检索结果-南通市图书馆

基于批标准化的堆叠自编码网络风电机组变桨系统故障诊断

在线全文

学校读者我要写书评

暂无评论

太阳能学报 2022年第2期43卷 394-401页

作者：王思华王恬周丽君王宇陈天宇赵珊鹏兰州交通大学自动化与电气工程学院兰州730070 甘肃省轨道交通电气自动化工程实验室兰州730070

为了提高风电机组变桨系统故障诊断的准确性,提出一种基于批标准化的堆叠自编码(SAE)网络故障诊断模型。针对SAE网络在特征学习过程出现的梯度硬饱和问题,选用PReLU激活函数,在SAE网络中加入批标准化(BN)层进行优化,通过输出层的Softma... 详细信息

为了提高风电机组变桨系统故障诊断的准确性,提出一种基于批标准化的堆叠自编码(SAE)网络故障诊断模型。针对SAE网络在特征学习过程出现的梯度硬饱和问题,选用PReLU激活函数,在SAE网络中加入批标准化(BN)层进行优化,通过输出层的Softmax函数,得到变桨系统各部件故障发生概率。以均方误差最小化为目标,采用Adam算法迭代训练数据,使模型参数得到更新。在风电机组变桨系统数据采集与监视控制(SCADA)系统中的数据集中,对优化前后的SAE网络通过改变迭代次数、样本数量进行实验,结果表明,优化后的SAE网络模型具有更好的识别精度;另外,在不同样本数量的实验中,与其他传统模型相比,优化后的SAE网络模型故障识别率也更高,表明其在风电机组故障诊断领域有一定的应用价值。

关键词：风电机组变桨系统故障诊断批标准化堆叠自编码

智能电网中基于批标准化LSTM的互感器故障诊断技术

在线全文

学校读者我要写书评

暂无评论

电力科学与技术学报 2023年第6期38卷 152-158页

作者：曹志强陈洁新疆大学电气工程学院新疆乌鲁木齐830046

互感器是高压电力系统中的必备设备之一,一旦互感器发生故障,将会导致保护装置拒动误动,造成电网瘫痪。传统的故障诊断和分类方法首先从原始过程数据中提取特征,然后采用特定的分类器进行诊断,缺乏对原始数据中动态信息的自适应处理。... 详细信息

互感器是高压电力系统中的必备设备之一,一旦互感器发生故障,将会导致保护装置拒动误动,造成电网瘫痪。传统的故障诊断和分类方法首先从原始过程数据中提取特征,然后采用特定的分类器进行诊断,缺乏对原始数据中动态信息的自适应处理。为了提高传统循环神经网络在诊断中的准确度,并考虑到长短记忆神经网络诊断时间较长的缺陷,提出一种基于批标准化的LSTM模型的故障诊断方法。该方法无需进行特征提取和分类器设计,直接对故障进行分类,并且能自适应学习动态故障数据。通过与其他故障诊断方法比较,该方法的诊断精度和诊断性能较高,在互感器故障诊断领域具有良好的应用价值。

关键词：批标准化 LSTM神经网络在线监测故障诊断智能电网互感器

随机丢弃和批标准化的深度卷积神经网络柴油机失火故障诊断

在线全文

学校读者我要写书评

暂无评论

西安交通大学学报 2019年第8期53卷 159-166页

作者：张康陶建峰覃程锦李卫星刘成良上海交通大学机械系统与振动国家重点实验室

针对已有的柴油机失火故障诊断方法需要精细且耗时的时频特征提取过程,且对实际含有噪声的样本诊断准确率低的问题,提出了一种随机丢弃和批标准化的深度卷积神经网络柴油机失火故障诊断方法。在不同的转速工况下进行柴油机失火故障模拟... 详细信息

针对已有的柴油机失火故障诊断方法需要精细且耗时的时频特征提取过程,且对实际含有噪声的样本诊断准确率低的问题,提出了一种随机丢弃和批标准化的深度卷积神经网络柴油机失火故障诊断方法。在不同的转速工况下进行柴油机失火故障模拟试验,将采集到的原始缸盖振动信号作为深度卷积神经网络的输入,并在输入端引入随机丢弃抑制输入噪声,通过一维卷积操作自动提取失火故障模式特征,接着在各卷积输出层对特征信号进行批标准化处理,以减少信号在深度卷积层内部的方差偏移,最后基于多分类函数完成失火故障分类。不同噪声环境和方法的对比试验结果表明,所提方法的分类准确率最高可达100%,同时在保证算法准确率的前提下,其鲁棒性优于依赖时频提取特征的方法。

关键词：失火故障诊断深度卷积神经网络噪声环境随机丢弃批标准化

在线全文

学校读者我要写书评

暂无评论

基于协变量偏移的批标准化深度网络研究

基于协变量偏移的批标准化深度网络研究

作者：黄博吉林大学

学位级别：硕士

得益于“大数据”时代的到来以及高性能计算设备的发展,深度学习已成为当前人工智能领域的一大热点话题。而如何高速地进行深度神经网络的训练一直是该领域的难点。由于深度神经网络架构的复杂性以及其训练的困难性,如何有效地进行深度... 详细信息

得益于“大数据”时代的到来以及高性能计算设备的发展,深度学习已成为当前人工智能领域的一大热点话题。而如何高速地进行深度神经网络的训练一直是该领域的难点。由于深度神经网络架构的复杂性以及其训练的困难性,如何有效地进行深度神经网络的训练越来越多地受到了学者们的关注。深度神经网络的训练难度,随着网络深度的加深而不断增大。其中重要的原因是由于深度神经网络本身所依赖的反向传播算法。由于网络深度的加深,反向传播算法不可避免地导致了梯度弥散问题。针对于此,不同研究者提出了不同的解决方案,如设定不同的激活函数,设定自适应的学习方法,或是提出新的正则化方式等等。而批标准化算法是一种参数重初始化方式,使得训练深层网络的过程变得稳定。到目前为止,大多数深度神经网络的架构依赖于在前馈网络中插入批标准化层,这个过程虽然使得训练更深层的神经网络变为可能,但也同时增大了计算量,增大了时间开销,并与已经出现的正则化算法有着某些内在冲突,使得模型的整体效果变差。本文从协变量偏移的角度,解释了深度神经网络中,隐层间的输入分布不一致问题。并以此为理论基础介绍了批标准化层的作用。并针对深度神经网络批标准化算法本身的冗余性以及其配合其它正则化算法存在的冲突,提出了一种简化的批标准化层算法Fast-Dropout。并且提出了一种全新的架构方式,使得算法能够有效地配合其它正则化算法。本文通过与原有批标准化算法在时间开销上的对比,研究其加速效果,并通过在两个不同的数据集上的分类问题验证该算法结合其它正则化算法在分类准确率上的提升。实验结果表明,本文提出的Fast-Dropout算法相较于原有的批标准化算法,有着更小的时间开销,可以有效结合其它正则化算法,带来分类准确率上的提升。

关键词：深度学习神经网络协变量偏移批标准化正则化

基于批标准化深度网络模型的水中目标分类研究

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

基于批标准化深度网络模型的水中目标分类研究

一种基于注意力机制的BERT-CNN-GRU检测方法

2020'中国西部声学学术交流会

作者：杨路飞章新华张大伟李兰瑞海军大连舰艇学院海装驻上海地区第一军事代表室

深度学习在目标识别方面取得了巨大进步,将深度学习应用到水下目标识别是反潜研究领域的热点。本文提出将数据标准化技术--批标准化(BatchNormalization)应用于水下目标分类的深度学习模型,让模型的每一层的值在有效的范围内传递,并将... 详细信息

深度学习在目标识别方面取得了巨大进步,将深度学习应用到水下目标识别是反潜研究领域的热点。本文提出将数据标准化技术--批标准化(BatchNormalization)应用于水下目标分类的深度学习模型,让模型的每一层的值在有效的范围内传递,并将梅尔频率倒谱系数(MFCC)听觉特征输入模型进行目标分类。试验结果表明,加入数据标准化技术的模型具有更高的识别率。

关键词：批标准化深度学习目标分类

来源： cnki会议评论

在线全文

cnki会议

学校读者我要写书评

暂无评论

计算机工程 2024年

作者：郑雅洲刘万平黄东重庆理工大学计算机科学与工程学院贵州大学现代制造技术教育部重点实验室

针对现有检测方法对短域名检测性能普遍较差的问题，提出了一种BERT-CNN-GRU 结合注意力机制的检测方法。首先通过BERT提取域名的有效特征和字符间组成逻辑，再通过并行的融合简化注意力的卷积神经网络(CNN)和基于多头注意力机制的门控... 详细信息

针对现有检测方法对短域名检测性能普遍较差的问题，提出了一种BERT-CNN-GRU 结合注意力机制的检测方法。首先通过BERT提取域名的有效特征和字符间组成逻辑，再通过并行的融合简化注意力的卷积神经网络(CNN)和基于多头注意力机制的门控循环网络(GRU)提取域名深度特征。使用形如n-gram排布的CNN能够提取不同层次的域名信息，采用批标准化(Batch Normalization， BN)对卷积结果进行优化；使用GRU能够更好获取前后域名的组成差异，加上多头注意力机制善于捕获域名内部的组成关系。对并行检测网络输出的结果进行拼接，在最大限度上利用了两种网络的优势，采用局部损失函数，聚焦域名分类问题，最终提高了分类性能。实验结果表明：在二分类上，模型达到了最优效果，在短域名多分类数据集上15分类的Weighted F1-score达到了86.21%，比BiLSTM-Seq-Attention模型提高了0.88%，在UMUDGA数据集上50分类的Weighted F1-score达到了85.51%，提高了0.45%，并且模型对变体域名和单词DGA检测性能出众，具有域名数据分布不平衡检测能力和更广泛的检测性能。

关键词：恶意短域名 BERT预训练批标准化注意力机制 GRU 并行CNN

神经振荡交叉频率耦合特征在轻度认知障碍诊断中的应用研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

生物医学工程学杂志 2023年第5期40卷 843-851页

作者：李昕王凯景军尹立勇张莹谢平燕山大学电气工程学院河北秦皇岛066004 河北省测试计量技术及仪器重点实验室河北秦皇岛066004 秦皇岛市第一医院河北秦皇岛066004 燕山大学工程训练中心河北秦皇岛066004 燕山大学康养产业技术研究院河北秦皇岛066004

为了充分挖掘轻度认知障碍(MCI)患者的神经振荡耦合特征,本文分析对比了28名MCI患者(MCI组)与21名正常人(正常对照组)在六种异频组合下的耦合特征强度。结果表明,与正常对照组相比,MCI组在δ-θ节律组合下交叉频率耦合的全局相位同步指... 详细信息

为了充分挖掘轻度认知障碍(MCI)患者的神经振荡耦合特征,本文分析对比了28名MCI患者(MCI组)与21名正常人(正常对照组)在六种异频组合下的耦合特征强度。结果表明,与正常对照组相比,MCI组在δ-θ节律组合下交叉频率耦合的全局相位同步指数差异具有统计学意义(P=0.025,d=0.398)。为了进一步验证此耦合特征,本文提出一种优化的卷积神经网络模型,该模型融入了时频数据增强模块与批归一化层,在防止过拟合的同时增强了模型的鲁棒性。基于此优化模型,以δ-θ节律组合下的锁相值矩阵作为模型输入的单一特征,对MCI患者的诊断正确率达(95.49±4.15)%,敏感性与特异性分别为(93.71±7.21)%和(97.50±5.34)%。本文研究结果表明,δ-θ节律组合下的锁相值矩阵特征能够充分反映MCI患者的认知状态,有利于辅助MCI诊断。

关键词：交叉频率耦合锁相值数据增强批标准化

基于改进的胶囊网络模型的高光谱图像分类方法

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 2022年第2期39卷 174-179页

作者：周衍挺韦慧安徽理工大学数学与大数据学院安徽淮南232001

针对卷积神经网络无法有效提取高光谱图像光谱与空间特征以及识别特征之间的空间位置问题,提出一种基于胶囊网络的改进神经网络模型。采用1×1卷积核对高光谱图像块进行降维处理;利用双通道卷积神经网络提取降维图像的初级特征,进而在Pr... 详细信息

针对卷积神经网络无法有效提取高光谱图像光谱与空间特征以及识别特征之间的空间位置问题,提出一种基于胶囊网络的改进神经网络模型。采用1×1卷积核对高光谱图像块进行降维处理;利用双通道卷积神经网络提取降维图像的初级特征,进而在PrimaryCaps层将初级特征信息封装为胶囊向量;通过DigitCaps层计算胶囊向量的模长来判别图像块中心像素的所属类别。为了验证模型的可行性与有效性,将改进模型应用于Indian Pines和Pavia University两个高光谱数据集分类,并与其他分类方法进行比较。分类结果表明,改进模型有着较好的泛化能力,不仅能够有效提取图像特征,还能够识别特征之间的空间位置信息,从而提高分类的准确率。

关键词：胶囊网络高光谱图像卷积神经网络动态路由批标准化

基于卷积神经网络的单路PPG信号的连续动脉血压测量算法

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 2022年第2期39卷 108-112页

作者：李欣悦葛慧中国航天系统科学与工程研究院北京100048

利用脉搏波特征参数法估测动脉血压(ABP)时,需要进行人工特征设计和筛选以提取出与动脉血压相关性高的特征参数,具有局限性。对此,提出基于卷积神经网络(CNN)的单路光电容积脉搏波信号(PPG)的连续动脉血压测量算法。对PPG信号依次进行... 详细信息

利用脉搏波特征参数法估测动脉血压(ABP)时,需要进行人工特征设计和筛选以提取出与动脉血压相关性高的特征参数,具有局限性。对此,提出基于卷积神经网络(CNN)的单路光电容积脉搏波信号(PPG)的连续动脉血压测量算法。对PPG信号依次进行去噪平滑、单周期分割和插值处理后,将其输入到CNN中进行特征提取,以建立其与动脉血压间的关系。根据美国医疗器械促进协会(AAMI)的规定,医疗用途的血压测量器械的平均误差应不大于5±8 mmHg。实验结果表明,该算法的测量误差满足AAMI要求。

关键词：动脉血压值 CNN PPG 批标准化