检索结果-南通市图书馆

基于增量能量法和BiGRU-dropout的锂电池健康状态估计

在线全文

学校读者我要写书评

暂无评论

电子测量与仪器学报 2023年第1期37卷 167-176页

作者：张朝龙罗来劲刘惠汉赵筛筛金陵科技学院智能科学与控制工程学院南京211169 安庆师范大学电子工程与智能制造学院安庆246011

锂离子电池健康状态(SOH)的精确估计是电池管理系统面临的核心问题之一。针对实际的电池容量很难直接测量和容量再生导致的SOH估计误差问题,提出了一种基于增量能量法和双向门控循环网络(BiGRU)-dropout的锂离子电池健康状态估计方法。... 详细信息

锂离子电池健康状态(SOH)的精确估计是电池管理系统面临的核心问题之一。针对实际的电池容量很难直接测量和容量再生导致的SOH估计误差问题,提出了一种基于增量能量法和双向门控循环网络(BiGRU)-dropout的锂离子电池健康状态估计方法。首先分析增量能量曲线随电池老化的衰退规律,提取出最大峰值高度作为电池SOH的新健康因子。通过翻转层和门控循环网络层所搭建的BiGRU网络得出健康因子与SOH的映射关系,同时添加dropout机制网络层防止出现过拟合现象,建立SOH估计模型用于电池SOH精确估计。实验结果表明,在不同充电倍率条件下,该方法均可快速、准确地估计电池SOH。

关键词：锂离子电池健康状态增量能量法双向门控循环网络 dropout机制

同方期刊数据库

基于改进的堆叠降噪自动编码器深度模型的转子-转轴系统故障诊断方法

在线全文

学校读者我要写书评

暂无评论

机床与液压 2020年第21期48卷 182-188,196页

作者：姜万录李金虎李振宝姜安琦燕山大学先进锻压成型技术与科学教育部重点实验室河北秦皇岛066004 河北省重型机械流体动力传输与控制重点实验室河北秦皇岛066004 燕山大学电气工程学院河北秦皇岛066004

旋转机械转子-转轴系统故障诊断方法中大多采用传统浅层模型,对于数量较大的样本其处理能力有限。为解决此问题,提出一种利用改进的堆叠降噪自动编码器(SDAE)深度模型的故障诊断方法,并对转子-转轴系统的典型故障进行诊断。利用某机械... 详细信息

旋转机械转子-转轴系统故障诊断方法中大多采用传统浅层模型,对于数量较大的样本其处理能力有限。为解决此问题,提出一种利用改进的堆叠降噪自动编码器(SDAE)深度模型的故障诊断方法,并对转子-转轴系统的典型故障进行诊断。利用某机械故障综合模拟实验台,结合基于LabVIEW开发的信号采集系统模拟并采集转子-转轴系统的10类单一故障和7类复合故障振动信号。在训练SDAE模型时引入dropout机制对模型进行改进,并结合Softmax分类器进行网络训练与诊断。与传统BP网络、自动编码器(AE)、无dropout机制的SDAE和卷积神经网络(CNN)进行对比,结果表明:改进的SDAE方法对于转子-转轴系统故障的正确识别率最高,特别是对复合故障的诊断效果比其他模型更理想,充分验证了改进的SDAE深度模型的优越性。

关键词：故障诊断深度模型堆叠降噪自动编码器 dropout机制

在线全文

学校读者我要写书评

暂无评论

一种新的优化机制:Rain

计算机科学 2021年第S2期48卷 63-70页

作者：刘华玲皮常鹏刘梦瑶汤新上海对外经贸大学统计与信息学院上海201600

在机器学习领域,传统模型的损失函数为凸函数,故具有全局最优解,通过传统的梯度下降算法可以求得最优解。但在深度学习领域,由于模型函数的隐式表达及同层神经元的可交换性,其损失函数为非凸函数,传统的梯度下降算法无法求得最优解,即... 详细信息

在机器学习领域,传统模型的损失函数为凸函数,故具有全局最优解,通过传统的梯度下降算法可以求得最优解。但在深度学习领域,由于模型函数的隐式表达及同层神经元的可交换性,其损失函数为非凸函数,传统的梯度下降算法无法求得最优解,即使是较为先进的SGDM,Adam,Adagrad,RMSprop等优化算法也无法逃脱局部最优解的局限性,在收敛速度上虽然已经有很大的提升,但仍不能满足现实需求。现有的一系列优化算法都是针对已有优化算法的缺陷或局限性进行改进,优化效果有些许提升,但对于不同数据集的表现不一致。文中提出一种新的优化机制Rain,该机制结合深度神经网络中的dropout机制,并融入到优化算法上得以实现。该机制并不是原有优化算法的改进版,而是独立于所有优化算法的第三方机制,但可以和所有优化算法搭配使用,从而提高其对于数据集的适应性。该机制旨在对模型在训练集上的表现进行优化,测试集上的泛化问题并不作为该机制的关注点。文中利用Deep Crossing和FM两个模型搭配5种优化算法,分别在Frappe和MovieLens两个数据集上进行实验,结果表明,加入Rain机制的模型在训练集上的损失函数值明显减小,且收敛速度加快,但其在测试集上的表现与原模型相差无几,即泛化性较差。

关键词：深度学习优化算法 dropout机制 Rain机制收敛速度

在线全文

学校读者我要写书评

暂无评论

基于梯度选择的轻量化差分隐私保护联邦学习

计算机科学 2024年第1期51卷 345-354页

作者：王周生杨庚戴华南京邮电大学计算机学院南京210023 江苏省大数据安全与智能处理重点实验室南京210023

为了应对机器学习过程中可能出现的用户隐私问题,联邦学习作为首个无需用户上传真实数据、仅上传模型更新的协作式在线学习解决方案,已经受到人们的广泛关注与研究。然而,它要求用户在本地训练且上传的模型更新中仍可能包含敏感信息,从... 详细信息

为了应对机器学习过程中可能出现的用户隐私问题,联邦学习作为首个无需用户上传真实数据、仅上传模型更新的协作式在线学习解决方案,已经受到人们的广泛关注与研究。然而,它要求用户在本地训练且上传的模型更新中仍可能包含敏感信息,从而带来了新的隐私保护问题。与此同时,必须在用户本地进行完整训练的特点也使得联邦学习过程中的运算与通信开销问题成为一项挑战,亟需人们建立一种轻量化的联邦学习架构体系。出于进一步的隐私需求考虑,文中使用了带有差分隐私机制的联邦学习框架。另外,首次提出了基于Fisher信息矩阵的dropout机制——Fisherdropout,用于对联邦学习过程中在客户端训练产生梯度更新的每个维度进行优化选择,从而极大地节约运算成本、通信成本以及隐私预算,建立了一种兼具隐私性与轻量化优势的联邦学习框架。在真实世界数据集上的大量实验验证了该方案的有效性。实验结果表明,相比其他联邦学习框架,Fisherdropout机制在最好的情况下可以节约76.8%~83.6%的通信开销以及23.0%~26.2%的运算开销,在差分隐私保护中隐私性与可用性的均衡方面同样具有突出优势。

关键词：联邦学习差分隐私 Fisher信息矩阵 dropout机制轻量化

在线全文

学校读者我要写书评

暂无评论

基于长短期记忆网络的心律失常预测研究

基于长短期记忆网络的心律失常预测研究

作者：陈兆雄南京邮电大学

学位级别：硕士

由于高发病率和死亡率,心血管疾病对人类健康造成了严重的威胁。心电信号被广泛用于衡量心脏的健康状况,为心血管疾病的诊断和治疗提供了丰富的信息,而心电图是标准的记录心脏活动的工具,在目前的心律失常诊断上应用最为广泛。目前针对... 详细信息

由于高发病率和死亡率,心血管疾病对人类健康造成了严重的威胁。心电信号被广泛用于衡量心脏的健康状况,为心血管疾病的诊断和治疗提供了丰富的信息,而心电图是标准的记录心脏活动的工具,在目前的心律失常诊断上应用最为广泛。目前针对心电图中的时间序列信号处理通常着眼于当前时刻以检测患者可能遭受的心律失常,其缺乏对即将发生的心电信号异常的早期预测的关注,这就需要一种自动的心律失常预测算法来为医生提供超前的辅助决策支持。本文以提高心律失常预测准确率为目的,研究的重点内容如下:首先为了能够在有效地提取心电信号特征的同时降低模型的复杂度和计算量,研究了基于堆叠长短期记忆网络的心律失常预测方法。该方法充分利用了长短期记忆网络计算量小,速度快的特性,整个网络结构采用了两层堆叠,每层20个单元对心电信号波形提取特征,并选取Softmax函数完成心律失常预测。该方法在公共数据集MIT-BIH上取得了97.2%的总体预测准确率。其次由于传统预测模型是针对单步时间序列预测建立的,只适用于短期决策问题。为实现对复杂的心律失常的有效监测,还需要对心电信号序列做多步预测。但将较长的时间序列信号采用单一的神经网络模型进行多步预测时,预测的误差将随着预测步长而增加,导致预测结果与原序列存在较大误差。针对这个问题,提出一个基于自动编码器的心律失常预测方法。该方法是由两层长短期记忆神经网络组成。首个神经网络层作为编码器层,对预处理后的心电信号进行特征提取并编码;第二个神经网络层作为解码器层,通过解码得到后续时刻的心电信号特征,然后使用Softmax分类器实现心律失常预测。本文在公共数据集MIT-BIH上的实验结果表明,该方法有效地提高了各类型心律失常的预测准确率,总体预测准确率达到97.9%。最后由于相对于网络规模较大的神经网络而言,心电信号的数据量相对较小,故容易出现过拟合的现象,即训练集的准确率较高,而测试集的准确率较低,调参无法改善准确率。针对这个问题,提出加入dropout机制的心律失常预测方法。该方法通过加入dropout机制模块实现对神经单元进行随机概率失活,有效解决了过拟合问题,完成心律失常预测高正确率的目标。本文在公共数据集MIT-BIH上的实验结果表明,所述方法采用嵌入dropout机制模块的方式使心律失常总体预测准确率达到了98.4%,与原先堆叠长短期记忆网络模型的心律失常预测算法相比准确率提高了1.2%。

关键词：心电信号预测长短期记忆网络自动编码器 dropout机制

基于改进SSAE和高光谱图像的油菜叶片锌含量检测研究

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

基于改进SSAE和高光谱图像的油菜叶片锌含量检测研究

作者：伏吕慧江苏大学

学位级别：硕士

油菜是我国食用油的主要来源,而锌是油菜生长过程中必不可少的元素之一,适当地施用锌肥能促进油菜合成叶绿素并加速生长。然而,目前土壤锌污染情况不容乐观,高浓度的锌污染会抑制油菜生长,影响产量,甚至会危害人体健康,因此对油菜叶片... 详细信息

油菜是我国食用油的主要来源,而锌是油菜生长过程中必不可少的元素之一,适当地施用锌肥能促进油菜合成叶绿素并加速生长。然而,目前土壤锌污染情况不容乐观,高浓度的锌污染会抑制油菜生长,影响产量,甚至会危害人体健康,因此对油菜叶片中的锌含量进行检测十分有必要。传统的锌含量检测方法处理步骤繁琐、耗时费力。高光谱图像技术是一种新兴的无损检测技术,具有图谱合一的特点,借助高光谱图像技术无需复杂操作就能实现油菜叶片锌含量的无损检测。但高光谱图像存在数据维度大、信息冗余、波段间相关性强等问题,需要进行特征选取,才能消除冗余信息、简化模型。堆叠稀疏自动编码器（Stacked Sparse Auto-Encoder,SSAE）因其强大的特征学习能力,被广泛用于高维数据的特征提取中。但传统SSAE的网络结构参数是由人工经验确定,存在偶然性,且在处理小样本、高维度和非线性的数据集时容易过拟合,不利于高光谱图像特征的提取。因此,本文提出一种改进型堆叠稀疏自动编码器（Modified Stacked Sparse Auto-Encoder,MSSAE）用于油菜叶片高光谱图像深度融合特征的提取,并基于MSSAE提取的特征建立预测模型,实现油菜叶片锌含量的准确检测,主要研究内容和结论如下:（1）油菜的培育与高光谱图像的获取。使用6个不同浓度的锌溶液进行油菜胁迫实验,得到不同锌含量的油菜叶片,并使用火焰原子吸收光谱法测得叶片真实的锌含量。利用高光谱成像系统采集不同浓度锌溶液胁迫下的油菜叶片图像,通过阈值分割方法提取整个叶片作为感兴趣区域,并计算出感兴趣区域的平均光谱值作为原始光谱数据,另外提取油菜叶片的24个颜色特征和10个纹理特征。（2）SSAE的改进。虽然SSAE的出现大大提升了自动编码器算法的特征学习能力,但仍然存在网络参数靠经验设置、容易过拟合等问题。本文使用dropout机制代替传统的KL散度进行稀疏约束,解决网络在高光谱图像特征提取时容易过拟合的问题;通过灰狼优化算法（Grey Wolf Optimizer,GWO）寻找SSAE的最佳网络结构,解决网络结构参数靠经验设置的问题。改进后的SSAE被用于油菜叶片高光谱图像的特征提取中,并与传统方法进行比较。研究结果发现MSSAE更适合提取高光谱图像的深层特征。（3）建立基于光谱信息的油菜叶片锌含量预测模型。首先使用多元散射校正（Multiplicative Scatter Correction,MSC）对光谱曲线进行预处理,减少曲线的散射和基线漂移。预处理后的光谱数据使用MSSAE进行特征提取,并将特征提取结果与区间变量迭代空间收缩算法（Variable Iterative Space Shrinkage Approach,VISSA）结合竞争性自适应重加权算法（Competitive Adaptive Reweighed Sampling,CARS）、连续投影算法（Successive Projections Algorithm,SPA）选取的特征结果进行比较。最后基于全光谱信息和不同算法提取的特征分别建立最小二乘支持向量机回归（Least Squares Support Vector Regression,LSSVR）预测模型,并使用布谷鸟搜索（Cuckoo Search,CS）算法对模型的参数进行优化。结果显示基于MSSAE提取特征建立的模型预测效果最好,_(（8）为0.958,为1.098 mg/kg,为0.940,为1.245 mg/kg。结果表明MSSAE具有强大的特征提取能力。（4）建立基于图-谱融合信息的油菜叶片锌含量预测模型。为了进一步提高模型精度,将油菜叶片的光谱信息、颜色特征和纹理特征进行归一化融合,使用不同算法对图-谱融合信息进行特征选取并建立预测模型。对比发现基于MSSAE提取的28个特征建立的预测模型效果最好。之后使用CS对模型进行优化,结果显示MSSAE-CS-LSSVR模型的预测效果最好(_(（8）为0.979,为0.931mg/kg,为0.951,为1.127 mg/kg)。因此,基于图-谱融合信息建立的MSSAE-CS-LSSVR模型可以有效提升油菜叶片锌含量的检测精度,也进一步表明深度学习方法结合高光谱图像技术能够实现油菜叶片锌含量的准确、无损检测。本文在SSAE的基础上提出MSSAE,使用MSSAE提取油菜叶片高光谱图像的深度融合特征并建立预测模型,成功实现了油菜叶片锌含量的高精度、无损检测,这为油菜叶片锌含量快速、无损检测仪器的研发提供了技术支撑,也为其他植物体内重金属含量的无损检测提供了参考。

关键词：堆叠稀疏自动编码器 dropout机制灰狼优化高光谱图像油菜锌含量

基于卷积神经网络的特定目标文本情感分析模型

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

吉首大学学报（自然科学版） 2024年第1期45卷 24-29页

作者：叶海燕巢湖学院计算机与人工智能学院安徽巢湖238000

在特定目标文本情感分析过程中,文本序列分类受标注方式的限制,导致分析结果的准确率和召回率较低.为了解决这个问题,构建了基于卷积神经网络的特定目标文本情感分析模型(文本分析模型).根据情感差异分析特定目标文本序列,在输入层将文... 详细信息

在特定目标文本情感分析过程中,文本序列分类受标注方式的限制,导致分析结果的准确率和召回率较低.为了解决这个问题,构建了基于卷积神经网络的特定目标文本情感分析模型(文本分析模型).根据情感差异分析特定目标文本序列,在输入层将文本特征矩阵作为卷积神经网络语言模型的输入数据,拼接成词性序列矩阵;分段池化捕获文本序列不同的关键特征,并分类处理提取到的特征向量;加入dropout机制完成特定目标文本情感分类,确定文本中每个词的重要度信息,实现特定目标文本情感分析.实验结果表明,文本分析模型的准确率高于84%,召回率最大值为87%,能够有效实现特定目标文本情感分析.

关键词：卷积神经网络特定目标 dropout机制文本情感

基于双向编码器的卷积失活神经网络模型的文本情感分析

在线全文

学校读者我要写书评

暂无评论

应用科技 2024年

作者：金书丞王嘉梅云南民族大学电气信息工程学院

研究针对目前情感分析方法无法解决一词多义、无法获取上下文语义信息、过于依赖局部特征等问题，提出了一种基于双向编码器的卷积失活神经网络（bidirectional encoder representation from transformer-convolutional neural networks... 详细信息

研究针对目前情感分析方法无法解决一词多义、无法获取上下文语义信息、过于依赖局部特征等问题，提出了一种基于双向编码器的卷积失活神经网络（bidirectional encoder representation from transformer-convolutional neural networks-dropout，BERT-CNN-dropout）模型的文本情感分析方法。首先，使用预训练模型BERT作为模型的词嵌入层，充分获取蕴含上下文信息的词向量；再将这些词向量输入到CNN中提取情感特征，同时为了减轻对局部特征的过度依赖和提升模型的训练效率，在模型中引入dropout机制；最后，通过softmax函数对情感类型进行分类。实验结果表明，当dropout值设置为0.25，并选择Adam优化器时，情感分析性能最佳，准确率、精确率、召回率、F1值和曲线下面积（area under the curve，AUC）分别为93.05%、93.16%、94.24%、93.7%和0.942，具有一定的研究价值。

关键词：情感分析局部特征上下文信息双向编码器卷积神经网络词嵌入 dropout机制

基于dropout—BPNN的地球物理反演——以表层横波速度反演为例

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

工程地球物理学报 2019年第3期16卷 286-294页

作者：康治梁余嘉顺成都理工大学地球物理学院

在深度学习领域使用的dropout机制在训练中按一定概率准则随机剔除某些神经元,能够显著提高神经网络的图像和语言识别准确率。受其启发,将dropout机制引入基于深度BP神经网络的地球物理反演(简称dropout-BPNN),利用地震放大效应反演浅层... 详细信息

在深度学习领域使用的dropout机制在训练中按一定概率准则随机剔除某些神经元,能够显著提高神经网络的图像和语言识别准确率。受其启发,将dropout机制引入基于深度BP神经网络的地球物理反演(简称dropout-BPNN),利用地震放大效应反演浅层S波速度结构,数值试验表明,在相同条件下,dropout-BPNN的反演效果明显好于传统BPNN。同时研究了深度学习中流行的ReLU激活函数的性能,发现在本地球物理反演案例中,其表现不及传统激活函数。

关键词： dropout机制神经网络 ReLU函数地球物理反演横波速度