检索结果-内蒙古大学图书馆

科技视界 2021年第17期 94-97页

作者：王加昌唐雷王媛美郑丹晨赵欣中国核动力研究设计院核反应堆系统设计技术重点实验室四川成都610213

随着工业4.0时代的到来,如何有效地利用海量监测数据为设备的智能维保提供有益决策已经成为工业互联网领域极具挑战的问题,特别是利用机器学习模型对设备的故障类型进行智能诊断已经取得了不错的研究进展。文章对目前最新的故障诊断方... 详细信息

随着工业4.0时代的到来,如何有效地利用海量监测数据为设备的智能维保提供有益决策已经成为工业互联网领域极具挑战的问题,特别是利用机器学习模型对设备的故障类型进行智能诊断已经取得了不错的研究进展。文章对目前最新的故障诊断方法展开研究,归纳了基于机器学习的故障诊断方法的基本流程,介绍了用于故障诊断的四种代表性的机器学习模型,最后对未来的研究趋势进行了展望。

关键词：故障诊断支持向量机人工神经网络堆叠自编码器卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的计算机软件安全性能检测技术

引用

九江学院学报（自然科学版） 2021年第2期36卷 81-83页

作者：刘景林泉州经贸职业技术学院信息技术系福建泉州362000

为了更好的降低软件开发存在的安全风险,提出了一种基于深度学习理论的高性能软件安全检测方法。首先,构建堆叠自编码器深度学习网络模型,自编码器将输入层样本编码传输至隐藏层,经解码传至输出层,多个自编码器构成堆叠自编码器网络模型... 详细信息

为了更好的降低软件开发存在的安全风险,提出了一种基于深度学习理论的高性能软件安全检测方法。首先,构建堆叠自编码器深度学习网络模型,自编码器将输入层样本编码传输至隐藏层,经解码传至输出层,多个自编码器构成堆叠自编码器网络模型;其次,对堆叠自编码器模型实施预训练与微调,修正模型参数获得最佳状态的堆叠自编码器漏洞检测模型。实验结果显示,使用该方法进行计算机软件漏洞检测的误报率与漏报率均低于5%,测试时间开销低于同类型漏洞检测方法,检测计算机软件安全性能的优势突出。

关键词：深度学习堆叠自编码器训练软件安全检测

来源：评论

学校读者我要写书评

暂无评论

基于WS-LSTM的海底管道剩余寿命预测

引用

天津科技大学学报 2021年第3期36卷 60-64页

作者：刘颖麻柳影王立凡天津科技大学人工智能学院天津300457

海底管道处在一个恶劣且不可接触的环境中,它的安全运行受到诸多挑战.为了保障海底管道的安全稳定运行,需对其剩余寿命进行预测,但传统的海底管道剩余寿命预测过多依赖专家经验且预测精确度较低.为了使海底管道剩余寿命预测的精确度进... 详细信息

海底管道处在一个恶劣且不可接触的环境中,它的安全运行受到诸多挑战.为了保障海底管道的安全稳定运行,需对其剩余寿命进行预测,但传统的海底管道剩余寿命预测过多依赖专家经验且预测精确度较低.为了使海底管道剩余寿命预测的精确度进一步提高,本文提出基于WS-LSTM的剩余寿命预测方法,即基于小波变换(wavelet transform,WT)和堆叠自编码器(stackedauto-encoder,SAE)的长短期记忆网络(longshort-termmemorynetwork,LSTM)的剩余寿命预测方法.通过与LSTM和GRU(gatedrecurrentunit)两种剩余寿命预测方法作对比,基于WS-LSTM的剩余寿命预测方法在各项评估指标中均有提升.

关键词：海底管道剩余寿命预测小波变换堆叠自编码器长短期记忆网络

来源：评论

学校读者我要写书评

暂无评论

基于深度强化学习和SAE的轴承故障诊断方法

基于深度强化学习和SAE的轴承故障诊断方法

引用

第十九届全国非线性振动暨第十六届全国非线性动力学和运动稳定性学术会议（NVND2023）

作者：刘勤清马新娜汤宇梁秀石家庄铁道大学信息科学与技术学院省部共建交通工程结构力学行为与系统安全国家重点实验室

针对传统机器学习轴承故障诊断方法需要人工提取故障特征、无法处理非线性关系等问题。本文提出一种基于深度强化学习（Deep Q-Networks,DQN）和堆叠自编码器（Stacked Autoencoder,SAE）的轴承故障诊断方法,该方法将故障诊断问题转化... 详细信息

针对传统机器学习轴承故障诊断方法需要人工提取故障特征、无法处理非线性关系等问题。本文提出一种基于深度强化学习（Deep Q-Networks,DQN）和堆叠自编码器（Stacked Autoencoder,SAE）的轴承故障诊断方法,该方法将故障诊断问题转化为序贯决策问题,利用深度学习提取数据特征、强化学习完成故障诊断决策。相比于传统单纯机器学习方法,该方法更加符合人类认知行为,提高了诊断模型算法的泛化性和智能性。首先,本文采用快速傅里叶变换FFT将原始时域信号转换为频域信号,并使用马尔可夫决策过程构建深度强化学习网络模型,训练网络结构包括完全连接的两层编码器和一层解码器用以模拟输出Q值。其次,为避免过拟合和提高模型的鲁棒性,本文采用逐层预训练的方法和Huber损失函数计算损失值。同时,为解决使用样本数据进行迭代更新时引起训练过程不稳定的问题,本文设计了eval_net评估网络和target_net目标网络,并引入记忆回放和迭代更新策略。最后,为避免繁琐的人工调参,本文采用贝叶斯算法优化动态搜索最佳超参数。实验结果表明,本文提出的方法能够实现98%的准确率,较好地完成端到端故障诊断任务。

关键词：深度强化学习堆叠自编码器故障诊断马尔科夫决策贝叶斯优化 Huber损失函数

来源：评论

学校读者我要写书评

暂无评论

Offline Handwritten Sindhi Character Recognition Using Neural Network

Offline Handwritten Sindhi Character Recognition Using Neura...

引用

作者： Jakhro Abdul Naveed 电子科技大学

学位级别：硕士

如今，手写字符识别（HCR)是图像处理与模式识别领域中亟待研究的方向之一。在过去的几十年中，众多研究者已经研究并提出了多种手写字符识别系统，这些系统适用于多种语言，如英语、汉语、日语、乌尔都语、阿拉伯语、普什图语、孟加拉... 详细信息

如今，手写字符识别（HCR)是图像处理与模式识别领域中亟待研究的方向之一。在过去的几十年中，众多研究者已经研究并提出了多种手写字符识别系统，这些系统适用于多种语言，如英语、汉语、日语、乌尔都语、阿拉伯语、普什图语、孟加拉语、天城体等。这些语言通过字符识别系统得到了丰富和提高，但是在信德语领域少有研究成果。信德语是巴基斯坦信德省的主要语言，在巴基斯坦、印度的许多邦以及世界各地不同区域约有六千万人使用信德语交流。如今，使用标准字体打印的信德语可以被有效的识别，但是由于每个人的书写风格迥异、字符集过大以及同一个字符中点的位置差异微小等原因，手写的信德语识别依然相当困难。手写识别系统在当今世界扮演了重要的角色，生活中的诸多领域都需要识别手写字符、单词和语句。有许多的应用场景都需要能够识别手写的信德语，如语言辨识、银行支票识别、包裹地址识别、表格处理、签名验证等相关领域。在本文中，所有在实验中使用的数据集都是作者自创的数据集，数据集的样本采集自分属不同年龄组的5 3个本地信德语使用者。整个数据集由2756张手写信德语文本图片组成。在原始数据采集完成后，本文针对这些数据使用不同的处理技术进行了加工。本文采用了支持向量机，卷积神经网络和堆叠自动编码器这三类技术对数据进行处理。在使用支持向量机技术时，平均识别率达到了 62.42% ，使用卷积神经网络则可以达到4 4%，而使用堆叠自编码器的准确率为50.14%。

关键词：手写字符识别支持向量机卷积神经网络堆叠自编码器图像处理

来源：评论

学校读者我要写书评

暂无评论

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

请选择保存的检索档案：

请选择收藏分类：

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

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

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：