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

抑制背景干扰的行人重识别方法

计算机辅助设计与图形学学报 2022年第4期34卷 563-569页

作者：刘志刚黄朝谢东军田枫李婷玉东北石油大学计算机与信息技术学院大庆163318 东北石油大学应用技术研究院博士后工作站大庆163318 中国石油天然气股份有限公司冀东油田分公司信息中心唐山063004

为解决行人重识别中的相似背景干扰问题,提出抑制背景干扰的行人重识别方法.首先对多摄像头监控场景下的行人重识别中的前景与背景的隐含关系进行分析;然后设计背景抑制网络模型,包括前景子网络、背景子网络和噪声抑制模块;最后在噪声... 详细信息

为解决行人重识别中的相似背景干扰问题,提出抑制背景干扰的行人重识别方法.首先对多摄像头监控场景下的行人重识别中的前景与背景的隐含关系进行分析;然后设计背景抑制网络模型,包括前景子网络、背景子网络和噪声抑制模块;最后在噪声抑制损失函数的作用下增强前景子网络对行人特征的提取能力,抑制背景噪声.在Market1501和DukeMTMC-reID数据集上进行仿真实验,结果表明,所提方法具有较低的计算复杂度,在提高模型识别性能的同时,可迁移能力有明显提高.

关键词：行人重识别背景干扰可迁移能力目标域

在线全文

学校读者我要写书评

暂无评论

基于迁移学习的表面肌电信号手势识别

南京理工大学学报 2023年第3期47卷 304-310页

作者：张应祥位少聪张茜茜周慧南京理工大学自动化学院江苏南京210094

为了解决基于深度学习方法的表面肌电(sEMG)信号手势识别模型训练中需要大量数据的问题,该文将迁移学习方法与卷积神经网络(CNN)相结合,设计了一种微调模型参数的训练方法。设计实验对16名被试者采集了8种手势的sEMG信号。利用已有被试... 详细信息

为了解决基于深度学习方法的表面肌电(sEMG)信号手势识别模型训练中需要大量数据的问题,该文将迁移学习方法与卷积神经网络(CNN)相结合,设计了一种微调模型参数的训练方法。设计实验对16名被试者采集了8种手势的sEMG信号。利用已有被试者的sEMG信号作为源域数据对CNN进行训练,模型在源域数据上的分类准确率为85.3%~98.11%。取其他被试者的sEMG信号作为目标域数据,数据量大小为源域数据的10%。在已训练好的模型基础上固定前2层卷积层,微调其余层级的参数,完成模型在不同个体间的迁移。迁移后的模型在目标域上的分类准确率为84.14%~97.4%。

关键词：迁移学习表面肌电信号手势识别深度学习方法卷积神经网络源域目标域

在线全文

学校读者我要写书评

暂无评论

基于深度学习的域适应方法综述

数据采集与处理 2022年第3期37卷 512-541页

作者：田青朱雅喃马闯南京信息工程大学计算机与软件学院南京210044 南京信息工程大学数字取证教育部工程研究中心南京210044

域适应主要应对跨不同数据分布的相似任务决策问题。作为机器学习领域的一个新兴分支,域适应受到了众多的研究和关注。随着近年深度学习的兴起,深度学习和域适应相结合的深度域适应研究得到了更多的关注。尽管已有各种深度域适应方法被... 详细信息

域适应主要应对跨不同数据分布的相似任务决策问题。作为机器学习领域的一个新兴分支,域适应受到了众多的研究和关注。随着近年深度学习的兴起,深度学习和域适应相结合的深度域适应研究得到了更多的关注。尽管已有各种深度域适应方法被提出,却鲜有系统的综述工作发表。为此,本文重点对现有的深度域适应方法进行全面回顾、分析和总结,为相关研究人员提供借鉴和参考。本文主要贡献包括以下方面:首先,对域适应的背景、概念和应用领域进行概括总结。其次,根据模型是否涉及对抗训练机制,将现有深度域适应划分为深度对抗域适应和深度非对抗域适应两大类方法,并逐类回顾和分析。然后,对常用的实验基准数据集进行归类和总结。最后,对现有深度域适应工作存在的问题和不足进行了归纳分析,并讨论了将来的可行研究方向。

关键词：域适应深度对抗域适应深度非对抗域适应源域目标域

基于迁移卷积神经网络的桥梁结构损伤识别方法

在线全文

学校读者我要写书评

暂无评论

铁道科学与工程学报 2024年

作者：罗旭欣陈龙梁韬黄天立中南大学土木工程学院

针对实际桥梁结构损伤模式识别时有限元模型与实际结构存在差异的情况，为提高有限元数值模拟数据集训练的深度神经网络识别实际桥梁结构损伤模式的准确率，提出一种结合迁移学习（Transfer Learning, TL）和一维卷积神经网络（One Dime... 详细信息

针对实际桥梁结构损伤模式识别时有限元模型与实际结构存在差异的情况，为提高有限元数值模拟数据集训练的深度神经网络识别实际桥梁结构损伤模式的准确率，提出一种结合迁移学习（Transfer Learning, TL）和一维卷积神经网络（One Dimensional Convolutional Neural Network, 1D-CNN）的结构损伤识别方法。首先，基于结构有限元数值模拟数据训练1D-CNN模型，选择损伤识别效果较好、性能优良的模型作为源模型；然后，将源模型中的网络结构和超参数迁移到实际结构实测数据集（目标域）网络模型的对应位置并冻结，得到预训练模型；最后，使用实测数据微调预训练模型得到目标模型。为验证该方法的有效性，通过3层钢框架结构实验室试验和日本某简支钢桁梁桥的现场试验，对比源模型（模型I）、仅采用实测数据训练得到的CNN模型（模型II）和采用迁移学习得到的CNN目标模型（模型III）等3种神经网络模型的结构损伤模式识别准确率。研究结果表明：3层钢框架结构实验室试验中，3种CNN模型的最高损伤模式识别准确率分别为63.44%,98.44%,99.06%；日本某简支钢桁梁桥的现场试验中，3种CNN模型的最高损伤模式识别准确率分别为59.50%,97.00%,99.50%。针对不同结构，目标模型（模型III）的损伤模式识别准确率均最高，收敛速度最快，优于其他2种CNN模型。基于迁移卷积神经网络的桥梁结构损伤识别方法具有较好的实际结构损伤识别能力，为解决数据有限情况下的结构损伤识别问题提供了一种有效的解决途径。

关键词：桥梁结构损伤模式识别一维卷积神经网络迁移学习源域目标域

基于跨领域迁移的AM-AdpGRU金融文本分类

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

应用科学学报 2022年第5期40卷 828-837页

作者：吴峰谢聪姬少培南宁师范大学师园学院广西南宁530226 广西农业职业技术大学广西南宁530005 中国电子科技集团公司第三十研究所四川成都610041

针对当前基于深度学习的金融文本分类模型严重依赖于标记数据的问题,提出了一种基于跨领域迁移的AM-AdpGRU金融文本分类模型,通过学习相关领域数据的分类准则将其迁移到目标领域数据。AM-AdpGRU模型首先利用深度网络自适应来克服源领域... 详细信息

针对当前基于深度学习的金融文本分类模型严重依赖于标记数据的问题,提出了一种基于跨领域迁移的AM-AdpGRU金融文本分类模型,通过学习相关领域数据的分类准则将其迁移到目标领域数据。AM-AdpGRU模型首先利用深度网络自适应来克服源领域和目标域之间数据分布差异导致的迁移损失,使得即使数据分布发生变化时模型也无需重构;然后利用注意力机制建立了目标域对源领域的特征选择机制,使得模型对源领域的注意力可以集中在与目标域相似性更高的部分。在公开的跨域情感评论Amazon数据集和SemEval-2017的Microblog金融数据集上进行了实验,将AM-AdpGRU模型与其他方法进行比较,结果表明AM-AdpGRU模型的分类平均准确性相对于其他模型有了显着提升。

关键词：金融文本分类跨领域迁移深度网络适应源领域目标域特征选择机制

基于深度学习的医学图像分析域自适应研究综述

在线全文

学校读者我要写书评

暂无评论

计算机应用研究 2023年

作者：李佳燨刘红英万亮天津大学医学工程与转换医学研究院

深度学习技术的广泛应用有力推动了医学图像分析领域的发展，然而大多数深度学习方法通常假设训练集和测试集是独立同分布的，这个假设在模型临床部署时很难保证，因此常出现模型性能下降、场景泛化能力不强的困境。基于深度学习的域自... 详细信息

深度学习技术的广泛应用有力推动了医学图像分析领域的发展，然而大多数深度学习方法通常假设训练集和测试集是独立同分布的，这个假设在模型临床部署时很难保证，因此常出现模型性能下降、场景泛化能力不强的困境。基于深度学习的域自适应技术是提升模型迁移能力的主流方法，其目的是使在一个数据集上训练的模型，能够在另一个没有或只有少量标签的数据集上也获得较好结果。由于医学图像存在着样本获取和标注困难、图像性质特殊、模态差异等情况，这给域自适应技术带来很多现实挑战。首先将介绍域自适应的定义及面临的主要挑战，进而从技术角度分类总结了近年来的相关算法，并对比分析其优缺点，然后详细介绍了域自适应常用的医学图像数据集以及相关算法结果情况。最后，从发展瓶颈、技术手段、交叉领域等方面，展望了面向医学图像分析的域自适应的未来研究方向。

关键词：医学图像分析域自适应域间偏移源域目标域

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

论柳宗元流寓文学创作的意象图式与隐喻编码

江汉论坛 2023年第4期 76-83页

作者：周水涛张学松信阳学院中国流寓文化研究中心河南信阳464000

在符码性质与符码组合层面讨论柳宗元愁苦愤懑情感的意象化,解析其流寓诗文创作的隐喻思维,具有重要意义。承载柳宗元隐喻思维的意象图式可大致分为两个大类。第一类是源域与目标域只存在一组对应关系的单质意象图式,这个类别包含三种... 详细信息

在符码性质与符码组合层面讨论柳宗元愁苦愤懑情感的意象化,解析其流寓诗文创作的隐喻思维,具有重要意义。承载柳宗元隐喻思维的意象图式可大致分为两个大类。第一类是源域与目标域只存在一组对应关系的单质意象图式,这个类别包含三种隐喻建构方式:一是基于自己的审美情趣与流寓心理,选择带有民族印记、积淀着历史文化的“表象”以构建意象图式;二是在传统隐喻结构上添加语码,赋予已有意象图式新的隐喻功能;三是进行个人化的“表象赋值”,在特定语境中自然生成单质意象图式。单质意象图式在柳宗元的流寓文学创作中使用频率较高。第二类是源域与目标域之间至少存在两组对应关系的化合意象图式,这个类别包含两种隐喻建构方式。第一种方式是采用古代典籍中的人和事作为“表象”,通过化用、截取、转喻、串连、融汇等方式,建构具有两个或两个以上子域(子集)的隐喻结构。第二种方式是利用“表象”的复杂属性作为映射源,构建源域与目标域存在多组对应关系的隐喻结构。化合意象图式能够高效阐释柳宗元特殊而复杂的流寓心理。

关键词：意象图式隐喻编码映射源域目标域

不平衡小样本基于局部域对抗适应网络的发动机振动预测模型

在线全文

学校读者我要写书评

暂无评论

智能系统学报 2023年第5期18卷 1005-1016页

作者：季友昌袁伟伟毛善斌任春红关东海南京航空航天大学计算机科学与技术学院江苏南京211106 北京动力机械研究所北京100074

在发动机振动预测中,实际装配数据样本量小且类别不平衡,难以直接建立有效的预测模型。迁移学习方法能够通过迁移源域知识来提高目标域模型性能,为此,本文提出了基于局部域对抗适应网络的发动机振动预测模型。将领域按标签分为多个局部... 详细信息

在发动机振动预测中,实际装配数据样本量小且类别不平衡,难以直接建立有效的预测模型。迁移学习方法能够通过迁移源域知识来提高目标域模型性能,为此,本文提出了基于局部域对抗适应网络的发动机振动预测模型。将领域按标签分为多个局部域,通过多个局部域对抗适应网络将目标域样本映射到源域,保证小样本中的少数类得到正确迁移。并通过伪标签来解决目标样本的域转换,使用源域分类器给出可靠的预测结果。本文在多个真实数据集上验证了所提方法的有效性和泛化性,与其他方法相比,振动预测准确率能够平均提升15%左右。

关键词：不平衡数据域适应对抗学习振动预测异构迁移学习目标域小样本学习特征空间

兼顾补偿预测误差和平抑波动的光伏混合储能协调控制策略

在线全文

学校读者我要写书评

暂无评论

电力系统自动化 2021年第3期45卷 130-138页

作者：谢丽蓉郑浩魏成伟胡少轶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风光储分室(新疆大学) 新疆维吾尔自治区乌鲁木齐市830047 新疆工程学院控制工程学院新疆维吾尔自治区乌鲁木齐市830001 特变电工新疆新能源股份有限公司新疆维吾尔自治区乌鲁木齐市830000

为了提升光伏输出功率预测精度和平抑功率波动,提出一种兼顾补偿预测误差和平抑波动的光伏混合储能协调控制策略。首先,利用概率统计分布对预测误差和功率波动进行分析,确立补偿预测误差和平抑波动目标域,基于预测允许误差上下限值确定... 详细信息

为了提升光伏输出功率预测精度和平抑功率波动,提出一种兼顾补偿预测误差和平抑波动的光伏混合储能协调控制策略。首先,利用概率统计分布对预测误差和功率波动进行分析,确立补偿预测误差和平抑波动目标域,基于预测允许误差上下限值确定补偿预测误差目标域的充/放电参考功率,以一阶低通滤波平滑曲线确定平抑波动目标域的充/放电参考功率。然后,基于频谱分析将目标域外的功率分解为高频和低频分量,实现功率分配目的,并基于目标域将混合储能电池分为4组,根据充/放电参考功率进行充/放电池组状态切换,实现对不同工况补偿预测误差的初级控制和平抑波动的次级控制,完成混合储能充/放电优先级控制。最后,以中国新疆某光伏电站为例进行算例分析,结果表明了所提策略的有效性。

关键词：光伏功率波动预测误差目标域功率分配分组电池优先级控制