检索结果-内蒙古大学图书馆

信息网络安全 2023年第9期23卷 58-74页

作者：薛羽张逸轩南京信息工程大学计算机与软件学院南京210044

近年来,深度神经网络应用到图像识别、语音识别、目标检测、机器翻译等领域,加速了网络的性能演进与灵活性提升。但这些网络通常结构复杂,需要拥有大量专业知识的人员消耗大量时间调整参数以匹配具体环境。这样通过人工来调整参数的常... 详细信息

近年来,深度神经网络应用到图像识别、语音识别、目标检测、机器翻译等领域,加速了网络的性能演进与灵活性提升。但这些网络通常结构复杂,需要拥有大量专业知识的人员消耗大量时间调整参数以匹配具体环境。这样通过人工来调整参数的常规方法效率较低且错误频出。因此,神经网络架构搜索(NAS)的研究被提上日程。文章对现有的NAS相关算法进行了较全面地介绍和评价,并对未来神经网络架构搜索的发展提出构想。

关键词：机器学习自动化深度学习卷积神经网络人工智能

来源：评论

学校读者我要写书评

暂无评论

基于再编码的无监督时间序列异常检测模型

引用

计算机应用 2023年第3期43卷 804-811页

作者：尹春勇周立文南京信息工程大学计算机与软件学院南京210044

针对时间序列的数据不平衡和高度复杂的时间相关性导致的异常检测准确率低的问题,以生成对抗网络(GAN)作为基础提出一种基于再编码的无监督时间序列异常检测模型RTGAN。首先,使用具有周期一致性的多个生成器保证生成样本的多样性,从而... 详细信息

针对时间序列的数据不平衡和高度复杂的时间相关性导致的异常检测准确率低的问题,以生成对抗网络(GAN)作为基础提出一种基于再编码的无监督时间序列异常检测模型RTGAN。首先,使用具有周期一致性的多个生成器保证生成样本的多样性,从而学习不同的异常模式;其次,使用堆叠式LSTM-dropout RNN捕获时间相关性;然后,使用二次编码在潜在空间中比较生成样本和真实样本之间的差异,并将此差异作为再编码误差当作异常分数的一部分,从而提高异常检测的准确率;最后,使用新的异常分数对单变量和多变量时间序列数据集进行异常检测。将所提模型与七种基线异常检测模型在单变量和多变量时间序列上进行了比较。实验结果表明,所提模型在所有数据集上均获得了最高的平均F1值(0.815),并且总体性能分别比原始自编码器(AE)模型Dense-AE和最新的基准模型USAD高出36.29%和8.52%。通过不同的信噪比(SNR)检测模型的健壮性,结果表明所提模型一直优于LSTM-VAE、USAD和OmniAnomaly,尤其在SNR为30%情况下,RTGAN的F1值分别比USAD和OmniAnomaly高出13.53%和10.97%。可见所提模型能有效提高异常检测的准确率和鲁棒性。

关键词：生成对抗网络异常检测时间序列堆叠式长短期记忆网络自编码器再编码

来源：评论

学校读者我要写书评

暂无评论

基于并行多方向注意力的无监督视频目标分割

引用

计算机学报 2022年第11期45卷 2337-2347页

作者：樊佳庆苏天康张开华刘青山南京航空航天大学计算机科学与技术学院南京211106 南京信息工程大学自动化学院南京210044 南京信息工程大学计算机学院南京210044

时空特征传播对准确的无监督视频目标分割任务至关重要.但是,由于现实中视频的复杂性,导致时空特征学习与传播变得十分具有挑战性.在本文中,提出了两个新颖的模块分别用于增强视频中目标的空间和时间表示.具体来说,首先,针对当前帧,在... 详细信息

时空特征传播对准确的无监督视频目标分割任务至关重要.但是,由于现实中视频的复杂性,导致时空特征学习与传播变得十分具有挑战性.在本文中,提出了两个新颖的模块分别用于增强视频中目标的空间和时间表示.具体来说,首先,针对当前帧,在空间上提出一个新颖的多方向注意力模块,旨在沿着水平、垂直与通道方向上分别提取注意力图.同时,设计了一个并行时序模块用于整合当前帧和之前帧的信息.该模块并行地计算出连续帧之间的二阶相似度,并且根据该相似度图重新对当前帧特征进行加权与增强.此外,该相似度图还直接生成一个有效的掩膜,用于进一步增广当前帧中目标的特征表示.接着,将上述空间和时间特征进行融合以获得最终增广的时空特征表示,并将其输入解码器来预测当前帧中待分割目标的掩膜.在三个主流无监督视频目标分割数据集上的大量实验结果表明,本文提出的方法与当前最新方法相比取得了领先的性能.相关代码将公布在https://***/su1517007879/MP-VOS.

关键词：无监督视频目标分割多方向注意力时空调制并行注意力

来源：评论

学校读者我要写书评

暂无评论

基于多帧重建的电阻抗动态成像的触摸跟踪

引用

智能系统学报 2024年第6期19卷 1458-1467页

作者：朱俊郑文栋葛泉波刘华平南京信息工程大学自动化学院江苏南京210044 清华大学计算机科学与技术系北京100084

触觉传感对于人机交互非常重要,为提高触摸传感的实时性与精确度,提出一种结合电阻抗成像技术的触摸交互方法。该方法利用多数据帧的动态图像重建方法,通过构建多帧正则化模型,充分挖掘相邻数据帧之间存在的时间相关性信息。为验证该方... 详细信息

触觉传感对于人机交互非常重要,为提高触摸传感的实时性与精确度,提出一种结合电阻抗成像技术的触摸交互方法。该方法利用多数据帧的动态图像重建方法,通过构建多帧正则化模型,充分挖掘相邻数据帧之间存在的时间相关性信息。为验证该方法的有效性,设计一套压阻式触觉传感系统,该系统采用多层组合结构,能够实现对触摸压力变化的实时响应,并进行了触摸压力的测量、离散触摸跟踪和连续触摸跟踪的实验研究。实验结果表明,与传统的单帧静态成像方法相比,所提出的多帧重建算法能显著减小运动过程中重建图像的位置误差、形变和伪影,与实际触摸位有更高的吻合度,能够为人机交互领域的触摸传感提供一种有效途径。

关键词：电阻抗成像触觉传感触摸跟踪多帧图像重建动态成像轨迹书写人机交互

来源：评论

学校读者我要写书评

暂无评论

改进孪生网络在小样本轴承故障诊断中的应用

引用

计算机工程与应用 2023年第19期59卷 294-304页

作者：赵晓平彭澎张永宏张中洋南京信息工程大学计算机与软件学院南京210044 南京信息工程大学数字取证教育部工程研究中心南京210044 南京信息工程大学自动化学院南京210044

针对传统深度学习模型过度依赖大量训练数据,在小样本条件下会出现准确率低和泛化性差的问题,提出一种基于改进孪生神经网络(improved siamese neural network,ISNN)的小样本轴承故障诊断方法。该方法致力于利用度量学习思想来判断样本... 详细信息

针对传统深度学习模型过度依赖大量训练数据,在小样本条件下会出现准确率低和泛化性差的问题,提出一种基于改进孪生神经网络(improved siamese neural network,ISNN)的小样本轴承故障诊断方法。该方法致力于利用度量学习思想来判断样本间的相似性,相比于复杂、多层的深度模型其结构更简单,在小样本下也更容易训练。具体而言,共设计了三个模块来实现故障诊断。特征提取阶段分别利用长短时记忆网络和卷积神经网络提取出故障信号的时间和空间特征,能够充分利用有限的样本信息;关系度量阶段以自适应的网络度量方式来代替常用的欧式距离度量,并且引入全局均值池化来减少网络参数;此外,与标准孪生网络相比,构建的故障分类网络可以直接对样本进行故障识别,在测试阶段无须繁琐的样本比对。实验结果表明,ISNN方法在有限的训练样本数量下,故障诊断准确率和泛化性能均优于各种对比方法。

关键词：滚动轴承孪生网络小样本故障诊断

来源：评论

学校读者我要写书评

暂无评论

基于动态嵌入特征的鲁棒半监督视频目标分割

引用

北京航空航天大学学报 2024年

作者：陈亚当赵翊冰吴恩华南京信息工程大学计算机学院南京信息工程大学数字取证教育部研究中心中国科学院软件研究所

针对半监督视频目标分割方法存在推理时内存占用不断增加以及仅依赖低级像素特征训练困难的问题，提出了一种基于动态嵌入特征和辅助损失函数的半监督视频目标分割方法。使用一种动态嵌入特征，建立一个恒定大小的记忆库。通过时空聚合... 详细信息

针对半监督视频目标分割方法存在推理时内存占用不断增加以及仅依赖低级像素特征训练困难的问题，提出了一种基于动态嵌入特征和辅助损失函数的半监督视频目标分割方法。使用一种动态嵌入特征，建立一个恒定大小的记忆库。通过时空聚合方法，利用历史信息生成和更新动态嵌入特征。同时使用内存更新感应器来自适应控制记忆库的更新间隔，适应不同视频的运动模式。使用一种辅助损失函数以在高级语义特征层面上给网络提供辅助指导，并通过在多重特征层面多方面指导，提高模型精度和训练效率。针对视频前背景中相似目标误匹配的问题，设计了一种空间约束模块，以利用视频的时间连续性特性，更好捕获前一帧掩码信息和当前帧之间的关联。实验结果表明，本方法在DAVIS 2017验证集上达到了84.5 J&F的精度，在YouTube-VOS 2019验证集达到了82.4 J&F的精度。

关键词：视频目标分割时空记忆网络时空约束内存更新感应动态嵌入特征

来源：评论

学校读者我要写书评

暂无评论

基于多标签零样本学习的滚动轴承故障诊断

引用

振动与冲击 2022年第11期41卷 55-64,89页

作者：张永宏邵凡赵晓平王丽华吕凯扬张中洋南京信息工程大学自动化学院南京210044 南京信息工程大学计算机与软件学院南京210044 南京信息工程大学江苏省网络监控中心南京210044

近年来,数据驱动的方法在滚动轴承故障诊断领域发展迅速,但面对工程实际中没有历史记录的故障类型,仍存在故障特征学习不充分、误诊率高等不足。针对上述问题,提出了多标签零样本学习(multi-label zero-shot learning,MLZSL)故障诊断方... 详细信息

近年来,数据驱动的方法在滚动轴承故障诊断领域发展迅速,但面对工程实际中没有历史记录的故障类型,仍存在故障特征学习不充分、误诊率高等不足。针对上述问题,提出了多标签零样本学习(multi-label zero-shot learning,MLZSL)故障诊断方法。首先,使用短时傅里叶变换(short-time Fourier transform,STFT)对可见类和未见类样本进行预处理,将得到的时频图像输入残差深度可分离卷积神经网络(residual depthwise separable convolutional neural network,RDSCNN)进行特征提取,再使用可见类故障特征训练属性学习网络,依靠属性学习网络预测未见类故障样本的属性向量,最终实现对未见类故障的诊断。设计了零样本条件下的故障诊断试验,结果表明MLZSL能将可见类故障属性迁移到未见类,并有效诊断未见类故障。

关键词：零样本学习(ZSL) 特征提取多标签属性学习器滚动轴承

来源：评论

学校读者我要写书评

暂无评论

基于属性描述的零样本滚动轴承故障诊断

引用

振动与冲击 2022年第15期41卷 105-115页

作者：赵晓平吕凯扬邵凡张中洋南京信息工程大学计算机与软件学院南京210044 南京信息工程大学江苏省网络监控中心南京210044 南京信息工程大学自动化学院南京210044

数据驱动方式是对故障诊断模型进行训练的主要方法,然而因为机器运转环境复杂,没有可用的目标故障样本供模型训练而导致特征学习不充分的情况时有发生。针对这一问题,结合零样本学习(zero-shot learning,ZSL)思想,从属性描述的角度出发... 详细信息

数据驱动方式是对故障诊断模型进行训练的主要方法,然而因为机器运转环境复杂,没有可用的目标故障样本供模型训练而导致特征学习不充分的情况时有发生。针对这一问题,结合零样本学习(zero-shot learning,ZSL)思想,从属性描述的角度出发,提出了一种基于Xception网络和卷积神经网络(convolutional neural networks,CNN)的零样本滚动轴承故障诊断方法,即X-CNN故障诊断模型。X-CNN模型首先使用Xception网络对故障信号时频图进行特征提取;根据故障类别的属性描述构建属性矩阵,使用CNN对提取的特征进行属性学习;最后通过属性矩阵的相似度比较完成诊断工作。通过零样本条件下的故障诊断试验,证明了X-CNN故障诊断模型可以在不使用测试类样本进行训练的情况下完成滚动轴承故障诊断工作。

关键词：零样本学习(ZSL) Xception 卷积神经网络(CNN) 故障诊断属性描述

来源：评论

学校读者我要写书评

暂无评论

基于改进YOLOv8的嵌入式道路裂缝检测算法

引用

计算机应用 2024年第5期44卷 1613-1618页

作者：耿焕同刘振宇蒋骏范子辰李嘉兴南京信息工程大学计算机学院南京210044 江苏开放大学信息工程学院南京210036 南京信息工程大学软件学院南京210044

在边缘端设备部署YOLOv8L模型进行道路裂缝检测可以实现较高的精度,但难以保证实时检测。针对此问题,提出一种可部署到边缘计算设备Jetson AGX Xavier上的基于改进YOLOv8模型的目标检测算法。首先,利用部分卷积设计Faster Block结构以替... 详细信息

在边缘端设备部署YOLOv8L模型进行道路裂缝检测可以实现较高的精度,但难以保证实时检测。针对此问题,提出一种可部署到边缘计算设备Jetson AGX Xavier上的基于改进YOLOv8模型的目标检测算法。首先,利用部分卷积设计Faster Block结构以替换YOLOv8 C2f模块中的Bottleneck结构,并将改进后的C2f模块记为C2f-Faster;其次,在YOLOv8主干网络中的每个C2f-Faster模块之后接一个SE(Squeeze-and-Excitation)通道注意力层,进一步提高检测的精度。在开源道路损害数据集RDD20(Road Damage Detection 20)上的实验结果表明:所提方法的平均F1得分为0.573,每秒检测帧数(FPS)为47,模型大小为55.5MB,相较于GRDDC2020(GlobalRoadDamageDetection Challenge 2020)的SOTA(State-Of-The-Art)模型,F1得分提高了0.8个百分点,FPS提高了291.7%,模型大小减小了41.8%,实现了在边缘设备上对道路裂缝实时且准确的检测。

关键词： YOLOv8 目标检测轻量化注意力机制道路裂缝

来源：评论

学校读者我要写书评

暂无评论

基于VAE-GAN和FLCNN的不均衡样本轴承故障诊断方法

引用

振动与冲击 2022年第9期41卷 199-209页

作者：张永宏张中洋赵晓平王丽华邵凡吕凯扬南京信息工程大学自动化学院南京210044 南京信息工程大学计算机与软件学院南京210044 南京信息工程大学江苏省网络监控中心南京210044

针对滚动轴承故障诊断中样本分布不均衡引起的模型泛化能力差、诊断精度低的问题,从两个方面展开研究:(1)故障样本增广,提出结合变分自编码器(VAE)和生成对抗网络(GAN)的VAE-GAN样本增广模型;(2)改进分类算法,提出基于焦点损失(FL)和卷... 详细信息

针对滚动轴承故障诊断中样本分布不均衡引起的模型泛化能力差、诊断精度低的问题,从两个方面展开研究:(1)故障样本增广,提出结合变分自编码器(VAE)和生成对抗网络(GAN)的VAE-GAN样本增广模型;(2)改进分类算法,提出基于焦点损失(FL)和卷积神经网络(CNN)的FLCNN(focal loss and convolutional neural network)样本分类模型。在此基础上,将VAE-GAN和FLCNN融合,构建VAE-GAN+FLCNN轴承故障诊断模型。首先,将样本量少的故障类输入VAE-GAN模型,通过交替训练编码网络、生成网络和判别网络,学习出真实故障样本的数据分布,从而实现故障样本的增广;然后用增广后的数据样本训练FLCNN分类模型,完成轴承故障识别。试验对比结果表明,所提方法能够有效提升样本不均衡条件下的轴承故障诊断效果,拥有更高的Recall值和F1-score值。

关键词：滚动轴承变分自编码器(VAE) 生成对抗网络(GAN) 焦点损失(FL) 故障诊断

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：