检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

深度自编码网络在入侵检测中的应用研究

哈尔滨工业大学学报 2019年第5期51卷 185-194页

作者：丁红卫万良龙廷艳贵州大学计算机科学与技术学院贵阳550025 贵州大学计算机软件与理论研究所贵阳550025

当前网络环境下的网络数据呈现出比以往更为庞大、复杂和多维的特性,传统的机器学习方法面临复杂的高维数据需要手动提取大量特征,特征提取过程复杂且计算量大,不利于当前入侵检测实时性和准确性的要求.基于此,以降低数据维度和消除冗... 详细信息

当前网络环境下的网络数据呈现出比以往更为庞大、复杂和多维的特性,传统的机器学习方法面临复杂的高维数据需要手动提取大量特征,特征提取过程复杂且计算量大,不利于当前入侵检测实时性和准确性的要求.基于此,以降低数据维度和消除冗余信息为目的,综合利用深度自编码网络(DAN)和BP算法,提出了基于DAN-BP的入侵检测模型.首先通过叠加多个自编码网络构成深度自编码网络模型,将网络特征数据作为模型的输入,使模型能够智能的逐层抽取网络数据的分布规则,从而获得新的低维特征数据集;然后利用BP算法对学习到的低维数据进行分类识别.文中通过在自编码网络中加入正则化修正,防止训练出的自编码网络直接复制输入信息而影响训练效果;且在输入数据中添加噪声,通过学习原始数据和输出数据重构误差达到去噪的目的,从而使得学习到的新的特征数据具有更强的鲁棒性.对比了传统的降维方法和当前入侵检测方法,结果表明本文方法在分类准确率、误报率和检测速率上均具有较优的效果.

关键词：入侵检测深度自编码网络 BP算法降维自编码网络

基于深度自编码网络的电弧故障检测与负载类型识别

在线全文

学校读者我要写书评

暂无评论

济南大学学报（自然科学版） 2023年第3期37卷 322-330页

作者：王尧马啸尘赵宇初张丹李奎河北工业大学河北省电磁场与电器可靠性重点实验室天津300130 河北工业大学省部共建电工装备可靠性与智能化国家重点实验室天津300130 乐清长三角电气工程师创新中心浙江温州325600 国网冀北电力有限公司廊坊供电公司河北廊坊065000

针对有监督学习的电弧故障检测方法需要大量带标签数据且大多只检测电弧故障而未对负载类型进行识别的问题,提出一种基于深度自编码网络的电弧故障检测与负载类型识别方法;采用小波包分解的节点系数作为自编码网络的无标签输入特征量,... 详细信息

针对有监督学习的电弧故障检测方法需要大量带标签数据且大多只检测电弧故障而未对负载类型进行识别的问题,提出一种基于深度自编码网络的电弧故障检测与负载类型识别方法;采用小波包分解的节点系数作为自编码网络的无标签输入特征量,并运用逐层训练方法对自编码网络进行预训练;为了使所提出方法的权重系数达到全局最优,采用少量有标签数据对所得权重进行微调,通过Softmax多分类器输出电弧故障检测结果,并根据负载类别最大概率识别电弧故障可能的负载类型。结果表明,所提出的方法对电弧故障检测与负载类型识别准确率达到98.56%,高于相同层数和参数规模的有监督学习网络的准确率。

关键词：电弧故障深度自编码网络无监督学习故障检测负载类型

深度自编码网络的集成学习ICPS入侵检测模型

在线全文

学校读者我要写书评

暂无评论

信息与控制 2021年第5期50卷 591-601页

作者：孙子文金浩江南大学物联网技术应用教育部工程研究中心江苏无锡214122 江南大学物联网工程学院江苏无锡214122

当前工业信息物理系统网络环境下的网络数据呈现出比以往更为庞大和复杂的特性,传统采用机器学习方式提取特征的过程繁琐且计算量大,不利于实时检测工业网络数据流量.鉴于此,研究一种基于深度自编码网络的集成学习入侵检测模型.首先,通... 详细信息

当前工业信息物理系统网络环境下的网络数据呈现出比以往更为庞大和复杂的特性,传统采用机器学习方式提取特征的过程繁琐且计算量大,不利于实时检测工业网络数据流量.鉴于此,研究一种基于深度自编码网络的集成学习入侵检测模型.首先,通过栈式叠加多个正则降噪自编码网络构造深度自编码网络,以非线性方式降低数据特征维数,获取到新的低维特征数据集;然后,采用集成多个深度信念网络模型以投票方式对降维后数据进行分类识别.实验结果表明,通过比对传统的降维方式和入侵检测方法,本文方法在分类性能和检测效率方面均有较优的效果.

关键词：工业信息物理系统正则降噪自编码网络深度自编码网络集成学习

在线全文

学校读者我要写书评

暂无评论

基于深度自编码网络的过程监测方法研究

基于深度自编码网络的过程监测方法研究

作者：李启泽江南大学

学位级别：硕士

现代工业过程日益复杂,一旦发生安全问题,将造成难以估量的损失,如何快速有效地监测工业过程的运行状态,以保证生产过程的安全可靠运行,一直是工业界和学术界的研究热点之一。随着分布式控制系统和工业互联网的发展,海量的过程数据得到... 详细信息

现代工业过程日益复杂,一旦发生安全问题,将造成难以估量的损失,如何快速有效地监测工业过程的运行状态,以保证生产过程的安全可靠运行,一直是工业界和学术界的研究热点之一。随着分布式控制系统和工业互联网的发展,海量的过程数据得到采集和应用,因此基于数据驱动的过程监测技术具有极大的工业应用价值和研究意义。然而目前基于数据驱动的过程监测研究中面临着数据量大、有价值信息稀疏、类别不平衡、有标记信息短缺、甚至无标记等工业问题,传统数据驱动的过程监测方法特征提取比较困难。深度自编码网络是深度学习领域中重要的网络模型,由于其出色的自监督学习特性和强大的特征学习能力而被广泛应用于过程监测领域,本文针对以上问题结合深度自编码网络展开过程监测方法的研究,主要研究内容如下:(1)针对深度自编码网络在故障检测中的单分类特征学习问题,以深度自编码网络为基础,从稀疏自编码原理出发,结合k近邻算法,提出基于深度稀疏自编码网络和k近邻的故障检测方法。首先使用深度稀疏自编码网络建立单分类的故障检测模型,通过稀疏项约束高维特征重构原始输入,提升深度自编码网络的单分类特征学习能力;其次基于深度稀疏自编码网络的非线性映射,将原始空间划分为特征空间和残差空间,使用k近邻准则在两个空间分别构建统计量,实现故障的在线检测。(2)针对深度自编码网络在故障分类中未知类型故障样本参与自监督学习训练模糊分类特征边界的问题,以深度自编码网络为基础,从重构误差的原理出发,结合核密度估计方法,提出基于重构误差样本筛选的堆栈自编码网络故障分类方法。通过少量有标签样本训练堆栈自编码网络,计算已知类型故障样本的划分阈值并筛选出参与故障分类模型训练的无标签样本,减少了未知类型无标签样本参与堆栈自编码网络训练带来的特征信息干扰,分析结果表明该方法能够充分利用无标签样本中的已知类型故障样本信息,所提取的故障特征可分性更强,分类结果更稳定。(3)针对深度自编码网络在故障分类中特征学习方向缺乏标签信息修正,致使无法提取到有效的分类特征问题,以深度自编码网络为基础,从特征学习方向修正的角度,结合费舍尔判别准则,提出基于费舍尔判别准则优化的堆栈自编码网络故障分类。将费舍尔判别准则中寻找最佳投影方向的特征学习方法运用到深度自编码网络的训练中,利用标签样本信息在深度自编码网络的逐层非线性映射中学习最佳的投影方向;同时在费舍尔判别准则改进的损失函数约束下训练,增加不同类别故障特征的类间距离,减小同类别特征的类内距离。由于在堆栈自编码网络的训练中,同时考虑最小化重构特征和最大化分类特征,使得训练后的堆栈自编码网络能够提取到更有效的分类特征信息。

关键词：过程监测故障检测故障分类深度学习深度自编码网络

基于深度自编码网络的高压断路器操作机构机械故障诊断方法

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

高电压技术 2020年第9期46卷 3080-3088页

作者：陈欣昌冯玎林圣西南交通大学电气工程学院成都611756

为了提高操作机构机械故障诊断准确率,充分挖掘高压断路器振动信号中的特征信息,提出了一种基于深度自编码网络的高压断路器操作机构机械故障诊断方法。首先,提取断路器操作机构振动信号并进行小波包变换,并对各个频段的振动信号进行等... 详细信息

为了提高操作机构机械故障诊断准确率,充分挖掘高压断路器振动信号中的特征信息,提出了一种基于深度自编码网络的高压断路器操作机构机械故障诊断方法。首先,提取断路器操作机构振动信号并进行小波包变换,并对各个频段的振动信号进行等时间分段;然后计算振动信号时频子平面的能量大小,并以该时频能量分布作为断路器操作机构故障诊断的特征量;最后,通过预训练和微调建立基于深度自编码网络的断路器故障诊断模型,并以126 kV高压断路器进行不同故障类型的模拟实验验证方法有效性。实验结果表明:该方法能够获取故障样本数据并进行故障诊断,诊断准确率达到97.5%;深度自编码网络能够充分挖掘出断路器振动信号中的深层信息,相较于传统的浅层网络能够更加准确有效地诊断操作机构机械故障。

关键词：高压断路器操作机构故障诊断小波包变换时频能量分布深度自编码网络

基于深度收缩稀疏自编码网络的飞行员疲劳状态识别

在线全文

学校读者我要写书评

暂无评论

控制与决策 2018年第12期33卷 2263-2269页

作者：吴奇储银雪陈曦林金星任和上海交通大学自动化系上海200240 上海飞机客户服务有限公司上海200241 南京邮电大学自动化学院南京210023

飞行员的疲劳状态识别具有重要的研究意义和应用价值.针对飞行员疲劳状态识别的复杂性和准确性,提出一种新的基于脑电信号的飞行员疲劳状态识别深度学习模型.在对飞行员的脑电信号进行滤波分解的基础上,提取delta波(0.5～4 Hz)、theta... 详细信息

飞行员的疲劳状态识别具有重要的研究意义和应用价值.针对飞行员疲劳状态识别的复杂性和准确性,提出一种新的基于脑电信号的飞行员疲劳状态识别深度学习模型.在对飞行员的脑电信号进行滤波分解的基础上,提取delta波(0.5～4 Hz)、theta波(5～8 Hz)、alpha波(7～14 Hz)和beta波(14～30 Hz),将其重组信号作为深度收缩稀疏自编码网络-Softmax模型的输入向量,用以对飞行员疲劳状态的识别,所得到的实验结果与深度自编码网络-Softmax模型和传统方法PCA-Softmax模型识别结果进行比较,结果表明所建立的深度学习模型具有很好的分类效果,分类准确率可达91.67%,且学习所得的特征稳定性好,验证了所提模型具有稳定性和重复验证性.

关键词：飞行员疲劳脑电信号深度收缩稀疏自编码网络深度自编码网络 Softmax分类器准确率

基于深度自编码网络模型的风电机组齿轮箱故障检测

在线全文

学校读者我要写书评

暂无评论

电工技术学报 2017年第17期32卷 156-163页

作者：刘辉海赵星宇赵洪山宋鹏邓春华北电力大学电气与电子工程学院保定071003 中国科学院大学物理科学学院北京110116 国网冀北电力有限公司电力科学研究院北京100045

为了实现风机齿轮箱的故障检测分析,提出一种基于风电机组齿轮箱的数据采集与监视控制(SCADA)数据和振动信号的深度自编码网络模型。该模型作为一种典型的深度学习方法,通过逐层智能学习初始样本特征,可以获取数据蕴含的规则与分布特征... 详细信息

为了实现风机齿轮箱的故障检测分析,提出一种基于风电机组齿轮箱的数据采集与监视控制(SCADA)数据和振动信号的深度自编码网络模型。该模型作为一种典型的深度学习方法,通过逐层智能学习初始样本特征,可以获取数据蕴含的规则与分布特征形成更加抽象的高层表示。首先,利用限制性玻尔兹曼机对网络参数进行预训练和反向传播算法对参数进行调优,建立深度自编码网络模型。然后,通过对齿轮箱的状态变量进行编码和解码,计算重构误差并将其作为齿轮箱的状态检测量。为了有效检测重构误差的趋势变化,选用自适应阈值作为风机齿轮箱故障检测的决策准则。最后,利用对齿轮箱故障前、后记录的数据进行仿真分析,结果验证了深度自编码网络学习方法对齿轮箱故障检测的有效性。

关键词：风电机组齿轮箱故障检测深度自编码网络自适应阈值

在线全文

学校读者我要写书评

暂无评论

基于深度自编码网络的电力变压器故障诊断

电力自动化设备 2016年第5期36卷 122-126页

作者：石鑫朱永利宁晓光王刘旺孙岗陈国强华北电力大学控制与计算机工程学院河北保定071003 国家电网公司北京100031

基于深度自编码网络(DAEN),构建了分类深度自编码网络(CDAEN)模型。结合电力变压器在线监测油中溶解气体分析(DGA)数据,提出了基于CDAEN的变压器故障诊断方法。所提方法利用大量无标签样本进行预训练,优化模型参数,并利用少量有标签样... 详细信息

基于深度自编码网络(DAEN),构建了分类深度自编码网络(CDAEN)模型。结合电力变压器在线监测油中溶解气体分析(DGA)数据,提出了基于CDAEN的变压器故障诊断方法。所提方法利用大量无标签样本进行预训练,优化模型参数,并利用少量有标签样本进行微调。实例分析表明,与基于反向传播神经网络(BPNN)、支持向量机(SVM)的故障诊断方法相比,所提方法的诊断正确率更高。

关键词：深度自编码网络电力变压器故障诊断油中溶解气体分析反向传播神经网络支持向量机

在线全文

学校读者我要写书评

暂无评论

基于深度自编码网络的航空发动机故障诊断

振动．测试与诊断 2021年第1期41卷 85-89,201,202页

作者：崔建国李国庆蒋丽英于明月王景霖沈阳航空航天大学自动化学院沈阳110136 故障诊断与健康管理技术航空科技重点实验室上海201601

为有效解决航空发动机的故障诊断难题,提出了基于深度自编码网络的航空发动机故障诊断方法,对发动机进行故障诊断技术研究。首先,对监测数据进行预处理,根据数据特征构建深度自编码网络的基本结构,采用无标签数据样本集对深度自编码网... 详细信息

为有效解决航空发动机的故障诊断难题,提出了基于深度自编码网络的航空发动机故障诊断方法,对发动机进行故障诊断技术研究。首先,对监测数据进行预处理,根据数据特征构建深度自编码网络的基本结构,采用无标签数据样本集对深度自编码网络进行预先训练,得到网络参数的初始值;其次,利用有标签的数据样本集对该网络进行训练,对网络参数进行微量调整,创建基于深度自编码神经网络的航空发动机故障诊断模型;最后,采用含有标签的测试样本集对创建的故障诊断模型进行诊断测试。为了表明所提出方法的优越性,将本研究方法与其他几种常用故障诊断方法的故障诊断结果进行了对比。结果表明,与反向传播神经网络、径向基神经网络等常用的故障诊断方法相比,所提出方法的诊断正确率更高,诊断效果更好。

关键词：深度自编码网络航空发动机故障诊断神经网络