检索结果-南通市图书馆

变分自编码器结合聚类算法在空战态势评估问题上的应用

在线全文

学校读者我要写书评

暂无评论

国防科技大学学报 2019年第4期41卷 144-155页

作者：杨任农房育寰张振兴左家亮黄震宇张滢空军工程大学空管领航学院中国人民解放军95939部队

针对传统态势评估方法确定权值的主观性强、处理大数据能力弱、特征提取能力不足等问题,提出基于改进变分自编码器和聚类算法的无监督空战态势评估方法。根据态势变化连续性特点,提出基于时间段的空战态势分类方法,将敌我双方态势划分... 详细信息

针对传统态势评估方法确定权值的主观性强、处理大数据能力弱、特征提取能力不足等问题,提出基于改进变分自编码器和聚类算法的无监督空战态势评估方法。根据态势变化连续性特点,提出基于时间段的空战态势分类方法,将敌我双方态势划分为四类。在变分自编码器的基础上,提出了VAE-WRBM-MDN特征提取模型,即使用混合密度网络优化变分自编码器的特征提取能力和生成数据的相似度,使用权值不确定限制玻尔兹曼机优化网络的初始权值。将提取的特征分别输入到两种典型的聚类算法中进行聚类,并结合态势函数和实际战场情况修正聚类结果,形成正确的态势分类标准。在实验部分,分别进行了最优参数调整、关键特征提取、聚类以及修正实验。实验结果表明,模型态势分类正确率和运行时间均满足应用需求,实例评估结果与客观态势一致性强,所提方法具有实际应用价值。

关键词：态势评估变分自编码器混合密度网络权重不确定限制玻尔兹曼机聚类算法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

变分自编码器对甲基化缺失数据的填补

计算机工程与应用 2022年第12期58卷 149-154页

作者：王新峰黄伟吉首大学软件学院湖南吉首416000 中山大学计算机学院广州510000 中南大学计算机学院长沙410000

针对高通量测序技术因各种原因导致的DNA甲基化测序数据中包含部分缺失值的问题。提出一种基于变分自编码器的DNA甲基化缺失数据填补模型VAE-MethImp。VAE-MethImp是一种深度隐含空间生成模型,由编码层、隐含层和解码层组成,拥有强大的... 详细信息

针对高通量测序技术因各种原因导致的DNA甲基化测序数据中包含部分缺失值的问题。提出一种基于变分自编码器的DNA甲基化缺失数据填补模型VAE-MethImp。VAE-MethImp是一种深度隐含空间生成模型,由编码层、隐含层和解码层组成,拥有强大的重构输入数据能力。编码层进行均值和方差的推断;隐含层是通过编码层输出的均值和方差计算出的输入数据的专属正态分布;解码层对隐含层包含的特征进行解码生成重构后的数据。通过在肺癌和乳腺癌上的填补实验证明,VAE-MethImp提取的特征更具信息性。在填补精度上,VAE-MethImp比对照方法(均值(Mean)、最近邻(KNN)、主成分分析(PCA)和奇异值分解(SVD))中最优的SVD提升了4.8%。生存分析实验结果显示VAE-MethImp填补的数据具有更好的预测性,同时也证明DNA甲基化与癌症的生存存在直接关联。

关键词：深度学习变分自编码器 DNA甲基化数据填补生存分析

基于动态规整与改进变分自编码器的异常电池在线检测方法

在线全文

学校读者我要写书评

暂无评论

电子与信息学报 2024年第2期46卷 738-747页

作者：郭铁峰贺建军申帅王翔张彬汉中南大学自动化学院长沙410083

针对电池生产成组过程中,传统异常检测方法对混入的容量及压差异常电池检测精度低及生产结束后离线异常检测方法效率低等问题,该文提出一种集合长短期记忆变分自编码器与动态时间规整评价的锂电池异常在线检测方法(VAE-LSTM-DTW),实现... 详细信息

针对电池生产成组过程中,传统异常检测方法对混入的容量及压差异常电池检测精度低及生产结束后离线异常检测方法效率低等问题,该文提出一种集合长短期记忆变分自编码器与动态时间规整评价的锂电池异常在线检测方法(VAE-LSTM-DTW),实现了异常电池的在线检测,避免了离线异常检测所造成的时间和能源的浪费。该方法首先将长短期记忆网络(LSTM)引入变分自编码器(VAE)模型,训练电池时序数据重构模型;其次,在电池异常检测的度量标准中引入动态时间规整值(DTW),并基于贝叶斯寻优获得最优检测阈值,对每个单体电池重构数据的动态规整值进行异常辨别。实验结果表明,相较该领域传统异常检测方法,VAE-LSTM-DTW模型性能优越,查准率和F1值都得到了较大的提升,具有较高的有效性和实用性。

关键词：锂电池异常检测变分自编码器动态时间规整长短期记忆网络贝叶斯优化

属性网络中基于变分图自编码器的异常节点检测方法

在线全文

学校读者我要写书评

暂无评论

模式识别与人工智能 2022年第1期35卷 17-25页

作者：李忠靳小龙王亚杰孟令宾庄传志孙智中国科学院计算技术研究所网络数据科学与技术重点实验室北京100190 中国科学院大学计算机与控制学院北京100049

图神经网络为属性网络数据挖掘提供融合利用结构信息和属性信息的方法,但是在现阶段基于图自动编码器进行无监督属性网络异常节点检测时,常将正常节点子属性插值形成的节点误识别为异常节点,导致方法的假负率较高.针对上述问题,文中提... 详细信息

图神经网络为属性网络数据挖掘提供融合利用结构信息和属性信息的方法,但是在现阶段基于图自动编码器进行无监督属性网络异常节点检测时,常将正常节点子属性插值形成的节点误识别为异常节点,导致方法的假负率较高.针对上述问题,文中提出基于变分图自编码器的异常节点检测方法.模型包含两个编码器和一个解码器,利用一个编码器和一个解码器构成的变分自编码器模型,重建原始输入数据,再利用解码器和第二个编码器,使模型学习到不包含异常节点数据的网络隐层表达.通过双变分自编码器学习正常节点子特征,并利用重建误差作为节点的异常度量,将由正常节点子特征构成的正常节点判别为正常节点.在真实网络数据集上的实验表明,文中方法能有效进行属性网络异常节点检测.

关键词：异常节点检测属性网络变分自编码器重建误差无监督异常检测方法

基于忆阻循环神经网络的层次化状态正则变分自编码器

在线全文

学校读者我要写书评

暂无评论

电子与信息学报 2023年第2期45卷 689-697页

作者：胡小方杨涛西南大学人工智能学院重庆400715 类脑计算与智能控制重庆市重点实验室重庆400715

变分自编码器(VAE)作为一个功能强大的文本生成模型受到越来越多的关注。然而,变分自编码器在优化过程中容易出现后验崩溃,即忽略潜在变量,退化为一个自编码器。针对这个问题,该文提出一种新的变分自编码器模型,通过层次化编码和状态正... 详细信息

变分自编码器(VAE)作为一个功能强大的文本生成模型受到越来越多的关注。然而,变分自编码器在优化过程中容易出现后验崩溃,即忽略潜在变量,退化为一个自编码器。针对这个问题,该文提出一种新的变分自编码器模型,通过层次化编码和状态正则方法,可以有效缓解后验崩溃,且相较于基线模型具有更优的文本生成质量。在此基础上,基于纳米级忆阻器,将提出的变分自编码器模型与忆阻循环神经网络(RNN)结合,设计一种基于忆阻循环神经网络的硬件实现方案,即层次化变分自编码忆组神经网络(HVAE-MNN),探讨模型的硬件加速。计算机仿真实验和结果分析验证了该文模型的有效性与优越性。

关键词：变分自编码器忆阻器忆阻循环网络文本生成

在线全文

学校读者我要写书评

暂无评论

变分自编码器模型综述

计算机工程与应用 2019年第3期55卷 1-9页

作者：翟正利梁振明周炜孙霞青岛理工大学信息与控制工程学院山东青岛266520

变分自编码器(VAE)作为深度隐空间生成模型的一种,近年来其表现性能取得了极大的成功,尤其是在图像生成方面。变分自编码器模型作为无监督式特征学习的重要工具之一,可以通过学习隐编码空间与数据生成空间的特征映射,进而在输出端重构... 详细信息

变分自编码器(VAE)作为深度隐空间生成模型的一种,近年来其表现性能取得了极大的成功,尤其是在图像生成方面。变分自编码器模型作为无监督式特征学习的重要工具之一,可以通过学习隐编码空间与数据生成空间的特征映射,进而在输出端重构生成输入数据。梳理了传统变分自编码器模型及其衍生变体模型的发展与研究现状,并就此做了总结和对比,最后分析了变分自编码器模型存在的问题与挑战,并就可能的发展趋势做了展望。

关键词：深度隐空间生成模型无监督学习变分自编码器图像生成

在线全文

学校读者我要写书评

暂无评论

变分自编码器在机械故障预警中的应用

计算机工程与应用 2019年第12期55卷 245-249,264页

作者：马波赵祎齐良才北京化工大学诊断与自愈工程研究中心北京100029 中广核研究院有限公司北京分公司北京100086

由于往复压缩机、航空发动机等复杂机械振动信号呈现非平稳性,目前应用较多的单特征门限报警方法存在报警准确率低的问题。针对该问题,依据机械响应点的响应信号特点,提出一种基于变分自编码器的故障预警方法。该方法基于机械振动信号... 详细信息

由于往复压缩机、航空发动机等复杂机械振动信号呈现非平稳性,目前应用较多的单特征门限报警方法存在报警准确率低的问题。针对该问题,依据机械响应点的响应信号特点,提出一种基于变分自编码器的故障预警方法。该方法基于机械振动信号的高维特征参数,利用变分自编码器自学习出高维特征的统计分布模型,将正常工况模型作为基准模型,通过计算实时工况模型与基准模型间的差异度,并将其与自适应预警阈值相比较,实现故障预警。通过与单特征门限报警方法、基于状态子空间的预警方法进行比较,验证了该方法的优越性。实验结果表明,该方法能够提高机械故障预警的准确率并大幅提前故障的报警时间点,具有较高的时效性和较强的适应性。

关键词：变分自编码器机械故障预警统计分布

在线全文

学校读者我要写书评

暂无评论

基于变分自编码器的MVB网络异常检测方法

铁道学报 2022年第1期44卷 71-78页

作者：杨岳毅王立德陈煌王冲北京交通大学电气工程学院北京100044

多功能车辆总线(MVB)用于列车通信网络中各功能设备间的信息传输,其网络异常将严重影响列车运行安全。在对MVB网络常见故障分析的基础上,提出一种基于变分自编码器(VAE)的MVB网络异常检测方法,直接将采集到的MVB信号物理波形作为模型输... 详细信息

多功能车辆总线(MVB)用于列车通信网络中各功能设备间的信息传输,其网络异常将严重影响列车运行安全。在对MVB网络常见故障分析的基础上,提出一种基于变分自编码器(VAE)的MVB网络异常检测方法,直接将采集到的MVB信号物理波形作为模型输入,选取VAE重构误差作为MVB网络异常检测依据。为了有效解决实际应用中带标记异常数据不足的问题,VAE采用半监督学习方式,在训练阶段只需要正常数据。根据MVB网络正常数据的重构误差,设计MVB网络节点健康指标,并采用核密度估计方法自动确定异常检测阈值,而不依赖于专家经验。实验结果表明,该方法能够有效处理高维度数据和学习MVB信号物理波形内在特征,相比于传统方法具有更好的网络异常检测表现。

关键词： MVB网络异常检测变分自编码器核密度估计

基于混合变分自编码器回归模型的软测量建模方法

在线全文

学校读者我要写书评

暂无评论

自动化学报 2022年第2期48卷 398-407页

作者：崔琳琳沈冰冰葛志强浙江大学控制科学与工程学院工业控制研究所杭州310027 浙江大学工业控制技术国家重点实验室杭州310027

近年来,变分自编码器(Variational auto-encoder,VAE)模型由于在概率数据描述和特征提取能力等方面的优越性,受到了学术界和工业界的广泛关注,并被引入到工业过程监测、诊断和软测量建模等应用中.然而,传统基于VAE的软测量方法使用高斯... 详细信息

近年来,变分自编码器(Variational auto-encoder,VAE)模型由于在概率数据描述和特征提取能力等方面的优越性,受到了学术界和工业界的广泛关注,并被引入到工业过程监测、诊断和软测量建模等应用中.然而,传统基于VAE的软测量方法使用高斯分布作为潜在变量的分布,限制了其对复杂工业过程数据,尤其是多模态数据的建模能力.为了解决这一问题,本论文提出了一种混合变分自编码器回归模型(Mixture variational autoencoder regression,MVAER),并将其应用于复杂多模态工业过程的软测量建模.具体来说,该方法采用高斯混合模型来描述VAE的潜在变量分布,通过非线性映射将复杂多模态数据映射到潜在空间,学习各模态下的潜在变量,获取原始数据的有效特征表示.同时,建立潜在特征表示与关键质量变量之间的回归模型,实现软测量应用.通过一个数值例子和一个实际工业案例,对所提模型的性能进行了评估,验证了该模型的有效性和优越性.

关键词：软测量变分自编码器高斯混合模型混合变分自编码器回归模型多模态工业过程