检索结果-内蒙古大学图书馆

电子测量技术 2021年第11期44卷 114-119页

作者：孟祥莲蒋巍李晓芳常州工学院计算机信息工程学院常州213032

为了提升医学诊断的预测精度,设计了增强稀疏自编码器和Softmax回归的特征学习和分类阶段组合方法。在稀疏自编码器(SAE)网络的特征学习中,通过惩罚网络的权重实现稀疏性,结合反向传播学习方法将变化向后传递并迭代优化成本函数。在Soft... 详细信息

为了提升医学诊断的预测精度,设计了增强稀疏自编码器和Softmax回归的特征学习和分类阶段组合方法。在稀疏自编码器(SAE)网络的特征学习中,通过惩罚网络的权重实现稀疏性,结合反向传播学习方法将变化向后传递并迭代优化成本函数。在Softmax回归分类阶段中,利用带动量的小批量梯度下降法来优化Softmax分类器的交叉熵,结合小批数据计算模型误差更新模型参数并实现收敛性。将所提出方法用于心脏病、宫颈癌和慢性肾病(CKD)数据集实验,其预测精度分别为91%、97%和98%,并且表现出较高的特征学习和鲁棒的分类性能。

关键词：稀疏自动编码器无监督学习 Softmax回归医学诊断

来源：评论

学校读者我要写书评

暂无评论

基于深度协同稀疏编码网络的海洋浮筏SAR图像目标识别

引用

自动化学报 2016年第4期42卷 593-604页

作者：耿杰范剑超初佳兰王洪玉大连理工大学电子信息与电气工程学部大连116024 国家海洋环境监测中心大连116023

浮筏养殖广泛存在于我国近海海域,可见光遥感图像无法完全准确地获取养殖目标,而基于主动成像的合成孔径雷达(Synthetic aperture radar,SAR)遥感图像能够得到养殖目标,因此采用SAR图像进行海洋浮筏养殖目标识别.然而,海洋遥感SAR图像... 详细信息

浮筏养殖广泛存在于我国近海海域,可见光遥感图像无法完全准确地获取养殖目标,而基于主动成像的合成孔径雷达(Synthetic aperture radar,SAR)遥感图像能够得到养殖目标,因此采用SAR图像进行海洋浮筏养殖目标识别.然而,海洋遥感SAR图像包含大量相干斑噪声,并且SAR图像特征单一,使得目标识别难度较大.为解决这些问题,提出一种深度协同稀疏编码网络(Deep collaborative sparse coding network,DCSCN)进行海洋浮筏识别.本文方法对预处理后的图像先提取纹理特征和轮廓特征,再进行超像素分割并将同一个超像素块特征组输入该网络进行协同表示,最后得到有效特征并分类识别.通过人工SAR图像和北戴河海域浮筏养殖SAR图像的实验验证所提模型的有效性.该网络不仅具有优异的特征表示能力,能够获得更适合分类器的特征,而且通过近邻协同约束,有效抑制相干斑噪声影响,所以提高了SAR图像目标识别精度.

关键词：合成孔径雷达深度学习稀疏自动编码器浮筏养殖目标识别

来源：评论

学校读者我要写书评

暂无评论

核动力装置运行数据的特征提取方法研究

引用

原子能科学技术 2020年第3期54卷 488-495页

作者：彭彬森夏虹朱少民彭敏俊刘永阔马心童哈尔滨工程大学核安全与仿真技术国防重点学科实验室

随着传感器技术的发展,核动力装置能采集和监测的运行参数越来越多,这不仅加大了操纵员的负担,而且提升了监测系统的负载。考虑到大多数参数之间具有相关性且部分参数是冗余参数,其中的有效信息可用少数参数表达,因此提出了运用机器学... 详细信息

随着传感器技术的发展,核动力装置能采集和监测的运行参数越来越多,这不仅加大了操纵员的负担,而且提升了监测系统的负载。考虑到大多数参数之间具有相关性且部分参数是冗余参数,其中的有效信息可用少数参数表达,因此提出了运用机器学习方法稀疏自动编码器对核动力装置的运行参数进行特征提取,然后将提取的特征数据应用到状态监测中。结果表明,在测试样本数据中分别包含单一正常工况数据和多种正常工况数据情况下,经过特征提取后的数据不仅能提升状态监测的精度,而且还能减少计算资源,这对提升核动力装置的安全性具有重要的指导意义。

关键词：核动力装置特征提取稀疏自动编码器人工智能状态监测

来源：评论

学校读者我要写书评

暂无评论

采用数据降维的固态硬盘故障检测方法

引用

西安交通大学学报 2022年第11期56卷 176-185页

作者：王宇菲董小社王龙翔陈维多陈衡西安交通大学电子与信息学部西安710049

针对固态硬盘SMART数据包含大量高维数据特征导致故障检测准确率不理想的问题,结合固态硬盘SMART数据的时序特点,基于门控循环单元对传统自动编码器的结构做了改进,提出了一种基于门控循环单元稀疏自动编码器降维的固态硬盘故障检测方法... 详细信息

针对固态硬盘SMART数据包含大量高维数据特征导致故障检测准确率不理想的问题,结合固态硬盘SMART数据的时序特点,基于门控循环单元对传统自动编码器的结构做了改进,提出了一种基于门控循环单元稀疏自动编码器降维的固态硬盘故障检测方法(GAL)。首先利用固态硬盘SMART数据训练GRUAE模型,然后利用GRUAE模型中的编码器作为降维的工具,对固态硬盘的原始高维SMART数据进行降维,减少固态硬盘原始SAMRT数据中噪声特征的影响并突出与数据特点更加相关的特征,以提高故障检测的准确率,最后基于降维过的低维SMART数据利用长短时记忆网络进行故障检测。选取阿里巴巴固态硬盘数据集,对多种人工智能算法在准确率、召回率和F_(0.5)方面进行了比较。实验结果表明:相比于没有采用任何降维手段,采用GAL方法可使两种闪存类型的固态硬盘的故障检测准确率、召回率和F_(0.5)分别提高4%、5%、4%和4%、8%、5%,分别达到97%、95%、97%和97%、96%、97%;GAL方法的故障检测准确率、召回率和F_(0.5)分别超出WEFR对比方法53%、25%、43%。

关键词：固态硬盘故障检测降维稀疏自动编码器门控循环单元

来源：评论

学校读者我要写书评

暂无评论

基于改进SAE和双向LSTM的滚动轴承RUL预测方法

引用

自动化学报 2022年第9期48卷 2327-2336页

作者：康守强周月王玉静谢金宝 MIKULOVICH Vladimir Ivanovich 哈尔滨理工大学电气与电子工程学院中国哈尔滨150000 白俄罗斯国立大学白俄罗斯明斯克220030

针对稀疏自动编码器(Sparse auto encoder,SAE)采用sigmoid激活函数容易造成梯度消失的问题,用一种新的Tan函数替代原有的sigmoid函数;针对SAE采用Kullback-Leibler(KL)散度进行稀疏性约束在回归预测方面的局限性,以dropout机制替代KL... 详细信息

针对稀疏自动编码器(Sparse auto encoder,SAE)采用sigmoid激活函数容易造成梯度消失的问题,用一种新的Tan函数替代原有的sigmoid函数;针对SAE采用Kullback-Leibler(KL)散度进行稀疏性约束在回归预测方面的局限性,以dropout机制替代KL散度实现网络的稀疏性.利用改进SAE对滚动轴承振动信号进行无监督深层特征自适应提取,无需人工设计标签进行有监督微调.同时,考虑到滚动轴承剩余使用寿命(Remaining useful life,RUL)预测方法一般仅考虑过去信息而忽略未来信息,引入双向长短时记忆网络(Bi-directional long short-term memory,Bi-LSTM)构建滚动轴承RUL的预测模型.在2个轴承数据集上的实验结果均表明,所提基于改进SAE和Bi-LSTM的滚动轴承RUL预测方法不仅可以提高模型的收敛速度而且具有较低的预测误差.

关键词：滚动轴承稀疏自动编码器无监督特征提取双向长短时记忆网络剩余使用寿命预测

来源：评论

学校读者我要写书评

暂无评论

基于迁移学习SAE的无人机目标识别算法研究

引用

红外与激光工程 2018年第6期47卷 214-220页

作者：谢冰段哲民郑宾殷云华西北工业大学电子信息学院陕西西安710072 中北大学电气与工程学院山西太原030051

无人机在复杂战场环境下,因敌我双方无人机外形、颜色等特征较为相似,如何准确地对敌方无人机识别是实现其自主导航及作战任务执行的关键。由于受敌方无人机飞行速度、形状、尺寸、姿态等的改变及气象环境因素的影响,无法准确地对其进... 详细信息

无人机在复杂战场环境下,因敌我双方无人机外形、颜色等特征较为相似,如何准确地对敌方无人机识别是实现其自主导航及作战任务执行的关键。由于受敌方无人机飞行速度、形状、尺寸、姿态等的改变及气象环境因素的影响,无法准确地对其进行识别与分类。针对这一问题,提出基于迁移学习卷积稀疏自动编码器(Sparse Auto-Encoder,SAE)实现对航拍多帧图像中敌方目标对象的识别与分类。算法首先借助SAE对源领域数据集中大量无标记样本进行无监督学习,获取其局部特征;然后,采用池化层卷积神经网络(CNN)算法提取目标图像全局特征;最后,送入Softmax回归模型实现目标对象的识别与分类。实验结果表明:与传统非迁移学习的SAE算法及基于底层视觉特征学习的识别算法相比,该算法具有更高的准确性。

关键词：无人机自主导航目标识别分类稀疏自动编码器卷积神经网络迁移学习

来源：评论

学校读者我要写书评

暂无评论

基于数据融合的表情识别

引用

四川大学学报（工程科学版） 2016年第6期48卷 160-164页

作者：张友梅张伟山东大学控制科学与工程学院山东济南250061

为了解决表情识别中单一数据所包含人脸表情信息不全面的问题,融合了图像与标记点数据;针对传统模式识别方法中手动提取特征的复杂性,采用神经网络框架,从而实现了特征的自动提取。本文算法以人脸表情的图像与标记点数据为基础,以神经... 详细信息

为了解决表情识别中单一数据所包含人脸表情信息不全面的问题,融合了图像与标记点数据;针对传统模式识别方法中手动提取特征的复杂性,采用神经网络框架,从而实现了特征的自动提取。本文算法以人脸表情的图像与标记点数据为基础,以神经网络为框架,采用稀疏自动编码器对网络进行预训练,实现了网络的稀疏连接,另外,在网络权值更新过程中结合了结构化正则项(structured regularization),限制了不同数据与隐层神经元的连接。实验表明:图像与标记点数据的融合更全面地表达了人脸表情信息;稀疏自动编码器和结构化正则项的运用能更有效地提取关键特征,并使神经网络自动分析不同输入数据在表情识别中所起到的作用强弱。

关键词：图像标记点数据融合稀疏自动编码器表情识别

来源：评论

学校读者我要写书评

暂无评论

基于非监督预训练的结构优化卷积神经网络

引用

四川大学学报（工程科学版） 2017年第S2期49卷 210-215页

作者：刘庆唐贤伦张娜重庆邮电大学工业物联网与网络化控制教育部重点实验室重庆400065

针对带标签训练样本不足,典型卷积神经网络卷积核由经验设置,网络结构固定不变难以后期再学习的问题,基于稀疏自编码器(sparse autoencoder,SAE)和卷积神经网络(convolutional neural network,CNN),提出新的CNN模型。该模型将部分原始... 详细信息

针对带标签训练样本不足,典型卷积神经网络卷积核由经验设置,网络结构固定不变难以后期再学习的问题,基于稀疏自编码器(sparse autoencoder,SAE)和卷积神经网络(convolutional neural network,CNN),提出新的CNN模型。该模型将部分原始样本输入SAE模型进行训练以得到低维特征表示,并将该低维特征表示作为CNN的卷积核的初始值,不仅可以很好地克服带标签训练数据样本不足的问题,还可以提取有效特征以加速网络收敛;并且在典型CNN结构基础上增加一条网络支路,先使用所有训练样本训练典型CNN结构,再使用大部分训练样本训练支路结构,最后使用其余少部分样本进行后续再学习并只更新支路权值以增强因特征不明显而容易误判的样本的特征,从而使得整个网络记忆已有特征的同时增加新特征。文中模型在MNIST数据集上迭代更新10次网络权值可以使测试识别率达到97.65%;在手写汉字数据集HCL2000中的简单字、中等字、复杂字及相似字上的测试正确率能达93%以上;50个训练样本、250个测试样本时,相似字识别率可达80.36%,比典型CNN及传统手写汉字识别方法更具泛化性。实验表明所提方法可有效应用于手写字等图像识别应用中。

关键词：卷积神经网络稀疏自动编码器非监督预训练后继再学习手写字识别

来源：评论

学校读者我要写书评

暂无评论

基于稀疏自动编码深度神经网络的感应电动机故障诊断

引用

机械工程学报 2016年第9期52卷 65-71页

作者：孙文珺邵思羽严如强东南大学仪器科学与工程学院南京210096

针对目前感应电动机故障诊断大多采用监督学习提取故障特征的现状,提出一种将去噪编码融入稀疏自动编码器的深度神经网络,实现非监督学习的特征提取并用于感应电动机的故障诊断。稀疏自动编码器通过自动学习复杂数据的内在特征来提取简... 详细信息

针对目前感应电动机故障诊断大多采用监督学习提取故障特征的现状,提出一种将去噪编码融入稀疏自动编码器的深度神经网络,实现非监督学习的特征提取并用于感应电动机的故障诊断。稀疏自动编码器通过自动学习复杂数据的内在特征来提取简明的数据特征表达。为提高特征表达的鲁棒性,在稀疏编码器的基础上融入去噪编码,提取更有效的特征表达用来训练神经网络分类器进而完成整个深度神经网络的构建,并结合反向传播算法对深度神经网络进行整体微调,提升故障分类的准确度。整个训练过程引入'dropout'训练技巧,减少因过拟合带来的预测误差。试验结果表明,相比传统反向传播(Back propagation,BP)神经网络,提出的深度神经网络能更有效地实现感应电动机故障诊断。

关键词：稀疏自动编码器深度神经网络去噪编码 dropout 故障诊断

来源：评论

学校读者我要写书评

暂无评论

一种基于稀疏自编码器的WiFi指纹库更新方法

引用

导航定位学报 2022年第3期10卷 137-144页

作者：毛永毅王志祥西安邮电大学电子工程学院西安710199

在基于无线保真(WiFi)指纹的室内定位系统中,指纹库是否能及时更新对于精确定位有着至关重要影响。针对无线接入点(AP)移动所带来的定位误差过大的问题,提出了一种利用稀疏自动编码器(SAE)进行指纹库更新的方法。通过对众包数据进行稀... 详细信息

在基于无线保真(WiFi)指纹的室内定位系统中,指纹库是否能及时更新对于精确定位有着至关重要影响。针对无线接入点(AP)移动所带来的定位误差过大的问题,提出了一种利用稀疏自动编码器(SAE)进行指纹库更新的方法。通过对众包数据进行稀疏自编码,提取众包数据中所包含的隐藏特征用于原始指纹库的重构,期间引入均方误差MSE,有效地识别了AP的移动并对原始指纹库进行更新。实验结果表明,本方法有效降低了由于AP移动所带来的定位误差,在移动2个AP、4个AP、6个AP的情况下,相较于原始指纹库的平均定位精度分别提高了66.1%,75.3%,72.4%,且适用于移动不同AP数量下指纹库的更新,为室内WiFi指纹库的更新提供了一种切实可行的方案。

关键词：室内定位众包数据指纹库更新无线接入点稀疏自动编码器

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：