检索结果-内蒙古大学图书馆

您好，读者！请登录

内蒙古大学图书馆

首页
概况
党建
资源
服务
科研支持
- 论文收录引用证明
- 科技查新
知识产权
档案馆
帮助

咨询与建议

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

您的常用邮箱：*

您的手机号码：*

问题描述：

当前已输入0个字，您还可以输入200个字

全部搜索
期刊论文
图书
学位论文
标准
纸本馆藏
外文资源发现
数据库导航
超星发现

高级检索

时间限定

出版年份：

文献类型

图书期刊文献学位论文多媒体

馆藏选择

电子馆藏纸本馆藏

核心期刊

全部期刊 SCI 收录期刊 SSCI 收录期刊 EI 收录期刊 CSCD 收录期刊 CSSCI 收录期刊

语言

中文英文

文献类型

期刊文献图书学位论文标准纸本馆藏

帮助

文字说明：

T=题名（书名、题名），A=作者（责任者），K=主题词，P=出版物名称，PU=出版社名称，O=机构（作者单位、学位授予单位、专利申请人），L=中图分类号，C=学科分类号，U=全部字段，Y=年（出版发行年、学位年度、标准发布年）

检索规则说明：

AND代表“并且”；OR代表“或者”；NOT代表“不包含”；(注意必须大写,运算符两边需空一格)

检索范例：

范例一：(K=图书馆学 OR K=情报学) AND A=范并思 AND Y=1982-2016
范例二：P=计算机应用与软件 AND (U=C++ OR U=Basic) NOT K=Visual AND Y=2011-2016

分类表

所选分类

>> <<

限定检索结果

文献类型

37 篇 学位论文
35 篇 期刊文献
1 篇 会议

馆藏范围

73 篇 电子文献
0 种 纸本馆藏

日期分布

学科分类号

71 篇 工学
- 40 篇 计算机科学与技术...
- 39 篇 控制科学与工程
- 39 篇 软件工程
- 13 篇 仪器科学与技术
- 10 篇 机械工程
- 10 篇 电气工程
- 9 篇 信息与通信工程
- 7 篇 电子科学与技术（可...
- 4 篇 动力工程及工程热...
- 4 篇 交通运输工程
- 3 篇 材料科学与工程（可...
- 3 篇 土木工程
- 3 篇 生物医学工程（可授...
- 2 篇 化学工程与技术
- 2 篇 轻工技术与工程
- 2 篇 航空宇航科学与技...
- 2 篇 生物工程
- 2 篇 公安技术
- 1 篇 矿业工程
- 1 篇 兵器科学与技术
36 篇 管理学
- 36 篇 管理科学与工程(可...
6 篇 理学
- 4 篇 系统科学
- 1 篇 数学
- 1 篇 大气科学
4 篇 医学
- 2 篇 药学(可授医学、理...
- 1 篇 临床医学
- 1 篇 医学技术（可授医学...
2 篇 经济学
- 2 篇 应用经济学
1 篇 军事学
1 篇 艺术学

主题

73 篇 堆叠自编码器
15 篇 深度学习
7 篇 故障诊断
6 篇 卷积神经网络
5 篇 特征提取
4 篇 支持向量机
3 篇 注意力机制
3 篇 迁移学习
3 篇 长短期记忆网络
3 篇 软测量
3 篇 深度神经网络
3 篇 特征融合
3 篇 异常检测
2 篇 人工神经网络
2 篇 lstm
2 篇 实体嵌入
2 篇 传感器突发故障
2 篇 数据优化
2 篇 锂离子电池
2 篇 极限学习机

机构

4 篇 合肥工业大学
3 篇 大连理工大学
3 篇 西安电子科技大学
3 篇 东华大学
3 篇 中南大学
2 篇 石家庄铁道大学
2 篇 东南大学
2 篇 华北电力大学
2 篇 三峡大学
2 篇 中国石油大学
2 篇 哈尔滨工业大学
2 篇 吉林大学
2 篇 中国矿业大学
2 篇 浙江科技大学
2 篇 江南大学
2 篇 广西师范大学
1 篇 齐齐哈尔大学
1 篇 新能源发电与电能...
1 篇 泉州经贸职业技术...
1 篇 中国卫星海上测控...

作者

2 篇 幸志铖
2 篇 唐琪
2 篇 孙玮婷
2 篇 金允泰
2 篇 杨晶
1 篇 边祖光
1 篇 jiang hong-yuan
1 篇 徐靖然
1 篇 zhang xianquan
1 篇 jakhro abdul nav...
1 篇 song yong
1 篇 zhang huai-feng
1 篇 cheng shuyu
1 篇 周武能
1 篇 夏英豪
1 篇 何怡刚
1 篇 杨宇辰
1 篇 欧阳名三
1 篇 温杰
1 篇 qiu wei-gen

语言

72 篇 中文
1 篇 英文

检索条件"主题词=堆疊自編碼器"

共 73 条记录，以下是41-50 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于ZigBee位置指纹匹配法的室内定位算法研究

基于ZigBee位置指纹匹配法的室内定位算法研究

引用

作者：干建勇上海师范大学

学位级别：硕士

随着互联网和无线技术的迅速发展,利用移动设备获取位置服务正从各个方面影响着人们的学习和生活。虽然在空旷的室外环境下,GPS等定位系统能有效地进行定位;但是在复杂的室内环境中,由于无线信号在穿透遮挡物时会产生较为严重的衰减,导... 详细信息

随着互联网和无线技术的迅速发展,利用移动设备获取位置服务正从各个方面影响着人们的学习和生活。虽然在空旷的室外环境下,GPS等定位系统能有效地进行定位;但是在复杂的室内环境中,由于无线信号在穿透遮挡物时会产生较为严重的衰减,导致卫星定位系统定位精度低。因此现如今,以ZigBee网络为基础实现位置指纹匹配定位是解决该难题的一个合理方案。本文以能够为室内用户提供精确的定位信息为研究目标,对基于位置指纹匹配的ZigBee室内定位技术中的三个关键环节进行了研究与分析。针对基于ZigBee位置指纹室内定位技术中的三个关键环节(指纹数据库的建立、参考节点的选择、定位结果的预测)存在的不足,本文搭建了一套完整的ZigBee室内定位系统。本文首先从降低ZigBee信号的波动性入手,对ZigBee信号强度进行修正,以此来提高定位系统的准确性。分析了时间变化、动态环境、人员走动等因素对ZigBee信号的影响,针对ZigBee信号具有时变性这一特点,采用改进z分数法对离线阶段采样的信号强度数据集进行预处理。实验结果表明,该方法能有效地剔除大幅度变化的畸变值,从而建立更加准确的位置指纹数据库,以此提高了系统的定位精度。其次,为提高位置指纹匹配法的定位预测精度,本文提出了一种基于改进堆叠自编码器的深层神经网络算法。在堆叠自编码器中引入了ReLu激活函数和Adam优化算法,通过改进堆叠自编码器进行特征提取和参数优化,然后将特征提取后的信息通过深层神经网络进行非线性回归预测,建立ZigBee信号特征与目标位置信息的定位模型,通过该模型来实现对未知位置的定位预测。实验结果表明:该算法能有效地降低ZigBee信号强度波动带来的随机性对系统定位精度的影响,在定位精度与系统高可用性之间达到不错的平衡。最后,针对ZigBee路由器并非全部可用和定位子区域与ZigBee路由器(ZigBee Router,ZR)节点之间相关性的不足,提出了基于K均值聚类和强相关性ZR节点选择的算法,将室内区域聚类并划分成若干个子区域,并分别计算各个子区域与ZR节点之间的相关性,选取相关性强的ZR节点作为该子区域的训练节点,通过基于改进堆叠自编码器的深层神经网络模型进行定位模型训练并预测。实验结果表明,该方法可以有效地选择位置分辨能力强的ZR节点以及减小失效ZR节点对定位精度的影响。

关键词：室内定位 ZigBee 位置指纹堆叠自编码器深层神经网络

来源：评论

学校读者我要写书评

暂无评论

基于极限学习机的表征学习方法研究

基于极限学习机的表征学习方法研究

引用

作者：孙玮婷大连理工大学

学位级别：硕士

在这个信息高速发展的时代,数据繁冗复杂,如何充分地分析挖掘数据,从中提取有效的潜在信息和关键特征,对数据进行表征学习成为机器学习领域中的研究重点之一。现有的表征学习算法大体可分为基于矩阵分解和基于神经网络两种。近年来,随... 详细信息

在这个信息高速发展的时代,数据繁冗复杂,如何充分地分析挖掘数据,从中提取有效的潜在信息和关键特征,对数据进行表征学习成为机器学习领域中的研究重点之一。现有的表征学习算法大体可分为基于矩阵分解和基于神经网络两种。近年来,随着数据的多样性、复杂性以及数据量的增大,基于矩阵分解的方法在表征学习问题上对效果的提升已经有了明显的制约,研究者们多数转向基于神经网络的深度学习进一步进行研究。目前,大多数的深度学习算法,如深度信念网络(DBN)、卷积神经网络(CNN)、递归神经网络(RNN),采用迭代更新参数的方法进行训练,存在参数较多、模型复杂、训练效率低等问题。极限学习机(ELM)具有训练参数少、学习速度快、泛化能力强等特点,鉴于其高效性,近几年研究人员致力于研究如何将ELM拓展到深度学习框架中,以解决深度学习的训练耗时、计算复杂的问题。针对现有基于ELM的深度学习算法存在的未充分考虑全局结构信息的不足,本文首先结合图嵌入框架提出一种新的极限学习机自编码器(GDELM-AE),在ELM空间中挖掘数据的局部近邻结构信息和全局结构信息。在GDELM-AE中,采用局部Fisher判别分析构建了图嵌入框架下的本征图和惩罚图。进而,通过堆叠多个GDELM-AE提出了深度框架下的堆叠图嵌入去噪极限学习机(SGD-ELM)算法。在多个标准数据集上的实验结果显示,与已有算法比较,所提算法获得了更高的精度并具有较快的训练速度。这验证了GDELM-AE能够对原始数据进行更全面的特征表示,并且对噪音数据具有鲁棒性,SGD-ELM易于获取数据的高层次抽象特征。现有基于ELM的深度学习算法大多忽略了原始数据的空间关系,传统深度神经网络存在参数较多、训练困难等问题,针对此问题,本文提出了基于AdaBoost集成极限学习机的多粒度级联(gcAWELM)算法。利用集成的极限学习机作为基础模块,采用级联结构进行特征学习,不同的集成极限学习机有利于提取多样性的特征,并且采用多粒度扫描的方式充分考虑原始数据的空间结构关系,通过多粒度扫描和级联结构进行表征学习。该算法可以自适应地选择级联的级数,具有参数少、训练简单的优点。在不同规模的图像数据集上的结果表明提出的gcAWELM具有良好的表征能力,在不同的学习任务(图像分类和人脸识别)中即使采用统一的参数设置,也能取得良好的表现。

关键词：极限学习机图嵌入堆叠自编码器深度神经网络多粒度级联

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的雷达辐射源个体识别技术研究

基于深度学习的雷达辐射源个体识别技术研究

引用

作者：郭瑞鹏西安电子科技大学

学位级别：硕士

随着装备信息化的快速发展,战场电磁环境的日趋复杂,新体制、新技术、多功能雷达的出现对电子战提出了严峻的考验,雷达系统一致性性能的提升导致电子侦察系统对辐射源个体的准确识别非常困难。为了更好地解决这一难题,本文从以下两个方... 详细信息

随着装备信息化的快速发展,战场电磁环境的日趋复杂,新体制、新技术、多功能雷达的出现对电子战提出了严峻的考验,雷达系统一致性性能的提升导致电子侦察系统对辐射源个体的准确识别非常困难。为了更好地解决这一难题,本文从以下两个方面进行研究。一方面分析雷达辐射源指纹特征形成的原因,选择并提取有效的指纹特征,并将其融合组成多维特征向量,提出分别利用逻辑回归算法和梯度提升决策树算法对特征向量进行分类,实现基于指纹特征提取的雷达辐射源个体识别。另一方面提出分别将堆叠自编码器和一维卷积神经网络与梯度提升决策树结合,将雷达信号的中频数据作为网络的输入,实现基于深度学习的雷达辐射源个体识别。本文进行的工作如下:(1)从雷达发射机的结构出发,分析雷达辐射源信号中无意调制的产生原因,重点对相位噪声进行讨论,并基于线性调频信号构建雷达辐射源个体信号模型,提出了雷达辐射源个体识别技术方案,为后续章节的研究提供了基础和支持。(2)分析雷达辐射源指纹特征的产生机理,并对接收到的雷达信号从时域脉冲包络、高阶统计量双谱、频域小波变换以及变换域VMD分解四个方面提取不同的指纹特征,联合得到多维特征向量。(3)基于多维特征向量进行雷达辐射源个体识别。复现利用K近邻算法和支持向量机算法进行个体识别。提出将逻辑回归和梯度提升决策树分别作为分类器进行个体识别,通过仿真实验验证了其可行性。通过对比得出梯度提升决策树算法在基于特征提取的雷达辐射源个体识别上具有更高正确率。当SNR≥15dB时,整体识别正确率达到97.5%以上。(4)提出将堆叠自编码器和一维卷积神经网络分别与梯度提升决策树结合,构建深度学习网络,然后利用网络直接对雷达辐射源信号中频数据进行学习与训练,最后利用训练好的网络进行个体识别。通过实验结果得出,基于深度学习算法的识别效果明显优于基于特征提取的雷达辐射源个体识别。其中,一维卷积神经网络具有更好的效果,当SNR≥5dB时,识别正确率达到99.5%以上。

关键词：个体识别指纹特征梯度提升决策树堆叠自编码器一维卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的高光谱遥感影像地物分类算法研究

基于深度学习的高光谱遥感影像地物分类算法研究

引用

作者：王程伟安徽大学

学位级别：硕士

近年来,传感器技术迅速发展,高光谱遥感技术成为科研人员的研究热点。相比于早期遥感影像,高光谱遥感影像具有数百条光谱波段,包含地物类别反射或辐射的大量特征信息,为高精度地物分类提供了前置条件。然而,高光谱数据存在数据量大、冗... 详细信息

近年来,传感器技术迅速发展,高光谱遥感技术成为科研人员的研究热点。相比于早期遥感影像,高光谱遥感影像具有数百条光谱波段,包含地物类别反射或辐射的大量特征信息,为高精度地物分类提供了前置条件。然而,高光谱数据存在数据量大、冗余性强和非线性等特点,使得传统方法在解决地物分类问题时效果不佳。深度学习算法的提出,为高精度地物分类开辟了新的研究方向。深度学习算法在解决复杂问题时具备特有的优势,可以通过自身迭代训练获取高光谱数据中深层次的特征信息。因此,本文基于深度学习在高光谱领域的应用,搭建能够实现高精度地物分类识别的深度学习算法模型,主要研究内容如下: (1)针对高光谱遥感影像数据量大、冗余性强及特征提取不充分的问题,提出了一种基于注意力联合网络(AUN)的高光谱遥感影像地物分类方法。首先,利用主成分分析(PCA)对高光谱数据进行降维,降低计算复杂度。然后,构建三维卷积神经网络(3DCNN)和二维卷积神经网络(2DCNN)并引入通道及空间注意力模块以提取深层次的光谱和空间特征。最后,利用3DCNN和2DCNN获得的深层特征信息输入到分类器中进行分类。实验结果表明,所提的AUN方法在5%Indian Pines(IP)、1%Pavia University(PU)和1%Salinas(SA)的训练样本上分别达到了97.40%、97.53%和99.32%的最高总体分类精度,拥有比对比方法更好的分类性能。 (2)针对高光谱遥感影像非线性特点和难以获取光谱和空间区别特征的问题,提出了一种基于堆叠自编码器(SAE)与双支路残差注意网络(TERA)的方法用于高光谱遥感影像地物分类。首先,使用SAE对高光谱数据进行降维,降低训练复杂度的同时解决其非线性问题。其次,基于3DCNN,搭建了具有两个独立特征提取路径的残差和密集网络框架,用于提取深层次光谱和空间特征。此外,设计并引入由通道和空间注意力组成的残差双注意力模块对特征进行细化并保留重要特征。实验结果表明,所提出SAETBRA方法在的三种数据集上的分类性能均优于对比方法,且在训练样本有限时仍能表现出较好的分类效果。

关键词：高光谱遥感影像深度学习注意力模块堆叠自编码器残差注意网络

来源：评论

学校读者我要写书评

暂无评论

基于EMD-SAE-LSTM模型的金融时间序列预测研究

基于EMD-SAE-LSTM模型的金融时间序列预测研究

引用

作者：白璐哈尔滨工业大学

学位级别：硕士

金融数据的预测在金融、统计和数学等各个领域一直是一个具有挑战性的问题。近年来,随着信息技术的发展,金融数据的大量留存和AI算法的深入研究,越来越多的学者开始开发金融时间序列预测领域的人工智能算法。深度学习技术作为人工智能... 详细信息

金融数据的预测在金融、统计和数学等各个领域一直是一个具有挑战性的问题。近年来,随着信息技术的发展,金融数据的大量留存和AI算法的深入研究,越来越多的学者开始开发金融时间序列预测领域的人工智能算法。深度学习技术作为人工智能的热点,已经被学者逐渐应用于金融领域之中。本文提出了一个新的深度学习股票价格预测框架:EMD-SAE-LSTM模型。其中,EMD用于对原始金融时间序列进行分解,SAE用于提取分解后数据的深层特征,LSTM用于预测股票价格。本文进行了股票指数日收盘价和个股分钟价格的预测实验。本文在上证综指、深证综指、深证成指、沪深300指数日数据集上进行股票价格指数收盘价预测实验。其中,为确定SAE选取的特征维数,选取四个结构以LSTM模型MAPE为评价标准进行试验,选出能使LSTM预测效果最佳的特征维数;又将本文模型与循环神经网络(RNN),LSTM,EMD-LSTM模型通过可决系数与MAPE两个指标进行比较,结果表明模型对股票日收盘价具有较强的预测能力,验证了本文模型的有效性。本文在中国平安股票价格指数分钟数据集上建立15分钟,30分钟,60分钟向前一步预测模型,考察本文模型对个股股票价格的预测能力。实验结果表明,使用60分钟数据预测下一分钟的股票价格时模型的各项指标表现最好;同时与RNN,LSTM,EMD-LSTM模型通过MAE,MAPE,RMSE及可决系数进行模型预测精度的比较,结果表明本文提出的模型在以上四个指标都表现最佳,验证了本文模型对个股分钟价格的预测能力。

关键词：股票价格指数预测经验模态分解堆叠自编码器 LSTM

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的热工过程建模及诊断方法研究

基于深度学习的热工过程建模及诊断方法研究

引用

作者：陈家乐东南大学

学位级别：硕士

为适应“碳达峰、碳中和”目标要求,在我国能源结构优化调整中,火电机组将面临越来越大的灵活调峰需求,从而对机组设备的安全可靠性提出了更高的要求。本文围绕基于深度学习的热工过程建模理论及诊断方法开展研究工作,主要研究内容如下... 详细信息

为适应“碳达峰、碳中和”目标要求,在我国能源结构优化调整中,火电机组将面临越来越大的灵活调峰需求,从而对机组设备的安全可靠性提出了更高的要求。本文围绕基于深度学习的热工过程建模理论及诊断方法开展研究工作,主要研究内容如下:针对热工过程数据具有的高维非线性和强噪声扰动等特点,提出了一种基于堆叠降噪自编码网络的非线性系统建模及故障检测方法。通过贪心逐层算法对每层自编码网络进行无监督预训练,并在训练过程中添加降噪训练以提高模型鲁棒性。以某600MW亚临界机组凝汽器为对象进行了算例分析,验证了本文所提方法的有效性。针对堆叠自编码网络进行故障分离时存在的残差污染问题,提出了一种基于并行重构的单变量故障分离方法。在常规堆叠自编码基础上引入预设故障方向,采用梯度下降方法在所有可能的故障方向上进行数据重构,将最佳重构偏差对应的故障方向作为最终的故障点,有效抑制了残差污染问题。高维系统复杂故障会涉及多个故障变量,基于重构贡献的故障分离速度将随着系统维度和故障变量个数的增加而快速下降。为满足在线诊断需求,本文提出了一种基于灰狼与序列浮动前向搜索的多变量故障分离方法,该方法采用序列浮动前向搜索算法搜索可能故障方向,并利用灰狼优化算法求解故障方向对应的最优故障幅值,大幅提高了故障分离速率。针对设备实际运行中运行条件改变导致的模型失效问题,提出了一种基于迁移学习的跨领域建模方法。通过计算不同领域数据的最大均值差异评判可迁移性,并根据数据分布差异性选择不同的迁移学习方法更新模型。当分布差异性较低时,通过微调的方式建立模型;当数据分布差异较大时,通过引入CORAL距离使源域与目标域在模型特征空间二阶统计量对齐的方式,建立迁移学习模型。以凝汽器运行数据为例,验证了所提算法的有效性。开发并应用了热工过程故障预警诊断平台,给出了平台开发架构及具体功能设计。

关键词：热工过程堆叠自编码器深度学习故障诊断迁移学习

来源：评论

学校读者我要写书评

暂无评论

基于多重相似性特征融合的药物-疾病关联预测

基于多重相似性特征融合的药物-疾病关联预测

引用

作者：关丽馨西安电子科技大学

学位级别：硕士

近些年来,随着新药的不断上市使用和对临床试验的观察,发现大多数药物不只是针对某一种特异性的疾病起作用,而是对多种疾病都有一定的治疗效果,合理地利用这一特性,恰好可以为现有药物找到新的适应症。基于这一性质,研发人员开始对其进... 详细信息

近些年来,随着新药的不断上市使用和对临床试验的观察,发现大多数药物不只是针对某一种特异性的疾病起作用,而是对多种疾病都有一定的治疗效果,合理地利用这一特性,恰好可以为现有药物找到新的适应症。基于这一性质,研发人员开始对其进行研究,提出利用药物和疾病关联预测的计算方法,为现有药物发现新的可治疗疾病。从目前的研究进展来看,在当前未知的药物和疾病关联对之中,有一部分是可以在药物重定位中进行研究的,其优势在于缩短研发周期以及降低研发风险和成本。这一计算方法也可以避免通过实验方法实现关联预测带来的不利影响。同时,对于数量庞大的药物和疾病数据,使用计算的处理方法不仅效率高,而且可以发现更多的药物和疾病相互作用对,从而加快药物的开发。鉴于在目前的药物和疾病关联预测的方法中已经使用了多种药物和疾病的相似性特征,然而,不同的药物和疾病特征的表示方式对预测结果的准确性有很大的影响,所以如何找到一种高效的特征提取方式是目前亟需解决的一个问题。又因为药物和疾病的每种相似性都有其独特的特征,如何有效的融合药物和疾病的多重相似性信息也是目前存在的一项挑战。因此本文对通过提取药物和疾病特征以及有效融合药物和疾病多重相似性特征实现药物和疾病相关性预测的方法进行研究,具体工作如下: 第一,提出一种基于堆叠自编码器的药物-疾病相关性预测算法。首先,利用堆叠自编码器从原始药物和疾病关联矩阵中学习药物和疾病的潜在特征。然后,通过整合药物和疾病的潜在特征、药物结构相似性和疾病语义相似性,得到表示药物和疾病对的特征向量。最后,通过XGBoost分类器来预测未知的药物和疾病关联关系。并将本文提出的算法分别与LRSSL、DRRS、BNNR以及SAe Rof算法在同一个数据集上做性能比较,可以观察到该算法具有最高的预测得分,同时也说明该模型在预测性能方面具有明显的提升。第二,提出一种基于多视图学习特征融合的药物-疾病相关性预测算法。首先,通过使用数据库中的药物和疾病数据计算获得药物和疾病的高斯相互作用轮廓核相似性、药物结构相似性以及疾病语义相似性。其次,利用对药物和疾病的多视图学习,获得两个最佳的药物和疾病相似性矩阵。然后,将药物和疾病邻接矩阵中的相似性网络和节点特征输入到变分自编码器中进行训练,分别获得对药物和疾病特征的非线性表示。基于药物和疾病邻接矩阵的非负矩阵分解方法,对从中提取得到的药物和疾病特征进行线性表示。最后,将药物和疾病的线性表示和非线性表示相结合,并利用全连通神经网络实现未知药物和疾病关联关系的预测。并将本文提出的算法分别与DDCSA、LRSSL、DRRS、BNNR以及SAe Rof算法在同一个数据集上做性能比较,可以观察到该算法具有最佳的预测能力,同时也通过对预测结果的验证和分析,进一步证明算法的有用性。

关键词：药物-疾病关联特征融合堆叠自编码器多重相似性特征

来源：评论

学校读者我要写书评

暂无评论

虑及传感器突发故障的刀具磨损状态在线监测

虑及传感器突发故障的刀具磨损状态在线监测

引用

作者：王宏慧大连理工大学

学位级别：硕士

机械加工过程中,实时监测刀具磨损状态不仅可以提高刀具本身利用率,而且可以避免因刀具失效导致工件报废及机床故障等问题。传感器作为监测过程中数据获取的基础,传感器的正常工作对刀具磨损状态准确监测起着至关重要的作用。然而,在监... 详细信息

机械加工过程中,实时监测刀具磨损状态不仅可以提高刀具本身利用率,而且可以避免因刀具失效导致工件报废及机床故障等问题。传感器作为监测过程中数据获取的基础,传感器的正常工作对刀具磨损状态准确监测起着至关重要的作用。然而,在监测过程中,由于加工环境的恶劣、传感器接口松动或线路故障等问题,导致传感器突然故障,造成监测结果错误。因此,开展虑及传感器突发故障的刀具磨损状态在线监测技术对于保证生产质量、提高生产效率和降低生产成本等具有重要意义。为此,本文结合深度学习算法开展了虑及传感器突发故障的刀具磨损状态监测,采用加速度和声音传感器采集铣削加工过程中的振动和声音信息,建立了堆叠自编码器刀具磨损状态监测模型,针对传感器突发故障提出了监测模型自适应调整方法,开发了虑及传感器突发故障的刀具磨损状态监测软件,从而实现加工过程中刀具磨损状态准确高效监测。本文工作如下:首先,概述了刀具磨损机理和分析了刀具磨损状态监测信号。介绍了刀具磨损的原因、形态和过程以及刀具的磨钝标准;分析了基于多传感器刀具磨损状态监测的优势,确定了本文的刀具磨损状态监测信号为振动和声音信号,论述了监测信号的预处理方法。其次,提出了虑及传感器突发故障的刀具磨损状态监测方法。介绍了基于堆叠自编码器的刀具磨损状态监测模型,论述了堆叠自编码器模型的数学原理及训练方法;提出了在传感器突发故障的情况下,该堆叠自编码监测模型自适应调整的原理和方法;阐述了虑及传感器突发故障的刀具磨损状态监测流程。然后,建立了堆叠自编码器监测模型和仿真分析了模型自适应调整。开展铣削加工试验,采集了铣削过程中表征刀具磨损状态的声音信号、主轴振动信号和夹具振动信号;采用采集的监测信号,在MATLAB中建立了基于堆叠自编码器的刀具磨损状态监测模型;在MATLAB中模拟了传感器失效后监测模型自适应调整的各种情况,并对仿真结果进行了分析,仿真结果表明,该自适应调整方法可有效解决刀具磨损状态监测过程中传感器突发故障问题。最后,开发了刀具磨损状态监测软件。开发了基于LabVIEW的虑及传感器突发故障的刀具磨损状态监测软件,该软件具有参数设置、数据采集、刀具状态监测功能;开展铣削加工试验,验证了该软件的有效性。该软件实现了在实际加工过程中刀具磨损状态的实时监测,以及当传感器突发故障时,仍可准确地对刀具磨损状态进行监测。

关键词：刀具磨损状态监测堆叠自编码器传感器突发故障模型自适应调整

来源：评论

学校读者我要写书评

暂无评论

基于机器学习的miRNA-疾病关联预测

基于机器学习的miRNA-疾病关联预测

引用

作者：王丽慧曲阜师范大学

学位级别：硕士

MicroRNA(miRNA)是一类小分子非编码RNA,其调节了细胞生长和组织分化,并且与生命过程中的发育、疾病有关。研究miRNA-疾病关联关系,能够利用相关miRNA与靶向细胞来调节疾病的发生,明确疾病的发病机制。但是基于生物的方法来研究miRNA与... 详细信息

MicroRNA(miRNA)是一类小分子非编码RNA,其调节了细胞生长和组织分化,并且与生命过程中的发育、疾病有关。研究miRNA-疾病关联关系,能够利用相关miRNA与靶向细胞来调节疾病的发生,明确疾病的发病机制。但是基于生物的方法来研究miRNA与疾病的关联通常较为复杂,该过程会耗费大量人力物力,因此开发高效的miRNA-疾病关联预测方法显得尤为重要。随着计算机技术的发展,越来越多的预测方法被提出,并取得了较好的预测效果。但仍存在一些问题影响miRNA-疾病关联预测的准确度,例如,已知的miRNA-疾病关联矩阵过于稀疏等问题。基于这一问题,本文的主要贡献如下: (1)针对现有的miRNA-疾病关联矩阵稀疏的问题,提出了一种基于堆叠自编码器(Stacked Autoencoder)和 AdaBoost(Adaptive Boosting)的 miRNA-疾病关联预测模型SAAMDA。SAAMDA将获取的miRNA功能相似性和疾病语义相似性,与利用堆叠自编码器提取的miRNA和疾病潜在特征结合在一起,从而获得新的miRNA整合特征以及疾病整合特征。随后利用AdaBoost对整合后的特征信息进行分类预测,得到最终的miRNA-疾病关联分数。 (2)针对现有模型时间复杂度较高导致预测时间过长的问题,提出了一个基于二分网络推荐算法(Bipartite Network Recommendation Algorithm)和归纳矩阵补全(Inductive Matrix Completion)的模型 BNRIMC。BNRIMC引入了疾病与miRNA的高斯相互作用谱核相似性,并与miRNA功能相似性与疾病语义相似性进行了融合,弥补了部分miRNA或疾病相似性信息缺失的情况。并用二分网络推荐算法计算miRNA与疾病之间的推荐分数矩阵。最后将miRNA相似性与疾病的相似性,以及miRNA与疾病的推荐分数矩阵导入归纳矩阵补全算法中,最终得到miRNA-疾病的关联分数,并对其进行排名。 SAAMDA和BNRIMC均采用五折和十折交叉验证法进行性能评估,并使用AUC(Area Under Curve)值来验证它们的预测效果。其中,SAAMDA的五折和十折交叉验证的AUC值分别为0.9437和0.9446;BNRIMC的五折和十折交叉验证的AUC值分别为0.9413和0.9428。同时,本文还对一些具体的疾病进行案例分析,进一步评估模型的性能。

关键词： miRNA-疾病关联预测堆叠自编码器 AdaBoost 二分网络推荐算法归纳矩阵补全

来源：评论

学校读者我要写书评

暂无评论

基于文本分类的网页搜索排序

基于文本分类的网页搜索排序

引用

作者：刘铭瑀合肥工业大学

学位级别：硕士

根据艾瑞iUserTracker监测数据显示,2017年1月PC端网站类别中,搜索引擎类稳居月度覆盖人数榜首位置,占比为98.4%。可见,虽然如今互联网呈现出爆炸式、多元式的增长,搜索引擎作为第一大流量入口的地位仍不可动摇,值得人们投入更多的关注... 详细信息

根据艾瑞iUserTracker监测数据显示,2017年1月PC端网站类别中,搜索引擎类稳居月度覆盖人数榜首位置,占比为98.4%。可见,虽然如今互联网呈现出爆炸式、多元式的增长,搜索引擎作为第一大流量入口的地位仍不可动摇,值得人们投入更多的关注。然而,搜索引擎多存在领域漂移的问题。所谓领域漂移,即指网页内容与查询关键词领域无关的现象,严重影响了用户的使用。文本数据是在网络这个庞大的信息库中占信息比重最大的,且多数用户使用搜索引擎时都是根据关键字进行搜索。基于此,本文对网页文本信息进行深入挖掘,结合文本分类相关技术,为解决领域漂移及相关改进算法需要人工建立领域向量的问题,提出了基于文本分类的网页搜索排序算法。论文主要工作如下:(1)本文研究了基于堆叠自编码器的文本分类方法。该方法通过堆叠自编码器的降维建模,解决了传统机器学习方法在处理文本问题时会出现的维数灾难问题。实验结果表明,该方法减少了原始数据的维度,提取出了更高阶的特征,获得了更高的分类准确率;(2)本文提出了基于文本分类的网页搜索排序算法。该算法首先对网页文本进行数据预处理并利用词袋模型进行网页文本的向量表示,之后通过少量的网页数据来训练softmax回归分类模型,训练好的模型用来预测测试网页数据的类别分数,并与BM25信息检索的分数结合在一起,得到最终的网页排序结果。实验结果表明,该检索算法无需人工建立领域向量,即可达到较好的网页排序结果。

关键词：领域文本分类 softmax回归分类网页排序堆叠自编码器

来源：评论

学校读者我要写书评

暂无评论

没有更多数据了...

全选清除本页清除全部题录导出标记到“检索档案”

共8页 << < 1 2 3 4 5 6 7 8 > >>

检索报告对象比较合并检索0

隐藏清空

合并搜索

回到顶部

执行限定条件

内容：

评分：

请选择保存的检索档案：

请选择收藏分类：

订阅名称：

通借通还

温馨提示：

图书名称：

借书校区：

取书校区：

手机号码：

邮箱地址：

一卡通帐号：

电话和邮箱必须正确填写，我们会与您联系确认。

联系人：

所在院系：

联系邮箱：

联系电话：

内蒙古自治区呼和浩特市赛罕区大学西街235号邮编: 010021

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：