检索结果-南通市图书馆

神经网络搭载inception模块的框架结构集成故障诊断

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

机械设计与制造 2024年第6期400卷 170-176页

作者：蔡超志池耀磊郭璐彬河北工程大学机械与装备工程学院河北邯郸056038

针对于框架结构的使用环境恶劣,同时常常伴随着大量的噪声,在使用普通的一维卷积神经网络对框架结构进行故障诊断时,存在无法做出有效故障诊断的问题。本研究在一种抗噪声能力较强的卷积神经网络中加入inception模块,提出了一种识别率... 详细信息

针对于框架结构的使用环境恶劣,同时常常伴随着大量的噪声,在使用普通的一维卷积神经网络对框架结构进行故障诊断时,存在无法做出有效故障诊断的问题。本研究在一种抗噪声能力较强的卷积神经网络中加入inception模块,提出了一种识别率和抗噪声能力更高的卷积神经网络—BICNN(Convolution Neural Network based on inception),并用BICNN卷积神经网络基于数据驱动的方式,对楼体框架模型进行了集成故障诊断研究。集成诊断结果表明BICNN具有更高的识别率和较强的抗噪声能力,而且在训练步数较少的情况下振荡次数少收敛情况良好。因此采取本研究所提出的方法,对框架结构进行故障诊断时具有高诊断率和稳定性,为维护框架结构的稳定运行具有重大安全意义。

关键词：框架结构故障诊断卷积神经网络 inception模块抗噪声能力正确率

基于inception模块的卷积自编码器图像去噪

在线全文

学校读者我要写书评

暂无评论

计算机应用与软件 2021年第2期38卷 221-226,322页

作者：雷景生闫晨阳杨忠光上海电力大学计算机科学与技术学院上海200082

为了更有效地去除图像中存在的高斯噪声,提出一种结合inception模块的卷积自编码器图像去噪模型。以完整图像作为输入和输出,利用inception模块对噪声图像进行去噪,使用改进inception反卷积模块将去噪图像进行还原,提升模型去噪能力。... 详细信息

为了更有效地去除图像中存在的高斯噪声,提出一种结合inception模块的卷积自编码器图像去噪模型。以完整图像作为输入和输出,利用inception模块对噪声图像进行去噪,使用改进inception反卷积模块将去噪图像进行还原,提升模型去噪能力。同时在模型中引入批量归一化(Batch Normalization,BN)和随机失活层(Dropout)有效解决过拟合问题,引入ReLU函数避免模型梯度消失,加速网络训练。实验结果表明,与深度卷积神经网络方法相比,该模型获得了更高的峰值信噪比和结构相似度,其去噪能力更好,视觉效果更佳,具有更好的鲁棒性。

关键词：卷积自编码器 inception模块图像去噪峰值信噪比结构相似度

在线全文

学校读者我要写书评

暂无评论

基于inception模块的医疗图像分类

基于Inception模块的医疗图像分类

作者：王巍吉林大学

学位级别：硕士

在当今医学领域,医疗图像在医生诊断和治疗患者的过程中担任着十分重要的角色,尤其在计算机辅助诊断中的作用日益凸显。利用计算机自动地区分图像中的健康区域和病灶区域,能够为医生提供人体内部病变部位更清晰、更直接的信息表示,给予... 详细信息

在当今医学领域,医疗图像在医生诊断和治疗患者的过程中担任着十分重要的角色,尤其在计算机辅助诊断中的作用日益凸显。利用计算机自动地区分图像中的健康区域和病灶区域,能够为医生提供人体内部病变部位更清晰、更直接的信息表示,给予医生一定程度上的数据参考,使得诊断结果更客观更准确。浸润性导管癌(IDC)是所有乳腺恶性肿瘤中最常见的亚型,而检测IDC并确定其侵略性等级是耗时且具有挑战性的任务。这是因为病理学家需要扫描大量的良性区域才能最终确认恶性肿瘤区域。因此,利用计算机高效、准确地区分图像中组织细胞的类别,在浸润性导管癌的侵略性分级和诊断中有着实际的研究意义。传统的图像分类都是基于计算机对图像的定量分析,根据图像自身的特征对不同的目标进行区分,例如用像元色彩、纹理特征将图像分类为若干类别中的一种。但是医疗图像中复杂特征的提取是很困难的,图像预处理过程繁琐复杂,结果准确度不高,有着很大的提升空间。近年来,计算机视觉技术与深度学习的相关理论相结合产生了许多图像处理方法,其中卷积神经网络在很多领域取得了成功。卷积神经网络(CNN)能够自动提取图像特征,这一特点使得该方法很适合图像处理工作,使用卷积神经网络进行图像分类成为了重要的研究方向。本文经过充分调研,讨论了卷积神经网络方法在图像分类领域的应用,针对浸润性导管扫描图像,提出了对小块IDC扫描图像进行分类的卷积神经网络。本文的具体工作如下:首先,利用卷积神经网络自动提取图像特征的特点,基于传统CNN设计模式构建网络,将图像数据和标签数据整合为tensorflow可读取的数据集用于训练和测试网络。其次,改进网络结构,将网络中部分卷积层扩展为inception模块。inception模块能增加网络层数提高拟合效果,并结合网络中全局平均池化层降低参数数量。然后通过迁移学习的方式,对模型进行迁移与训练。迁移学习能够改进网络中参数的初始化方式,以达到提高神经网络预测准确度的效果。最后通过将本文所用到的方法同几种经典算法进行对比,展示出本文中所用方法的优势。

关键词：图像分类深度学习卷积神经网络 inception模块迁移学习

结合inception模块的卷积神经网络图像分类方法

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

软件导刊 2020年第3期19卷 79-82页

作者：齐广华何明祥山东科技大学计算机科学与工程学院山东青岛266590

针对现有卷积神经网络模型参数量大、训练时间长的问题,提出了一种结合VGG模型和inception模块特点的网络模型。该模型通过结合两种经典模型的特点,增加网络模型的宽度和深度,使用较小的卷积核和较多的非线性激活,在减少参数量的同时增... 详细信息

针对现有卷积神经网络模型参数量大、训练时间长的问题,提出了一种结合VGG模型和inception模块特点的网络模型。该模型通过结合两种经典模型的特点,增加网络模型的宽度和深度,使用较小的卷积核和较多的非线性激活,在减少参数量的同时增加了网络特征提取能力,同时利用全局平均池化层替代全连接层,避免全连接层参数过多容易导致的过拟合问题。在MNIST和CIFAR-10数据集上的实验结果表明,该方法在MNIST数据集上的准确率达到了99.76%,在CIFAR-10数据集上的准确率相比传统卷积神经网络模型提高了6%左右。

关键词：卷积神经网络 inception模块全局平均池化卷积核图像分类

基于离散小波变换算法和inception卷积模块一维卷积神经网络的石油类污染物红外光谱定性分析

在线全文

学校读者我要写书评

暂无评论

分析化学 2024年第9期52卷 1287-1297页

作者：孔德明何绍炜李心怡赵珺瑜宁晓东燕山大学电气工程学院燕山大学信息科学与工程学院

红外光谱技术具有高效和无损等优点，在石油类污染物分类检测领域中具有重要的研究与应用价值。本研究提出了一种结合离散小波变换（DWT）算法和基于inception卷积模块的一维卷积神经网络（inception-1D-CNN）的石油类污染物分类方法，... 详细信息

红外光谱技术具有高效和无损等优点，在石油类污染物分类检测领域中具有重要的研究与应用价值。本研究提出了一种结合离散小波变换（DWT）算法和基于inception卷积模块的一维卷积神经网络（inception-1D-CNN）的石油类污染物分类方法，首先使用DWT算法对原始红外光谱数据进行去噪处理，消除因实验环境、仪器误差和人工操作等因素产生的干扰信息；再通过inception-1D-CNN模型获取多尺度的红外光谱特征信息，并基于此模型对石油类污染物进行分类预测。实验结果表明，与标准正态变换（SNV）、迭代自适应加权惩罚最小二乘法（Air PLS）和卷积平滑（S-G）预处理方法相比，DWT算法结合卷积核大小为3×1的1D-CNN模型的预测准确率为86.6%，分别提高了6.6%、6.6%和3.3%;DWT算法结合卷积核大小为5×1的1D-CNN模型的预测准确率为93.3%，分别提高了10.0%、7.0%和3.3%;DWT算法结合卷积核大小为7×1的1D-CNN模型的预测准确率为90.0%，分别提高了6.7%、10.0%和3.4%;DWT算法结合inception-1D-CNN模型的预测准确率为100.0%，分别提高了10.0%、10.0%和3.4%。因此，结合DWT算法和inception-1D-CNN模型能够对石油类污染物准确分类预测，为后续海面溢油污染治理提供了一定的基础。

关键词：红外光谱石油类污染物 inception模块卷积神经网络离散小波变换

基于SMOTE和inception-CNN的种植和组培金线莲鉴别

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

光谱学与光谱分析 2024年第1期44卷 158-163页

作者：蓝艳王武许文柴琴琴李玉榕张勋福州大学电气工程与自动化学院福建福州350108 福建中医药大学药学院福建福州350122

金线莲是一种珍贵中药材,其治疗、保健作用十分显著。金线莲培育方式主要有种植、组培等,不同培育方式的金线莲,在性状上仅表现出细微差异,但药用、市场价值差异显著,培育方式鉴别能有效保证药用疗效、维护良好市场秩序,然而由于不同品... 详细信息

金线莲是一种珍贵中药材,其治疗、保健作用十分显著。金线莲培育方式主要有种植、组培等,不同培育方式的金线莲,在性状上仅表现出细微差异,但药用、市场价值差异显著,培育方式鉴别能有效保证药用疗效、维护良好市场秩序,然而由于不同品系、产地、培育时间等复合差异的影响,增加了培育方式鉴别难度与复杂度。提出一种基于改进1D-inception-CNN模型的金线莲培育方式鉴别方法。采用近红外光谱仪采集种植、组培金线莲的光谱,首先使用合成少数类过采样技术(SMOTE)进行过采样以解决种植品、组培品样本比例不平衡问题,其次构建基于改进inception结构的一维卷积神经网络对来自不同品系、产地、培育时间的金线莲进行种植品、组培品鉴别,最后采用贝叶斯优化方法对构建的卷积神经网络模型超参数进行优化;最终五折交叉验证平均鉴别准确率、精确率、召回率、综合评价指标高达97.95%、 96.16%、 100%、 98.02%。研究表明,实验提出的鉴别模型为快速鉴别金线莲种植品、组培品提供一种有效方法。

关键词：金线莲少数类过采样技术 inception模块一维卷积神经网络贝叶斯优化

在线全文

学校读者我要写书评

暂无评论

基于深度学习的智能全局灵敏度分析

上海交通大学学报 2022年第7期56卷 840-849页

作者：吴庶宸戚宗锋李建勋上海交通大学电子信息与电气工程学院上海200240 电子信息系统复杂电磁环境效应国家重点实验室河南洛阳471003

提出一种将深度学习与灵敏度分析结合的端到端方法,对深度模型的结构和激活函数进行特殊设计以适应后续灵敏度的计算,深度模型训练的同时对保存的权重信息进行反向传播计算灵敏度.在波士顿房价数据集、航迹融合数据集和G函数上的实验结... 详细信息

提出一种将深度学习与灵敏度分析结合的端到端方法,对深度模型的结构和激活函数进行特殊设计以适应后续灵敏度的计算,深度模型训练的同时对保存的权重信息进行反向传播计算灵敏度.在波士顿房价数据集、航迹融合数据集和G函数上的实验结果表明,所提方法相比于Sobol’法等经典方法在参数分布不均匀时准确性更高,具备更强的鲁棒性,相比于使用传统神经网络的方法准确性更高.此外,通过实验验证了基于深度学习模型的样本参数灵敏度可以优化模型的输出结果.

关键词：卷积神经网络 inception模块灵敏度分析 Sobol’方法非线性系统分析深度学习

基于小波时频分析和inception-BiGRU模型的盾构滚刀偏磨故障诊断

在线全文

学校读者我要写书评

暂无评论

振动与冲击 2023年第15期42卷 232-240页

作者：樊翔翔项载毓孙瑞雪张敏莫继良西南交通大学机械工程学院成都610031 西南交通大学盾构/TBM装备摩擦学设计试验室成都610031

盾构机(tunnel boring machine, TBM)滚刀在重载、冲击和地质复杂的环境中服役,极易发生偏磨等失效故障,因此,掌握滚刀的磨损状态、实现基于数据驱动的滚刀偏磨故障诊断并指导滚刀的运维尤为重要。提出了一种基于小波时频分析和Inceptio... 详细信息

盾构机(tunnel boring machine, TBM)滚刀在重载、冲击和地质复杂的环境中服役,极易发生偏磨等失效故障,因此,掌握滚刀的磨损状态、实现基于数据驱动的滚刀偏磨故障诊断并指导滚刀的运维尤为重要。提出了一种基于小波时频分析和inception-BiGRU模型的诊断模型以提高滚刀偏磨故障诊断效率。以滚刀为研究对象,在多功能缩比滚刀试验台上进行直线破岩试验,采集滚刀破岩时产生的振动加速度信号。采用连续小波变换获取反映振动信号时频域特征的小波时频图,进而以inception模块的不同大小卷积核自适应地提取时频图中的多尺度空间信息,并通过添加双向门控循环单元(bidirectional gated recurrent units, BiGRU)使模型可更为准确地学习到时频图中丰富的时序依赖性关系,模型的超参数由贝叶斯优化算法确定。4种不同偏磨程度滚刀的诊断试验表明所提模型能够有效提取时频图中滚刀的偏磨特征并完成滚刀偏磨状态识别,实现端到端的盾构滚刀偏磨故障诊断。模型平均诊断准确率可达到98.5%,其诊断准确度和稳定性均优于其他常用算法,证明了所提方法的可行性。

关键词：盾构机(TBM) 滚刀偏磨故障诊断小波时频分析 inception模块双向门控循环单元(BiGRU)

基于inception-LSTM-Attention的冷水机组传感器偏差故障诊断方法

在线全文

学校读者我要写书评

暂无评论

中南大学学报（自然科学版） 2023年第1期54卷 102-112页

作者：李冬辉刘功尚高龙天津大学电气自动化与信息工程学院天津300072

为提升传统的冷水机组传感器偏差故障诊断方法的特征提取效果及故障诊断准确率,提出一种基于inception模块和融合注意力机制(Attention)的长短时记忆网络(LSTM)相结合(inception-LSTM-Attention)的冷水机组传感器偏差故障诊断方法。该... 详细信息

为提升传统的冷水机组传感器偏差故障诊断方法的特征提取效果及故障诊断准确率,提出一种基于inception模块和融合注意力机制(Attention)的长短时记忆网络(LSTM)相结合(inception-LSTM-Attention)的冷水机组传感器偏差故障诊断方法。该方法通过inception模块从冷水机组传感器时序数据中提取多尺度的实时特征,并利用LSTM学习传感器时序数据中存在的时间相关关系;通过在LSTM中融合注意力机制来保证其最终的输出综合了各个时间节点的输出,提升重要信息的影响程度,最大化保留时序数据的全局信息。同时,设计跳跃连接支路缓解网络中存在的梯度消失问题。最后,使用冷水机组实验平台的传感器实测数据对所提方法进行实验验证。研究结果表明:本文方法对于压力类、温度类各传感器的偏差故障诊断平均准确率均在94%以上;对于各传感器中较小偏差故障的故障诊断准确率均在87.6%以上;与主成分分析、卷积神经网络、inception以及inception-LSTM这4种方法相比,inception-LSTM-Attention模型的传感器偏差故障诊断准确率更高。

关键词：冷水机组传感器故障诊断 inception模块长短时记忆网络注意力机制

维普期刊数据库博看期刊