检索结果-内蒙古大学图书馆

信息网络安全 2019年第3期 34-42页

作者：孙子文张义超江南大学物联网工程学院江苏无锡214122 物联网技术应用教育部工程研究中心江苏无锡214122

文章针对移动终端面临的信息安全问题,建立了移动终端身份认证的深度信念网络模型。利用触摸屏传感器采集用户原始触摸手势数据序列,经数据预处理后提取手势特征并传入深度信念网络模型;选用逐层贪婪算法进行无监督的预训练,再经反向传... 详细信息

文章针对移动终端面临的信息安全问题,建立了移动终端身份认证的深度信念网络模型。利用触摸屏传感器采集用户原始触摸手势数据序列,经数据预处理后提取手势特征并传入深度信念网络模型;选用逐层贪婪算法进行无监督的预训练,再经反向传播算法进行有监督微调后固定模型参数;将测试手势特征数据作为模型输入层数据,经模型计算后得到输出层数据,由Softmax分类器对输出数据分类,认证用户身份。仿真实验结果表明,与连续隐马尔可夫模型、反向传播算法相比,文中深度信念网络模型能达到较低的错误率,明显提高认证的准确性。

关键词：深度信念网络模型逐层贪婪算法反向传播算法 Softmax分类器

来源：评论

学校读者我要写书评

暂无评论

基于CRBM算法的时间序列预测模型研究

引用

浙江大学学报（理学版） 2016年第4期43卷 442-451页

作者：周晓莉张丰杜震洪曹敏杰刘仁义浙江大学浙江省资源与环境信息系统重点实验室浙江杭州310028 浙江大学地球科学学院浙江杭州310027

针对受限玻尔兹曼机(restricted Boltzmann machines,RBM)算法对时序数据预测存在抽取抽象特征向量能力较差和梯度下降能力有限的问题,基于CRBM(conditional restricted Boltzmann machines)算法以及信念网络(deep belief network,DBN)模型,构建了一种非线性的CRBM-DBN深度学习模型,并采用高斯分布处理输入特征值和对比散度抽样,用于预测时序数据.实验以浙江省近岸海域赤潮时序数据作为输入特征值,讨论该模型的深度及参数选取,并与经典的深度学习模型RBM、DAE和浅层学习中的BP神经网络进行对比,实验验证CRBM对于赤潮时序数据的预测拟合度要明显优于其他3种模型,该模型可有效用于赤潮类时序数据的趋势性预测.

关键词：受限玻尔兹曼机 CRBM深度建模深度信念网络模型高斯分布

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的多特征融合杂草识别仿真

引用

计算机仿真 2023年第8期40卷 206-210页

作者：王子曼杨学全河北农业大学信息科学与技术学院河北保定071000

为降低叶片遮挡、光照不均等因素对杂草识别的影响,在深度学习算法的基础上,提出一种多特征融合杂草识别方法。利用光谱照相机获取地面植株图像,将K-means聚类算法与形态学相结合,把绿色植物从背景中分割后再划分叶片,并消除图像中的小... 详细信息

为降低叶片遮挡、光照不均等因素对杂草识别的影响,在深度学习算法的基础上,提出一种多特征融合杂草识别方法。利用光谱照相机获取地面植株图像,将K-means聚类算法与形态学相结合,把绿色植物从背景中分割后再划分叶片,并消除图像中的小面积干扰点;融合颜色、形态、纹理等图像向量,将多特征输入至深度信念网络模型内,设置最后一层为杂草类别,引入sigmoid函数做回归计算,输出结果即为杂草识别结果。通过仿真对比实验证明,无论背景、光照如何变化,所提方法均能实现精准识别。

关键词：深度学习多特征融合杂草识别形态学处理深度信念网络模型

来源：评论

学校读者我要写书评

暂无评论

深度学习框架对城市日供水量预测的研究

引用

人民黄河 2018年第9期40卷 58-62页

作者：牟天蔚蒋白懿沈丹玉赵明沈阳建筑大学市政与环境学院辽宁沈阳110168 哈尔滨工业大学市政与环境工程学院黑龙江哈尔滨150006

供水量预测是建立管网水力模型的前提,为提高供水管网模型精度,提出一种基于深度学习框架的小波深度信念网络(SW-DBN)时间序列模型。该模型首先通过Symlets小波对日供水量数据进行分解,然后将各分解项分别导入SW-DBN时间序列模型中进行... 详细信息

供水量预测是建立管网水力模型的前提,为提高供水管网模型精度,提出一种基于深度学习框架的小波深度信念网络(SW-DBN)时间序列模型。该模型首先通过Symlets小波对日供水量数据进行分解,然后将各分解项分别导入SW-DBN时间序列模型中进行训练,最后利用训练的模型进行预测。以新开河2014—2015年日供水量为训练数据,2016年1月1—7日供水量为测试数据,导入该模型进行预测。依据该测试方法对其后200 d的供水量进行预测,结果表明:该模型用于日供水量预测比深度信念网络模型及传统BP神经网络模型精度高,相对误差均小于5%,是一种有效的方式。

关键词：深度信念网络模型深度学习框架 Symlets小波日供水量

来源：评论

学校读者我要写书评

暂无评论

采用深度信念网络的语音转换方法

引用

计算机工程与应用 2016年第15期52卷 168-171,216页

作者：王民黄斐刘利卫铭斐王明明西安建筑科技大学信息与控制工程学院西安710055

对说话人语音个性特征信息的表征和提取进行了深入研究,提出了一种基于深度信念网络(Deep Belief Nets,DBN)的语音转换方法。分别用提取出的源说话人和目标说话人语音频谱参数来训练DBN,分别得到其在高阶空间的语音个性特征表征;通过人... 详细信息

对说话人语音个性特征信息的表征和提取进行了深入研究,提出了一种基于深度信念网络(Deep Belief Nets,DBN)的语音转换方法。分别用提取出的源说话人和目标说话人语音频谱参数来训练DBN,分别得到其在高阶空间的语音个性特征表征;通过人工神经网络(Artificial Neural Networks,ANN)来连接这两个高阶空间并进行特征转换;使用基于目标说话人数据训练出的DBN来对转换后的特征信息进行逆处理得到转换后语音频谱参数,合成转换语音。实验结果表明,与传统的基于GMM方法相比,该方法效果更好,转换语音音质和相似度同目标语音更接近。

关键词：语音转换语音个性特征深度信念网络模型高阶空间

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的浙江近岸船舶数据赤潮生物量趋势性预测研究

基于深度学习的浙江近岸船舶数据赤潮生物量趋势性预测研究

引用

作者：周晓莉浙江大学

学位级别：硕士

浙江近岸海域是赤潮频发的敏感海域。赤潮爆发不仅会导致水环境生态系统失衡,还会造成水产养殖灾难,甚至会危害到公众的健康。因此,如何有效地对浙江近岸复杂多变的敏感水体环境,开展赤潮生物量的趋势性预测,具有十分重要的研究意义。... 详细信息

浙江近岸海域是赤潮频发的敏感海域。赤潮爆发不仅会导致水环境生态系统失衡,还会造成水产养殖灾难,甚至会危害到公众的健康。因此,如何有效地对浙江近岸复杂多变的敏感水体环境,开展赤潮生物量的趋势性预测,具有十分重要的研究意义。赤潮生物的生长、繁殖、消亡整个过程,与环境因子之间存在一定的关联。由于这些关联错综复杂,且环境因子具有时序性特征,给赤潮生物量的趋势预测带来了困难。赤潮生物量的预测常采用神经网络方法,深度学习是其中的一种深层神经网络,能有效地解决传统神经网络过度拟合的缺点。论文的主要研究内容与结果如下：(1)提出了一种将条件受限玻尔兹曼机(Conditional Restricted Boltzmann Machines, CRBM)算法与深度信念网络(Deep Belief Network, DBN)模型相结合的方法,构建非线性的CRBM-DBN深度学习模型,采用高斯分布处理输入特征值,对比散度抽样,用于浙江近岸海域的赤潮生物量趋势性预测,相比传统神经网络方法,有效地提高了预测的准确率和拟合度。(2)基于粒子群(Particle Swarm Optimization, PSO)算法对CRBM网络深度和训练参数进行最优求解,实验采用浙江近岸海域船舶观测数据作为输入特征值训练CRBM-DBN模型,并通过与经典的深度学习算法和浅层学习算法进行对比实验,验证CRBM-DBN模型对赤潮生物量的预测误差、预测拟合度和预测准确率要明显优于其他三种模型,并能有效地用于赤潮生物量未来4帧的趋势性变化预测。(3)针对浙江近岸海域赤潮监测数据的多源、异构、海量等特点,结合地理信息系统(GIS)空间数据库引擎与Oracle数据库,将本文构建的预测模型集成到浙江近岸海域赤潮预测预警研究平台中。研究结果表明,构建的CRBM-DBN模型对浙江近岸海域赤潮生物量的趋势预测取得较好的效果,具有较强的可行性和实用性,对浙江近岸海域赤潮预测预警有一定的参考价值。

关键词：赤潮生物量趋势性预测深度信念网络模型深度学习地理信息系统

来源：评论

学校读者我要写书评

暂无评论

基于隐变量模型的歌曲转换方法研究

基于隐变量模型的歌曲转换方法研究

引用

作者：黄斐西安建筑科技大学

学位级别：硕士

语音转换技术(Voice Conversion)是语音信号处理的一个重要分支,近几年国内外研究学者在该领域取得了许多研究成果。本文研究内容就是要将语音转换技术应用到歌声转换领域,通过改变源唱歌人的语音个性特征使其听起来像目标唱歌人在唱歌... 详细信息

语音转换技术(Voice Conversion)是语音信号处理的一个重要分支,近几年国内外研究学者在该领域取得了许多研究成果。本文研究内容就是要将语音转换技术应用到歌声转换领域,通过改变源唱歌人的语音个性特征使其听起来像目标唱歌人在唱歌,同时维持歌曲内容不变。歌声转换技术将在电影配音、生理学、智能人机交互和生活娱乐等方面均有广阔前景。目前主流的语音转换方法关注于建立源和目标说话人的语音个性特征映射关系,通过这种映射关系建立语音转换模型。因此语音个性特征的表征和提取就成了决定模型好坏的关键。本文在对歌声中语音信号特征表征深入研究的基础上,研究了两种歌曲转换模型:(1)本文构建一种隐变量模型(Latent Variable Model,LVM)将歌曲分解成表示语义的内容信息参数矩阵和体现唱歌人个性特征信息参数矩阵,采用个性特征信息参数矩阵替换的方法转换唱歌人个性特征信息;(2)本文设计了一种基于深度神经网络(Deep Belief Networks,DBN)模型歌曲转换方法。首先分别用提取出的源唱歌人和目标唱歌人语音频谱参数来训练DBN,分别得到其在高阶空间的语音个性特征表征;然后通过人工神经网络(Artificial Neural Networks ANN)来连接这两个高阶空间并进行特征转换;最后使用基于目标唱歌人数据训练出的DBN来对转换后的特征信息进行逆处理得到语音频谱参数,合成转换后的语音。同时,本文进行了实验以对上述两种算法转换性能进行分析,实验表明歌声转换的是具有可行性的。

关键词：歌声转换隐变量模型深度信念网络模型语音个性特征

来源：评论

学校读者我要写书评

暂无评论

基于V-DBN与空间双流LSTM的人体行为识别算法研究

基于V-DBN与空间双流LSTM的人体行为识别算法研究

引用

作者：王晓霖东北电力大学

学位级别：硕士

近年来,深度学习算法在多领域取得了重大突破,极大的推动了人工智能的发展。基于卷积神经网络的多种深度网络模型在RGB图像上的分类、分割以及目标检等领域取得了重大突破,这激发了研究人员对深度学习模型的进一步研究。由于深度传感器... 详细信息

近年来,深度学习算法在多领域取得了重大突破,极大的推动了人工智能的发展。基于卷积神经网络的多种深度网络模型在RGB图像上的分类、分割以及目标检等领域取得了重大突破,这激发了研究人员对深度学习模型的进一步研究。由于深度传感器的商业化,人们获取3D数据的方法越来越便捷。应用程序可根据深度传感器得到人体在场景中的深度信息,提取出人体区域及关键点的3维位置信息。通过提取关键点位置信息中的相关特征,网络模型可完成人体行为识别。本课题主要研究基于3D骨骼点的人体行为识别,设计了基于V-DBN(VLAD-Deep Belief Network)与空间双流LSTM(Long Short-Term Memory)的两类网络模型。主要研究内容及方法如下:(1)设计并提取了基于3D骨骼点位置信息的时空特征。在时间维度上,利用相同骨骼点在相邻帧的位移、速度及加速度特征描述动作变化趋势;利用同一帧中指定骨骼点和参考骨骼点之间的相对位置及指定骨骼之间的角度变化特征描述动作状态。(2)提出使用VALD(vector of locally aggregated descriptors)方法解决动作序列长度不一致的问题。由于不同目标之间存在个体性差异,动作与动作之间的序列长度不同,不利于分类器进行动作识别。本课题通过VLAD算法完成动作序列长度的统一。(3)设计V-DBN网络模型完成动作识别。该模型中将VLAD算法和DBN网络相结合,通过对比散度算法完成特征降维,对网络中存在的关键参数进行分析。实验讨论了网络参数、组合特征、初始化方法、特征融合方式以及不同分类器对识别结果的影响。(4)V-DBN模型中使用的VLAD算法在一定程度上破坏了骨骼序列帧与帧之间的连续性。为克服这个问题,本文设计时空双流LSTM网络模型完成动作识别。该模型以Tensorflow框架为基础,通过多个LSTM网络单元搭建网络模型,旨在解决由于聚类引起的信息丢失问题对动作分类的影响。实验中对比了多种基于LSTM的网络模型构建方式。本课题主要完成了基于3D骨骼点的时空动作特征设计、改进了特征编码及归一化方法并搭建了两种用于识别人体行为的网络结构。在实验阶段,本文在常见的两类人体行为数据库和采集的数据集上对本文方法进行验证,证明了所提方法在特征设计,特征编码及动作识别上的有效性。

关键词：人体行为识别时空特征深度信念网络模型长短时记忆网络 3D骨骼点

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的人脸局部遮挡表情动态识别算法

引用

吉林大学学报（信息科学版） 2024年第3期42卷 503-508页

作者：陈曦蔡现龙西安明德理工学院信息工程学院西安710065

针对因人脸局部遮挡,导致表情动态特征较难提取和识别问题,提出一种基于深度学习的人脸局部遮挡表情动态识别算法。建立深度信念网络模型,将前一层输出值作为后一层输入值,设计特征堆叠单元,计算可见层中神经元的状态变量分布情况,根据... 详细信息

针对因人脸局部遮挡,导致表情动态特征较难提取和识别问题,提出一种基于深度学习的人脸局部遮挡表情动态识别算法。建立深度信念网络模型,将前一层输出值作为后一层输入值,设计特征堆叠单元,计算可见层中神经元的状态变量分布情况,根据面部五官间动态关联性,将可见层的状态值作为隐藏层的输入值求得隐藏神经元状态变量。将识别过程分为训练和正向传播2个步骤,输出特征变化规律,在正向传播过程中查找符合规律变化的像素点,求解该像素点权重,同时作为损失函数标准,比对面部多个位置的识别权重,约束识别率,完成人脸局部遮挡表情动态识别。实验数据证明,该方法能降低图像失真和细节丢失,提高图像分辨率,识别率高,针对不同局部遮挡情况均能完成高效识别。

关键词：深度学习表情动态识别动态关联性深度信念网络模型隐藏层

来源：评论

学校读者我要写书评

暂无评论

深度学习模型在医院财务预测中的应用

引用

微型电脑应用 2021年第4期37卷 49-52页

作者：姜玉婵蔡岩衡水市人民医院医保科(城乡结算处) 河北衡水053000 河北师范大学软件学院河北石家庄050024

为了对医疗机构的可持续性经营能力进行高效、准确的监管与预警,提出将先进的深度学习模型应用于医院财务预测中,以便为决策者提供有价值的参考信息。首先,对医院财务系统中的数据进行解析与提取,并通过归一化和特征选择进行数据样本预... 详细信息

为了对医疗机构的可持续性经营能力进行高效、准确的监管与预警,提出将先进的深度学习模型应用于医院财务预测中,以便为决策者提供有价值的参考信息。首先,对医院财务系统中的数据进行解析与提取,并通过归一化和特征选择进行数据样本预处理;然后利用处理后的数据样本训练深度信念网络,获得网络的相关参数;最后利用深度信念网络模型进行财务预测。与机器学习中的其他方法进行了实验对比。结果表明,在均方根误差和拟合优度两个指标方面,构建的深度信念网络模型具有最佳的数据拟合性能。

关键词：深度学习深度信念网络模型医疗机构财务预测数据拟合

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：