检索结果-南通市图书馆

基于增强型去噪自编码器与随机森林的电力系统扰动分类方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

现代电力 2022年第2期39卷 127-134,I0001,I0002页

作者：李子康刘灏毕天姝杨奇逊新能源电力系统国家重点实验室(华北电力大学) 北京市昌平区102206

实时准确的电力系统扰动分类有利于避免大规模停电事故的发生。然而同步相量测量单元的数据质量问题严重影响其在扰动分类上的应用。针对此问题,提出了一种基于增强型去噪自编码器与随机森林的扰动分类方法。首先,利用长短期记忆构造一... 详细信息

实时准确的电力系统扰动分类有利于避免大规模停电事故的发生。然而同步相量测量单元的数据质量问题严重影响其在扰动分类上的应用。针对此问题,提出了一种基于增强型去噪自编码器与随机森林的扰动分类方法。首先,利用长短期记忆构造一种增强型去噪自编码器,建立不良数据与正常数据间的映射关系。进一步,根据不同量测的验证损失变化趋势,提出了一种自适应权重多任务去噪网络,能够自适应更新各量测对应的损失函数权重以降低重构误差。最后,利用随机森林对特征进行分类,并通过贝叶斯优化对其超参数调优。基于IEEE 39系统,在不同不良数据比例下对该方法测试,验证所提方法的准确性和快速性。最后,通过现场数据验证了所提方法具有较高的泛化性。

关键词：同步相量测量单元电力系统扰动分类长短期记忆网络去噪自编码器自适应权重随机森林贝叶斯优化

在线全文

学校读者我要写书评

暂无评论

基于深度自编码器的振动信号盲去噪方法

振动与冲击 2023年第12期42卷 118-125页

作者：万若青张纯江汇强黎寅斌南昌大学工程建设学院南昌330031

为减少传统振动信号去噪方法对信号时、频域先验信息的依赖性,提出了一种基于深度自编码器的振动信号盲去噪方法。在缺少干净信号作为神经网络训练目标的情况下,使用邻近采样及扩展的策略,从原始信号中构造去噪深度神经网络的训练样本对... 详细信息

为减少传统振动信号去噪方法对信号时、频域先验信息的依赖性,提出了一种基于深度自编码器的振动信号盲去噪方法。在缺少干净信号作为神经网络训练目标的情况下,使用邻近采样及扩展的策略,从原始信号中构造去噪深度神经网络的训练样本对,通过自监督学习得到能对原始信号有效降噪的深度神经网络;并提出适用性评价指标来指导在实际工程应用时信号采样频率的设置。对仿真信号和实测信号的去噪分析表明该方法不依赖于真实信号的先验信息,且对于稳态信号和非稳态信号都有良好的自适应去噪效果。

关键词：振动信号深度学习去噪自编码器盲去噪方法

融合深度去噪自编码器和注意力机制的推荐算法

在线全文

学校读者我要写书评

暂无评论

计算机应用与软件 2023年第8期40卷 283-290页

作者：张卫国袁炜轩周熙然西安科技大学计算机科学与技术学院陕西西安710000

传统推荐算法无论在特征提取还是相似度计算方面仍存在数据稀疏和大量噪声数据问题,导致推荐效率不高、用户满意度低等问题,由此提出一种融合深度去噪自编码器和注意力机制的推荐算法。将深度去噪自编码器融入到基于项目相似度的协同过... 详细信息

传统推荐算法无论在特征提取还是相似度计算方面仍存在数据稀疏和大量噪声数据问题,导致推荐效率不高、用户满意度低等问题,由此提出一种融合深度去噪自编码器和注意力机制的推荐算法。将深度去噪自编码器融入到基于项目相似度的协同过滤推荐算法中,同时加入了注意力机制,以惩罚活跃用户对实验结果的影响,既可以挖掘到用户与项目的线性特征又可以学习到用户与项目非线性特征。实验选取了MovieLens和Pinterest两个公开数据集,与传统推荐算法和近些年较先进算法相比,该算法能够显著提升传统推荐算法的性能,并可以缓解传统推荐算法存在的数据稀疏和冷启动问题。

关键词：推荐算法去噪自编码器注意力机制协同过滤数据稀疏

在线全文

学校读者我要写书评

暂无评论

去噪自编码器在电阻抗深度成像中的应用

现代电子技术 2023年第20期46卷 55-60页

作者：韩仲鑫刘瑞兰左瑞雪钱慧南京邮电大学自动化学院人工智能学院江苏南京210046

电阻抗成像技术是一种安全无创的医学成像技术,且没有辐射带来的危害,但其逆问题是一个高度不适定的病态非线性问题,获得的重构图像伪影较大。为了得到较为清楚的重建图像,提出一种将传统方法与去噪自编码器相结合的深度成像方法。该方... 详细信息

电阻抗成像技术是一种安全无创的医学成像技术,且没有辐射带来的危害,但其逆问题是一个高度不适定的病态非线性问题,获得的重构图像伪影较大。为了得到较为清楚的重建图像,提出一种将传统方法与去噪自编码器相结合的深度成像方法。该方法首先使用分裂Bregman方法粗略重建图像,之后采用去噪自编码器对粗略重建图像进行去噪处理。仿真和实测结果表明,针对圆形目标,所提方法能够实现较高精度地去除伪影和精确的形状重建,运算速度快,效果较好。

关键词：电阻抗深度成像去噪自编码器 EIT模型图像重建 SBM算法结构相似性

基于卷积神经网络和去噪自编码器的雷达干扰效果评估

在线全文

学校读者我要写书评

暂无评论

基于卷积神经网络和去噪自编码器的雷达干扰效果评估

作者：许凯洋西安电子科技大学

学位级别：硕士

干扰效果评估作为认知电子战中的重要一环,是干扰方与雷达方提升自身作战水平的关键。伴随着智能化对抗装备的出现,对评估智能化也提出了更高的要求。传统的评估方法受人为影响比较大,主观性太强,已难以适应现代战场,将人工智能应用到... 详细信息

干扰效果评估作为认知电子战中的重要一环,是干扰方与雷达方提升自身作战水平的关键。伴随着智能化对抗装备的出现,对评估智能化也提出了更高的要求。传统的评估方法受人为影响比较大,主观性太强,已难以适应现代战场,将人工智能应用到干扰效果评估中就显得尤为重要。首先梳理了雷达侦察与干扰技术,通过对雷达侦察理论的分析,总结了雷达可侦收到的信号参数,对压制式干扰样式与欺骗式干扰样式进行了仿真分析。介绍了雷达干扰效果评估理论,并从干扰效果评估准则和干扰效果评估战技指标进行了详细分析。主要从压制式干扰与欺骗式干扰两种条件下进行指标的选取,在压制干扰条件下载波频率波动性、峰值功率变化量、重频相似度和平均脉宽变化量作为主要的评估指标;在欺骗式干扰条件下平均带宽增量与波束驻留时间增量作为主要的评估指标。其次在压制式干扰与欺骗式干扰条件下,搭建了基于卷积神经网络的干扰效果评估模型。训练过程中观察损失函数和准确率随着训练次数的变化并绘制实时曲线图。卷积神经网络对两种干扰条件下的评估准确率分别为94%和90%。为了更好地对干扰效果进行分析,提出了基于卷积神经网络的干扰效果评估回归预测模型,在两种干扰条件下测试集的回归系数均达到了98%以上。仿真实验表明,卷积神经网络可以很好地应用在干扰效果评估中。最后研究了在非完备条件下的干扰效果评估方法。搭建了去噪自编码器来填充缺失指标并进行干扰效果评估预测,在两种干扰条件下分别进行固定单指标丢失实验、不固定单指标丢失实验、固定双指标丢失实验和不同样本个数丢失实验。仿真实验表明,该算法可以有效对缺失指标填充并预测评估结果。本文采用卷积神经网络与去噪自编码器对雷达干扰效果进行评估,验证了卷积神经网络对干扰效果评估的可行性,并在非完备条件下使用去噪自编码器可以有效对缺失雷达信息填充并有效预测,具备一定的工程参考意义。

关键词：智能化干扰效果评估指标选取卷积神经网络去噪自编码器非完备信息下干扰效果评估

融合DAE-LSTM的认知物联网智能频谱感知算法

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

计算机工程与应用 2024年第5期60卷 299-306页

作者：段闫闫徐凌伟青岛科技大学信息科学技术学院山东青岛266061 数字化学习技术集成与应用教育部工程研究中心北京100039

第五代(fifth-generation,5G)移动通信技术的兴起,推动了物联网(Internet of things,IoT)的发展。然而,随着物联网数据传输量的爆发式增长,频谱资源短缺问题越来越严重。频谱感知技术极大的提高了物联网频谱利用率。但是,物联网移动通... 详细信息

第五代(fifth-generation,5G)移动通信技术的兴起,推动了物联网(Internet of things,IoT)的发展。然而,随着物联网数据传输量的爆发式增长,频谱资源短缺问题越来越严重。频谱感知技术极大的提高了物联网频谱利用率。但是,物联网移动通信环境的复杂性高以及信号易畸变的特性,对现有的频谱感知算法提出了重大挑战。因此,提出了一种融合去噪自编码器(denoising autoencoder,DAE)和改进长短时记忆(long short term memory,LSTM)神经网络的智能频谱感知算法。DAE通过编码和解码过程挖掘移动信号的底层结构特征,改进的LSTM频谱感知分类器模型结合过去时刻信息特征对时序信号序列进行分类。与支持向量机(support vector machine,SVM)、循环神经网络(recurrent neural network,RNN)、LeNet5、学习矢量量化(learning vector quantization,LVQ)和Elman算法相比,该算法的感知性能提高了45%。

关键词：认知物联网智能频谱感知去噪自编码器长短时记忆网络

在线全文

学校读者我要写书评

暂无评论

基于去噪自编码器的故障隔离与识别方法

信息与控制 2021年第6期50卷 641-650页

作者：王浙超曾九孙谢磊陶银罗中国计量大学计量测试工程学院浙江杭州310018 浙江大学控制科学与工程学院浙江杭州310027 绍兴文理学院元培学院浙江绍兴312000

针对现有基于自编码器(AE)的过程监测方法在故障隔离和识别方面存在的缺陷,提出了一种基于去噪自编码器(DAE)的故障隔离与识别方法,其主要思路是通过在DAE的优化目标函数中引入未知的故障子空间实现故障的隔离和识别.考虑到故障的特性,... 详细信息

针对现有基于自编码器(AE)的过程监测方法在故障隔离和识别方面存在的缺陷,提出了一种基于去噪自编码器(DAE)的故障隔离与识别方法,其主要思路是通过在DAE的优化目标函数中引入未知的故障子空间实现故障的隔离和识别.考虑到故障的特性,引入了l;正则化项以实现稀疏隔离,并设计了基于自适应矩估计(ADAM)的优化问题求解方法.与传统方法相比,基于去噪自编码器的故障隔离与识别方法在非线性过程故障诊断中具有更好的效果.在Tennessee Eastman(TE)过程和高炉炼铁过程中的应用验证了所提出方法的可行性.

关键词：去噪自编码器故障隔离与识别重构自适应矩估计

在线全文

学校读者我要写书评

暂无评论

基于去噪自编码器的极限学习机

计算机应用 2019年第6期39卷 1619-1625页

作者：来杰王晓丹李睿赵振冲空军工程大学防空反导学院

针对极限学习机算法(ELM)参数随机赋值降低算法鲁棒性及性能受噪声影响显著的问题,将去噪自编码器(DAE)与ELM算法相结合,提出了基于去噪自编码器的极限学习机算法(DAE-ELM)。首先,通过去噪自编码器产生ELM的输入数据、输入权值与隐含层... 详细信息

针对极限学习机算法(ELM)参数随机赋值降低算法鲁棒性及性能受噪声影响显著的问题,将去噪自编码器(DAE)与ELM算法相结合,提出了基于去噪自编码器的极限学习机算法(DAE-ELM)。首先,通过去噪自编码器产生ELM的输入数据、输入权值与隐含层参数;然后,以ELM求得隐含层输出权值,完成对分类器的训练。该算法一方面继承了DAE的优点,自动提取的特征更具代表性与鲁棒性,对于噪声有较强的抑制作用;另一方面克服了ELM参数赋值的随机性,增强了算法鲁棒性。实验结果表明,在不含噪声影响下DAE-ELM相较于ELM、PCA-ELM、SAA-2算法,其分类错误率在MNIST数据集中至少下降了5.6%,在Fashion MNIST数据集中至少下降了3.0%,在Rectangles数据集中至少下降了2.0%,在Convex数据集中至少下降了12.7%。

关键词：极限学习机深度学习去噪自编码器特征提取特征降维鲁棒性

基于去噪自编码器和长短时记忆网络的语音测谎算法

在线全文

学校读者我要写书评

暂无评论

计算机应用 2020年第2期40卷 589-594页

作者：傅洪亮雷沛之河南工业大学信息科学与工程学院

为进一步提升语音测谎性能,提出了一种基于去噪自编码器(DAE)和长短时记忆(LSTM)网络的语音测谎算法。首先,该算法构建了优化后的DAE和LSTM的并行结构PDL;然后,提取出语音中的人工特征并输入DAE以获取更具鲁棒性的特征,同时,将语音加窗... 详细信息

为进一步提升语音测谎性能,提出了一种基于去噪自编码器(DAE)和长短时记忆(LSTM)网络的语音测谎算法。首先,该算法构建了优化后的DAE和LSTM的并行结构PDL;然后,提取出语音中的人工特征并输入DAE以获取更具鲁棒性的特征,同时,将语音加窗分帧后提取出的Mel谱逐帧输入到LSTM进行帧级深度特征的学习;最后,将这两种特征通过全连接层及批归一化处理后实现融合,使用softmax分类器进行谎言识别。CSC(Columbia-SRIColorado)库和自建语料库上的实验结果显示,融合特征分类的识别准确率分别为65.18%和68.04%,相比其他对比算法的识别准确率最高分别提升了5.56%和7.22%,表明所提算法可以有效提高谎言识别精度。

关键词：去噪自编码器长短时记忆网络语音特征特征融合测谎