识别泛化模型方法研究。针对低空航拍行人图像中存在目标多尺度、多粒度等情况导致现有深度学习方法训练出来的模型泛化能力较弱的问题,提出了基于视觉Transformer的行人再识别模型。该模型基于强大的视觉Transformer机制,通过多头自注意力模块同时关注行人图像的全局信息和局部信息。此外,针对航拍行人图像中视角多变和严重遮挡的特性,引入基于视角信息的特征融合策略和基于零填充位移的特征增强策略;针对视觉Transformer模型训练对优化器、超参数等设置敏感的特性,引入基于标准卷积的模型结构优化策略,进一步提升了模型的泛化能力。为验证本文方法的可行性,在大规模低空航拍行人数据集PRAI-1581上进行了多组实验,并在两个地面行人数据集Market-1501和Duke MTMC-re ID上进行补充实验。实验结果表明,本文所提出的基于元迁移学习的行人再识别框架和基于视觉Transformer的行人再识别方法能有效提升低空航拍下行人再识别模型的泛化能力。

关键词：视频监控行人再识别低空航拍图像元迁移学习视觉Transformer

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于关联分析的目标跟踪方法研究

基于关联分析的目标跟踪方法研究

作者：陈高伟南京邮电大学

学位级别：硕士

目标跟踪旨在预测连续视频帧中目标的位置与尺度,由于其广泛的市场需求得到了越来越多研究人员的关注。虽然该领域已存在诸多研究成果,但依然面临动态遮挡、相似背景等挑战。伴随着人工智能以及大数据处理技术的快速发展,深度学习已经... 详细信息

目标跟踪旨在预测连续视频帧中目标的位置与尺度,由于其广泛的市场需求得到了越来越多研究人员的关注。虽然该领域已存在诸多研究成果,但依然面临动态遮挡、相似背景等挑战。伴随着人工智能以及大数据处理技术的快速发展,深度学习已经向着跨任务、多模态的方向发展。这一发展趋势可为解决目标跟踪中的固有难题提供多源信息。为了有效利用结构化多源信息,论文从特征、模块以及模态三个层面深入研究基于多源信息关联分析的目标跟踪方法。论文研究创新如下:(1)特征层面:提出基于跨层特征关联的目标跟踪方法。针对基于卷积神经网络相关滤波跟踪方法所面临特征信息冗余的问题,将跨层因式分解理论引入相关滤波优化中,以此为基础探究不同特征层间以及相同特征层不同特征通道间的关联性,强化信息关联紧密的特征信息,筛减关联性弱的特种通道。除此之外,为了有效求解所构建优化目标,提出基于交替方向乘子法的优化策略,提升优化目标的收敛速度。(2)模块层面:提出基于异构模块关联的无监督目标跟踪方法。针对目前无监督目标跟踪方法特征提取模块无法有效关注目标显著性区域的问题,利用跨任务深度网络模块关联性,将有监督网络中已训练好的通道注意力模块迁移到基于回溯机制的无监督学习中,通过元迁移学习机制在线更新被迁移的通道注意力模块,以此赋予无监督网络拥有显著性注意力的能力。(3)模态层面:提出基于模态关联的RGB-T目标跟踪方法。针对传统多支路目标跟踪方法忽略不同模态局部特征内在关联性的问题,在孪生区域候选网络的回归分支中引入双线性池化模块,通过外积将模态特征编码以及关键信息定位级联为一个端到端的网络结构,以此让网络获取两种模态特征图的互补信息,提升目标跟踪鲁棒性。

关键词：目标跟踪关联分析孪生网络通道注意力元迁移学习

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

无线电射频指纹小样本识别方法设计与实现

无线电射频指纹小样本识别方法设计与实现

作者：李浩电子科技大学

学位级别：硕士

随着5G通信时代的到来,保证设备间的通信安全显得格外重要。通过分析射频信号的微小差异而提取出的硬件特征,可以作为每台设备独一无二的射频指纹,从而使得射频指纹识别技术能够为设备在物理层提供更加安全可靠的身份认证机制。目前已... 详细信息

随着5G通信时代的到来,保证设备间的通信安全显得格外重要。通过分析射频信号的微小差异而提取出的硬件特征,可以作为每台设备独一无二的射频指纹,从而使得射频指纹识别技术能够为设备在物理层提供更加安全可靠的身份认证机制。目前已有的射频指纹识别技术都是在密集型数据集上实现的,在面临小样本问题时显得有些无力。特别是在某些特殊环境下,如无人机等处于较为隐蔽环境的通信设备,无法获取其大量信号进行射频指纹识别。为解决射频指纹小样本问题,本文提出将小样本学习方法应用到射频指纹识别技术中,研究无线电射频指纹小样本识别方法。本文通过分析现有射频指纹识别技术的不足之处,发现在面临小样本数据集时容易出现过拟合问题。而目前已有的小样本学习方法如元学习、迁移学习等等,主要应用于图像与文本领域。因此,基于以上问题,本文对已有元学习网络模型进行改进,设计实现了两个模型。一是对匹配网络模型的改进。为提取更有效的射频指纹特征,结合I/Q信号特点,修改了匹配网络的嵌入函数结构。并采用欧式距离公式作为计算样本特征相似度的注意力核函数,使模型更加能够区分I/Q信号样本之间的差异,从而保证模型识别准确率。二是结合迁移学习与元学习优点,构建元迁移学习模型。该模型将深度神经网络通过迁移学习引入到元学习模型中,并对模型参数进行了缩放,以适应射频指纹小样本任务,从而提高模型识别准确率。实验结果证明,小样本学习方法能够应用于射频指纹小样本识别。比起改进前,本文改进后的匹配网络模型在识别效果上表现良好,且在训练速度上也较快。同时,也验证了可以将深度神经网络作用于元学习模型上,并且元迁移学习模型的射频指纹小样本识别效果表现得更好。最后基于上述两个模型设计实现设备信号分析系统,以帮助快速识别射频信号所属设备。并为后续网络攻防下的无线通信设备的身份认证奠定基础,具有一定的战略意义。

关键词：射频指纹小样本学习元学习匹配网络元迁移学习

基于改进的通道注意力残差网络的水下图像超分辨率算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于改进的通道注意力残差网络的水下图像超分辨率算法研究

作者：鲁家豪桂林电子科技大学

学位级别：硕士

水下图像超分辨率重建技术在水下机器人、海洋科学研究、海洋资源勘探、水产养殖、海洋环境保护、水下考古等领域对于高质量水下图像的需求日益增长的情况下,其重要性日益凸显。由于水下光学传播受到各种因素的影响如水体散射、吸收、... 详细信息

水下图像超分辨率重建技术在水下机器人、海洋科学研究、海洋资源勘探、水产养殖、海洋环境保护、水下考古等领域对于高质量水下图像的需求日益增长的情况下,其重要性日益凸显。由于水下光学传播受到各种因素的影响如水体散射、吸收、浊度等,这使得水下图像质量相对较差,分辨率降低,颜色失真等问题较为突出,而且水下摄像设备因其自身设计、成本和水下环境的特殊性,导致获取的图像难以达到理想的高分辨率和清晰度。本文以水下图像超分辨率重建为背景,深入分析了现有了图像超分辨率深度学习网络,针对水下的图像超分辨率方法相对于通用方法仍然较少以及水下图像超分辨率的相关图像训练集和测试集短缺的问题,提出了以下两个方面的工作:提出了改进的通道注意力残差网络图像超分辨率方法,对现有的基于残差网络的图像超分辨率方法进行了大体分析,并详细研究了引入通道注意力的残差网络,在残差通道注意力图像超分辨率网络的基础上对通道注意力残差模块进行结构优化,并引入了多谱通道注意力机制用于增强网络性能。之后使用DIV2K图像训练集进行训练,在图像超分辨率测试集Set5、Set14、B100、Urban100和Manga109上进行了验证,实验证明,提出的网络取得了优异的性能表现,证明了所提方法的有效性。提出了基于元迁移学习的尺度感知水下图像超分辨率方法,该方法以改进的通道注意力残差图像超分辨率网络为基础,采用了元迁移学习的方法,使得通用的图像超分辨率方法能够迅速适应水下图像的任务,并引入了尺度感知模块,针对图像重建时的上采样方法进行了改进,并能够让网络完成任意尺度的图像超分辨率任务。之后在公开的水下图像超分辨率训练集UFO-120上进行了训练,在公开的水下图像超分辨率测试集UFO-120上进行了验证。实验证明,元迁移学习模块的引入使得模型的适应性提高,同时提出的网络也取得了优异的主观上以及客观上的性能表现,证明了所提方法的有效性。

关键词：超分辨率重建通道注意力水下图像残差网络元迁移学习

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于时空特征学习的无参考视频质量评价方法

基于时空特征学习的无参考视频质量评价方法

作者：高帆西安电子科技大学

学位级别：硕士

信息时代,视频在互联网数据中已占据了80%以上的比重,覆盖了消费、教育、医疗、安全等领域。然而,视频在采集、压缩、传输、存储和播放等环节难以避免地会出现失真和降质,影响视频的观看体验甚至语义获取,给人们便利、安全的幸福生活带... 详细信息

信息时代,视频在互联网数据中已占据了80%以上的比重,覆盖了消费、教育、医疗、安全等领域。然而,视频在采集、压缩、传输、存储和播放等环节难以避免地会出现失真和降质,影响视频的观看体验甚至语义获取,给人们便利、安全的幸福生活带来巨大挑战。因此,设计合理可靠的视频质量评价方法,为优化视频处理和分析提供指导,具有十分重要的实际应用意义,是计算机视觉领域的研究热点。本文旨在针对当前视频质量评价方法对人类视觉特性考虑不充分、对高帧率视频评价效果差以及可用数据量不足的问题,构建无参考视频质量评价模型,对视频做出正确的客观质量评价。主要研究内容概括如下:(1)提出了基于视觉暂留和记忆的无参考视频质量评价方法。现有的视频质量评价方法通常淡化视频的时域信息对视频质量的影响,或混淆视频在时域和空域的信息表达,无法准确模拟人类视觉质量感知过程,从而导致预测结果准确度不高。因此,本方法基于视觉暂留和记忆特性,提出了质量感知网络和视觉记忆网络。质量感知网络将传统三维卷积分解为时间卷积和空间卷积,提取帧间与人类视觉暂留特性相符的短时时空失真特征,克服了现有技术对失真视频时空域操作困难以及信息冗余的问题。视觉记忆网络采用门控循环单元对人类视觉记忆特性实现了高效建模,提高了长时间序列条件下视频质量评价的准确性。实验结果表明,该方法对多种失真类型的视频具备很高的评价精度,与人类视觉感知具有很高的一致性。(2)提出了基于时空多尺度分析的无参考视频质量评价方法。现有的评价方法因为没考虑帧率对运动模糊、时间混叠等因素的影响,导致模型在面对多种帧率视频时评价效果大打折扣。因此,本方法通过设计局部失真特征编码器网络和时空多分支下采样结构,获得失真视频在时空维度的多尺度局部失真特征表示,随后时空注意力池化模块选择性地对局部失真特征进行有效的融合,使对视频质量影响大的视频局部失真特征在时空维度获得更大比重,以模拟人类对运动失真的感知特性。实验结果表明,该方法在评价不同帧率的视频时仍具备优异的精度。(3)提出了基于元迁移学习的无参考视频质量评价方法。为应对可用视频数据量不足的问题,现有的评价方法通常是在预训练网络模型上进行微调,然而因为这些预训练模型并非针对质量评价任务,所以提取到的特征与失真特征的相关性很小,导致迁移后的模型评价效果不佳。因此,本方法基于元迁移学习的思想,冻结已在图像质量评价任务中学习到的模型参数,将其迁移到视频质量评价任务并为其附加可训练的缩放系数,从而将模型在图像质量评价领域中学习到的先验知识成功元迁移到视频质量评价领域中。实验结果证明,本方法不仅在针对单一失真类型视频时实现了优异的性能,更能够快速地适应新的失真类型。

关键词：无参考视频质量评价人类视觉特性时空多尺度元迁移学习

基于ECAMTL模型的小样本变工况轴承故障诊断

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

测控技术 2023年第11期42卷 24-31页

作者：杨青王笑臣吴东升董岩松沈阳理工大学自动化与电气工程学院辽宁沈阳110159

为解决小样本变工况轴承故障诊断中故障诊断模型参数多且泛化性能弱、故障诊断率低、诊断速度慢的问题,提出了将高效通道注意力(Efficient Channel Attention, ECA)机制与元迁移学习(Meta Transfer Learning, MTL)相结合的在线故障诊断... 详细信息

为解决小样本变工况轴承故障诊断中故障诊断模型参数多且泛化性能弱、故障诊断率低、诊断速度慢的问题,提出了将高效通道注意力(Efficient Channel Attention, ECA)机制与元迁移学习(Meta Transfer Learning, MTL)相结合的在线故障诊断方法。首先,将不同工况的原始振动信号转化为二维灰度图像,采用改进后的残差网络作为特征提取器进行特征提取。在不提升模型复杂度的情况下,增强了模型对重要特征的关注度,增强了模型的特征提取能力。之后,将提取到的特征与现场数据结合进行元训练,获得训练参数。最后,在元测试阶段,利用不同工况的元学习任务对模型进行微调,实现在线变工况轴承故障诊断。对比实验验证了本文方法的有效性和泛化能力。

关键词：故障诊断小样本变工况元迁移学习高效通道注意力机制