期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到8篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于LSGAN和VMD-MPE-KELM的风机齿轮箱故障诊断 被引量：4
1
作者 秦辞海 赵睿智 +3 位作者 王月强 丁云飞 黄冬 练小林 《机械传动》 北大核心 2021年第11期153-160,共8页
在实际工况中,风机齿轮箱的故障样本多呈现不均衡特征。为克服样本不均衡性给诊断效果带来的影响,提出了一种基于LSGAN(最小二乘对抗网络)和VMD-MPE-KELM的风机齿轮箱故障诊断方法。首先,采用LSGAN算法用于少数类故障样本的生成处理,将... 在实际工况中,风机齿轮箱的故障样本多呈现不均衡特征。为克服样本不均衡性给诊断效果带来的影响,提出了一种基于LSGAN(最小二乘对抗网络)和VMD-MPE-KELM的风机齿轮箱故障诊断方法。首先,采用LSGAN算法用于少数类故障样本的生成处理,将具备原始样本特征的生成数据扩充样本集使其分布均衡,采用VMD方法分解样本集中各类故障的振动信号,计算各模态分量的MPE多尺度排列熵值以提取信号特征;再通过KPCA方法降维处理,获得故障样本的特征向量,将其代入KELM模型诊断。实验表明,LSGAN算法克服了GAN在生成故障样本中梯度消失、训练不稳定和数据质量差等问题;VMD-MPE-KPCA方法可有效提取故障特征。该方法有效地提高了非平衡齿轮箱故障样本的诊断精度。 展开更多
关键词 变分模态分解 最小二乘对抗网络 齿轮箱 多尺度排列熵 故障诊断
在线阅读 下载PDF
结合不均衡样本生成及BOA-DRSN的扬声器异常声分类 被引量：1
2
作者 周静雷 李振业 +1 位作者 路昌 李丽敏 《西安工程大学学报》 2025年第4期37-45,共9页
扬声器生产过程中,其正常数据与故障数据比例可能会严重失调,从而导致样本分布不均匀,进而影响故障诊断模型的准确率及可靠性。因此,文中根据样本生成扩增和优化深度学习网络的理念提出了一种新的扬声器异常声分类方法。首先,考虑到原... 扬声器生产过程中,其正常数据与故障数据比例可能会严重失调,从而导致样本分布不均匀,进而影响故障诊断模型的准确率及可靠性。因此,文中根据样本生成扩增和优化深度学习网络的理念提出了一种新的扬声器异常声分类方法。首先,考虑到原始数据特征过于复杂而导致生成样本的质量较差,对扬声器异常声响应信号进行变分模态分解(variational mode decomposition,VMD)突出原始样本的局部特征;其次,从扩增样本角度出发提升模型故障诊断精度,使用最小二乘生成对抗网络(least squares generative adversarial networks,LSGAN)进行对抗训练,生成具有真实样本特征的虚拟样本;最后,选用蝴蝶优化算法(butterfly optimization algorithm,BOA)在大规模权重空间中高效寻优以加速模型收敛,利用深度残差收缩网络(deep residual shrinkage network,DRSN)模型进行扬声器异常声分类,从而提升在样本不均衡情况下的分类准确率及诊断稳定性。实验结果表明:该方法能有效降低误判率,在样本不均衡情况下有效提高故障诊断准确率以及分类诊断的稳定性,其分类平均准确率可达0.9912。 展开更多
关键词 故障诊断 数据不均衡 异常声分类 深度残差收缩网络(DRSN) 蝴蝶优化算法(BOA) 最小二乘生成对抗网络(lsgan)
在线阅读 下载PDF
基于改进最小二乘生成对抗网络和两步数据增强的高熵氧化物陶瓷晶体结构预测
3
作者 张怀志 林文文 +3 位作者 张岳君 项薇 季孟忠 吴磊 《机械制造》 2025年第9期45-57,共13页
由于高熵氧化物陶瓷试验成本高昂,导致相关数据匮乏。目前,数据增强方法在材料领域的应用已成为趋势,但是高度依赖增强后数据的质量。生成对抗网络已广泛应用于材料科学领域,在训练过程中的稳定性及生成数据的质量仍是当前研究中亟待解... 由于高熵氧化物陶瓷试验成本高昂,导致相关数据匮乏。目前,数据增强方法在材料领域的应用已成为趋势,但是高度依赖增强后数据的质量。生成对抗网络已广泛应用于材料科学领域,在训练过程中的稳定性及生成数据的质量仍是当前研究中亟待解决的问题,将严重影响后续模型的训练精度和泛化能力。为了解决以上问题,提出一种基于改进最小二乘生成对抗网络和两步数据增强的高熵氧化物陶瓷晶体结构预测方法。在改进最小二乘生成对抗网络的基础上,引入辅助生成器和辅助鉴别器,与主生成器和主鉴别器并行工作。将增强后的数据集与训练集合并,搭建多层感知机进行预测。对比发现,所提出的方法能够显著改善模型性能,在测试集上的准确率为0.9747,相比数据增强之前提升16.67%。所提出的方法有助于机器学习模型更高效、准确地预测高熵氧化物陶瓷晶体结构,为改进机器学习模型和设计新型高熵氧化物陶瓷提供了参考。 展开更多
关键词 高熵氧化物陶瓷 晶体 结构 预测 最小二乘生成对抗网络 数据增强
在线阅读 下载PDF
基于最小二乘生成对抗网络的人脸图像修复研究 被引量：3
4
作者 谢卓然 寸怡鹏 +1 位作者 姜德航 王菲 《科技视界》 2020年第22期1-6,共6页
图像修复是数字图像处理中的一项经典任务,随着深度学习技术步入人们的视野,计算机修补残缺图像的能力得到大幅提升。本文介绍了如何利用最小二乘损失,改进原始的生成式对抗网络,预测残缺图像中的丢失信息并快速修补残缺图像,克服传统... 图像修复是数字图像处理中的一项经典任务,随着深度学习技术步入人们的视野,计算机修补残缺图像的能力得到大幅提升。本文介绍了如何利用最小二乘损失,改进原始的生成式对抗网络,预测残缺图像中的丢失信息并快速修补残缺图像,克服传统图像复原方法中存在的问题。 展开更多
关键词 深度学习 图像修复 生成式对抗网络 深度卷积网络 人脸图像 lsgan
在线阅读 下载PDF
基于CSLS-CycleGAN的侧扫声纳水下目标图像样本扩增法 被引量：2
5
作者 汤寓麟 王黎明 +3 位作者 余德荧 李厚朴 刘敏 张卫东 《系统工程与电子技术》 EI CSCD 北大核心 2024年第5期1514-1524,共11页
针对侧扫声纳水下目标图像稀缺,获取难度大、成本高,导致基于深度学习的目标检测模型性能差的问题,结合光学域类目标数据集丰富的现状,提出一种基于通道和空间注意力(channel and spatial attention,CSA)模块、最小二乘生成对抗生成网络... 针对侧扫声纳水下目标图像稀缺,获取难度大、成本高,导致基于深度学习的目标检测模型性能差的问题,结合光学域类目标数据集丰富的现状,提出一种基于通道和空间注意力(channel and spatial attention,CSA)模块、最小二乘生成对抗生成网络(least squares generative adversarial networks,LSGAN)及循环对抗生成网络(cycle generative adversarial networks,CycleGAN)的侧扫声纳水下目标图像样本扩增方法。首先,受CycleGAN的启发,设计基于循环一致性的单循环网络结构,保证模型的训练效率。然后,在生成器中融合CSA模块,减少信息弥散的同时增强跨纬度交互。最后,设计了基于LSGAN的损失函数,提高生成图像质量的同时提高训练稳定性。在船舶光学域数据集与侧扫声纳沉船数据集上进行实验,所提方法实现了光学-侧扫声纳样本间信息的高效、稳健转换以及大量侧扫声纳目标样本的扩增。同时,基于本文生成样本训练后的检测模型进行了水下目标检测,结果表明,使用本文样本扩增数据训练后的模型在少样本沉船目标检测的平均准确率达到了84.71%,证明了所提方法实现了零样本和小样本水下强代表性目标样本的高质量扩增,并为高性能水下目标检测模型构建提供了一种新的途径。 展开更多
关键词 样本扩增 侧扫声纳 循环生成对抗网络 通道和空间注意力模块 最小二乘生成对抗网络
在线阅读 下载PDF
基于生成对抗网络的漫画草稿图简化 被引量：12
6
作者 卢倩雯 陶青川 +1 位作者 赵娅琳 刘蔓霄 《自动化学报》 EI CSCD 北大核心 2018年第5期840-854,共15页
在漫画绘制的过程中,按草稿绘制出线条干净的线稿是很重要的一环.现有的草图简化方法已经具有一定的线条简化能力,然而由于草图的绘制方式的多样性以及画面复杂程度的不同,这些方法适用范围有限且效果不理想.本文提出了一种新颖的草图... 在漫画绘制的过程中,按草稿绘制出线条干净的线稿是很重要的一环.现有的草图简化方法已经具有一定的线条简化能力,然而由于草图的绘制方式的多样性以及画面复杂程度的不同,这些方法适用范围有限且效果不理想.本文提出了一种新颖的草图简化方法,利用条件随机场(Conditional random field,CRF)和最小二乘生成式对抗网络(Least squares generative adversarial networks,LSGAN)理论搭建了深度卷积神经网络的草图简化模型,通过该网络生成器与判别器之间的零和博弈与条件约束,得到更加接近真实的简化线稿图.同时,为了训练对抗模型的草图简化能力,本文建立了包含更多绘制方式与不同内容的草图与简化线稿图对的训练数据集.实验表明,本文算法对于复杂情况下的草图,相比于目前的方法,具有更好的简化效果. 展开更多
关键词 草图简化 最小二乘生成式对抗网络 深度学习 条件随机场
在线阅读 下载PDF
基于时频分析与深度学习的高分辨距离像雷达目标识别 被引量：5
7
作者 聂江华 肖永生 +1 位作者 黄丽贞 贺丰收 《应用科学学报》 CAS CSCD 北大核心 2022年第6期973-983,共11页
传统的基于高分辨距离像(high resolution range profile,HRRP)雷达目标识别方法易受噪声影响,为此提出一种基于时频分析与深度学习的HRRP雷达目标识别方法。首先使用生成模型对低信噪比的HRRP数据进行处理,以提高数据的信噪比,生成模... 传统的基于高分辨距离像(high resolution range profile,HRRP)雷达目标识别方法易受噪声影响,为此提出一种基于时频分析与深度学习的HRRP雷达目标识别方法。首先使用生成模型对低信噪比的HRRP数据进行处理,以提高数据的信噪比,生成模型采用深度卷积生成对抗网络(deep convolutional generative adversarial network,DCGAN)和所提出的约束朴素最小二乘生成对抗网络(constrained naive least squares generative adversarial network,CN-LSGAN);其次将处理后的数据分别进行短时傅里叶变换(short-time Fourier transform,STFT)和小波变换(wavelet transform,WT),得到二维时频数据;最后利用卷积神经网络(convolutional neural network,CNN)进行识别。实验结果表明,CN-LSGAN相对DCGAN能够更好地提高信噪比,WT相比STFT得到的数据更能获取HRRP特征信息,因而基于CN-LSGAN,WT与CNN的HRRP雷达目标识别方法具有更好的识别效果。 展开更多
关键词 雷达目标识别 高分辨距离像 约束朴素最小二乘生成对抗网络 深度卷积生成对抗网络 时频分析
在线阅读 下载PDF
基于改进CycleGAN的合成孔径雷达图像仿真 被引量：1
8
作者 白江波 杨阳 张文生 《中国科学技术大学学报》 CAS CSCD 北大核心 2020年第8期1181-1186,共6页
目标和场景的跨模态数据对于以深度神经网络为基础的跨模态检测与多模态融合算法的性能提升有着极其重大的意义.由于SAR图像的特殊性,获得成对的数据集成本很高,且现有的SAR图像生成算法大多集中在提升图像多样性与小范围场景生成,对于... 目标和场景的跨模态数据对于以深度神经网络为基础的跨模态检测与多模态融合算法的性能提升有着极其重大的意义.由于SAR图像的特殊性,获得成对的数据集成本很高,且现有的SAR图像生成算法大多集中在提升图像多样性与小范围场景生成,对于特定场景的图像配对转化鲜有涉及.本文利用改进的循环一致性对抗网络CycleGAN实现SAR图像目标和场景的SAR图像的仿真,并利用最小二乘损失对网络进行改进,使网络性能获得提升,提高了成像的质量,论文所提方法对SAR图像进行了仿真实验,结果表明,本文方法生成图像的精细度与稳定度最优,实现了更好的仿真结果. 展开更多
关键词 循环一致性对抗网络 SAR图像仿真 深度残差网络 最小二乘生成对抗网络
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部