检索结果-南通市图书馆

生物医学工程学杂志 2022年第1期39卷 28-38页

作者：许冬芹李明爱北京工业大学信息学部北京100124 北京市计算机智能和智能系统重点实验室北京100124 教育部数字社区工程研究中心北京100124

迁移学习在基于运动想象脑电信号(MI-EEG)的脑机接口(BCI)康复系统中具有潜在的研究价值和应用前景,而源域分类模型及迁移策略是直接影响目标域模型性能与迁移效率的两个重要方面。为此,本文提出一种基于浅层视觉几何组网络(sVGG)的参... 详细信息

迁移学习在基于运动想象脑电信号(MI-EEG)的脑机接口(BCI)康复系统中具有潜在的研究价值和应用前景,而源域分类模型及迁移策略是直接影响目标域模型性能与迁移效率的两个重要方面。为此,本文提出一种基于浅层视觉几何组网络(sVGG)的参数迁移学习(PTL)方法(PTL-sVGG)。首先,基于皮尔逊相关系数法对源域受试者进行筛选,并对优选的受试者MI-EEG数据进行短时傅里叶变换,获得时频谱图(TFSI);然后,对视觉几何组网络-16(VGG-16)进行结构简化与模块化设计,并利用源域TFSI完成改进的sVGG模型预训练;进而,设计基于模块的冻结—微调迁移策略,快速寻找并冻结sVGG模型中贡献最大的某个模块,再基于目标受试者TFSI微调其余模块,获得目标域分类模型。基于公开脑电信号(EEG)数据库进行实验研究,PTL-sVGG取得的平均识别率和卡帕(Kappa)值分别为94.9%和0.898。结果表明,源域受试者优选有利于改善源域模型性能,基于模块的迁移策略有效提升了迁移效率,实现了基于不同导联数的数据库跨受试者间模型参数的快速有效迁移。这将有利于减少BCI系统的校准时间,促进BCI技术在康复工程中的应用。

关键词：运动想象参数迁移学习视觉几何组网络皮尔逊相关系数迁移策略

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

基于深度卷积神经网络和生成对抗网络的滚动轴承故障诊断

基于深度卷积神经网络和生成对抗网络的滚动轴承故障诊断

引用

作者：李家辉华东交通大学

学位级别：硕士

滚动轴承是大型机械的重要组成部分,在高速、高强度的工况下,滚动轴承的故障是无法避免的,一旦出现故障,不但会给设备的正常运行带来极大的影响,而且还会带来巨大的经济损失。因此,对滚动轴承进行深入的故障诊断与分析是十分必要的。由... 详细信息

滚动轴承是大型机械的重要组成部分,在高速、高强度的工况下,滚动轴承的故障是无法避免的,一旦出现故障,不但会给设备的正常运行带来极大的影响,而且还会带来巨大的经济损失。因此,对滚动轴承进行深入的故障诊断与分析是十分必要的。由于传统的故障诊断技术需要大量的专家知识和复杂的特征提取,从而制约了其在故障诊断中的应用。而深度学习技术可以从二维图像数据中提取出大量的关键信息,因此,本文以滚动轴承振动信号转图像信号的数据集为研究对象,针对滚动轴承振动信号关键特征难提取、深度学习模型难训练、轴承故障样本数量少、数据集不平衡等问题,采用了深度卷积神经网络和改进的生成对抗网络研究了这些问题。具体工作如下:(1)针对深度卷积神经网络对一维振动数据细微特征提取不明显的问题,采用振动数据转图像数据的预处理方法,将转换的小波时频图输入到16层视觉几何组网络(Visual Geometry Group Networks,VGGNet)中训练,再使用轴承故障诊断实验台采集的轴承故障数据和凯斯西储大学轴承故障诊断公开数据集进行实验验证,结果表明,VGGNet网络平均诊断准确率分别是98.96%和99.52%,体现了VGGNet网络的优越性。(2)为了解决深层模型训练不彻底和训练时间久的问题,采用基于迁移学习(Transfer Learning,TL)的深度残差网络(Deep Residual Network,Res Net)滚动轴承故障诊断方法,先使用Image Net大型图像数据库预训练34层的Res Net大多数网络参数,再将滚动轴承时频图像集输入到网络中进行二次训练,最后通过滚动轴承数据集进行实验验证,得到TL-Res Net34模型故障平均识别率为98.89%,验证了所提方法的可行性。(3)针对机械设备实际运作中故障数据远远少于正常数据的问题,采用面向故障数据的基于生成对抗网络(Generative Adversarial Networks,GAN)的故障诊断方法,首先使用Wasserstein距离替代生成对抗网络的JS散度建立基础模型,再使用梯度惩罚(gradient penalty,GP)方法优化模型,学习原始数据的分布并进一步扩充可用于训练的故障样本集,最后,通过设置不平衡数据集和数据增强两组滚动轴承故障诊断实验,说明数据驱动和生成对抗网络在滚动轴承故障诊断方面的有效性。

关键词：故障诊断滚动轴承卷积神经网络视觉几何组网络深度残差网络生成对抗网络

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

多频段图像融合方法研究及其在无源成像中的应用

多频段图像融合方法研究及其在无源成像中的应用

引用

作者：何洋电子科技大学

学位级别：硕士

同一物体在不同频段的成像结果往往包含和体现出不同的直观信息,将它们有效地融合,可以展示出更丰富的信息,实现信息互补。太赫兹/毫米波无源探测成像技术,是一种通过探测不同物体在太赫兹/毫米波频段自身辐射亮温的差异来成像的技术,... 详细信息

同一物体在不同频段的成像结果往往包含和体现出不同的直观信息,将它们有效地融合,可以展示出更丰富的信息,实现信息互补。太赫兹/毫米波无源探测成像技术,是一种通过探测不同物体在太赫兹/毫米波频段自身辐射亮温的差异来成像的技术,可以在成像图像上显示出隐匿的金属和非金属物品。将太赫兹/毫米波图像与可见光图像进行融合,能更好地体现场景、被检人外貌以及隐匿物品的综合信息,便于安检及监控等应用。本论文依托于实际科研项目,主要研究多频段图像融合算法。首先,对无源成像图像进行融合预处理,包括太赫兹与可见光图像的配准和隐匿物品区域的提取;然后,开展了多频段图像融合的方法研究,以期提升融合图像的对比度,降低噪声伪影,使融合后图像中的隐匿物品显示更明显。具体研究内容如下:（1）分析了基于多尺度分解和基于神经网络的图像融合方法,帮助形成了本论文提出的多频段图像高对比度显著性、低噪声伪影融合的技术研究思路。同时,介绍了基于区域和特征的配准方法,以及无源成像系统的基本工作过程,分析了太赫兹/毫米波图像特性,为图像融合在无源成像中的应用提供理论基础。（2）研究了太赫兹图像和可见光图像的配准算法,引入了先近似配准再精细配准的思路。首先,提取太赫兹和可见光图像中具有相似的人体区域,基于图像中代表人体区域的主体特征点进行近似配准;然后,以互信息为相似性度量,将近似配准图像作为起始图像,通过方向加速（Powell）算法寻优获取精确的空间几何变换参数。由此可以有效降低计算时间、避免Powell算法陷入局部极值点。（3）分析了一些融合方法导致融合图像低对比度、包含大量噪声和伪影的问题,提出了小梯度滤波与视觉几何组VGG网络（Visual Geometry Group）相结合的图像融合方法。针对“近似部分”,通过图像对比度显著性来得到权重分配,最终提高融合图像的对比度显著性;针对“残差部分”,利用VGG网络对源图像的多层深度特征进行提取,得到残差部分的权重分配,从而来降低融合图像中的噪声伪影。（4）针对图像融合在无源成像中的应用,提出了基于区域引导的改进融合方法。调整“近似部分”中隐匿物品区域的融合权重,使得太赫兹/毫米波和可见光的融合图像中的隐匿物品更加清晰明显,这对于实际安检及监控应用具有重要意义。

关键词：图像融合无源探测成像图像配准小梯度滤波视觉几何组网络

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

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

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

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：