检索结果-南通市图书馆

计算机工程与应用 2017年第11期53卷 167-171页

作者：赵瑞娟官金安谢国栋中南民族大学医学信息分析及肿瘤诊疗湖北省重点实验室武汉430074 中南民族大学认知科学国家民委重点实验室武汉430074

针对脑-机接口的特征提取问题,提出了一种基于非监督学习的稀疏降噪自编码器,对刺激诱发的脑电信号进行自主学习,构建原始数据的深层特征表达。该编码器引用稀疏自编码神经网络,通过加入噪声,增强其学习的泛化能力,增加了神经网络的鲁... 详细信息

针对脑-机接口的特征提取问题,提出了一种基于非监督学习的稀疏降噪自编码器,对刺激诱发的脑电信号进行自主学习,构建原始数据的深层特征表达。该编码器引用稀疏自编码神经网络,通过加入噪声,增强其学习的泛化能力,增加了神经网络的鲁棒性。首先对多导联信号进行重新拼接,输入稀疏降噪自编码器,得到原始数据的稀疏特征表达;然后,采用支持向量机将学习到的特征进行分类;最后,同直接使用最优单通道相对比。实验结果为:稀疏降噪自编码器的分类准确率要优于单通道,表明该方法能够更好地学习到特征,并提高了"模拟阅读"脑-机接口的识别正确率,为脑-机接口系统的特征提取和分类提供了新思路。

关键词：模拟阅读脑-机接口非监督学习稀疏降噪自编码器支持向量机

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于稀疏降噪自编码器的深度置信网络

引用

计算机应用 2017年第9期37卷 2585-2589页

作者：曾安张艺楠潘丹 Xiao-Wei Song 广东工业大学计算机学院广州510006 广东建设职业技术学院现代教育技术中心广州510440 西蒙弗雷泽大学影像技术实验室

传统的深度置信网络(DBN)采用随机初始化受限玻尔兹曼机(RBM)的权值和偏置的方法初始化网络。虽然这在一定程度上克服了由BP算法带来的易陷入局部最优和训练时间长的问题,但随机初始化仍然会导致网络重构和原始输入的较大差别,这使得网... 详细信息

传统的深度置信网络(DBN)采用随机初始化受限玻尔兹曼机(RBM)的权值和偏置的方法初始化网络。虽然这在一定程度上克服了由BP算法带来的易陷入局部最优和训练时间长的问题,但随机初始化仍然会导致网络重构和原始输入的较大差别,这使得网络无论在准确率还是学习效率上都无法得到进一步提升。针对以上问题,提出一种基于稀疏降噪自编码器(SDAE)的深度网络模型,其核心是稀疏降噪自编码器对数据的特征提取。首先,训练稀疏降噪自编码;然后,用训练后得到的权值和偏置来初始化深度置信网络;最后,训练深度置信网络。在Poker Hand纸牌游戏数据集和MNIST、USPS手写数据集上测试模型性能,在Poker Hand数据集下,方法的误差率比传统的深度置信网络降低46.4%,准确率和召回率依次提升15.56%和14.12%。实验结果表明,所提方法能有效地改善模型性能。

关键词：深度置信网络受限玻尔兹曼机稀疏降噪自编码器深度学习

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于稀疏降噪自编码器的水声目标噪声数值特征提取方法

引用

声学与电子工程 2020年第4期 7-10页

作者：陈卓海装驻上海地区军事代表局上海200083

为提高水下目标识别泛化能力,以水中目标辐射噪声功率谱作为处理对象,将深度学习中的稀疏降噪自编码器用于水声目标噪声数值特征提取,构建含多隐层的稀疏降噪自编码器模型,并以基于Fisher准则下的类内距离和类间距离作为数值特征评价准... 详细信息

为提高水下目标识别泛化能力,以水中目标辐射噪声功率谱作为处理对象,将深度学习中的稀疏降噪自编码器用于水声目标噪声数值特征提取,构建含多隐层的稀疏降噪自编码器模型,并以基于Fisher准则下的类内距离和类间距离作为数值特征评价准则,通过仿真和实际数据分析,对稀疏降噪自编码器的特征提取性能进行了检验和评价。结果表明,稀疏降噪自编码器是一种有效的水声目标噪声特征提取器,所提取的数值特征具有较好的可分性,可为水声目标识别提供依据。

关键词：稀疏降噪自编码器水声目标辐射噪声数值特征评价方法

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于深度自编码器和LSTM的网络入侵检测方法研究

基于深度自编码器和LSTM的网络入侵检测方法研究

引用

作者：王德龙天津科技大学

学位级别：硕士

互联网技术的不断发展与创新,让生活变得更加方便快捷,人们足不出户便能完成工作、学习和购物等诸多事情。然而,网络给我们带来便利的同时,也带来了许多问题。网络攻击导致的大规模停电、系统瘫痪、信息泄露等事件每天都在上演。网络安... 详细信息

互联网技术的不断发展与创新,让生活变得更加方便快捷,人们足不出户便能完成工作、学习和购物等诸多事情。然而,网络给我们带来便利的同时,也带来了许多问题。网络攻击导致的大规模停电、系统瘫痪、信息泄露等事件每天都在上演。网络安全问题不仅与个人、企业的利益息息相关,同样也关乎到国家安全。入侵检测系统在保护网络安全的过程中一直扮演着至关重要的角色,它可以检测到网络中存在的异常行为,为人们的信息和财产安全保驾护航。近年来,网络规模日益增大,不断产生大量高维度的流量数据,传统的入侵检测方法大都通过规则匹配和聚类等机器学习方法对数据进行特征选择与提取,然而这些传统模型在准确率、精确率及召回率上都无法满足当今社会对网络安全的要求。此外,网络入侵检测还存在着数据不平衡及特征冗余的问题,因此,如何准确高效地从海量、高维数据中识别出具有攻击行为的数据成为了学者们广泛关注的问题。基于此,本文提出了一种基于深度稀疏降噪自编码器(Deep Sparse Denoising Auto-encoder,DSDAE)和长短期记忆(Long Short Term Memory,LSTM)神经网络的入侵检测模型对网络异常行为进行检测。首先,针对数据不平衡问题,采用SMOTE方法在少数类样本点之间随机插入样本增加其数量,降低样本的不平衡度,提高稀有攻击类别数据的占比,使其能够充分被分类器学习,从而使模型更好地识别出各种攻击类型,提高检测准确率。其次,针对高维数据存在的特征冗余问题,本文提出了基于深度稀疏降噪自编码器的入侵检测模型,不仅能够消除噪声数据对实验结果带来的影响,同时还能够增加特征提取的时效性,得到数据的深层特征,提升模型的非线性能力。最终将提取的特征送入Softmax分类器进行分类,实现网络异常行为的检测。在UNSW-NB15数据集上进行的实验充分证明了该模型的有效性。最后,针对长短期记忆神经网络无法在大量信息中获取重要信息的缺点,本文在LSTM中引入注意力机制对其进行改进,使其可以获取重要特征。该模型将经过深度稀疏降噪自编码器进行深度特征提取的数据作为输入数据,精准捕获入侵特征,准确地实现入侵检测。通过在UNSW-NB15数据集上的大量实验,有效证明了本文模型与其它模型相比有着更好的入侵检测效果。

关键词：入侵检测深度学习稀疏降噪自编码器长短期记忆注意力机制

来源：

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

基于自编码器的地震波特征提取方法研究

基于自编码器的地震波特征提取方法研究

引用

作者：朱乾菲河北地质大学

学位级别：硕士

通过地震反射数据解释地下地质问题,是勘探开发的重要手段之一。地震反射波的横向变化在一定程度上反映地下地层特征的横向变化。因此,地震相分析中利用地震属性和地震波组信息获取地下构造及刻画地质体具有重要意义。本论文利用深度学... 详细信息

通过地震反射数据解释地下地质问题,是勘探开发的重要手段之一。地震反射波的横向变化在一定程度上反映地下地层特征的横向变化。因此,地震相分析中利用地震属性和地震波组信息获取地下构造及刻画地质体具有重要意义。本论文利用深度学习技术强大的非线性特征提取、以及对低层特征进行更抽象的高层特征表示类别或特征的能力提取地震波特征,实现了基于稀疏降噪自编码器网络模型和聚类分析方法的波形分类,并将其应用于F3工区数据,以此帮助地质解释人员更好的识别地质体特征。相关工作如下:（1）各种自编码器的性能对比。在对各种自编码器的基本原理研究的基础上的,着重深入研究稀疏降噪自编码器算法（Sparse Denoising Auto-Encoder,SDAE）。不同自编码器在MNIST手写体数字集上的训练实验结果表明,SDAE不仅可以降噪,增强算法鲁棒性;而且稀疏项的加入优化了网络结构,能够更好地提取数据的深层特征。（2）基于SDAE的地震波特征提取模型设计和实现。利用深度学习框架Tensor Flow,构建了一个堆叠稀疏降噪自编码器模型。输入地震数据,通过四层稀疏降噪自编码器逐层提取更抽象的特征。每层自编码器以恢复输入特征为优化目标学习模型参数。通过大量实验确定了编码阶段和解码阶段的最优隐藏层数、隐藏层节点数及SDAE的网络连接权重参数,在人工合成数据和真实地震工区数据上验证模型的有效性。（3）利用SDAE方法实现了F3工区数据的地震波特征聚类分析。利用不同聚类算法对原始地震数据进行聚类分析,优选出模糊C均值聚类算法。通过将基于SDAE特征提取聚类结果的地质体特征与其他方法（直接聚类分析、基于主成分分析特征提取的聚类分析、基于Opend Tect软件波形分类聚类分析）的结果相对比,验证了本论文提出的SDAE提取特征方法在对波形分类识别地质体特征上有更好的效果。

关键词：地震相分析波形分类稀疏降噪自编码器特征提取模糊C均值

来源：

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

基于深度学习的电力负荷识别

基于深度学习的电力负荷识别

引用

作者：徐春华南昌大学

学位级别：硕士

随着国民经济的稳步健康发展,社会对电能质量的要求进一步提高。电力负荷的分类识别有助于了解电力系统的负荷组成,有利于掌握电力负荷的特征以及运行规律,有利于实现电力负荷的智能化监测。此外,分析电力负荷的电能消耗构成,可为电力... 详细信息

随着国民经济的稳步健康发展,社会对电能质量的要求进一步提高。电力负荷的分类识别有助于了解电力系统的负荷组成,有利于掌握电力负荷的特征以及运行规律,有利于实现电力负荷的智能化监测。此外,分析电力负荷的电能消耗构成,可为电力行业的节能提供强有力的数据支撑。在建设节约型社会、建设智能电网等方面意义深远。针对目前电力负荷识别中存在的人工选择特征困难的问题及为了进一步提高分类识别精度,本文提出了两种基于深度学习的电力负荷识别方法。本文提出一种基于深度置信网络(DBN)的电力负荷分类识别方法。DBN是一种深度神经网络框架,在图像识别、语音识别及电能质量扰动识别等领域有着成功的应用。DBN由多个受限玻尔兹曼机(RBM)和一层后向传播神经网络组成。使用对比散度算法,首先对第一个RBM进行充分训练,获取其初始特征,其次将这些初始特征值作为训练数据训练下一个RBM以获取高级特征,以此类推,完成所有RBM的训练。最后,通过反向传播算法采用有监督方式微调整个DBN。本文提出一种基于堆栈稀疏降噪自编码网络(SSDAE)的电力负荷分类识别方法。与深度置信网络(DBN)相同,SSDAE也是一种深度神经网络框架,已初步应用于数据分类、风险预测等多个领域。SSDAE由多层稀疏降噪自编码器(SDAE)和一层后向传播神经网络组成。而SDAE是一种改进的自编码器(AE),既有稀疏自编码器(SAE)的稀疏性约束条件,也兼有降噪自编码器(DAE)的特点,因此SDAE具有更好的分类性能。首先构建多层SDAE用于提取电力负荷数据特征,之后通过反向传播算法对SSDAE进行微调并对电力负荷进行分类。值得一提的是,本文使用的电力负荷数据是实地采集的现场运行工况下的数据,并非仿真数据。实验结果表明所提方法在八种以及十种工业电力负荷类型的分类识别上有着比较理想的效果。

关键词：深度学习电力负荷识别受限玻尔兹曼机深度置信网络稀疏降噪自编码器堆栈稀疏降噪自编码网络

来源：

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

基于多参数融合的风电机组齿轮箱状态监测

基于多参数融合的风电机组齿轮箱状态监测

引用

第32届中国过程控制会议(CPCC2021)

作者：李永亭郭慧军齐咏生刘利强张宇内蒙古工业大学电力学院内蒙古自治区机电控制重点实验室

为了提前预知风电机组齿轮箱的运行状态和故障信息,实现风电机组的可预测性维护,提出一种基于稀疏降噪自编码网络与多参数融合的风电机组齿轮箱状态在线监测方法。该方法首先在传统自编码器网络基础上增加稀疏和降噪两重功能模块,以解... 详细信息

为了提前预知风电机组齿轮箱的运行状态和故障信息,实现风电机组的可预测性维护,提出一种基于稀疏降噪自编码网络与多参数融合的风电机组齿轮箱状态在线监测方法。该方法首先在传统自编码器网络基础上增加稀疏和降噪两重功能模块,以解决风电机组关键信息噪声淹没和微弱特征提取困难的问题,再利用改进的稀疏降噪自编码器学习齿轮箱状态数据的特征规则,并引入批标准化(BN)算法提高网络收敛速度和学习效率;最后,利用输入数据和输出数据之间的重构偏差,建立基于马氏距离的状态监测指标,使用核密度估计确定监测阈值,实现风电机组齿轮箱在线监测。将所提方法应用于内蒙古某风场一台2WM风电机组齿轮箱SCADA数据中,结果表明该方法可以在齿轮箱停机故障前6天作出预警,实现风电机组齿轮箱的有效监测。

关键词：齿轮箱状态监测稀疏降噪自编码器马氏距离多参数融合

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

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：