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

基于自编码算法的深度学习综述

计算机系统应用 2018年第9期27卷 47-51页

作者：崔广新李殿奎佳木斯大学信息电子技术学院佳木斯154007

深度学习是机器学习的一个分支,开创了神经网络发展的新纪元.自编码算法作为深度学习结构的重要组成部分,在无监督学习及非线性特征提取过程中起到了至关重要的作用.首先介绍自编码算法的基本概念及原理,然后介绍基于自编码算法的改进算... 详细信息

深度学习是机器学习的一个分支,开创了神经网络发展的新纪元.自编码算法作为深度学习结构的重要组成部分,在无监督学习及非线性特征提取过程中起到了至关重要的作用.首先介绍自编码算法的基本概念及原理,然后介绍基于自编码算法的改进算法,最后列举了自编码算法在若干领域应用的知名案例和发展趋势.

关键词：机器学习深度学习自编码算法无监督学习神经网络

在线全文

学校读者我要写书评

暂无评论

基于深度学习的宽带编码光谱成像技术研究

基于深度学习的宽带编码光谱成像技术研究

作者：王一飞哈尔滨工业大学

学位级别：硕士

光探测在目标探测中有举足轻重的地位，其中光谱信息不仅能反映目标物质特征信息，可见光光谱更是反映了人眼对色彩的感知。光谱成像技术将成像技术和光谱技术相结合，在获取目标物二维图像信息的同时获取目标物光谱信息。在环境保护、... 详细信息

光探测在目标探测中有举足轻重的地位，其中光谱信息不仅能反映目标物质特征信息，可见光光谱更是反映了人眼对色彩的感知。光谱成像技术将成像技术和光谱技术相结合，在获取目标物二维图像信息的同时获取目标物光谱信息。在环境保护、遥感等诸多科学领域已有广泛应用。　　现有光谱成像技术主要分为直接型和计算型两种，传统型光谱成像技术原理成熟，但仍存在成像时间长，体积大，光谱分辨率与空间分辨率相互制约等问题。为解决上述问题，学者们提出了计算型光谱成像技术，将信息解耦任务由硬件转移至软件，打破了光谱分辨率与空间分辨率的制约问题。其中宽带编码光谱成像技术使用宽带滤光片编码解码方式获取目标光谱信息，充分发挥滤光片潜力，实现高质量光谱数据立方体重建。但是现有滤光片光谱响应设计方法普遍存在设计制造精度较低、设计过程过于随机难以充分发挥滤光片潜力等问题。深度学习技术作为近年来热门的目标特征信息提取技术，具有重建速度快，重建准确率高等特点，目前已被广泛应用于光谱成像领域。因此本文开展了基于深度学习的宽带随机光谱编码算法研究，完成了如下工作：　　1.该方法基于神经网络进行宽光谱滤光片的设计以及目标光谱信息的重建，直接对滤光片硬件参数进行设计，解决了传统逆向设计方法准确率低的问题，最大限度发掘滤光片潜力。仅使用5片滤光片就完成了25个通道光谱信息恢复。另外，该方法使用神经网络算法作为解码算法，大大提高解码速度，使实时，高分辨的光谱成像成为可能。　　2.在此基础上，根据滤光片加工需求，探究滤光片加工方法，使用电子束蒸镀方法，完成了薄膜滤光片的加工制作。并使用分光光度计对滤光片光谱透过特性进行了分析和测试。　　3.最终，搭建宽带随机光谱编码成像系统，对该方法的有效性和可行性进行实验验证，测试结果表明本系统光谱图像重建时间约为0.03s，相比傅里叶变换式光谱成像系统重建时间提高了120倍，可满足光谱成像技术所需的光谱数据立方实时解算要求。光谱准确率MSE为10-2量级，空间分辨率为10.08lp/mm。综上所述，本系统不仅能准确的完成目标场景光谱信息恢复，还大幅提高了光谱图像重建效率。

关键词：光谱成像深度学习薄膜滤光片自编码算法目标场景

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度特征编码的高光谱图像分类

基于深度特征编码的高光谱图像分类

作者：张义希华中科技大学

学位级别：硕士

随着高光谱图像数据的应用越来越广泛,其分类问题一直是高光谱图像研究的重点和难点。首先,本文分析了高光谱图像数据的特性,阐述了当前高光谱图像分类算法的研究方法和科研进展,并对几类常见的分类算法进行了文献综述,介绍了相关研究... 详细信息

随着高光谱图像数据的应用越来越广泛,其分类问题一直是高光谱图像研究的重点和难点。首先,本文分析了高光谱图像数据的特性,阐述了当前高光谱图像分类算法的研究方法和科研进展,并对几类常见的分类算法进行了文献综述,介绍了相关研究背景和研究的意义。接着总结了当前高光谱图像预维数约简的一些方法,并给出了评价分类算法性能的指标分类精度和Kappa系数的定义。其次,介绍了神经网络分类器,并给出了深度学习算法框架下的栈式自编码算法的理论基础和模型构建。在此基础上,针对高光谱图像数据内部独有的结构与潜在的模式,构建了基于深度特征编码的深度学习分类算法。更进一步,结合支持向量机算法,建立了基于深度特征编码的支持向量机分类算法。再次,在Pavia、KSC高光谱数据库中,对文中建立的模型进行了数值验证,对文中提出的基于深度特征编码的深度学习分类算法(DFE)和基于深度特征编码的支持向量机分类算法(DFE+SVM)与支持向量机分类和栈式自编码算法进行了比较,文中提出的算法分类精度在Pavia、KSC数据库中均有优异的表现,得到分类精度(96.1%,96.5%;93%,92.3%,Pavia)和kappa系数(95.6%,96.1%,KSC;93%,91.8%,Pavia),高出支持向量机和栈式自编码算法3%左右。在对算法的一些参数进行了深入分析之后发现,算法的分类精度和kappa系数随着隐藏层单元数目的不同发生变化,数目为60的时候分类效果最好。随着网络训练参数epochs的增加,分类精度和kappa系数越高。而训练样本比例较小的时候,其对分类精度和kappa系数的影响大,比例越大,分类精度和kappa系数越高,可达到97.3%(Pavia)。最后,对文中所做工作进行了总结,提出了进一步的展望。

关键词：高光谱图像分类深度学习自编码算法支持向量机深度特征编码

基于自编码特征提取及弹性学习的手写数字识别

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

现代电子技术 2014年第10期37卷 31-34页

作者：姜芳芳何明一王欣欣西北工业大学电子信息学院陕西西安710129

针对自编码算法提取输入特征能更好地发现样本间的相关性的优点,以自编码算法提取待识别样本特征作为多层前向网络的输入,以弹性BP算法训练网络,并用MNIST手写数字数据库样本测试。从正确率、拒识率、错误率和可靠率4项性能指标方面与... 详细信息

针对自编码算法提取输入特征能更好地发现样本间的相关性的优点,以自编码算法提取待识别样本特征作为多层前向网络的输入,以弹性BP算法训练网络,并用MNIST手写数字数据库样本测试。从正确率、拒识率、错误率和可靠率4项性能指标方面与逐像素方法进行了综合对比测试。研究表明,采用自编码特征提取、多层前向神经网络作为分类器以及弹性BP算法进行训练的手写数字识别,具有更快的收敛速度和更高的识别可靠率。

关键词：多层前向神经网络自编码算法弹性BP算法 MNIST数据库

降低车联网传输信号峰均比与立方度量技术的研究

在线全文

学校读者我要写书评

暂无评论

降低车联网传输信号峰均比与立方度量技术的研究

作者：栗振阳长安大学

学位级别：硕士

车联网的快速发展使交通服务逐步实现了智能化,IEEE 802.11p协议是车联网系统中的通信标准,在802.11p协议中,正交频分复用技术(Orthogonal Frequency Division Multiplexing,OFDM)尤为关键,因其抗多径干扰能力强、频带利用率高以及实现... 详细信息

车联网的快速发展使交通服务逐步实现了智能化,IEEE 802.11p协议是车联网系统中的通信标准,在802.11p协议中,正交频分复用技术(Orthogonal Frequency Division Multiplexing,OFDM)尤为关键,因其抗多径干扰能力强、频带利用率高以及实现复杂度低等优点成为了车联网系统中的主要通信技术,但峰值平均功率比(peak-to-average power ratio,PAPR)过大是其一大瓶颈,过高的PAPR会使信号产生非线性失真,从而引发信号畸变,且会降低功率放大器的工作效率,使系统的整体性能变差。因此,为了解决此缺陷,本文主要做了以下研究工作:首先,本文针对传输信号峰均比过大的问题,提出了一种基于深度学习中的自编码算法降低车联网系统中传输信号OFDM的PAPR的研究方案。本文主要是利用深度学习中的自编码器算法,通过选取不同的激活函数,构建具有多层神经网络的自动编码器训练模型。为使参数能够快速收敛至最优,本文选择将Adam算法与学习率衰减相结合的方式进行参数的优化。仿真结果表明,该方案在以损失一定误码率为代价的基础上,极大地抑制了系统的PAPR,由此提升了功率放大器的工作效率,通信质量也得以提升,进而提高了传输系统的整体性能。其次,本文在保证传输信号的可靠性的前提下,提出了一种基于深度学习的自编码算法降低车联网系统中传输信号OFDM的立方度量(Cubic Metric,CM)的研究方案。考虑到误差矢量幅度可以很好的衡量原始信号与输出信号的偏差程度,通过降低它就可以实现改善系统误码率的效果。因此,本文基于深度学习中的自编码算法,利用不同的激活函数,构建一个多层的编码训练模型,并将误差矢量幅度与经过自编码算法处理后的信号CM联合设置为损失函数,并且选取Adam优化器进行数据信息的优化。仿真结果表明,该方案在实现抑制CM的同时也防止了系统误码率性能的严重恶化,进而使得系统的整体性能得到改善提升。

关键词： IEEE 802.11p 正交频分复用自编码算法峰均比立方度量

基于改进随机权神经网络的高炉铁水质量参数建模

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于改进随机权神经网络的高炉铁水质量参数建模

作者：张丽东北大学

学位级别：硕士

高炉炼铁是钢铁冶炼中重要的生产环节。在高炉炼铁过程中,铁矿石、焦炭及溶剂按一定比例配成炉料,从炉顶进料口加入到炉内。铁矿石在高温高压下,经过一系列复杂的物理化学反应最终被还原成铁,以铁水的形式从高炉出铁口流出。铁水的质量... 详细信息

高炉炼铁是钢铁冶炼中重要的生产环节。在高炉炼铁过程中,铁矿石、焦炭及溶剂按一定比例配成炉料,从炉顶进料口加入到炉内。铁矿石在高温高压下,经过一系列复杂的物理化学反应最终被还原成铁,以铁水的形式从高炉出铁口流出。铁水的质量对后续转炉炼钢有着很大的影响,因此有必要实时准确地监测高炉内部状态参数,来保障高炉的平稳运行以生产出质量合格的铁水。然而高炉炼铁是一个包含气、固、液三相混合,物理化学反应极其复杂的过程,其内部环境极其恶劣,这些导致了操作人员难以对其内部运行状态的变化进行实时监测。因此有必要建立准确可靠的铁水质量模型来反映高炉当前和预期的内部温度和指标参数变化,为现场操作人员提供全面的炉况和铁水质量信息。目前,随机权神经网络(RVFLNs)被广泛应用于解决实际工程的建模、回归与分类,并且近几年也用于解决高炉铁水质量建模问题。相比常规的BP、RBF等神经网络,随机权神经网络有更快的速度和更高的计算效率,但随机权神经网络普遍存在易出现过拟合情况、计算结果不稳定、模型精度不够高的问题。为此,本文针对这些问题,依托国家自然科学基金重大研究项目“大型高炉高性能运行控制方法及其实现技术”(61290323),以柳钢2号高炉为研究对象,开展基于改进随机权神经网络的多元铁水质量建模研究,具体工作如下:(1)针对现有随机权神经网络建模方法存在的节点选择不当时易出现过拟合的问题,基于自编码(Autoencoder)算法和主成分分析(PCA)技术,提出一种新型的改进随机权神经网络-基于自编码和主成分分析的随机权神经网络(AE-P-RVFLNs),并建立高炉多元铁水质量指标的带输入的非线性自回归(NARX)模型。首先,对高炉的状态变量和控制变量进行分析得到16个影响铁水质量指标的变量,并引入PCA对16个变量进行降维处理以降低运算的复杂程度。其次,为了使模型更好的逼近实际系统的动态特性,本文引入NARX模型,并基于AIC(Akaike's Information Criterion)准则和 SR(Schwartz-Rissanen)准则确定了 NARX模型的最佳阶次。在确定了模型结构后,为了分析出实际复杂工业数据中的有用信息和发现输入数据之间的隐藏关系,用Autoencoder训练输入数据,并将训练得到的输出权值作为后续神经网络中的输入权重。随后,引入PCA技术对隐层输出矩阵进行降维处理,避免隐层输出矩阵多重共线问题,大大降低网络中的无用隐层结点个数,简化网络结构,有效避免由于隐层节点过多导致的过拟合问题。最后,将所提方法在柳钢2号高炉进行了工业试验和比较研究。结果表明,相对于常规铁水质量估计方法,本文所提模型提高了计算精度和计算速度,并且有效解决了常规RVFLNs由于隐层节点选择不当造成的过拟合问题。(2)针对常规RVFLNs计算结果不稳定以及精度需要进一步提高的问题,本文提出基于改进增量型随机权神经网络(I-RVFLNs)的多元铁水质量动态NARX建模方法。首先,改进并设定了符合高炉炼铁工艺实际和多输入多输出动态建模问题的算法终止条件;其次,针对增量型神经网络节点过多的情况,提出一种改进的增量型随机权神经网络,该算法在不改变网络节点个数和保证误差不断下降的前提下,依次改变每个节点的输出权重来,逼近理想输出值;最后基于柳钢2号高炉的实际数据建立了改进的增量型随机权神经网络的多元铁水质量动态NARX模型,并和其他模型进行对比实验。结果表明,相对于常规铁水质量模型,上述模型有更好的精度和速度。

关键词：高炉炼铁铁水质量参数随机权神经网络带输入的非线性自回归模型主成分分析自编码算法

基于机器学习和NetFPGA的智能高速入侵防御系统

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

信息网络安全 2014年第2期 12-19页

作者：李艺颖邓皓文王思齐龙军国防科学技术大学计算机学院湖南长沙410073

当前网络安全面临着日益多样化的威胁和挑战。入侵防御系统作为一种新兴的、能够动态监视并及时阻断异常网络传输行为的网络安全设备,成为目前主要的研究方向。目前主流的入侵防御系统主要通过人工预设的入侵规则集合对网络流进行匹配... 详细信息

当前网络安全面临着日益多样化的威胁和挑战。入侵防御系统作为一种新兴的、能够动态监视并及时阻断异常网络传输行为的网络安全设备,成为目前主要的研究方向。目前主流的入侵防御系统主要通过人工预设的入侵规则集合对网络流进行匹配来发现、处理入侵,这种方法效率低下、维护困难,且存在严重的处理速度与成本的矛盾。针对上述问题,文章提出了结合基于硬件的网络数据流高速捕获过滤、经典机器学习技术以及当前人工智能领域前沿的深度学习自编码技术的入侵检测新思路,实现了基于NetFPGA的智能、高速的网络入侵防御系统,并在测试中取得了优于其他同一成本水平入侵检测系统的结果。

关键词：入侵检测系统机器学习自编码算法

在线全文

学校读者我要写书评

暂无评论

基于深度学习的通信信号自动调制识别技术

电子技术应用 2019年第2期45卷 12-15页

作者：姚宇晨彭虎合肥工业大学仪器科学与光电工程学院安徽合肥230009

基于特征提取和模式识别的多体制通信信号自动调制识别技术是软件无线电领域中的重要研究课题,是复杂电磁环境下频谱管理、频谱检测等非协作通信领域的关键技术之一。提出一种基于深度学习的通信信号调制模式识别算法,应用自编码技术进... 详细信息

基于特征提取和模式识别的多体制通信信号自动调制识别技术是软件无线电领域中的重要研究课题,是复杂电磁环境下频谱管理、频谱检测等非协作通信领域的关键技术之一。提出一种基于深度学习的通信信号调制模式识别算法,应用自编码技术进行特征提取,获得具有较好的抗干扰能力的特征集,然后使用BP神经网络对经过筛选的特征进行分类识别,实现了MQAM通信信号调制模式自动识别。仿真实验结果表明,所提出的方法分类识别效果好,有效提高了数字调制信号自动识别的抗干扰能力。

关键词：自动调制识别自编码算法 BP神经网络