基于改进SAE的提升机制动系统故障诊断 被引量：3

1

作者 李娟莉 闫方元 +1 位作者 苗栋 刘怡梦 《北京理工大学学报》 EI CAS CSCD 北大核心 2022年第9期928-934,共7页

为了减少传统故障诊断方法人工主观干预对诊断结果的影响,使用无监督学习方式提取提升机监测数据的故障特征,提出了一种基于稀疏自编码器的故障诊断方法.首先分析了制动系统的故障机理,采集了提升机正常运行和故障模拟状态下的监测数据... 为了减少传统故障诊断方法人工主观干预对诊断结果的影响,使用无监督学习方式提取提升机监测数据的故障特征,提出了一种基于稀疏自编码器的故障诊断方法.首先分析了制动系统的故障机理,采集了提升机正常运行和故障模拟状态下的监测数据,生成了故障诊断数据集;然后建立了SAE故障诊断模型,并使用Dropout和Adam算法对其进行了优化;最后使用测试数据集对模型的性能进行了测试.试验结果表明,提出的方法较好地避免了稀疏数据的训练误差,减少了过拟合现象,降低了稀疏数据局部最优点的影响,故障类型的平均分类精度达到94%,能有效地进行矿井提升机的故障诊断. 展开更多

关键词 故障诊断 稀疏自编码器(sae) Dropout算法 制动系统 矿井提升机

在线阅读 下载PDF 职称材料

基于SAE的深度过程神经网络模式识别与预测 被引量：1

2

作者 祁威 许少华 《软件导刊》 2018年第5期22-25,30,共5页

非线性复杂时变信号模式分类是信号处理和人工智能研究领域的重要课题。将稀疏自动编码器(SAE)与过程神经网络(PNN)栈式叠加,构建了一种深度过程神经网络模型(DPNN)。在传统深度神经网络无监督逐层初始化与梯度下降相结合的算法基础上,... 非线性复杂时变信号模式分类是信号处理和人工智能研究领域的重要课题。将稀疏自动编码器(SAE)与过程神经网络(PNN)栈式叠加,构建了一种深度过程神经网络模型(DPNN)。在传统深度神经网络无监督逐层初始化与梯度下降相结合的算法基础上,通过引入一种时变输入信号和连接权函数,基于一组正交函数基,建立DPNN的综合训练算法。DPNN模型可保持样本特征的多样性,有效提高对信号结构特征的提取能力和不同类别样本特征的区分度。将传统深度神经网络在信息处理机制上扩展为时间域,实现对时变信号直接分类处理,应用于心脑血管疾病的预测分析和处理取得了良好结果。 展开更多

关键词 稀疏自动编码器 过程神经网络 深度过程神经网络 非线性时变信号 模式识别

在线阅读 下载PDF 职称材料

基于信息融合和SSAEN的变压器故障诊断方法的研究

3

作者 朱超岩 姚晓东 《新一代信息技术》 2019年第17期75-79,共5页

在当前所有的电力设备中,变压器的作用最为重要,电能转换和传输都需要变压器来完成,因此对变压器可能存在的潜伏性故障进行诊断是当前研究的热点。传统的研究方法对于变压器的故障数据要求苛刻,并且诊断的效果不佳,无法利用油色谱分析... 在当前所有的电力设备中,变压器的作用最为重要,电能转换和传输都需要变压器来完成,因此对变压器可能存在的潜伏性故障进行诊断是当前研究的热点。传统的研究方法对于变压器的故障数据要求苛刻,并且诊断的效果不佳,无法利用油色谱分析仪检测到的大量无标签数据。本文提出一种基于信息融合的变压器诊断新方法,将DS证据理论与堆栈稀疏自动编码器网络(Stack Sparse Automatic Encoder Network,SSAEN)进行结合,通过层层贪婪无监督训练的方法,充分利用检测到的无标签数据来训练诊断模型,再通过参数调优,最终训练出的诊断模型经过试验测试诊断正确率为96.7%,远高于传统的诊断方法。 展开更多

关键词 信息融合 稀疏自动编码器 变压器 故障诊断

在线阅读 下载PDF 职称材料

基于半监督深度自编码网络的分类算法及应用

4

作者 张新波 张雪英 +1 位作者 黄丽霞 陈桂军 《计算机工程》 北大核心 2025年第1期71-80,共10页

在工业分类预测中,有标签数据稀缺且标记成本高,导致模型预测不准确,同时大多数无标签数据中的特征未得到合理利用,模型的泛化能力不足。为了解决这个问题,提出半监督深度自编码网络(SSup-DDSAE-Link),将有标签数据和无标签数据通过有... 在工业分类预测中,有标签数据稀缺且标记成本高,导致模型预测不准确,同时大多数无标签数据中的特征未得到合理利用,模型的泛化能力不足。为了解决这个问题,提出半监督深度自编码网络(SSup-DDSAE-Link),将有标签数据和无标签数据通过有监督学习和无监督学习进行结合,提升模型预测准确率。该模型首先在深度自编码通道上,分别添加高斯噪声和稀疏性约束,提取与分类相关且更具代表性的特征表示;其次在编码器与解码器之间引入横向连接,过滤与分类任务不相关的信息,使得网络能够更好地学习关键变量的特征表示,并在网络顶层添加有监督学习路径来实现分类识别;然后添加原始编码器,与解码器中对应隐含层的输出一起训练,从而构造无监督学习路径,有效利用无标签数据中的信息;最后通过有监督损失函数与无监督损失函数构造总损失函数,实现对工业生产中关键变量的分类预测。实验结果表明,与常用的有监督学习模型和传统的半监督学习模型相比,SSup-DDSAE-Link的分类预测准确率得到了有效提高,并且精确率、召回率和F1值均得到提升。 展开更多

关键词 半监督学习 降噪自编码器 稀疏自编码器 特征提取 分类预测

在线阅读 下载PDF 职称材料

基于改进稀疏自编码的车载 CAN 总线异常检测 被引量：1

5

作者 申子彬 廖光忠 《计算机与数字工程》 2025年第7期1928-1933,1953,共7页

针对车载控制局域网总线简单的特性带来的安全隐患以及目前针对车载CAN异常检测技术存在的检测准确率低、误报率高、消耗大等问题,提出了一种基于BiGRU-SSAE的CAN异常检测模型,尝试融合自适应过采样算法与改进堆叠稀疏自编码模型。使用A... 针对车载控制局域网总线简单的特性带来的安全隐患以及目前针对车载CAN异常检测技术存在的检测准确率低、误报率高、消耗大等问题,提出了一种基于BiGRU-SSAE的CAN异常检测模型,尝试融合自适应过采样算法与改进堆叠稀疏自编码模型。使用ADASYN算法对数据进行过采样处理来达到数据平衡的效果,结合双向门控制循环单元的学习序列相关性和堆叠稀疏自编码的鲁棒性对数据进行深层特征提取和加权,利用提取到的深层特征进行精准分类,实现车载CAN总线的异常检测。基于真实汽车采集的CAN数据进行实验结果后表明,该方法有效提高了异常检测的可靠性和精确性。 展开更多

关键词 异常检测 控制器局域网络总线 门控制循环单元 堆叠稀疏自动编码器 网络安全

在线阅读 下载PDF 职称材料

基于深度学习与AHP的发电机组状态感知系统研究

6

作者 吴祖平 吴政 +2 位作者 王伟 韦怡 席强 《自动化仪表》 2025年第4期65-69,共5页

针对风力发电故障会导致风电状态不稳定的问题,构建了一种基于深度学习与层次分析法(AHP)的发电机组状态感知系统。该系统使用AHP将检测目标和实施方案进行多维匹配。利用深度学习的全面特征,对AHP进行改进,以实现对机组的全面感知。利... 针对风力发电故障会导致风电状态不稳定的问题,构建了一种基于深度学习与层次分析法(AHP)的发电机组状态感知系统。该系统使用AHP将检测目标和实施方案进行多维匹配。利用深度学习的全面特征,对AHP进行改进,以实现对机组的全面感知。利用稀疏自动编码(SAE)技术构建网络模型。将网络模型与发电机组运行状态结合,能够更准确地识别机组的不确定异常因素。通过结合自适应阈值检测状态的趋势变化,利用变量残差趋势的异常变化分析出故障原因,从而实现故障的检测与诊断。试验结果表明,该系统识别电力设备的内外部热故障的准确率在99%以上;故障识别检测误差率较低,最高误差率为0.8%。该研究为发电机组故障感知提供了可行方案。 展开更多

关键词 发电机检测 层次分析法 深度学习 故障识别 全局状态感知 稀疏自动编码技术

在线阅读 下载PDF 职称材料

基于自动编码器组合的深度学习优化方法 被引量：43

7

作者 邓俊锋 张晓龙 《计算机应用》 CSCD 北大核心 2016年第3期697-702,共6页

为了提高自动编码器算法的学习精度,更进一步降低分类任务的分类错误率,提出一种组合稀疏自动编码器(SAE)和边缘降噪自动编码器(m DAE)从而形成稀疏边缘降噪自动编码器(Sm DAE)的方法,将稀疏自动编码器和边缘降噪自动编码器的限制条件... 为了提高自动编码器算法的学习精度,更进一步降低分类任务的分类错误率,提出一种组合稀疏自动编码器(SAE)和边缘降噪自动编码器(m DAE)从而形成稀疏边缘降噪自动编码器(Sm DAE)的方法,将稀疏自动编码器和边缘降噪自动编码器的限制条件加载到一个自动编码器(AE)之上,使得这个自动编码器同时具有稀疏自动编码器的稀疏性约束条件和边缘降噪自动编码器的边缘降噪约束条件,提高自动编码器算法的学习能力。实验表明,稀疏边缘降噪自动编码器在多个分类任务上的学习精度都高于稀疏自动编码器和边缘降噪自动编码器的分类效果;与卷积神经网络(CNN)的对比实验也表明融入了边缘降噪限制条件,而且更加鲁棒的Sm DAE模型的分类精度比CNN还要好。 展开更多

关键词 深度学习 自动编码器 稀疏自动编码器 降噪自动编码器 卷积神经网络

在线阅读 下载PDF 职称材料

YUV空间中基于稀疏自动编码器的无监督特征学习 被引量：17

8

作者 李祖贺 樊养余 王凤琴 《电子与信息学报》 EI CSCD 北大核心 2016年第1期29-37,共9页

现有无监督特征学习算法通常在RGB色彩空间进行特征提取,而图像和视频压缩编码标准则广泛采用YUV色彩空间。为了利用人类视觉特性和避免色彩空间转换所消耗的计算量,该文提出一种基于稀疏自动编码器在YUV色彩空间进行无监督特征学习的... 现有无监督特征学习算法通常在RGB色彩空间进行特征提取,而图像和视频压缩编码标准则广泛采用YUV色彩空间。为了利用人类视觉特性和避免色彩空间转换所消耗的计算量,该文提出一种基于稀疏自动编码器在YUV色彩空间进行无监督特征学习的方法。首先在YUV空间随机采集图像子块并进行白化处理,然后利用稀疏自动编码器进行无监督局部特征学习。在预处理阶段,针对YUV空间亮度和色度通道相互独立的特性,提出一种将亮度和色度进行分离的白化措施。最后用学习到的局部特征在大尺寸图像上进行卷积操作从而获得全局特征,并送入图像分类系统进行性能测试。实验结果表明:只要对亮度分量进行适当的白化处理,在YUV空间中的无监督特征学习就能够获得相当于甚至优于RGB空间的彩色图像分类性能。 展开更多

关键词 图像分类 无监督特征学习 稀疏自动编码器 卷积神经网络 深度学习

在线阅读 下载PDF 职称材料

基于分割点改进孤立森林的网络入侵检测方法 被引量：9

9

作者 余长宏 许孔豪 +1 位作者 张泽 高明 《计算机工程》 CAS CSCD 北大核心 2024年第6期148-156,共9页

随着网络攻击的不断增多和日益复杂化,传统基于监督的网络入侵检测算法不能准确识别没有类别标记或特征不明显的网络访问链接,而对于无监督的网络入侵检测算法,也存在检测效率和准确率低等问题。针对如何进一步提升网络入侵检测性能,提... 随着网络攻击的不断增多和日益复杂化,传统基于监督的网络入侵检测算法不能准确识别没有类别标记或特征不明显的网络访问链接,而对于无监督的网络入侵检测算法,也存在检测效率和准确率低等问题。针对如何进一步提升网络入侵检测性能,提出使用自编码器(AE)与分割点改进孤立森林模型对网络入侵进行检测。首先,对无监督自编码器进行L1正则化,以增强自编码器的稀疏性,通过学习数据内在结构,自适应地提取具有判别性的特征,完成入侵攻击的特征提取;然后,使用改进的孤立森林分离异常点,即使用最大化均值与标准差之商来确定分割点划分最佳超平面来构建隔离树,使隔离树在相关子空间中具有更强隔离异常值的能力,并通过遍历所有隔离树中数据点的平均路径长度得到异常得分来判定异常流量。在KDDCUP99和UNSW-NB15数据集上的实验结果表明,与6种传统无监督方法相比,该方法较传统孤立森林准确率和召回率均提升约20%,F1值和曲线下面积(AUC)值均提升约10%,较其他无监督方法相比大幅降低了误码率。 展开更多

关键词 网络入侵检测 稀疏自编码器 孤立森林 无监督学习 隔离树

在线阅读 下载PDF 职称材料

基于改进稀疏自编码神经网络的软件缺陷预测 被引量：4

10

作者 徐海涛 高莹 苏娜 《传感器与微系统》 CSCD 2019年第2期49-51,62,共4页

针对软件缺陷预测时普遍存在的样本缺陷数据不平衡、特征冗余等问题,引进稀疏自编码(SAE)神经网络并加以改进,提出了一种新的分类模型。模型结合了SAE神经网络和少数样本合成过采样技术(SMOTE)的优点,可弥补传统分类方法在软件缺陷预测... 针对软件缺陷预测时普遍存在的样本缺陷数据不平衡、特征冗余等问题,引进稀疏自编码(SAE)神经网络并加以改进,提出了一种新的分类模型。模型结合了SAE神经网络和少数样本合成过采样技术(SMOTE)的优点,可弥补传统分类方法在软件缺陷预测时忽视少数类分类效果、不能很好地保留数据内部特征等不足。基于NASA软件缺陷公共数据库中多个数据集的实验结果表明:提出的模型在软件缺陷预测方面的分类效果明显优于其他算法,尤其提高了不平衡数据集中少数类的分类精度。 展开更多

关键词 过采样 稀疏自编码 神经网络 软件缺陷预测 不平衡

在线阅读 下载PDF 职称材料

面向躯感网的心电融合特征分析方法

11

作者 周金治 郑淋文 +2 位作者 黄静 涂道鑫 赖健琼 《传感器与微系统》 CSCD 北大核心 2021年第9期30-33,共4页

针对躯感网(BSN)穿戴设备的存储能力和计算能力受限的特点,为有效提高心电(ECG)分析模型识别率和效率,提出面向躯感网的ECG融合特征提取方法。采用Pan-Tompkins算法实现对QRS波群实时快速检测和时域特征提取;采用轻量级稀疏自编码(SAEs... 针对躯感网(BSN)穿戴设备的存储能力和计算能力受限的特点,为有效提高心电(ECG)分析模型识别率和效率,提出面向躯感网的ECG融合特征提取方法。采用Pan-Tompkins算法实现对QRS波群实时快速检测和时域特征提取;采用轻量级稀疏自编码(SAEs)网络对连续ECG信号进行深度特征提取和降维;通过向量张成的方式完成特征融合。使用MIT-BIH数据库中的ECG数据进行仿真实验,结果表明:基于融合特征的ECG分析模型精确度高,耗时少,能够满足面向躯感网的ECG特征提取的性能要求。 展开更多

关键词 躯感网 心电信号 Pan-Tompkins算法 稀疏自编码 特征融合

在线阅读 下载PDF 职称材料

基于融合知识迁移网络的变工况轴承故障模式识别

12

作者 马琰 贺宗平 《机械设计与制造》 北大核心 2024年第10期97-104,共8页

针对基于迁移学习的故障诊断方法无法充分利用目标域数据,并且要求运行条件平稳,提出了一种基于融合知识迁移网络的变工况轴承故障模式识别方法。将输入瞬时转速作为工况信息输入到稀疏自动编码器中,从而充分利用目标域信息,使操作信息... 针对基于迁移学习的故障诊断方法无法充分利用目标域数据,并且要求运行条件平稳,提出了一种基于融合知识迁移网络的变工况轴承故障模式识别方法。将输入瞬时转速作为工况信息输入到稀疏自动编码器中,从而充分利用目标域信息,使操作信息不必只利用局部振动数据集,而可以将整个操作信息纳入模型进行训练,并且通过模型训练大大降低了学习过程中负迁移的风险。然后利用深度卷积神经网络从原始振动中提取特征,通过两种知识迁移模型的结合,建立了融合知识迁移模型。最后,在滚动轴承实验测试台上的实验结果验证了该方法能够在变工况条件下实现有效的故障识别。 展开更多

关键词 滚动轴承 迁移学习 故障模式识别 稀疏自动编码器

在线阅读 下载PDF 职称材料

基于RGB特征与深度特征融合的物体识别算法 被引量：15

13

作者 卢良锋 谢志军 叶宏武 《计算机工程》 CAS CSCD 北大核心 2016年第5期186-193,共8页

RGB图像和深度图像的同时使用能有效提高物体识别的准确率。然而,已有研究仅将RGB图像和深度图像的特征进行简单的线性连接,没有根据RGB特征和深度特征的差异性进行特征提取和融合,充分发挥RGB-D图像的优势。为此,提出一种多模态稀疏自... RGB图像和深度图像的同时使用能有效提高物体识别的准确率。然而,已有研究仅将RGB图像和深度图像的特征进行简单的线性连接,没有根据RGB特征和深度特征的差异性进行特征提取和融合,充分发挥RGB-D图像的优势。为此,提出一种多模态稀疏自编码算法,在进行差异性特征提取的同时完成RGB特征和深度特征的有效融合。结合多模态稀疏自编码算法和空间金字塔最大池化算法,给出一个全新的深度学习模型。该模型能够提取有辨别力的特征并完成基于RGB-D图像的物体识别工作。在2个标准的RGB-D数据库上的实验结果表明,与基于RGB-D的物体识别算法相比,该算法能够有效融合RGB特征和深度特征,取得更高的识别准确率。 展开更多

关键词 RGB特征与深度特征融合 稀疏自编码 多模态稀疏自编码 空间金字塔最大池化 深度学习 物体识别

在线阅读 下载PDF 职称材料

基于特征提取和无监督聚类的蓄电池筛选技术 被引量：5

14

作者 孙叶宁 漆汉宏 +1 位作者 魏艳君 张金龙 《电源技术》 CAS 北大核心 2020年第11期1650-1653,共4页

当前蓄电池在电动汽车、风电及光伏发电、分布式电站等新能源领域得到了广泛应用。针对同品牌同型号电池在老化过程中存在容量衰减差异的问题,设计了一种蓄电池筛选成组技术来更好地发挥每个电池单体的工作性能。以电池充电末期电压作... 当前蓄电池在电动汽车、风电及光伏发电、分布式电站等新能源领域得到了广泛应用。针对同品牌同型号电池在老化过程中存在容量衰减差异的问题,设计了一种蓄电池筛选成组技术来更好地发挥每个电池单体的工作性能。以电池充电末期电压作为原始依据,应用稀疏自动编码器(SAE)对其压缩特征进行提取,而后采用无监督K-means聚类算法对电池进行筛选分组。测试结果表明,所提出的方案可使得所分各组内电池具有相对一致的循环寿命,且采用本方案可以获得较为稳定的聚类结果,具有较强的工程实用价值。 展开更多

关键词 LiFePO4蓄电池 老化差异 稀疏自动编码器 K-MEANS聚类

在线阅读 下载PDF 职称材料

基于稀疏自编码器的空间微动目标融合识别方法 被引量：4

15

作者 田旭东 白雪茹 周峰 《电子与信息学报》 EI CSCD 北大核心 2023年第12期4336-4344,共9页

当采用高分辨雷达对空间微动目标进行观测时,往往能同时获得其窄带、宽带回波。为充分利用其中蕴含的丰富电磁散射、形状、结构及运动信息,该文提出基于稀疏自编码器(SAE)的空间微动目标特征级融合识别方法。在训练阶段,首先采用卷积神... 当采用高分辨雷达对空间微动目标进行观测时,往往能同时获得其窄带、宽带回波。为充分利用其中蕴含的丰富电磁散射、形状、结构及运动信息,该文提出基于稀疏自编码器(SAE)的空间微动目标特征级融合识别方法。在训练阶段,首先采用卷积神经网络(CNN)分别提取训练集中微动目标回波的1维高分辨距离像(HRRP)、时频图(JTF)及距离-瞬时多普勒像(RID)层级特征。随后,将提取的3个深层特征进行1维拼接形成联合特征向量,并采用SAE自动学习联合特征向量的隐层特征。进而剔除SAE解码部分并在编码器后接入Softmax分类器构成识别网络。最后,利用SAE网络参数对识别网络进行初始化,并利用上述联合特征向量对其进行微调得到训练好的识别网络。在测试阶段,将CNN所提测试集的联合特征向量直接输入训练好的识别网络以得到融合识别结果。不同条件下的电磁仿真数据识别结果证明了所提方法的有效性及稳健性。 展开更多

关键词 微动空间目标 融合识别 卷积神经网络 稀疏自编码器

在线阅读 下载PDF 职称材料

基于稀疏自编码器和边缘保持的Wishart马尔科夫随机场的极化SAR图像分类（英文） 被引量：1

16

作者 张姝茵 侯彪 +1 位作者 焦李成 吴倩 《红外与毫米波学报》 SCIE EI CAS CSCD 北大核心 2018年第2期177-183,共7页

针对极化SAR图像训练样本数目较少问题以及极化SAR图像同质区域较多的特性,提出了一种新的两层分类框架,结合了稀疏自编码器和边缘保持的Wishart马尔科夫随机场对极化SAR图像进行分类.该框架包括个步骤,第一个步骤使用稀疏自编码器来获... 针对极化SAR图像训练样本数目较少问题以及极化SAR图像同质区域较多的特性,提出了一种新的两层分类框架,结合了稀疏自编码器和边缘保持的Wishart马尔科夫随机场对极化SAR图像进行分类.该框架包括个步骤,第一个步骤使用稀疏自编码器来获得一个初始分类;第二个步骤使用边缘保持的Wishart马尔科夫随机场对第一层的分类结果进行修正.在应用Wishart马尔科夫随机场的过程中,由稀疏自编码器分类得到的边缘得以保持,并且提出了新的分类错误纠正策略确保分类的准确性.因此,通过稀疏自编码器得到的精确分类边缘可用于不同的区域并且在应用Wishart马尔科夫的过程中得以保持.和其他分类方法相比,该方法得到较高的分类精度,证明了新方法的有效性. 展开更多

关键词 稀疏自编码器 极化SAR图像 Wishart距离 马尔科夫随机场

在线阅读 下载PDF 职称材料

基于稀疏自编码的故障数据聚类清洗方法 被引量：7

17

作者 李立生 刘洋 +2 位作者 卢文华 张世栋 张林利 《科学技术与工程》 北大核心 2021年第15期6330-6336,共7页

针对电网中录波型故障指示器上传的海量故障数据存在着大量的重复、干扰、错误及无效波形,提出一种基于稀疏自编码(sparse auto-encoder,SAE)的故障数据聚类清洗方法,该方法首先利用稀疏自编码对故障数据进行特征学习与降维,继而用主成... 针对电网中录波型故障指示器上传的海量故障数据存在着大量的重复、干扰、错误及无效波形,提出一种基于稀疏自编码(sparse auto-encoder,SAE)的故障数据聚类清洗方法,该方法首先利用稀疏自编码对故障数据进行特征学习与降维,继而用主成分分析(principal component analysis,PCA)对降维后数据再次进行降维提取,实现对不同故障数据的特征获取;最后利用基于密度峰快速搜寻聚类算法(clustering by fast search and find of density peaks,CFSFDP)对故障特征进行聚类,实现对重复、干扰、错误等故障数据的聚类清洗和真实故障数据推送。提出的海量故障数据聚类清洗方法,达到了对不同类型故障数据进行清洗去冗的效果,为故障告警智能推送提供了技术支撑,提高了运维人员获取准确故障信息的效率。 展开更多

关键词 数据清洗 稀疏自编码 主成分分析 聚类分析

在线阅读 下载PDF 职称材料

基于增强稀疏自编码器与Softmax回归的医学诊断 被引量：2

18

作者 孟祥莲 蒋巍 李晓芳 《电子测量技术》 北大核心 2021年第11期114-119,共6页

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... 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。 展开更多

关键词 稀疏自动编码器 无监督学习 Softmax回归 医学诊断

原文传递

基于对抗变分自动编码器的风电机组传动链故障预警 被引量：4

19

作者 颜毅斌 陈清化 +2 位作者 管俊杰 范刚 谭香玲 《机电工程技术》 2024年第3期78-80,135,共4页

利用状态监测与故障诊断能够确保风电机组运行的可靠性与安全性。为了解决风电机组故障诊断适用性差、精度低的问题,针对风电机组早期故障预警及定位工作,在传动链故障诊断中引入深度学习算法,基于监控数据采集系统提供的数据基础,结合... 利用状态监测与故障诊断能够确保风电机组运行的可靠性与安全性。为了解决风电机组故障诊断适用性差、精度低的问题,针对风电机组早期故障预警及定位工作,在传动链故障诊断中引入深度学习算法,基于监控数据采集系统提供的数据基础,结合稀疏字典对对抗变分自动编码器(AVAE)进行改进,引入非线性深度表示,以降低数据维数,进而实现对原始数据内在特征的多样化、有效提取。同时,提出了一种AVAE-SDL故障诊断模型,可以有效排除训练过程中随机噪声造成的影响,有利于从高维数据中进一步提取内在特征。案例分析结果证明,AVAE-SDL故障诊断模型能够准确检测出机组故障,不存在误报情况,可作为风电机组传动链故障诊断的可靠工具。 展开更多

关键词 风电机组 对抗变分自动编码器 稀疏字典学习 传动链故障

在线阅读 下载PDF 职称材料

基于稀疏自编码和SPSO-SVM的稻瘟病早期病害识别 被引量：3

20

作者 蔡娣 路阳 +2 位作者 林立媛 杜娇娇 管闯 《吉林大学学报（信息科学版）》 CAS 2022年第3期416-423,共8页

为及早准确识别水稻叶部慢性型、急性型、褐点型和白点型4种类型稻瘟病,将稀疏自动编码器和交换粒子群优化支持向量机(SPSO-SVM:Switching Particle Swarm Optimization Support Vector Machine)相结合,构建了一个深度神经网络。相较于... 为及早准确识别水稻叶部慢性型、急性型、褐点型和白点型4种类型稻瘟病,将稀疏自动编码器和交换粒子群优化支持向量机(SPSO-SVM:Switching Particle Swarm Optimization Support Vector Machine)相结合,构建了一个深度神经网络。相较于其他算法,当神经网络输入的图像数量很多时,自动编码器可提取出原图片中最具代表性的信息,缩减输入中的信息量,再将缩减过后的信息放入神经网络中学习,降低了学习难度、减少了学习时间。首先依靠稀疏自动编码器编码、解码重构输入数据,对稻瘟病叶斑进行分层特征学习,并在自动编码器上加入稀疏性条件约束,对隐含层进行压缩,进而学习到更高层的隐含特征。其次应用交换粒子群优化的支持向量机对水稻稻瘟病类型识别。实验采用公开的Kaggle水稻病害图像数据库及实际采集的水稻稻瘟病图像作为数据集,每类选取350幅图像组成样本,并将每幅图像归一化为4 096维向量。从样本集中随机选取80%作为训练集,剩余20%作为测试集。通过10重交叉验证,测试集平均识别准确率达95.7%。实验结果表明,该方法能有效地从病斑特征中识别出水稻叶部稻瘟病早期病害,对水稻稻瘟病的早期预防有重要意义。 展开更多

关键词 稻瘟病 早期病害 稀疏自动编码器 交换粒子群优化算法 支持向量机

在线阅读 下载PDF 职称材料