检索结果-内蒙古大学图书馆

电网技术 2018年第6期42卷 1860-1867页

作者：王守相陈海文李小平舒欣智能电网教育部重点实验室(天津大学) 天津市南开区300072 国网湖北省电力有限公司电力科学研究院湖北省武汉市430077

随着风电、光伏等可再生能源渗透率的不断提高,其运行波动性及随机性对电网稳定运行、经济调度等方面带来不良影响,对可再生能源的不确定性进行建模愈加重要。随机场景分析法是解决该问题的主要方法之一,现有随机场景生成方法基于历史... 详细信息

随着风电、光伏等可再生能源渗透率的不断提高,其运行波动性及随机性对电网稳定运行、经济调度等方面带来不良影响,对可再生能源的不确定性进行建模愈加重要。随机场景分析法是解决该问题的主要方法之一,现有随机场景生成方法基于历史数据对风电、光伏出力进行概率建模,进而进行抽样生成场景,模型准确性差、计算复杂度高。为简化随机场景生成步骤,提高生成效率及精度,提出了一种基于条件变分自动编码器（variational autoencoder,VAE）的风电光伏出力随机场景生成方法,较已有概率方法,所提方法可无监督地学习风电、光伏训练数据的时间、空间及波动性特点,并按条件高效地生成符合观测特点的数据,无需场景约简。通过在单一发电单元、多发电单元、指定标签场景3个场景的成功应用,验证了所提算法的有效性。

关键词：随机场景分析条件变分自动编码器深度学习场景生成

来源：评论

学校读者我要写书评

暂无评论

基于图注意力网络和条件变分自动编码器的驾驶轨迹预测研究

基于图注意力网络和条件变分自动编码器的驾驶轨迹预测研究

引用

作者：庾名星深圳大学

学位级别：硕士

在《中国制造2025》和“十四五”规划中明确支持智能汽车的发展背景下,无人驾驶技术愈发的炙手可热,而轨迹预测对无人驾驶系统行驶安全控制及本车的驾驶决策均具有重要的作用,已成为国内外专家的研究热点。轨迹的准确预测不仅可以为下... 详细信息

在《中国制造2025》和“十四五”规划中明确支持智能汽车的发展背景下,无人驾驶技术愈发的炙手可热,而轨迹预测对无人驾驶系统行驶安全控制及本车的驾驶决策均具有重要的作用,已成为国内外专家的研究热点。轨迹的准确预测不仅可以为下层的决策控制提供可靠而有效的信息,更可以预警潜在的事故风险,从而大大提高驾驶的安全性、可靠性,对国民生命安全和财产具有重要意义。而随着科学技术的迅猛发展,轨迹预测技术已经取得了相当的进展,但在如何依据不同驾驶员的驾驶风格信息、确保预测精度和考虑驾驶员行为不确定性等方面仍有改进的空间。针对上述不足,本文主要对高速公路下车辆驾驶风格和轨迹预测进行了研究,其中轨迹预测分为单轨迹预测和多轨迹预测。具体研究内容和成果有以下三个方面: (1)针对现有驾驶风格特征降维的方法中,降维后的特征往往会失去对数据的可解释性,以及仅用趋同化的特征去分析驾驶风格,缺乏每个特征对不同驾驶风格影响的衡量。因此,本文利用因子分析方法去分析、解释驾驶风格。首先通过因子分析降维获得六个公共因子,而每个公共因子都是由所有初始特征用不同权重去表征的,在降维后使数据仍然保持可解释性;然后通过选取最佳聚类数,将驾驶风格分为激进、普通和谨慎三种类型;接着分析K-means聚类算法的结果,结果表明不同驾驶风格的纵加速度因子和横速度因子差异显著,数值越大则表明风格越激进;经过验证,在变道或超车时,该数值越大者变道次数越多;最后,根据因子得分均值、方差和公共因子表征驾驶风格,试验验证针对每个初始风格特征的量化与均衡,可以实现对驾驶风格的准确识别。 (2)针对轨迹预测模型缺乏驾驶员特征融入和提取车辆之间互动特征不够精准的问题,本文提出了融合驾驶员驾驶风格和图注意力网络(Graph Attention Network,GAT)的以LSTM(Long Short-Term Memory networks)编码器解码器为架构的轨迹预测模型(GATLSTM),并在NGSIM高速场景的数据集中验证了模型的有效性。首先是构建一个LSTM轨迹预测模型,以该模型为基础,先是在编码器阶段融入驾驶风格,以期提供车辆自身更多的运动学信息;然后把车辆行驶场景构建为图数据,再融入图注意力网络用于提取车辆间的互动特征,随后在实验中证实了改进模型的有效性。验证分为两部分,一是通过两个消融实验验证,融入风格信息和图注意力网络的模型精度更佳。二是通过对比实验,证明了图注意力网络提取互动特征的显著性,其能够大幅度缩小在长时预测中轨迹的偏离。 (3)针对驾驶员行为不确定性问题,本文提出了图注意力网络融合条件变分自动编码器(Conditional Variational Autoencoder,CVAE)的多轨迹预测模型(GAT-CVAE)。该模型以Desire模型为基础,在特征处理环节,引入风格信息和图注意力网络;而在解码时先通过LSTM和FC获得二元高斯混合模型的混合系数、均值和方差,再通过采样的方式输出多条预测轨迹。在对比实验中,该模型性能优于除GAT-LSTM外的所有对比模型,这是因为该模型为了增强整体的预测效果,略微牺牲最佳轨迹的精确性。

关键词：无人驾驶技术驾驶轨迹预测图注意力网络条件变分自动编码器

来源：评论

学校读者我要写书评

暂无评论

一种基于条件变分自编码器的加密流量识别方法

引用

计算机应用研究 2020年第S01期37卷 301-303页

作者：栗刚孙中军翟江涛戴跃伟河北师范大学体育学院石家庄050024 河北省公安厅石家庄050051 江苏科技大学电子信息学院江苏镇江212003 南京信息工程大学计算机学院南京210000

传统模型在识别加密流量方面通常存在特征提取困难和没有考虑到样本类别不平衡的问题,针对此问题,提出了一种在类别不平衡条件下的基于条件变分自编码器的加密流量识别模型。首先,通过SMOTE算法平衡原始数据集,解决了由于样本类别不平... 详细信息

传统模型在识别加密流量方面通常存在特征提取困难和没有考虑到样本类别不平衡的问题,针对此问题,提出了一种在类别不平衡条件下的基于条件变分自编码器的加密流量识别模型。首先,通过SMOTE算法平衡原始数据集,解决了由于样本类别不平衡造成模型欠拟合或过拟合的问题。其次,提取数据流前n个字节,并使用条件变分自动编码器模型自动提取分类特征隐层变量Z。最后,把m维的隐层变量Z输入基于遗传算法改进的随机森林分类器进行分类评估。实验表明,较现有的加密识别模型,所提方法不仅具有较快的收敛速度,而且在精确率、召回率和F1-measure评价指标上分别有较大的提高。

关键词：加密流量 SMOTE 条件变分自动编码器遗传算法随机森林

来源：评论

学校读者我要写书评

暂无评论

基于条件变分自编码器的生成式多轮对话研究

基于条件变分自编码器的生成式多轮对话研究

引用

作者：赵雁斌华南理工大学

学位级别：硕士

近年来,生成式多轮对话系统作为自然语言处理领域的重要问题之一,受到了越来越多的关注。多轮对话的目标是生成丰富多样且连贯的回复,并且能够与上文的语义相连贯。然而,传统编码器解码器容易产生无意义且枯燥的回复。为了提高生成的回... 详细信息

近年来,生成式多轮对话系统作为自然语言处理领域的重要问题之一,受到了越来越多的关注。多轮对话的目标是生成丰富多样且连贯的回复,并且能够与上文的语义相连贯。然而,传统编码器解码器容易产生无意义且枯燥的回复。为了提高生成的回复的信息性和多样性,引入条件变分自编码器是一个可行的方案。本文研究针对的是结合条件变分自编码器的生成式多轮对话方法,然而现有的研究仍存在一些不足之处:(1)现有的工作大多是单向的推理生成,但是仅从上文信息单向推理无法生成丰富多样且连贯的对话回复。(2)现有的结合条件变分自编码器的语言模型通常只有一组隐变量,存储的上文信息较少,生成对话的多样性较低。(3)现有的预训练语言模型与条件变分自编码器结合不够紧密,无法充分利用预训练语言模型中包含的信息。针对上述问题,本文提出了基于多隐变量的双向推理模型MLVBI(Multiple Latent Variables Bidirectional Inference)。首先,对于上文信息太少不足以推理的问题,MLVBI在语言模型中结合条件变分自动编码器并将单向推理扩充到双向推理,通过语料分割为上文、查询与回复后,使用正向推理从查询中推理出回复用于学习正常语序信息,并同时使用反向推理从回复中推理出查询用于学习额外主题信息,之后融合成双向推理使得模型生成更连贯的回复。其次,MLVBI针对双向推理过程中单组隐变量解释能力不足的问题,引入多组隐变量进一步提高生成对话多样性。最后,本文将MLVBI与长短期记忆网络、预训练语言模型分别结合,并对结合方式做出相应的调整,以更好发挥预训练语言模型的性能。实验结果表明,在长短期记忆网络和预训练语言模型上,MLVBI在两个开放域数据集DailyDialog和PersonalChat上的自动评价的准确性和多样性等不同指标都达到了当前最佳和可比的效果,消融实验也证明了双向推理和多隐变量的有效性。

关键词：对话生成条件变分自动编码器隐变量双向推理预训练语言模型

来源：评论

学校读者我要写书评

暂无评论

基于CVAE的时变工况轴承运行异常检测

引用

振动.测试与诊断 2023年第1期43卷 1-8+194页

作者：温广瑞周浩轩苏宇陈雪峰西安交通大学机械工程学院

数据驱动的异常检测技术被广泛应用于复杂机械设备状态监测中，工况（operating conditions，简称OCs）变化会导致监测数据的分布漂移，使传统数据驱动的异常检测方法的准确性受到极大干扰。为了解决时变工况下工况和健康状态之间的耦... 详细信息

数据驱动的异常检测技术被广泛应用于复杂机械设备状态监测中，工况（operating conditions，简称OCs）变化会导致监测数据的分布漂移，使传统数据驱动的异常检测方法的准确性受到极大干扰。为了解决时变工况下工况和健康状态之间的耦合问题，提出了一个新的特征解耦学习框架。首先，基于变分自动编码器（variation auto encoder，简称VAE）构建一个特征解耦条件变分自动编码器（conditional variation auto encoder，简称CVAE）网络，实现工况和健康状态的解耦；其次，对解耦后的健康状态相关特征进行降维处理，构建异常指标（anomaly indicator，简称ANI）；然后，将ANI与统计异常阈值相结合，实现时变工况下轴承的异常检测；最后，通过基于时变转速退化的轴承加速疲劳退化实验，验证了该方法的有效性以及所构建的健康指标在消除时变工况干扰方面的优越性。

关键词：时变工况异常检测条件变分自动编码器轴承

来源：评论

学校读者我要写书评

暂无评论

基于自生成深度神经网络的4D航迹预测

引用

计算机应用 2021年第5期41卷 1492-1499页

作者：李旭娟皮建勇黄飞翔贾海朋贵州大学计算机科学与技术学院贵阳550025 贵州大学云计算与物联网研究中心贵阳550025 中国民用航空西南地区空中交通管理局贵州分局贵阳550005

针对四维(4D)航迹预测的实时性不强和存在迭代误差的问题,提出了一种自动生成的条件变分自动编码器(AutoCVAE)。它以编码-解码的形式直接对未来一段时间的航迹进行预测,并能灵活选取观测点个数和预测步长。该方法以处理后的广播式自动... 详细信息

针对四维(4D)航迹预测的实时性不强和存在迭代误差的问题,提出了一种自动生成的条件变分自动编码器(AutoCVAE)。它以编码-解码的形式直接对未来一段时间的航迹进行预测,并能灵活选取观测点个数和预测步长。该方法以处理后的广播式自动相关监视(ADS-B)数据为引导,以减小预测误差为目标,通过贝叶斯优化的方法,在预定义的搜索空间内进行模型结构搜索,每一次的超参数取值都会参考之前的评估结果,使得每一次的模型结构都能向目标更靠近一点,最终实现了一个基于ADS-B数据的高精度的4D航迹预测模型。实验得出,所提模型能快速准确地进行航迹的实时预测,其中经纬度平均绝对预测误差(MAE)均小于0.03°,高度MAE小于30 m,各时刻点的时间误差也不会超过10 s,每次批量预测轨迹的延迟时间不超过0.2 s。

关键词：航迹预测条件变分自动编码器深度生成模型数据挖掘广播式自动相关监视

来源：评论

学校读者我要写书评

暂无评论

基于积极概率分布引导的水下图像增强网络

引用

现代电子技术 2024年第23期47卷 15-21页

作者：朱立忠王雅鑫郭宝仁沈阳理工大学自动化与电气工程学院辽宁沈阳110159 华电电力科学研究院有限公司东北分公司辽宁沈阳110167

针对水下环境复杂多变,导致现存算法难以稳定恢复水下退化图像的问题,文中提出一种基于积极概率分布引导的水下图像增强网络,该网络通过构建积极样本概率引导框架,从混合样本中估计其特征概率分布来引导网络恢复退化图像。首先,提出多... 详细信息

针对水下环境复杂多变,导致现存算法难以稳定恢复水下退化图像的问题,文中提出一种基于积极概率分布引导的水下图像增强网络,该网络通过构建积极样本概率引导框架,从混合样本中估计其特征概率分布来引导网络恢复退化图像。首先,提出多分支信息提取架构获取输入特征的多空间特征,并分别在空间、像素、通道等方面增强图像特征分布;其次,结合条件变分自动编码器与自适应实例归一化获取特征分布,并改进现有风格迁移算法增强图像颜色与对比度;最后,结合多项损失函数进一步增强网络的鲁棒性,提高图像质量。实验结果表明,所提方法输出图像色泽清晰、颜色均衡,在多个数据集上的定性定量指标均优于对比的经典和新颖算法,对真实海洋工作具有重要意义。

关键词：水下图像增强概率分布条件变分自动编码器自适应实例归一化注意力机制色偏校正

来源：评论

学校读者我要写书评

暂无评论

深度学习框架下的移动感知预缓存策略

引用

小型微型计算机系统 2019年第5期40卷 913-917页

作者：陈正勇杨崇旭姚振杨坚中国科学技术大学未来网络实验室合肥230022

为了在移动流量需求不断增长的条件下提高用户体验,本文针对小基站网络提出了一种基于深度学习的移动感知预缓存策略.该策略采用条件变分自动编码器根据大量历史数据建立用户移动模型,然后预测用户将来可能经过的基站,并且在这些基站上... 详细信息

为了在移动流量需求不断增长的条件下提高用户体验,本文针对小基站网络提出了一种基于深度学习的移动感知预缓存策略.该策略采用条件变分自动编码器根据大量历史数据建立用户移动模型,然后预测用户将来可能经过的基站,并且在这些基站上预缓存用户正在下载的文件的一部分.本文定义了缓存效用用以评估缓存策略的性能.通过在真实GPS轨迹数据上的仿真实验,验证了所提出的缓存策略与典型对比策略相比能够为用户提供更高的平均下载速度,具有更大的缓存命中率,产生更大的缓存效用.

关键词：小基站网络移动感知预缓存条件变分自动编码器

来源：评论

学校读者我要写书评

暂无评论

小基站网络中移动感知的缓存系统研究

小基站网络中移动感知的缓存系统研究

引用

作者：杨崇旭中国科学技术大学

学位级别：硕士

随着移动终端的日益普及和物联网规模的迅猛扩张,移动流量呈爆炸式增长,对新型网络架构的设计带来巨大挑战。本文针对第5代移动通信技术(5G)中小基站组网模式,结合移动轨迹的空域特征和时域特征,提出了一种移动感知的预缓存系统,实现了... 详细信息

随着移动终端的日益普及和物联网规模的迅猛扩张,移动流量呈爆炸式增长,对新型网络架构的设计带来巨大挑战。本文针对第5代移动通信技术(5G)中小基站组网模式,结合移动轨迹的空域特征和时域特征,提出了一种移动感知的预缓存系统,实现了对用户请求文件的最优部署,从而使文件更接近用户,降低用户下载时延、减少回传信道上的冗余信息。系统设计的核心思路是通过大数据建立移动用户单步转移模型,并分析用户在基站中的逗留时间规律,从而完成时间相关的轨迹分析;再采用网络编码,根据终端下载速率,将文件依时间序列编码成多个段,计算出每个编码段被下载时,用户位置状态的概率分布;最后,通过建立部署问题的数学模型,完成对预缓存策略的最优化求解。系统设计的主要方法是:1.分别采用基于混合马尔科夫模型和基于条件变分自动编码器的两种方案,实现单步转移预测;2.基于幂次定律分析用户在基站覆盖范围中的逗留概率和逗留时间之间的函数关系,完成时间相关的单步转移轨迹预测;3.使用RaptorQ码将文件按照用户下载速率,编码成与时刻一一对应的多个编码段,并计算出每个编码段依概率排序的最优存储位置;4考虑小基站缓存空间等限定条件,对预缓存部署问题进行数学建模,并使用贪心算法对问题最优化求解,从而获得最优的分布式部署策略。最后,基于真实轨迹数据集搭建仿真实验环境,对预缓存系统进行可行性验证和性能测试,通过与其他三种部署策略进行实验对比,证明了本系统能够大幅度地提高文件部署的命中率、有效地实现预缓存的负载均衡。

关键词：第5代移动通信技术小基站组网移动感知混合马尔科夫模型条件变分自动编码器逗留规律贪心算法 RaptorQ码

来源：评论

学校读者我要写书评

暂无评论

类增量学习算法及其在图像分类上的应用

类增量学习算法及其在图像分类上的应用

引用

作者：李妍燕山大学

学位级别：硕士

深度学习算法在图像分类任务中取得显著成就,这种成就的取得依赖于使用所有已知类别的数据进行训练。当新数据到来时,需要对旧数据重新训练。然而由于内存和隐私的问题,旧数据并不总是可用的。如果单独使用新数据训练,模型就会遗忘旧知... 详细信息

深度学习算法在图像分类任务中取得显著成就,这种成就的取得依赖于使用所有已知类别的数据进行训练。当新数据到来时,需要对旧数据重新训练。然而由于内存和隐私的问题,旧数据并不总是可用的。如果单独使用新数据训练,模型就会遗忘旧知识。类增量学习方法旨在解决灾难性遗忘问题。因此,本文对图像分类领域的类增量学习方法进行研究,主要的研究内容如下:首先,针对不存储旧数据的类增量学习方法存在的任务间类别混淆问题,设计了一种基于类别增强的生成分类器的类增量学习方法。通过在每个变分自动编码器的输入端拼接类别标签来对生成分类器进行类别增强,使保留的新旧类别信息更具区分度,从而减少类别间的混淆。其次,针对存储少量旧数据的类增量学习方法存在的稳定-可塑性困境及输出偏差问题,设计了一种基于双重权重校正网络的类增量学习框架。在每个残差层上构建稳定块和可塑块,使用平衡子集调整聚合权重来平衡这两种块的权重,即平衡稳定性和可塑性。在模型的输出层,使用权重对齐算法对新旧类别的权重进行校正,以平衡新旧类别的输出。最后,针对存储少量旧数据的类增量学习方法存在的新旧类别数据分布不均衡问题,设计了一种基于K-means的旧类样本提取方法。利用K-means聚类为每类选取K个具有代表性的样本来提高旧类数据的多样性,然后使用端到端样本优化框架对选取的样本按图像尺寸进行参数化,以端到端的方式进行优化,使其更加符合所在类别的分布,从而增强旧类样本的代表性,以解决新旧类别数据分布不均衡问题。

关键词：类增量学习灾难性遗忘条件变分自动编码器权重校正样本选取

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：