检索结果-内蒙古大学图书馆

仪器仪表学报 2020年第10期41卷 277-286页

作者：万银刘丁任俊超刘聪聪西安理工大学晶体生长设备及系统集成国家地方联合工程研究中心西安710048 陕西省复杂系统控制与智能信息处理重点实验室西安710048

在直拉硅单晶生长过程中,晶体质量与固液界面V/G密切相关,实现V/G的在线监测,对于生长低缺陷、无位错的大尺寸硅单晶至关重要。然而,在实际工业生产中V/G的直接获取异常困难。针对该问题,提出一种基于栈式自编码网络的软测量模型SAE-ELM... 详细信息

在直拉硅单晶生长过程中,晶体质量与固液界面V/G密切相关,实现V/G的在线监测,对于生长低缺陷、无位错的大尺寸硅单晶至关重要。然而,在实际工业生产中V/G的直接获取异常困难。针对该问题,提出一种基于栈式自编码网络的软测量模型SAE-ELM,以实现V/G的实时监测。所提模型采用SAE提取数据特征,并将其作为ELM网络输入以实现对V/G的回归预测。其中,为了消除噪声影响,对原始数据进行了小波分解与重构,同时考虑到易测变量与目标变量之间的相关性,构建了基于Pearson和Spearman混合相关系数,以选择与V/G相关性较强的辅助变量。根据某型号单晶炉晶体生长过程中的实验数据,将该模型的性能与其他数据驱动建模方法进行了比较,验证了所提模型的有效性。

关键词：直拉硅单晶生长栈式自编码网络固液界面V/G 软测量建模

来源：评论

学校读者我要写书评

暂无评论

基于栈式自编码网络的故障诊断方法研究

基于栈式自编码网络的故障诊断方法研究

引用

作者：吕菲亚浙江大学

学位级别：博士

随着分布式控制系统的广泛应用和先进信息技术的实施,为了实时地检测并识别工业过程中的异常状况,数据驱动的故障诊断方法成为多变量过程控制的研究热点之一。然而海量高维度的过程测量信息给传统的故障诊断算法带来极大的计算复杂度和... 详细信息

随着分布式控制系统的广泛应用和先进信息技术的实施,为了实时地检测并识别工业过程中的异常状况,数据驱动的故障诊断方法成为多变量过程控制的研究热点之一。然而海量高维度的过程测量信息给传统的故障诊断算法带来极大的计算复杂度和建模复杂度,且存在难以利用高阶量进行在线估计的不足。面对复杂工业过程中的低阶、动态、非线性、多模态以及微小故障等问题,本文结合深度学习与统计分析技术,提出了一系列基于栈式自编码网络的故障诊断算法:（1）将深度学习技术引入工业过程控制中,提出了基于栈式自编码网络的故障诊断技术,通过栈式自编码网络提取并表示工业过程数据中隐含的相关性特征,打破了传统方法针对微小故障检测的瓶颈;（2）从函数逼近角度阐述了栈式自编码网络结构:利用多重的非线性映射与优化的组合实现复杂函数的逼近;初步解释了栈式自编码网络在故障诊断上的可行性;结合加权时间序列保持工业过程的时间相关性;（3）从多项式泰勒展开的角度解析自编码网络,结合泰勒展开的高阶项O（xn）论证栈式自编码网络对细节特征的表示学习能力;鉴于动态过程中的时间最近邻并不一定是其空间最近邻,在不增加建模复杂度的前提下,提出了基于动态重建的栈式自编码网络故障诊断技术,通过样本重建在保持数据可分离性的同时增加类别间的可区分距离;（4）针对传统多元统计分析技术难以利用高阶信息的不足,提出了基于高阶相关性的故障诊断技术,结合栈式自编码网络的多隐层结构建立多级学习框架:堆叠的隐层数越多,提取特征的阶数越高;并给出对应度量指标监控系统运行是否保持在控制范围内;利用正常过程的测量数据进行网络参数训练,避免了类别间的数据不均衡问题;（5）考虑动态过程中在线数据的重要性,提出了基于栈式自编码网络的阈值自适应过程监控技术,通过一个综合的表示框架实现多模态辨识与故障诊断的整合,降低了多模态切换的代价;并基于Sigmoid函数重构进一步分析自编码网络的表示学习能力。基于栈式自编码网络的故障诊断方法可以更细致地反应过程运行状态及潜在的演变轨迹,仿真研究验证了其有效性与可靠性,丰富了数据驱动下故障诊断领域的研究成果,并揭示了进一步研究的必要和可能。

关键词：栈式自编码网络故障诊断高阶相关性数据驱动统计学习

来源：评论

学校读者我要写书评

暂无评论

基于深度栈式自编码网络的面部年龄识别

引用

信息通信 2017年第11期30卷 45-47页

作者：徐文瀚程石磊成都市树德中学光华校区四川成都610091 电子科技大学清水河校区四川成都611731

随着计算机技术与网络信息技术的发展,利用人体生物特征来获取相关信息已成为安全验证的重要方式。人脸作为人体最重要的生物特征之一,一直备受研究者重视。主要针对基于深度学习的人脸年龄估计问题进行研究。基于栈式自编码网络的深度... 详细信息

随着计算机技术与网络信息技术的发展,利用人体生物特征来获取相关信息已成为安全验证的重要方式。人脸作为人体最重要的生物特征之一,一直备受研究者重视。主要针对基于深度学习的人脸年龄估计问题进行研究。基于栈式自编码网络的深度学习模型,将其运用到面部年龄识别问题上,并通过编程实现了基于该深度模型的面部年龄识别系统。

关键词：面部年龄识别深度学习栈式自编码网络

来源：评论

学校读者我要写书评

暂无评论

融合栈式自编码与CNN的高光谱影像作物分类方法

引用

农业机械学报 2021年第12期52卷 225-232页

作者：郭交李仪邦董思意张伟涛西北农林科技大学机械与电子工程学院陕西杨凌712100 陕西省农业信息感知与智能服务重点实验室陕西杨凌712100 西安电子科技大学先进遥感技术研究院西安710071

在高光谱影像作物分类中,为了充分利用高光谱遥感影像完整的光谱信息,同时避免高维数据带来的Hughes现象,本文从栈式自编码网络的数据降维与CNN网络的分类优势出发,首先分析了此种网络在训练过程中的共性,以自编码网络优化过程中分类器... 详细信息

在高光谱影像作物分类中,为了充分利用高光谱遥感影像完整的光谱信息,同时避免高维数据带来的Hughes现象,本文从栈式自编码网络的数据降维与CNN网络的分类优势出发,首先分析了此种网络在训练过程中的共性,以自编码网络优化过程中分类器的选取作为切入点,构建了可用于高光谱影像分类的融合网络架构。相较于传统方法,本文方法仅通过一次监督训练,即可实现高光谱影像直接分类,简化了传统数据处理流程,而且具有更优的分类性能。在实验中,利用Pavia University与雄安地区两组典型的高光谱遥感影像数据集对本文方法进行了验证,实验结果表明,Pavia University数据集中,在仅选用10%的像素点作为训练集的情况下,本文方法总体分类精度达到98.73%,比传统方法提升了8个百分点以上;在雄安数据集中,在仅选用1%的像素点作为训练集的情况下,本文方法总体分类精度达到98.04%,比传统方法提升了7个百分点以上,证明了本文分析的正确性和所提方法有效性,也为小样本情况下的高光谱影像分类提供了一种新的研究思路。

关键词：作物分类高光谱影像栈式自编码网络卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

深度学习在高光谱图像分类领域的研究现状与展望

引用

自动化学报 2018年第6期44卷 961-977页

作者：张号逵李映姜晔楠西北工业大学计算机学院陕西省语音与图像信息处理重点实验室西安710129

高光谱图像(Hyperspectral imagery,HSI)分类是高光谱遥感对地观测技术的一项重要内容,在军事及民用领域都有着重要的应用.然而,高光谱图像的高维特性、波段间高度相关性、光谱混合等使得高光谱图像分类面临巨大挑战.近年来,随着深度学... 详细信息

高光谱图像(Hyperspectral imagery,HSI)分类是高光谱遥感对地观测技术的一项重要内容,在军事及民用领域都有着重要的应用.然而,高光谱图像的高维特性、波段间高度相关性、光谱混合等使得高光谱图像分类面临巨大挑战.近年来,随着深度学习新技术的出现,基于深度学习的高光谱图像分类在方法和性能上得到了突破性的进展,为其研究提供了新的契机.本文首先介绍了高光谱图像分类的背景、研究现状及几个常用的数据集,并简要概述了几种典型的深度学习模型,最后详细介绍了当前的一些基于深度学习的高光谱图像分类方法,总结了深度学习在高光谱图像分类领域中的主要作用和存在的问题,并对未来的研究方向进行了展望.

关键词：深度学习高光谱图像分类卷积神经网络栈式自编码网络深度置信网络

来源：评论

学校读者我要写书评

暂无评论

基于特征优选与深度学习的车载电源微小故障诊断方法

引用

兵工学报 2022年第11期43卷 2935-2944页

作者：李炜韩寅龙孙晓静兰州理工大学电气工程与信息工程学院甘肃兰州730050 甘肃省工业过程先进控制重点实验室甘肃兰州730050 兰州理工大学电气与控制工程国家级实验教学示范中心甘肃兰州730050 兰州电源车辆研究所有限公司甘肃兰州730050

车载电源作为军队武器装备作训和应急的主要电能来源,其微小故障的准确诊断可有效预防严重故障的发生。然而实际监测数据往往存在冗余,且微小故障征兆难以有效提取,针对此提出一种基于递归特征消除(RFE)与栈式自编码神经网络(SAE)相结... 详细信息

车载电源作为军队武器装备作训和应急的主要电能来源,其微小故障的准确诊断可有效预防严重故障的发生。然而实际监测数据往往存在冗余,且微小故障征兆难以有效提取,针对此提出一种基于递归特征消除(RFE)与栈式自编码神经网络(SAE)相结合的微小故障智能诊断方法。利用REF算法对所采集的特征变量进行重要度排序,以消除冗余并优选构建故障特征子集;再以该特征子集作为SAE深度网络的输入,微小故障类别作为输出,从而实现车载电源微小故障的有效诊断。仿真结果表明,与单纯SAE及浅层神经网络相比,所提方法的微小故障诊断准确率有明显提升,达到95.4%。

关键词：车载电源微小故障诊断递归特征消除栈式自编码网络

来源：评论

学校读者我要写书评

暂无评论

基于SAE的睡眠呼吸中止综合症识别及预测算法

引用

自动化学报 2021年

作者：党鑫柯登峰韦然张振天津工业大学计算机科学与技术学院天津市光电检测技术与系统重点实验室中国科学院自动化研究所模式识别国家重点实验室天津工业大学生命科学学院

睡眠呼吸暂停综合症(OSA)是一种常见的睡眠中呼吸停止的睡眠障碍，在各年龄段人群中均拥有较高的患病比例。然而目前OSA的主要诊断仍依靠复杂而昂贵的多导睡眠监测(PSG)，严重制约了OSA的筛查效率。针对这个问题，本文提出了一种基于栈... 详细信息

睡眠呼吸暂停综合症(OSA)是一种常见的睡眠中呼吸停止的睡眠障碍，在各年龄段人群中均拥有较高的患病比例。然而目前OSA的主要诊断仍依靠复杂而昂贵的多导睡眠监测(PSG)，严重制约了OSA的筛查效率。针对这个问题，本文提出了一种基于栈式自编码网络(SAE)的鼾声OSA症状识别算法。该算法首先利用心电、鼾声数据进行OSA症状的特征抽出，两种特征在SAE的输入层或隐层结合后共同训练OSA诊断模型。该模型利用了深度神经网络发掘复杂特征及多模态特征相关性的能力，在自编码网络的隐层训练心电、鼾声特征的相关性，并利用这种相关性提高模型的识别性能。OSA症状识别及发病预测实验中，采用心电、鼾声同时输入的情况下，比传统算法获得了5%-7%的识别精度提升；在采用鼾声输入时，也获得了96.5%的识别精度。

关键词：睡眠呼吸中止综合征鼾声栈式自编码网络深度学习

来源：评论

学校读者我要写书评

暂无评论

融合深度学习和栈式自编码算法的异常无线电信号监测方法

引用

移动通信 2020年第12期44卷 80-85页

作者：魏小忠申浩刘红杰江西省无线电监测站江西南昌330000 江西省工业和信息化厅鹰潭市无线电管理局江西鹰潭335000 北京博识广联科技有限公司北京100098

针对当前无线电复杂环境下频谱异常快速监测存在大量干扰信息导致精度不高的问题,本文在重构无线电信号时空数据的基础上,采用深度学习的方法提取无线电信号的时空特征;然后,采用栈式自编码网络对无线电信号的时空特征进行稀疏编码再重... 详细信息

针对当前无线电复杂环境下频谱异常快速监测存在大量干扰信息导致精度不高的问题,本文在重构无线电信号时空数据的基础上,采用深度学习的方法提取无线电信号的时空特征;然后,采用栈式自编码网络对无线电信号的时空特征进行稀疏编码再重构;最后,采用聚类算法对重构特征进行聚类,自适应门限值技术获取动态的阈值,并实现异常无线电信号的快速识别。实验表明,融合深度学习和栈式自编码的无线电频谱异常检测算法能够增强异常信号检测模型的自主性,为智能通信系统的分析提供了新的思路。

关键词：时空特征栈式自编码网络聚类分析自适应门限值技术

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的异步电动机故障诊断方法研究

基于深度学习的异步电动机故障诊断方法研究

引用

作者：问天宇哈尔滨理工大学

学位级别：硕士

随着科技的发展和进步,各领域用到的电动机自动化程度逐渐提高,电动机的内部结构也逐渐趋于复杂化。因为很多电动机都处在长期连续运转,并保持着强度较高的工作状态,所以电动机难免会产生各种不同的故障。本文以异步电动机作为研究对象... 详细信息

随着科技的发展和进步,各领域用到的电动机自动化程度逐渐提高,电动机的内部结构也逐渐趋于复杂化。因为很多电动机都处在长期连续运转,并保持着强度较高的工作状态,所以电动机难免会产生各种不同的故障。本文以异步电动机作为研究对象,研究了两种基于深度学习的异步电动机故障诊断方法。首先,本文采用了一种基于深度信念网络的异步电动机故障诊断方法,此方法以深度信念网络为基础,构建出应用于异步电动机的故障诊断模型。研究了此网络的内部结构以及此故障诊断模型的初始化步骤和常用于训练此模型的方法,并通过实验得出基于深度信念网络的故障诊断模型存在内部运算相对复杂、对异步电动机故障数据的特征提取能力欠缺的缺点。然后,针对深度信念网络存在的缺点,提出了一种基于栈式自编码网络的异步电动机故障诊断方法,详细研究了栈式自编码网络的结构以及推导过程,构建出栈式自编码网络与Softmax回归分类器相结合的故障诊断模型,并研究了此网络的内部结构以及此故障诊断模型如何进行初始化和网络训练,对比了此故障诊断模型与传统的由深度信念网络构建的故障诊断模型,通过实验验证了这种基于栈式自编码网络的异步电动机故障诊断方法存在的优点。最后,针对基于深度信念网络的故障诊断模型和提出的基于栈式自编码网络与Softmax回归分类器相结合的故障诊断模型进行实验对比,通过实验结果验证了基于栈式自编码网络的异步电动机故障诊断方法能够达到更高的故障诊断精确度。并与传统故障诊断方法对比,证明了采用深度学习方法在异步电动机故障诊断上具有优越性,说明基于深度学习的故障诊断方法适合应用于异步电动机。

关键词：深度学习故障诊断深度信念网络栈式自编码网络

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的无线网络流量预测

基于深度学习的无线网络流量预测

引用

作者：曹淑琳西安电子科技大学

学位级别：硕士

随着移动通信技术的高速发展,移动互联网已经应用到诸如支付、餐饮、交通、多媒体等诸多领域之中,无线通信的业务数据流量呈现爆发式增长,但是网络资源是有限的,如何在有限的资源下满足以上服务要求给移动通信网络和网络运营商带来了极... 详细信息

随着移动通信技术的高速发展,移动互联网已经应用到诸如支付、餐饮、交通、多媒体等诸多领域之中,无线通信的业务数据流量呈现爆发式增长,但是网络资源是有限的,如何在有限的资源下满足以上服务要求给移动通信网络和网络运营商带来了极大的挑战。通过对无线网络流量的预测,有助于合理有效地分配网络资源(如频谱资源、信道资源),为用户提供更稳定更高效的服务,保证网络性能。无线网络流量预测的方法多种多样,其中,神经网络在该领域中的应用较为广泛,然而传统神经网络对时间序列数据的时间相关性利用有限,无法满足当下的资源分配的流量预测精度要求。所以,本论文主要研究如何利用深度学习提高无线网络流量预测的精度,以此充分利用无线网络资源。本论文提出两种基于深度学习的无线网络流量预测方法。一是基于栈式自编码网络(Stacked Autoencoder Network,SAE)的无线网络流量预测方法,该方法主要利用栈式自编码网络的特征提取能力,可以有效的进行流量预测;二是基于长短期记忆网络(Long Short-term Memory Network,LSTM)的无线网络流量预测方法,该方法使用长短期记忆网络进行无线网络流量预测,充分利用了无线网络流量数据自身的时间相关性,对输入的数据具有相对长时间的记忆功能,可以将前面时刻输入的数据保存在记忆单元中。当做预测时,长短期记忆网络可以根据记忆单元中的数据和当前时刻的输入共同进行未来时刻的流量预测。仿真结果表明,通过与基于栈式自编码网络的无线网络流量预测的结果对比,基于长短期记忆网络的无线网络流量预测的精度更高。

关键词：无线网络栈式自编码网络长短期记忆网络流量预测深度学习资源分配

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：