检索结果-南通市图书馆

基于生成对抗网络和模型迁移的电力系统典型运行方式样本生成

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

中国电机工程学报 2022年第8期42卷 2889-2900页

作者：兰健郭庆来周艳真孙宏斌电力系统及大型发电设备安全控制和仿真国家重点实验室(清华大学电机系)

典型运行方式是电力系统运行方式编制的重要基础。由于电力系统的高维度、非线性和不确定性，制定运行方式时往往面临组合爆炸难题，运方人员难以根据实际需要生成所需的典型运行方式，例如：使某个待研究断面安全裕度低的运行方式，因... 详细信息

典型运行方式是电力系统运行方式编制的重要基础。由于电力系统的高维度、非线性和不确定性，制定运行方式时往往面临组合爆炸难题，运方人员难以根据实际需要生成所需的典型运行方式，例如：使某个待研究断面安全裕度低的运行方式，因而面临生成所需类型样本难度大、生成效率低的问题。为此，该文首次提出结合生成对抗网络与模型迁移的典型运行方式样本生成方法，仅需少量数据和少量微调即可高效地得到具有高性能的典型运行方式生成模型。首先，设计了面向运行方式生成的生成对抗网络模型，通过基础模型充分学习到不同类型的运行方式样本的共性特征；在此基础上，提出适用于生成对抗网络的模型迁移训练方法，使参数微调后得到的目标模型可以有针对性地生成大量所需的典型运行方式样本。所提方法以输电断面安全裕度为研究主题，在新英格兰10机39节点系统上进行了验证，结果表明，所提方法能根据实际需求生成任意指定安全裕度的运行方式样本，有效解决运行方式制定中所需特定类型样本不足的难题，为后续运行方式分析提供坚实的数据支撑。

关键词：生成对抗网络迁移学习电力系统运行方式样本生成

基于复合生成对抗网络的对抗样本生成算法研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

控制与决策 2023年第2期38卷 528-536页

作者：孔锐蔡佳纯黄钢张冰暨南大学智能科学与工程学院广东珠海509070 暨南大学信息科学技术学院广州510632

对抗样本能够作为训练数据辅助提高模型的表达能力,还能够评估深度学习模型的稳健性.然而,通过在一个小的矩阵范数内扰乱原始数据点的生成方式,使得对抗样本的规模受限于原始数据.为了更高效地获得任意数量的对抗样本,探索一种不受原始... 详细信息

对抗样本能够作为训练数据辅助提高模型的表达能力,还能够评估深度学习模型的稳健性.然而,通过在一个小的矩阵范数内扰乱原始数据点的生成方式,使得对抗样本的规模受限于原始数据.为了更高效地获得任意数量的对抗样本,探索一种不受原始数据限制的对抗样本生成方式具有重要意义.鉴于此,提出一种基于生成对抗网络的对抗样本生成模型(multiple attack generative adversarial networks, M-AttGAN).首先,将模型设计为同时训练2组生成对抗网络,分别对原始数据样本分布和模型潜在空间下的扰动分布进行建模;然后,训练完成的MAttGAN能够不受限制地高效生成带有扰动的对抗样本,为对抗训练和提高深度神经网络的稳健性提供更多可能性;最后,通过MNIST和CIFAT-10数据集上的多组实验,验证利用生成对抗网络对数据分布良好的学习能力进行对抗样本生成是可行的.实验结果表明,相较于常规攻击方法, M-AttGAN不仅能够脱离原始数据的限制生成高质量的对抗样本,而且样本具备良好的攻击性和攻击迁移能力.

关键词：对抗攻击对抗训练生成式对抗网络条件模型样本生成

在线全文

学校读者我要写书评

暂无评论

小样本条件下列车通信网络攻击样本生成方法

西南交通大学学报 2023年第6期58卷 1277-1285页

作者：岳川王立德闫海鹏北京交通大学电气工程学院北京100044

基于深度学习的列车通信网络入侵检测需要充足的训练样本支撑,然而实际可获取的列车通信网络攻击样本非常少.本文将生成对抗网络(GAN)应用于攻击样本生成任务中,对GAN的采样策略、约束条件与损失函数进行改进,设计了基于卷积神经网络的... 详细信息

基于深度学习的列车通信网络入侵检测需要充足的训练样本支撑,然而实际可获取的列车通信网络攻击样本非常少.本文将生成对抗网络(GAN)应用于攻击样本生成任务中,对GAN的采样策略、约束条件与损失函数进行改进,设计了基于卷积神经网络的生成器与判别器,提出一种基于改进GAN的攻击样本生成方法.基于此方法开展了样本生成实验与入侵检测实验.结果表明,该方法能够生成有效的攻击样本,改进模型的训练效果,模型的F1分数平均增加了4.23%.

关键词：列车通信网络入侵检测深度学习样本生成生成对抗网络

面向恶意PDF文档分类的对抗样本生成方法研究

在线全文

学校读者我要写书评

暂无评论

信息安全学报 2023年第5期8卷 14-26页

作者：刘超娄尘哲喻民姜建国黄伟庆中国科学院信息工程研究所北京100093 中国科学院大学网络空间安全学院北京100093

通过恶意文档来传播恶意软件在现代互联网中是非常普遍的,这也是众多机构面临的最高风险之一。PDF文档是全世界应用最广泛的文档类型,因此由其引发的攻击数不胜数。使用机器学习方法对恶意文档进行检测是流行且有效的途径,在面对攻击者... 详细信息

通过恶意文档来传播恶意软件在现代互联网中是非常普遍的,这也是众多机构面临的最高风险之一。PDF文档是全世界应用最广泛的文档类型,因此由其引发的攻击数不胜数。使用机器学习方法对恶意文档进行检测是流行且有效的途径,在面对攻击者精心设计的样本时,机器学习分类器的鲁棒性有可能暴露一定的问题。在计算机视觉领域中,对抗性学习已经在许多场景下被证明是一种有效的提升分类器鲁棒性的方法。对于恶意文档检测而言,我们仍然缺少一种用于针对各种攻击场景生成对抗样本的综合性方法。在本文中,我们介绍了PDF文件格式的基础知识,以及有效的恶意PDF文档检测器和对抗样本生成技术。我们提出了一种恶意文档检测领域的对抗性学习模型来生成对抗样本,并使用生成的对抗样本研究了多检测器假设场景的检测效果(及逃避有效性)。该模型的关键操作为关联特征提取和特征修改,其中关联特征提取用于找到不同特征空间之间的关联,特征修改用于维持样本的稳定性。最后攻击算法利用基于动量迭代梯度的思想来提高生成对抗样本的成功率和效率。我们结合一些具有信服力的数据集,严格设置了实验环境和指标,之后进行了对抗样本攻击和鲁棒性提升测试。实验结果证明,该模型可以保持较高的对抗样本生成率和攻击成功率。此外,该模型可以应用于其他恶意软件检测器,并有助于检测器鲁棒性的优化。

关键词：恶意PDF文档对抗样本文档分类样本生成鲁棒性

基于样本生成与深度特征增强的柔性电路板表面缺陷检测

在线全文

学校读者我要写书评

暂无评论

基于样本生成与深度特征增强的柔性电路板表面缺陷检测

作者：邓筠钰华南理工大学

学位级别：硕士

柔性电路板是一种电子制造领域常用的印刷电路,具有体积小、可曲挠、配线密度高等优良特性,对其进行表面缺陷检测对电子产品的质量保障有重要意义。目前基于计算机视觉的表面缺陷检测算法可分为:基于传统图像处理技术的表面缺陷检测算法... 详细信息

柔性电路板是一种电子制造领域常用的印刷电路,具有体积小、可曲挠、配线密度高等优良特性,对其进行表面缺陷检测对电子产品的质量保障有重要意义。目前基于计算机视觉的表面缺陷检测算法可分为:基于传统图像处理技术的表面缺陷检测算法,以人工选择特征进行表面缺陷检测,鲁棒性较差;基于卷积神经网络的表面缺陷检测算法,通过大量训练数据使网络自主学习特征提取方式,从而获得有较强表征能力的特征,算法泛化性和鲁棒性强。目前,柔性电路板表面缺陷检测存在以下难点:1)柔性电路板生产中缺陷较为少见,得到的缺陷样本较少,且部分类别缺陷较其余类别偏少,影响检测网络的训练;2)缺陷特征不显著,难以与复杂背景电路区分;3)缺陷外观及尺寸多变。本文关注柔性电路板表面缺陷检测任务难点,从数据及特征提取两方面入手,提出一种缺陷图像生成方法及一种视觉反馈启发的表面缺陷检测算法,取得了较好的检测效果。主要内容如下:(1)针对柔性电路板表面缺陷小样本、类别不平衡问题与尺寸多变特点,基于缺陷类别特点提出了基于规则和修复生成的缺陷样本生成方法。针对数量难以支持深度网络训练的划痕类缺陷,提出基于规则的生成方法实现划痕类缺陷随机位置生成;针对数量较少的非划痕类缺陷,提出基于修复生成的样本生成算法实现各类缺陷快速生成,在其中设计跳跃连接结构生成器,对解码过程补充细节信息,同时设计多尺度膨胀残差特征学习模块,丰富特征感受野。提出算法生成的缺陷图像在多个图像质量评估指标中取得较好结果,将生成的各类缺陷数据补充至缺陷检测任务训练集,在Faster R-CNN目标检测网络中与原始训练集相比,m AP取得了4.58%的提升。(2)针对柔性电路板表面缺陷特征不显著特点,受视觉神经系统反馈调节机理启发,提出一种具有反馈结构的缺陷检测算法。在该算法中,提出反馈特征传递融合结构的骨干网络,提取更具多样性与丰富性的特征;提出基于传统图像特征的特征增强模块,利用传统图像特征提取技术对图像进行可解释性细节特征提取,辅助缺陷目标分类任务。本文所提出的算法在柔性电路板表面缺陷数据集上取得了93.06%的m AP,相较基线方法提升了2.33%,领先于其他目标检测算法。本文关注柔性电路板生产过程中的实际问题,针对柔性电路板表面缺陷数据特点,对柔性电路板表面缺陷数据集进行了扩增,获得了包含新缺陷目标的高质量缺陷样本,与传统数据增强相比,对检测模型效果的提升更为显著。同时受视觉反馈调节启发提出具有更强特征提取能力的表面缺陷检测算法,较其他检测算法取得了更优的检测效果,为柔性电路板表面缺陷检测任务提供了技术支撑。

关键词：卷积神经网络表面缺陷检测样本生成反馈调节图像修复柔性电路板

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于样本生成的天然气管道泄漏量检测方法

基于样本生成的天然气管道泄漏量检测方法

作者：龚曦重庆大学

学位级别：硕士

天然气管道泄漏会造成巨大的经济损失甚至人员伤亡。当管道泄漏发生后,若无法准确识别泄漏量,则不利于应急决策。不当或者错误的应急决策甚至会扩大管道泄漏范围、威胁抢修人员生命安全、造成更严重的损失。泄漏量检测作为天然气管道泄... 详细信息

天然气管道泄漏会造成巨大的经济损失甚至人员伤亡。当管道泄漏发生后,若无法准确识别泄漏量,则不利于应急决策。不当或者错误的应急决策甚至会扩大管道泄漏范围、威胁抢修人员生命安全、造成更严重的损失。泄漏量检测作为天然气管道泄漏检测中的重要一环,对管道泄漏事后控制具有积极意义,也是天然气管道安全运行的重要保障支撑。油气行业的数据监测与采集(Supervisory Control and Data Acquisition,SCADA)系统中包含丰富的管道运行数据,为基于机器学习的管道泄漏检测提供了广泛的数据基础。但是,对在役天然气管道而言,泄漏工况下的数据十分缺乏并且难以获取,甚至部分管道自投入生产以来从未发生过泄漏事故,这为基于机器学习的管道泄漏量检测带来了困难。基于样本生成的方法是解决泄漏数据缺失的有效方法之一。然而,如何保证生成数据与真实泄漏数据的特征一致性,并在工程实际应用中达到理想效果仍是一个挑战性的问题。论文提出一种基于生成模型和机理模型的泄漏量样本生成方法,分别构建真实泄漏样本集和虚拟泄漏样本集,以期从量和质两个方面达到数据集扩充的要求。论文的主要研究内容如下:(1)以少量真实泄漏数据为基础,提出基于时间序列生成对抗网络(Time Series Generative Adversarial Networks,TimeGAN)模型的样本生成方法扩充真实泄漏数据的样本深度。以一条长约17.95公里的在役天然气管道为研究对象,设计并安装泄漏模拟装置,通过现场实验获取的不同泄漏量下的有限实验样本,采用数据生成的方式扩充了真实泄漏数据的多样性。(2)提出基于Pipeline Studio泄漏模型的样本生成方法,以生成不同泄漏量下的虚拟泄漏样本,解决泄漏量样本分布不均衡的问题。建立实验管道的Pipeline Studio泄漏模型,并结合实验样本对泄漏模型进行有效性验证,然后通过动态仿真生成了不同泄漏量下的仿真样本,这些仿真样本构成了虚拟泄漏样本集。(3)由于真实泄漏样本集的样本量较少且分布不均衡,容易影响模型的训练效果;而虚拟泄漏样本的泄漏特征与真实泄漏特征存在差异,在实际应用中效果不佳。论文将两者结合实现优势互补,并基于改进域分离网络(Domain Separation Networks,DSN)对由真实样本和虚拟样本组成的混合样本集进行应用研究,实验结果证明生成的泄漏量样本在真实天然气管道泄漏量检测中的有效性。

关键词：泄漏量检测天然气管道样本生成混合样本集机器学习

基于DenseNet和样本生成的电机轴承故障诊断方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于DenseNet和样本生成的电机轴承故障诊断方法研究

作者：王勇重庆大学

学位级别：硕士

电机在工业化进程中有着举足轻重的地位,而电机轴承作为一个故障多发的零部件,损坏时很容易带来经济损失和人员伤亡等问题,传统的电机轴承故障诊断方法对从业人员的专业知识和经验要求较高,对复杂设备进行故障诊断的难度较大。近年来,... 详细信息

电机在工业化进程中有着举足轻重的地位,而电机轴承作为一个故障多发的零部件,损坏时很容易带来经济损失和人员伤亡等问题,传统的电机轴承故障诊断方法对从业人员的专业知识和经验要求较高,对复杂设备进行故障诊断的难度较大。近年来,基于深度学习的电机轴承故障诊断方法得到了学术界和工业界的广泛关注,但由于现实工况多变、电机轴承参数不同、故障样本较少等原因,基于深度学习的故障诊断模型面临着应用过程中识别准确率下降、难以满足工业要求的问题。本文针对电机轴承故障样本较少,以及可能没有标签的情况,研究基于深度迁移学习和样本生成的电机轴承故障诊断方法,用于改善变工况条件下深度学习网络进行跨域诊断识别率下降的问题。主要研究工作如下:针对目标域存在大量无标签样本的情形,本文构建了以特征提取器、自适应层、域分类器等模块为主的深度迁移学习网络,用于解决变工况环境下电机轴承振动数据特征的边缘分布概率不一致,因而导致智能故障诊断模型性能下降的问题。凭借以Dense Net为主干的特征提取器,以及基于对抗学习思想的域自适应方法,本文所构建的模型在CWRU数据集上取得了单域诊断精度99%以上,跨域诊断精度85%以上的良好效果。为了进一步提高故障诊断网络在只有少量目标域带标签样本情况下的性能,本文在常规预训练-微调方法的基础上结合了基于Cycle GAN的样本增强方法,通过分类训练故障样本的风格迁移模型,对目标域小样本进行扩充,进而提高故障诊断网络微调训练过程的稳定性和最终的预测精度。在CWRU公开数据集上对所构建的故障诊断模型进行测试,和基于域自适应方法的深度迁移网络进行对比,验证了该方法的有效性和优劣势。

关键词：轴承故障诊断样本生成迁移学习生成对抗

计及节点和断面功率约束的电压驱动潮流样本生成方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

计及节点和断面功率约束的电压驱动潮流样本生成方法研究

作者：刘宇航华南理工大学

学位级别：硕士

随着机器学习等现代计算机技术的广泛应用,对高质量的复杂电网潮流样本的需求日益增加,建立一套通用的样本生成平台是开展相关研究的迫切需求。与此同时,新能源广泛接入电网,伴随大规模电力电子设备的应用,而且电力系统的规模和容量日... 详细信息

随着机器学习等现代计算机技术的广泛应用,对高质量的复杂电网潮流样本的需求日益增加,建立一套通用的样本生成平台是开展相关研究的迫切需求。与此同时,新能源广泛接入电网,伴随大规模电力电子设备的应用,而且电力系统的规模和容量日益增加,电网的结构和运行方式也趋于复杂。针对某些特定运行方式潮流的调整需求,完全基于人工经验的调整模式已经越来越难以达到预期效果。综合上述原因,目前迫切需要一种通用的自动化方式来生成满足特定需求的潮流样本。本文提出一种满足节点与断面功率约束的潮流样本生成方法,该方法拥有优秀的样本生成性能和较强的功能扩展性。其中,电压驱动的潮流样本生成方法基于反函数法的样本生成方法设计,在框架层面设计了样本生成路线,提出了节点约束和断面约束的概念;在技术层面,方法基于Inter PSS平台进行开发,并利用图计算对算法进行扩展及性能优化,极大地提高了方法的样本生成效率,为在复杂大电网上的应用奠定基础。之后,本文建立了潮流样本生成物理模型,对其中的节点功率约束进行处理。设计了满足断面功率约束的样本生成模型,用于解决在指定运行方式下的潮流样本生成问题,利用灵敏度法和直流潮流法建立了集成断面功率控制的样本生成模型,并提出发电机功率约束控制算法,保证生成的样本满足实际电网物理特性。在IEEE14节点到UCTE 1254节点不同规模的各级电网中进行实验。结果表明,满足节点约束的潮流样本生成模型具有优秀的样本生成效率,能够保证生成合格样本的同时,降低生成过程中算法消耗时间与空间;额外满足潮流断面控制约束的样本生成模型能够在控制断面功率的同时保证实际电网的物理约束。本文的潮流样本生成方法在复杂大电网中也有非常好的性能。

关键词：潮流样本样本生成节点约束控制断面潮流控制

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GAN样本生成技术的智能诊断方法

振动与冲击 2020年第18期39卷 153-160页

作者：马波蔡伟东赵大力北京化工大学机电工程学院北京100029 北京化工大学高端机械装备健康监控及自愈化北京市重点实验室北京100029 北京化工大学发动机健康监控及网络化教育部重点实验室北京100029 北京博华信智科技股份有限公司北京100029

基于数据驱动的设备故障智能诊断方法是监测设备健康状况的重要手段,然而实际应用中,难以获取到足量有效的故障数据训练智能诊断模型。鉴于设备健康状态数据充足和现有智能诊断方法故障机理利用不足,提出基于生成对抗网络(GAN)样本生成... 详细信息

基于数据驱动的设备故障智能诊断方法是监测设备健康状况的重要手段,然而实际应用中,难以获取到足量有效的故障数据训练智能诊断模型。鉴于设备健康状态数据充足和现有智能诊断方法故障机理利用不足,提出基于生成对抗网络(GAN)样本生成技术的智能诊断方法。健康状态数据反映了设备个性特征,故障机理反映了设备共性特征,基于两种特征融合,得到故障数据样本,通过对深度卷积神经网络的训练为设备个体构建个性化的智能诊断模型。采用来自CWRU轴承数据和实验台模拟故障数据进行的实验结果表明,该方法相比现有智能诊断方法无需真实故障样本,在变负载条件下实现了很高的诊断准确率,具有较好的变工况迁移能力。

关键词：生成对抗网络(GAN) 样本生成故障机理智能诊断迁移学习