检索结果-内蒙古大学图书馆

山西财经大学学报 2025年第S1期47卷 43-45页

作者：杨宇四川电影电视学院新媒体学院

生成式对抗网络（GANs）是当前国际上最热门的深度学习方法之一，特有的生成模型与判别模型为金融数据研究提供了全新的思路。GANs通过对复杂数据进行建模，可以生成非常接近实际数据的采样值，在理解市场动态、预测交易趋势和进行风险... 详细信息

生成式对抗网络（GANs）是当前国际上最热门的深度学习方法之一，特有的生成模型与判别模型为金融数据研究提供了全新的思路。GANs通过对复杂数据进行建模，可以生成非常接近实际数据的采样值，在理解市场动态、预测交易趋势和进行风险控制等方面有非常重要的作用。探索GANs在金融交易数据分析中的应用，帮助金融专业人士从大量数据中挖掘出有用信息，从而提升决策精度。

关键词：生成式对抗网络金融交易数据分析数据建模

来源：评论

学校读者我要写书评

暂无评论

一种基于改进的生成式对抗网络的完整12导联心电图重构方法

引用

电子技术应用 2025年第4期51卷 16-22页

作者：曾超权骆炜王森林戴玲凤陈豪福州大学先进制造学院福建泉州362251 中国科学院福建物质结构研究所福建福州350108 福建省复杂动力系统智能识别与控制重点实验室福建泉州362200

心电图(ECG)是评估心脏健康的重要工具。随着科技的进步,越来越多的智能设备被开发用于监测心电信号。然而,由于便携性的要求,这些智能设备通常只能测量有限导联数量的心电信号,这可能会影响心脏疾病诊断的准确性。为了解决这一问题,提... 详细信息

心电图(ECG)是评估心脏健康的重要工具。随着科技的进步,越来越多的智能设备被开发用于监测心电信号。然而,由于便携性的要求,这些智能设备通常只能测量有限导联数量的心电信号,这可能会影响心脏疾病诊断的准确性。为了解决这一问题,提出了一种基于生成对抗网络(GAN)的模型。该模型融合了Transformer和U-Net结构,能够从单一导联的心电信号重建完整的12导联心电信号,从而提高便携式智能设备的诊断性能。在PTB-XL和绍兴人民医院12导联心电信号数据集上对提出的模型进行了评估,并将其与几种先进的方法进行了比较。相关代码全部上传至https://***/Chaoquan-123/12-lead-ECG-reconstruction。

关键词：心电图生成式对抗网络 Transformer U-Net

来源：评论

学校读者我要写书评

暂无评论

基于生成式对抗网络的人脸识别技术应用

引用

电子技术 2025年第2期 94-95页

作者：王伟河南工业贸易职业学院信息工程学院

阐述针对现有识别方法准确度较低的问题，提出一种基于生成式对抗网络的人脸识别方法。该方法包括人脸图像预处理、生成式对抗网络恢复图像信息，以及添加注意力机制的人脸识别。实验结果表明，随着偏转角的改变，实验组的识别准确率达... 详细信息

阐述针对现有识别方法准确度较低的问题，提出一种基于生成式对抗网络的人脸识别方法。该方法包括人脸图像预处理、生成式对抗网络恢复图像信息，以及添加注意力机制的人脸识别。实验结果表明，随着偏转角的改变，实验组的识别准确率达到98%，显著优于传统方法。

关键词：生成式对抗网络人脸识别图像预处理

来源：评论

学校读者我要写书评

暂无评论

基于生成式对抗网络的隧道衬砌探地雷达数据智能处理方法

引用

科技和产业 2025年第9期25卷 79-84页

作者：宁长远孙洪鹏张东昊史伟鉴张思远覃晖龙建路桥股份有限公司哈尔滨150036 大连理工大学建设工程学院辽宁大连116024 龙建路桥第一工程有限公司哈尔滨150000

探地雷达(GPR)广泛应用于隧道衬砌质量检查,然而实际采集的原始探地雷达数据常常无法直接进行解译,需要进行去噪、增益、图像平滑等多种技术手段处理后,才能从中读取有效回波信息。考虑到目前探地雷达数据基本通过人工处理,处理流程复杂... 详细信息

探地雷达(GPR)广泛应用于隧道衬砌质量检查,然而实际采集的原始探地雷达数据常常无法直接进行解译,需要进行去噪、增益、图像平滑等多种技术手段处理后,才能从中读取有效回波信息。考虑到目前探地雷达数据基本通过人工处理,处理流程复杂,参数选取主观性强,处理工作费时费力,基于生成式对抗网络(GAN),提出一种直接将探地雷达原始数据转化为具有清晰回波信号图像的端到端处理方法。使用的生成式对抗网络由一系列不同尺度生成器和鉴别器组成,可以智能识别探地雷达数据的整体和局部特征,并对原始数据自动进行全面的处理操作。该方法成功应用于隧道初衬质量检测的实测探地雷达数据处理任务中,数据处理效果基本与人工处理结果相同,并实现了更高的数据处理效率。

关键词：隧道衬砌探地雷达数据处理深度学习生成式对抗网络

来源：评论

学校读者我要写书评

暂无评论

生成式对抗网络的土壤有机质高光谱估测模型

引用

光谱学与光谱分析 2021年第6期41卷 1905-1911页

作者：何少芳沈陆明谢红霞湖南农业大学信息与智能科学技术学院湖南长沙410128 湖南农业大学资源环境学院湖南长沙410128

已有的土壤有机质含量估测模型大多以光谱特征波段、线性和非线性模型为基础,较少考虑通过拓展样本数据建模集来提高模型的估测能力。为进一步提高土壤有机质高光谱反演模型估测精度,提出利用生成式对抗网络(GAN)合成伪高光谱数据和有... 详细信息

已有的土壤有机质含量估测模型大多以光谱特征波段、线性和非线性模型为基础,较少考虑通过拓展样本数据建模集来提高模型的估测能力。为进一步提高土壤有机质高光谱反演模型估测精度,提出利用生成式对抗网络(GAN)合成伪高光谱数据和有机质含量的动态估测模型。选取湖南省长沙市及周边区域的水稻田为研究对象,采集土样和实测高光谱数据(350~2500 nm),室内化学测定有机质含量。以高光谱数据和有机质含量为基础,利用生成式对抗网络生成等量新数据,结合原始数据建模集组成增强建模集。在GAN正式训练中,每轮训练完成后,设置4个观测点(对应增强建模集中含50,100,150和239个生成样本),动态构建交叉验证岭回归(RCV)、偏最小二乘回归(PLSR)和BP神经网络(BPNN)土壤有机质含量估测模型(分别简称GAN-RCV,GAN-PLSR和GAN-BPNN),并在相同测试集上实施模型评估。实验结果表明:(1)原始数据建模集上拟合的估测模型中,交叉验证岭回归表现最佳,决定系数(R^(2))和均方根误差(RMSE)分别为0.8311和0.1896;(2)GAN的150轮正式训练中,增强建模集上动态构建的GAN-RCV,GAN-PLSR和GAN-BPNN模型性能显著提高,具体表现为:GAN-RCV的R^(2)取得最大值0.8909(RMSE 0.1537)、最小值0.8505(RMSE 0.18)与平均值0.8687(RMSE 0.1686),最大R^(2)比建模集上拟合的RCV提高了7.2%(RMSE降低了18.9%),GAN-PLSR获得R^(2)最大值0.8554(RMSE 0.1769)、最小值0.7270(RMSE 0.2432)与平均值0.7801(RMSE 0.2177),最大R^(2)比建模集上拟合的PLSR提高了20.6%(RMSE降低了29.5%),GAN-BPNN表现最佳,R^(2)取得最大值0.9052(RMSE 0.1433)、最小值0.8017(RMSE 0.2073)与平均值0.8681(RMSE 0.1686),最大R^(2)比建模集上拟合的BPNN提高了30.8%(RMSE降低了44.5%);(3)随着增强建模集中生成样本数量增加,模型精度提升效果呈先升后降趋势,4个观测点中第3个观测点的模型性能提升最显著。充分的实验表明:基于GAN动态构建的有机质含量估测模型显著改善了模型预测性能。依据测试集上的评估结果,可择优使用最佳模型进行后续土壤有机质含量估测。

关键词：有机质高光谱生成式对抗网络交叉验证岭回归 BP神经网络

来源：评论

学校读者我要写书评

暂无评论

生成式对抗网络研究进展

引用

通信学报 2018年第2期39卷 135-148页

作者：王万良李卓蓉浙江工业大学计算机科学与技术学院浙江杭州310024

生成式对抗网络(GAN,generative adversarial network)对生成式模型的发展具有深远意义,自提出后立刻受到人工智能学术界和工业界的广泛研究与高度关注,随着深度学习的技术发展,生成式对抗模型在理论和应用上得到不断推进。首先,阐述生... 详细信息

生成式对抗网络(GAN,generative adversarial network)对生成式模型的发展具有深远意义,自提出后立刻受到人工智能学术界和工业界的广泛研究与高度关注,随着深度学习的技术发展,生成式对抗模型在理论和应用上得到不断推进。首先,阐述生成对抗模型的研究背景与意义,然后,详细论述生成式对抗网络在建模、架构、训练和性能评估方面的研究进展及其具体应用现状,最后,进行分析与总结,指出生成式对抗网络研究中亟待解决的问题以及未来的研究方向。

关键词：深度学习生成式对抗网络卷积神经网络自动编码器对抗训练

来源：评论

学校读者我要写书评

暂无评论

生成式对抗网络的应用综述

引用

同济大学学报（自然科学版） 2020年第4期48卷 591-601页

作者：叶晨关玮同济大学嵌入式系统与服务计算教育部重点实验室上海201804

生成式对抗网络(GAN)是一种优秀的生成式模型,能够不依赖任何先验假设,学习到高维复杂的数据分布。这一强大的性能使得它成为近年来研究的热点,并在诸多应用领域取得了显著的研究成果。首先介绍了生成式对抗网络的基本原理,各种目标函... 详细信息

生成式对抗网络(GAN)是一种优秀的生成式模型,能够不依赖任何先验假设,学习到高维复杂的数据分布。这一强大的性能使得它成为近年来研究的热点,并在诸多应用领域取得了显著的研究成果。首先介绍了生成式对抗网络的基本原理,各种目标函数以及常用的模型结构。然后,详细分析了生成式对抗网络在条件限制下生成图片的各种演进方法。此外,介绍了生成式对抗网络在不同领域的应用,包括高分辨率图像生成、小目标检测、非图像数据生成、医学图像分割等方面的最新研究进展。最后,总结了生成式对抗网络训练过程中的优化技巧。旨在通俗地阐明GAN的基础理论以及发展历程,并从应用角度对未来工作进行了展望。

关键词：生成式对抗网络条件生成模型图像生成

来源：评论

学校读者我要写书评

暂无评论

生成式对抗网络:从生成数据到创造智能

引用

自动化学报 2018年第5期44卷 769-774页

作者：王坤峰左旺孟谭营秦涛李力王飞跃中国科学院自动化研究所复杂系统管理与控制国家重点实验室北京100190 青岛智能产业技术研究院青岛266000 哈尔滨工业大学计算机科学与技术学院哈尔滨150001 北京大学信息科学技术学院北京100871 微软亚洲研究院北京100080 清华大学自动化系北京100084 国防科技大学军事计算实验与平行系统技术研究中心长沙410073

技术创新是社会经济发展的核心驱动力.继以物联网、云计算、大数据和移动互联网为代表的信息技术之后,以深度学习为代表的人工智能技术蓬勃发展,被公认是社会经济发展的新动能和新引擎,有望在农业生产、工业制造、经济金融、社会管理等... 详细信息

技术创新是社会经济发展的核心驱动力.继以物联网、云计算、大数据和移动互联网为代表的信息技术之后,以深度学习为代表的人工智能技术蓬勃发展,被公认是社会经济发展的新动能和新引擎,有望在农业生产、工业制造、经济金融、社会管理等众多领域产生颠覆性变革.

关键词：生成式对抗网络生成数据创造智能

来源：评论

学校读者我要写书评

暂无评论

生成式对抗网络的高光谱遥感图像分类方法研究

引用

遥感学报 2022年第2期26卷 416-430页

作者：张健保文星北方民族大学计算机科学与工程学院银川750021 吕梁学院计算机科学与技术系吕梁033001

针对基于深度学习的分类模型在训练样本较少时所遭受的潜在过拟合问题,提出一种具备过拟合抑制的生成式对抗网络分类算法,并应用于高光谱图像分类。该算法在每次迭代时,首先,依据训练样本的标签信息使判别器网络拟合训练样本的数据分布... 详细信息

针对基于深度学习的分类模型在训练样本较少时所遭受的潜在过拟合问题,提出一种具备过拟合抑制的生成式对抗网络分类算法,并应用于高光谱图像分类。该算法在每次迭代时,首先,依据训练样本的标签信息使判别器网络拟合训练样本的数据分布;然后对训练样本的高维特征进行均值最小化,该过程会重新更新判别器网络参数,减小参数的值和方差,以抑制过拟合;最后,将本算法应用于针对高光谱图像所设计的光谱空间分类模型进行分类。实验结果表明,在标准数据集Indian Pines和Pavia University中随机选取1%标记样本进行训练,总体分类精度分别达到了89.61%和98.79%,相比于其他现有算法有明显的提高,较表现最好的分类方法,总体分类精度分别提升了5.17%和1.38%。在Indian Pines数据集取1%标记样本,Pavia University数据集取0.1%标记样本的情况下,本文算法对过拟合的抑制效果优于几种常用的过拟合抑制算法,较表现最好的Dropout算法,总体分类精度分别提升了5.60%和3.20%。

关键词：遥感高光谱图像分类小样本过拟合生成式对抗网络光谱空间特征特征提取

来源：评论

学校读者我要写书评

暂无评论

生成式对抗网络GAN的研究进展与展望

引用

自动化学报 2017年第3期43卷 321-332页

作者：王坤峰苟超段艳杰林懿伦郑心湖王飞跃中国科学院自动化研究所复杂系统管理与控制国家重点实验室青岛智能产业技术研究院中国科学院大学明尼苏达大学计算机科学与工程学院国防科学技术大学军事计算实验与平行系统技术研究中心

生成式对抗网络GAN(Generative adversarial networks)目前已经成为人工智能学界一个热门的研究方向.GAN的基本思想源自博弈论的二人零和博弈,由一个生成器和一个判别器构成,通过对抗学习的方式来训练.目的是估测数据样本的潜在分布并... 详细信息

生成式对抗网络GAN(Generative adversarial networks)目前已经成为人工智能学界一个热门的研究方向.GAN的基本思想源自博弈论的二人零和博弈,由一个生成器和一个判别器构成,通过对抗学习的方式来训练.目的是估测数据样本的潜在分布并生成新的数据样本.在图像和视觉计算、语音和语言处理、信息安全、棋类比赛等领域,GAN正在被广泛研究,具有巨大的应用前景.本文概括了GAN的研究进展,并进行展望.在总结了GAN的背景、理论与实现模型、应用领域、优缺点及发展趋势之后,本文还讨论了GAN与平行智能的关系,认为GAN可以深化平行系统的虚实互动、交互一体的理念,特别是计算实验的思想,为ACP(Artificial societies,computational experiments,and parallel execution)理论提供了十分具体和丰富的算法支持.

关键词：生成式对抗网络生成式模型零和博弈对抗学习平行智能 ACP方法

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：