检索结果-南通市图书馆

gpR图像的数据集构建及其DRDU-Net去噪算法

在线全文

学校读者我要写书评

暂无评论

湖南大学学报（自然科学版） 2024年第6期51卷 20-28页

作者：王惠琴高大庆何永强刘宾灿王莹曹明华兰州理工大学计算机与通信学院甘肃兰州730050 西北民族大学土木工程学院甘肃兰州730106 陕西建工安装集团有限公司陕西西安710068

为了解决生成对抗网络(Generative Adversarial Network,GAN)在生成探地雷达(Ground Penetrating Radar,gpR)图像时存在训练不稳定的问题,提出利用带有梯度惩罚的Wasserstein距离生成对抗网络(wgan-gp)生成gpR图像,并结合时域有限差分... 详细信息

为了解决生成对抗网络(Generative Adversarial Network,GAN)在生成探地雷达(Ground Penetrating Radar,gpR)图像时存在训练不稳定的问题,提出利用带有梯度惩罚的Wasserstein距离生成对抗网络(wgan-gp)生成gpR图像,并结合时域有限差分法和实地采集图像提出了一种构建gpR图像数据集的方法.相较于原始GAN与Wasserstein GAN等方法,wgan-gp具有更好的稳定性,而且生成的gpR图像更接近真实图像.在此基础之上,将密集残差块和U-Net相结合提出了一种适合于gpR图像的密集残差去噪U-Net方法.该方法利用U-Net中编码-解码结构提高了gpR图像的去噪性能;同时,密集残差块的引入加强了gpR图像的特征复用,且使U-Net训练更加稳定.最后,利用仿真实验验证了所提去噪方法的性能,并与三维块匹配(BM3D)和U-Net方法进行了对比.结果表明:所提方法与BM3D以及U-Net去噪方法相比,具有更好的去噪效果.当σ等于20时,在模拟和实测数据上取平均值,其峰值信噪比分别提升了约6.5 dB和2.4 dB;结构相似性分别提升了约0.09和0.04.

关键词： gpR数据集构建 gpR图像去噪 wgan-gp 密集残差块

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

基于改进生成对抗网络的时序数据异常检测

计算机工程与设计 2024年第3期45卷 762-768页

作者：王德文潘晓飞赵红博华北电力大学控制与计算机工程学院河北保定071003 复杂能源系统智能计算教育部工程研究中心河北保定071003

针对时序数据复杂的时间相关性,以及现有异常检测模型存在准确性低、训练不稳定等问题,提出一种结合BiLSTM和wgan-gp的无监督时序数据异常检测模型。使用BiLSTM作为生成器和判别器的基础网络来捕获时序数据的时间相关性;为保证训练过程... 详细信息

针对时序数据复杂的时间相关性,以及现有异常检测模型存在准确性低、训练不稳定等问题,提出一种结合BiLSTM和wgan-gp的无监督时序数据异常检测模型。使用BiLSTM作为生成器和判别器的基础网络来捕获时序数据的时间相关性;为保证训练过程的稳定性,使用Wasserstein距离取代原有的衡量方法,在判别器损失中加入梯度惩罚项;将重构损失与判别损失相结合定义异常函数,采用局部自适应阈值方法判别异常,提高异常检测的准确性。为验证模型性能,在涉及多个领域的5类数据集上进行实验,其结果表明,该模型相比于Arima、LSTM等模型具有最高的平均F1分数。

关键词： BiLSTM wgan-gp 时间相关性稳定性无监督时序数据异常检测

一种基于DenseNet与wgan-gp的运动迁移方法

在线全文

学校读者我要写书评

暂无评论

海南师范大学学报（自然科学版） 2023年第3期36卷 261-268页

作者：童立靖曹健莉北方工业大学信息学院北京100144

针对目前人体骨骼模型运动迁移算法计算精确度不高,提出了一种基于DenseNet的骨骼卷积网络与wgan-gp模型的运动迁移方法。通过对源与目标骨骼模型分别提取静态特征,并对源骨骼静态特征与源运动序列使用动态编码器提取源动态特征,从而能... 详细信息

针对目前人体骨骼模型运动迁移算法计算精确度不高,提出了一种基于DenseNet的骨骼卷积网络与wgan-gp模型的运动迁移方法。通过对源与目标骨骼模型分别提取静态特征,并对源骨骼静态特征与源运动序列使用动态编码器提取源动态特征,从而能够对目标骨骼静态特征与源动态特征使用解码器生成目标运动序列,完成运动迁移。在网络模型训练时,同时引入了wgan-gp网络模型机制对生成序列和源运动序列的动、静态特征误差进行约束。实验结果表明:该方法的运动迁移模型各关节点相对于单位身高的运动误差较小,能够生成较好保留源动态特征的目标运动序列。

关键词：运动迁移骨骼卷积 DenseNet wgan-gp

Low-Dose CT Image Denoising Based on Improved wgan-gp

在线全文

学校读者我要写书评

暂无评论

Journal of New Media 2019年第2期1卷 75-85页

作者： Xiaoli Li Chao Ye Yujia Yan Zhenlong Du School of Computer Science and Technology Nanjing Tech UniversityNanjing211816China Electrical and Computer Engineering University of RochesterRochester14620NYUSA

In order to improve the quality of low-dose computational tomography (CT)images, the paper proposes an improved image denoising approach based on wgan-gpwith Wasserstein distance. For improving the training and the convergence efficiency, thegiven method introduces the gradient penalty term to wgan network. The novelperceptual loss is introduced to make the texture information of the low-dose imagessensitive to the diagnostician eye. The experimental results show that compared with thestate-of-art methods, the time complexity is reduced, and the visual quality of low-doseCT images is significantly improved.

关键词： wgan-gp low-dose CT image image denoising Wasserstein distance

Generating Time-Series Data Using Generative Adversarial Networks for Mobility Demand Prediction

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

Computers, Materials & Continua 2023年第3期74卷 5507-5525页

作者： Subhajit Chatterjee Yung-Cheol Byun Department of Computer Engineering Jeju National UniversityJeju-si63243Korea Department of Computer Engineering Major of Electronic EngineeringJeju National UniversityInstitute of Information Science&TechnologyJeju63243Korea

The increasing penetration rate of electric kickboard vehicles has been popularized and promoted primarily because of its clean and efficient features.Electric kickboards are gradually growing in popularity in tourist and education-centric localities.In the upcoming arrival of electric kickboard vehicles,deploying a customer rental service is essential.Due to its freefloating nature,the shared electric kickboard is a common and practical means of transportation.Relocation plans for shared electric kickboards are required to increase the quality of service,and forecasting demand for their use in a specific region is crucial.Predicting demand accurately with small data is troublesome.Extensive data is necessary for training machine learning algorithms for effective prediction.Data generation is a method for expanding the amount of data that will be further accessible for training.In this work,we proposed a model that takes time-series customers’electric kickboard demand data as input,pre-processes it,and generates synthetic data according to the original data distribution using generative adversarial networks(GAN).The electric kickboard mobility demand prediction error was reduced when we combined synthetic data with the original data.We proposed Tabular-GAN-Modified-wgan-gp for generating synthetic data for better prediction results.We modified The Wasserstein GAN-gradient penalty(gp)with the RMSprop optimizer and then employed Spectral Normalization(SN)to improve training stability and faster convergence.Finally,we applied a regression-based blending ensemble technique that can help us to improve performance of demand prediction.We used various evaluation criteria and visual representations to compare our proposed model’s performance.Synthetic data generated by our suggested GAN model is also evaluated.The TGAN-Modified-wgan-gp model mitigates the overfitting and mode collapse problem,and it also converges faster than previous GAN models for synthetic data creation.The presented model’s performance is compared to

关键词： Machine learning generative adversarial networks electric vehicle time-series TGAN wgan-gp blend model demand prediction regression

Generating Synthetic Data to Reduce Prediction Error of Energy Consumption

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

Computers, Materials & Continua 2022年第2期70卷 3151-3167页

作者： Debapriya Hazra Wafa Shafqat Yung-Cheol Byun Department of Computer Engineering Jeju National UniversityJeju-siKorea

Renewable and nonrenewable energy sources are widely incorporated for solar and wind energy that produces electricity without increasing carbon dioxide emissions.Energy industries worldwide are trying hard to predict future energy consumption that could eliminate over or under contracting energy resources and unnecessary financing.Machine learning techniques for predicting energy are the trending solution to overcome the challenges faced by energy companies.The basic need for machine learning algorithms to be trained for accurate prediction requires a considerable amount of data.Another critical factor is balancing the data for enhanced prediction.Data Augmentation is a technique used for increasing the data available for training.Synthetic data are the generation of new data which can be trained to improve the accuracy of prediction models.In this paper,we propose a model that takes time series energy consumption data as input,pre-processes the data,and then uses multiple augmentation techniques and generative adversarial networks to generate synthetic data which when combined with the original data,reduces energy consumption prediction error.We propose TGAN-skip-Improved-wgan-gp to generate synthetic energy consumption time series tabular data.We modify TGANwith skip connections,then improvewgangpby defining a consistency term,and finally use the architecture of improved wgan-gp for training TGAN-skip.We used various evaluation metrics and visual representation to compare the performance of our proposed model.We also measured prediction accuracy along with mean and maximum error generated while predicting with different variations of augmented and synthetic data with original data.The mode collapse problemcould be handled by TGAN-skip-Improved-wgan-gp model and it also converged faster than existing GAN models for synthetic data generation.The experiment result shows that our proposed technique of combining synthetic data with original data could significantly reduce the prediction error rate and increase the p

关键词： Energy consumption generative adversarial networks synthetic data time series data TGAN wgan-gp TGAN-skip prediction error augmentation

gpR图像的数据集构建及其DRDU-Net去噪算法

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

湖南大学学报(自然科学版) 2023年

作者：王惠琴高大庆何永强刘宾灿王莹曹明华兰州理工大学计算机与通信学院西北民族大学土木工程学院陕西建工安装集团有限公司

为了解决生成对抗网络(Generative Adversarial Network，GAN)在生成探地雷达(Ground Penetrating Radar，gpR)图像时存在训练不稳定的问题，本文提出利用带有梯度惩罚的Wasserstein距离生成对抗网络(wgan-gp)生成gpR图像，并结合时域... 详细信息

为了解决生成对抗网络(Generative Adversarial Network，GAN)在生成探地雷达(Ground Penetrating Radar，gpR)图像时存在训练不稳定的问题，本文提出利用带有梯度惩罚的Wasserstein距离生成对抗网络(wgan-gp)生成gpR图像，并结合时域有限差分法和实采图像提出了一种构建gpR图像数据集的方法。相较于原始GAN与Wasserstein GAN等方法，wgan-gp具有更好的稳定性，而且生成的gpR图像更接近真实图像。在此基础之上，将密集残差块和U-Net相结合提出了一种适合于gpR图像的密集残差去噪U-Net方法。该方法利用U-Net中编码-解码结构提高了gpR图像的去噪性能；同时，密集残差块的引入加强了gpR图像的特征复用，且使U-Net训练更加稳定。最后，利用仿真实验验证了所提去噪方法的性能，并与三维块匹配(BM3D)和U-Net方法进行了对比。结果表明：所提方法与BM3D以及U-Net去噪方法相比，具有更好的去噪效果。当方差等于20时，其峰值信噪比分别提升了约6.5dB和2.4dB；结构相似性分别提升了0.09和0.04.

关键词： gpR数据集构建 gpR图像去噪 wgan-gp 密集残差块

基于注意力机制生成对抗网络的遥感图像增强算法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

无线电工程 2023年第6期53卷 1382-1389页

作者：王军刘小芳四川轻化工大学自动化与信息工程学院四川宜宾644002

针对基于生成对抗网络(Generative Adversarial Network,GAN)的单幅遥感图像超分辨率(Super Resolution,SR)重建模型训练困难、重建图像细节或纹理与真实图像之间存在较大差异且存在伪影等问题,提出一种基于注意力机制GAN的遥感图像增... 详细信息

针对基于生成对抗网络(Generative Adversarial Network,GAN)的单幅遥感图像超分辨率(Super Resolution,SR)重建模型训练困难、重建图像细节或纹理与真实图像之间存在较大差异且存在伪影等问题,提出一种基于注意力机制GAN的遥感图像增强算法。在生成器上将金字塔拆分注意力模块与稠密残差块相结合,加强遥感图像的特征提取。在判别器中利用SN层替代BN层,增强图像在细节方面的学习。基于wgan-gp理论优化对抗损失,加快收敛速度,生成高质量遥感图像。实验结果表明,提出的算法生成的遥感图像有较多的细节纹理且伪影更少。与现有的一些算法相比峰值信噪比平均提高了0.422~1.721 dB,结构相似性平均提高了0.016~0.092。

关键词：图像超分辨率生成对抗网络遥感图像增强金字塔拆分注意力模块 wgan-gp

考虑新能源不确定性的电力系统灵活性分析模型研究

在线全文

学校读者我要写书评

暂无评论

考虑新能源不确定性的电力系统灵活性分析模型研究

作者：陈振杰华北电力大学(北京)

学位级别：硕士

新能源的快速发展对缓解能源供应的压力以及促进电力系统低碳化运行具有重要意义。但新能源尤其是风光能源的出力具有不确定性,若想在引入新能源的同时保证电力系统的安全可靠运行,需要电力系统有足够的灵活性。电力系统的灵活性可从源... 详细信息

新能源的快速发展对缓解能源供应的压力以及促进电力系统低碳化运行具有重要意义。但新能源尤其是风光能源的出力具有不确定性,若想在引入新能源的同时保证电力系统的安全可靠运行,需要电力系统有足够的灵活性。电力系统的灵活性可从源、网、荷、储、电力市场等多方面获得,不同的灵活性资源具有不同的特点。为了探索不同灵活性资源在提高电力系统灵活性中所发挥的作用,亟需对不同灵活性资源引入后电力系统灵活性的变化进行定性和定量分析。首先,本文介绍了电力系统灵活性的有关概念,对电力系统灵活性的特性、电力系统灵活性资源及其经济技术特点进行分析。电力系统灵活性的特性包括方向性、时间性和空间性,电力系统的灵活性资源在源、网、荷、储、电力市场五方面所体现。其次,本文以神经网络中的生成对抗网络方法对新能源不确定性进行建模,通过分析新能源出力原理,对不同季节的新能源出力分别建模。通过Wasserstein距离改进生成对抗网络模型的JS散度并加入梯度惩罚项,可以提高生成对抗网络的学习能力并预防梯度消失,该方法能够有效在新能源出力分布未知的前提下刻画新能源出力的不确定性。然后,本文在上述研究的基础上构建了电力系统灵活性分析模型,分别包括区内可控灵活性分析模型和跨区交易灵活性分析模型。并对我国西北某地区的电力系统进行基准情景和未进行灵活性改造的高新能源渗透率情景的仿真,分析不同情景下的电力系统灵活性运行状况,结果显示该地区基准情景的运行状况良好,但在高新能源渗透率的情景中出现了大量的失负荷和弃风弃光现象。最后,本文基于区内可控灵活性分析模型在高新能源渗透率情景下引入煤电机组改造、增加抽水蓄能、增加需求响应、增加燃气机组四种灵活性资源并进行情景模拟,同时基于四种灵活性资源设计多组灵活性资源的组合,通过对关键指标进行多元回归定量分析不同灵活性资源对提高电力系统灵活性的效果,结果表明抽水蓄能和需求响应对改善电力系统灵活性效果较佳,燃气机组和煤电机组改造比较适合于转型过渡阶段。然后本文挑选了高新能源渗透率情景中的两个典型日进行跨区交易,结果表明通过跨区交易可以有效减少系统失负荷现象,亦可以在新能源大发时减少弃风弃光。

关键词：电力系统灵活性电力系统灵活性资源新能源不确定性 wgan-gp 灵活性优化