检索结果-内蒙古大学图书馆

作者：黄维上海师范大学

学位级别：硕士

随着智能燃气管网建设工作的飞速发展,负荷预测工作越来越重要。短期负荷预测是城市燃气系统的一项基础工作,其数据对项目规划、运行调度、管网维修以及工程技术分析都具有根本意义,因此寻求有效的短期负荷预测方法以提高预测精度是非... 详细信息

随着智能燃气管网建设工作的飞速发展,负荷预测工作越来越重要。短期负荷预测是城市燃气系统的一项基础工作,其数据对项目规划、运行调度、管网维修以及工程技术分析都具有根本意义,因此寻求有效的短期负荷预测方法以提高预测精度是非常重要的。本文首先深入分析了经验模态分解(Empirical Mode Decomposition,EMD)方法在正常采样率条件下分解结果中可能存在虚假模态分量,而通过傅立叶插值法、sinc函数插值法等增加采样点可以减少虚假分量的产生,但并不能从根本上解决多余模态的问题,因此提出一种改进的模态分量消除算法,即利用经验模态分解的完备性、能量原理和虚假模态分量性质,在每得到一个本征模分量时,对这个分量进行检验是否满足以上三个性质,从而除去虚假模态分量及消除本征模态分量中的误差。接着阐述了一种添加了自适应学习率的深度信念神经网络(Deep belief Neural Network,DBN),用以减少深度信念神经网络模型训练时的迭代次数,从而加快模型的训练速度。一方面,燃气负荷值受多种外界因素影响,选择DBN可以通过逐层提取这些因素之间的内在隐含联系,达到模型预测目的。另一方面,传统的DBN在预训练和调优过程中注重调节w,b的值,忽视学习率α对预测结果的影响,本文在DBN的基础上对学习率做自适应研究,以提高模型训练速度,并且在一定程度上提高预测精度。最后详细介绍了基于EMD分解的集成深度信念神经网络预测模型的建立,以及仿真实验分析的过程。由于燃气负荷数据在日常监测过程中有部分数据缺失和仪器读数误差,因此在预测前需要对原始数据预处理,解决负荷数据序列存在异常数据的问题,同时将负荷数据归一化处理、影响因素数值化处理,构成预测模型的输入矩阵。针对燃气负荷序列非线性非平稳的特性,采用优化的EMD将负荷数据序列分解成多个本征模向量,再分别进行DBN建模和预测,得到各个分量的预测结果,最后使用线性神经网络将各分量的结果拟合得出最终预测结果。结果表明,集成方法确实能够避免单一模型过拟合的问题,提高预测精度。

关键词：燃气负荷预测经验模态分解模态分量消除深度信念神经网络自适应学习率集成方法

来源：评论

学校读者我要写书评

暂无评论

基于深度信念神经网络的微震波到时拾取方法

引用

矿业科学学报 2018年第6期3卷 521-526页

作者：郑晶曹子原姜天琪沈帅帅煤炭资源与安全开采国家重点实验室北京100083 中国矿业大学(北京)地球科学与测绘工程学院北京100083

微震信号到时的准确拾取是进行震源定位等技术的基础。传统的到时拾取方法大多依赖于人工干预,对采集数据信噪比的要求较高。为了提高低信噪比中微弱信号的拾取准确率,提出一种基于S变换和深度信念神经网络的拾取方法。该网络模型训练... 详细信息

微震信号到时的准确拾取是进行震源定位等技术的基础。传统的到时拾取方法大多依赖于人工干预,对采集数据信噪比的要求较高。为了提高低信噪比中微弱信号的拾取准确率,提出一种基于S变换和深度信念神经网络的拾取方法。该网络模型训练分两步进行,首先对经S变换处理过的原始数据利用受限玻尔兹曼机进行无监督预训练,得到网络模型参数的初值;再通过误差反向传播来微调网络参数,构建最终的深度信念神经网络模型。本次利用训练好的网络对数据进行拾取,并与STA/LTA法的拾取结果进行对比,分析结果表明本文方法有更高的抗噪性。

关键词：到时拾取 S变换深度信念神经网络

来源：评论

学校读者我要写书评

暂无评论

多模深度卷积神经网络应用于视频表情识别

引用

光学精密工程 2019年第4期27卷 963-970页

作者：潘仙张张石清郭文平台州学院智能信息处理研究所浙江台州318000

由于视频中的手工特征和主观情感之间的直接相关性很小,识别视频序列中的面部表情是一项很有挑战性的任务,为了克服这个缺陷,有效提高视频中的人脸表情识别性能。本方法采用两个深度卷积神经网络,即空间卷积神经网络和时间卷积神经网络... 详细信息

由于视频中的手工特征和主观情感之间的直接相关性很小,识别视频序列中的面部表情是一项很有挑战性的任务,为了克服这个缺陷,有效提高视频中的人脸表情识别性能。本方法采用两个深度卷积神经网络,即空间卷积神经网络和时间卷积神经网络,用于视频中的时空表情特征学习。其中,空间卷积神经网络用于提取视频中每一帧静态的表情图像的空间信息特征,而时间卷积神经网络用于从视频中多帧表情图像的光流信息中提取动态信息特征。然后,将这两个深度卷积神经网络学习到的时空特征进行基于深度信念网络(DBN)的特征层融合,输入到支持向量机实现视频中的人脸表情分类任务。在公共的RML和BAUM-1s视频情感数据集的测试结果表明,该方法分别取得了71.06%和52.18%的正确识别率,明显优于现有文献报导的结果。多模深度卷积神经网络的人脸表情识别方法能提高视频中人脸表情的识别性能。

关键词：深度卷积神经网络多模深度学习表情识别时空特征深度信念神经网络

来源：评论

学校读者我要写书评

暂无评论

基于迁移学习和深度神经网络的航空发动机故障诊断

基于迁移学习和深度神经网络的航空发动机故障诊断

引用

作者：杨可南京航空航天大学

学位级别：硕士

在采用数据驱动方法进行航空发动机气路故障诊断时,存在不同工作点处训练样本数量不均衡、分布差异大的问题。为此,本文开展了基于迁移学习和深度神经网络的故障诊断方法研究。首先,针对发动机实际运行过程中可获取的训练样本数量少且... 详细信息

在采用数据驱动方法进行航空发动机气路故障诊断时,存在不同工作点处训练样本数量不均衡、分布差异大的问题。为此,本文开展了基于迁移学习和深度神经网络的故障诊断方法研究。首先,针对发动机实际运行过程中可获取的训练样本数量少且部分工作点样本标签缺失的情况,在预处理阶段采用无监督迁移成分分析法(UTCA)进行不同工作点数据样本的迁移,使得数据集中的不同样本可近似认为来自同一个工作点,在此基础上对深度信念网络(DBN)进行训练,得到适用于不同工作点的故障诊断模型U＿DBN。其次,针对部分工作点训练样本数量充足、部分工作点样本数量较少的情况,建立了基于卷积神经网络(CNN)的故障诊断模型,并采用相关对齐方法(CORAL)和最大均值差异方法(MMD)两种方法在模型的不同特征层计算源域与目标域间距离,通过梯度下降算法最小化该距离,从而使模型具有多个不同工作点的适应性。此外,采用贝叶斯算法对该故障诊断模型的超参数进行优化,进一步提高了模型的诊断精度。最后,考虑到不同工作点上训练样本间的条件概率差异,在生成对抗网络的博弈思想基础上提出了基于深度对抗迁移方法的发动机故障诊断模型。在模型的训练过程中通过全局域判别器、类级域判别器最小化两个域之间的边缘分布概率与条件概率差异,提高了模型的跨域故障诊断能力。通过仿真方法对模型性能进行了对比分析和验证,结果表明本文提出的模型在训练样本不均衡条件下具有优良的故障诊断性能。

关键词：迁移学习卷积神经网络深度信念神经网络航空发动机气路故障诊断

来源：评论

学校读者我要写书评

暂无评论

基于深度集成学习的类极度不均衡数据信用欺诈检测算法

引用

计算机研究与发展 2021年第3期58卷 539-547页

作者：刘颖杨轲吉林财经大学管理科学与信息工程学院长春130117 吉林财经大学税务学院长春130117

信用欺诈数据分布极度不均衡时,信息失真、周期性统计误差和报告偏倚所产生的噪声错误对训练模型干扰凸显,且易产生过拟合现象.鉴于此,提出一种深度信念神经网络集成算法来解决类极度不均衡的信用欺诈问题.首先,提出双向联合采样算法克... 详细信息

信用欺诈数据分布极度不均衡时,信息失真、周期性统计误差和报告偏倚所产生的噪声错误对训练模型干扰凸显,且易产生过拟合现象.鉴于此,提出一种深度信念神经网络集成算法来解决类极度不均衡的信用欺诈问题.首先,提出双向联合采样算法克服信息缺失和过拟合问题;然后,构造2阶段基分类器簇,针对支持向量机(support vector machine,SVM)对不均衡数据分布所表现的分类超平面向少数类偏移问题,利用增强(boosting)算法生成SVM与随机森林(random forest,RF)结合的基分类器簇;利用深度信念网络(deep belief network,DBN)整合基分类器簇的多元预测,输出分类结果.考虑传统精度评价指标过度关注多数类样本,忽视信用欺诈存在违约损失高于利息收益事实,引入成本-效益指数兼顾正类和负类样本的识别能力,提高模型对少数类样本预测精度.通过对欧洲信用卡欺诈数据检测发现,相比于其他相关算法成本效益指数均值提高3个百分点,同时,实验比较样本不均衡比例对算法精度影响,结果表明在处理极端不均衡数据时所提算法效果更优.

关键词：信用欺诈类极不均衡深度信念神经网络支持向量机成本-效益指数

来源：评论

学校读者我要写书评

暂无评论

基于深度置信神经网络的用户聚类旅游景点推荐算法研究

引用

中文信息 2024年第11期 231-232页

作者：孙锦歆河北建材职业技术学院河北秦皇岛 066004

在旅游行业,随着网络上景区数据的快速增长,用户需要花费大量时间来检索真正有价值的信息.推荐系统可以满足用户的个性化需求,提高用户获取有用信息的效率.推荐系统已经扩展到很多领域,旅游景点的个性化就是其中之一.协同过滤算法是推... 详细信息

在旅游行业,随着网络上景区数据的快速增长,用户需要花费大量时间来检索真正有价值的信息.推荐系统可以满足用户的个性化需求,提高用户获取有用信息的效率.推荐系统已经扩展到很多领域,旅游景点的个性化就是其中之一.协同过滤算法是推荐系统中常用的推荐算法,但协同过滤算法本身存在一些局限性,无法完全应用于旅游景点的推荐.本文对旅游景点推荐系统中基于用户的协同过滤算法进行了改进,采用聚类方法中的算法提高平均绝对误差,节省运行时间.这种改进可以更好地对旅游景点进行个性化推荐.

关键词：深度信念神经网络用户聚类景点推荐算法

来源：评论

学校读者我要写书评

暂无评论

一种基于特征映射与深度学习的虚假数据注入检测方法

引用

现代电力 2023年第1期40卷 125-132页

作者：胡聪洪德华张翠翠王海鑫薛晓茹李云路国网安徽省电力有限公司信息通信分公司安徽省合肥市230061 沈阳工业大学电气工程学院辽宁省沈阳市110027

智能电网逐步发展为大型电力信息物理系统,信息与物理系统的交互降低了其抵御虚假数据攻击(false data injection attacks, FDIA)的能力。针对这一问题,研究并提出了一种基于多层递阶融合模糊特征映射方法(multi-layer hierarchical fus... 详细信息

智能电网逐步发展为大型电力信息物理系统,信息与物理系统的交互降低了其抵御虚假数据攻击(false data injection attacks, FDIA)的能力。针对这一问题,研究并提出了一种基于多层递阶融合模糊特征映射方法(multi-layer hierarchical fusion fuzzy feature mapping, MLHFFFM)与条件深度信念网络(deep belief network, DBN)相结合的智能电网虚假数据注入检测方法。首先,对FDIA原理进行分析,基于MLHFFFM结合主成分分析法对智能电网负荷数据进行聚类,选取日负荷与预测日类似的近似日;然后,提出利用条件深度信念神经网络对近似日智能电网负荷进行分析,通过选取不同参数对日负荷特征进行动态捕捉从而检测FDIA;最后,结合某省实际负荷以IEEE33节点系统为例进行分析。案例分析结果表明,所提模型相比于其他模型,在不同攻击强度下准确率均保持在95%以上,错报率在5%以下,能够有效检测出虚假数据的注入。

关键词：智能电网特征映射深度学习深度信念神经网络虚假数据攻击

来源：评论

学校读者我要写书评

暂无评论

基于图像处理的鸡蛋新鲜度预测模型研究

引用

食品与机械 2017年第12期33卷 103-109页

作者：刘莹莹钟南华南农业大学工程学院广东广州510642 教育部南方农业机械与装备关键技术重点实验室广东广州510642 广东省食品质量安全重点实验室广东广州510642

采集98枚不同贮藏时间鸡蛋图像信息,测量鸡蛋蛋重、蛋白及气室高度等新鲜度常规指标,以Matlab图像处理工具箱为研究工具,测量蛋黄面积比、气室高度及整蛋长短径,通过SPSS统计分析蛋重与整蛋长短径和气室高度关系回归模型,蛋白高度与蛋... 详细信息

采集98枚不同贮藏时间鸡蛋图像信息,测量鸡蛋蛋重、蛋白及气室高度等新鲜度常规指标,以Matlab图像处理工具箱为研究工具,测量蛋黄面积比、气室高度及整蛋长短径,通过SPSS统计分析蛋重与整蛋长短径和气室高度关系回归模型,蛋白高度与蛋黄面积比、气室高度等关系模型;以蛋重及蛋白高度为特征参数,利用深度信念网络建立预测模型,进行新鲜度预测分级。所建蛋重及蛋白高度预测模型相关系数分别为0.942和0.925,新鲜度分级准确率为93.3%。结果表明:该试验所设计基于图像处理数据的鸡蛋新鲜度分级模型准确率高,采集装置简单,可用于估测鸡蛋新鲜度。

关键词：新鲜度分级图像处理深度信念神经网络

来源：评论

学校读者我要写书评

暂无评论

基于DBN的液压泵劣化程度评估方法研究

引用

机床与液压 2024年第14期52卷 219-226页

作者：李振宝伊明李富强张磊姜万录中石油西部钻探工程有限公司工程技术研究院新疆克拉玛依834000 长江大学石油工程学院湖北武汉430100 燕山大学河北省重型机械流体动力传输与控制重点实验室河北秦皇岛066004 燕山大学先进锻压成形技术与科学教育部重点实验室河北秦皇岛066004

针对轴向柱塞泵中心弹簧失效故障难以有效评估的问题,提出一种基于梅尔频率倒谱系数(MFCC)和深度信念神经网络(DBN)的液压泵劣化程度评估方法。对现场采集的正常数据和3种不同程度中心弹簧失效故障的液压泵振动信号进行信号预处理,包括... 详细信息

针对轴向柱塞泵中心弹簧失效故障难以有效评估的问题,提出一种基于梅尔频率倒谱系数(MFCC)和深度信念神经网络(DBN)的液压泵劣化程度评估方法。对现场采集的正常数据和3种不同程度中心弹簧失效故障的液压泵振动信号进行信号预处理,包括预加重、分帧和加窗等;对预处理后的信号进行快速傅里叶变换(FFT),得到其频率谱和功率谱,然后让其通过Mel滤波器组,得到信号的对数能量;最后对对数能量进行离散余弦变换,得到信号的倒谱系数和一阶差分系数,并以此构成特征向量。基于DBN方法搭建深度学习模型,对特征向量进行学习,将测试样本导入深度学习模型,对中心弹簧失效程度进行评估,并将倒谱系数和一阶差分系数的识别结果进行对比。结果表明:当选择倒谱系数为特征向量时,具有较高的识别精度,能够有效识别轴向柱塞泵中心弹簧的性能劣化程度。

关键词：梅尔频率倒谱系数深度信念神经网络轴向柱塞泵劣化评估

来源：评论

学校读者我要写书评

暂无评论

多源异构大数据下综合能源系统用户用能行为预测分析研究

引用

智慧电力 2018年第10期46卷 86-95页

作者：马天男王超彭丽霖郭小帆杜英苟全峰刘金朋国网四川省电力公司经济技术研究院四川成都610041 四川电力交易中心有限公司四川成都610041 四川省电力设计咨询有限公司四川成都610041 华北电力大学经济与管理学院北京102206

在综合分析用户侧用能数据特征和数据来源基础上,建立了基于Spark平台和平衡迭代规约聚类分析(BIRCH)的用户用能行为聚类分析算法,并提出了算法并行化策略和聚类结果评价指标。针对用户用能行为聚类结果,结合Spark平台和深度信念神经网... 详细信息

在综合分析用户侧用能数据特征和数据来源基础上,建立了基于Spark平台和平衡迭代规约聚类分析(BIRCH)的用户用能行为聚类分析算法,并提出了算法并行化策略和聚类结果评价指标。针对用户用能行为聚类结果,结合Spark平台和深度信念神经网络(DBN)构建了用户用能需求多线程预测模型。通过算例对并行化聚类算法和多线程需求预测模型进行了仿真分析,结果表明,构建的基于Spark-BIRCH的用户用能行为聚类算法具有较高的准确度和有效度,基于Spark-DBN的预测模型比单一预测模型的预测精度更高。仿真结果验证了2种模型的有效性和可行性。

关键词：综合能源系统用能行为 BIRCH聚类深度信念神经网络需求预测

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：