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70篇文章
< 1 2 … 4 >
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：
Softmax分类器深度学习图像分类方法应用综述 被引量：60
1
作者 万磊 佟鑫 +2 位作者 盛明伟 秦洪德 唐松奇 《导航与控制》 2019年第6期1-9,47,共10页
基于深度学习的人工智能图像分类方法研究是当前计算机视觉领域的研究热点。面向深度学习中的Softmax图像分类方法,首先回顾了图像分类技术的发展历程,接着介绍了图像识别技术中的分类器,并解释了Softmax回归函数的分类实现原理。基于So... 基于深度学习的人工智能图像分类方法研究是当前计算机视觉领域的研究热点。面向深度学习中的Softmax图像分类方法,首先回顾了图像分类技术的发展历程,接着介绍了图像识别技术中的分类器,并解释了Softmax回归函数的分类实现原理。基于Softmax回归分类器的应用,详细阐述了多种图像分类技术,具体包括浅层神经网络、深度置信网络、深度自编码器和卷积神经网络。同时,对比介绍了各种级联模型的具体结构、训练方法、实际应用、分类效果以及优缺点。最后,从Softmax回归分类器、深度学习网络模型和高维数据分类三个方面对基于Softmax回归分类器的深度学习模型在图像分类方面的发展与应用前景进行了展望。 展开更多
关键词 图像分类 深度学习 softmax回归 网络模型 分类器
原文传递
基于卷积神经网络的光学遥感图像检索 被引量：39
2
作者 李宇 刘雪莹 +2 位作者 张洪群 李湘眷 孙晓瑶 《光学精密工程》 EI CAS CSCD 北大核心 2018年第1期200-207,共8页
提出了一种基于深度卷积神经网络的光学遥感图像检索方法。首先,通过多层卷积神经网络对遥感图像进行卷积和池化处理,得到每幅图像的特征图,抽取高层特征构建图像特征库;在此过程中使用特征图完成网络模型参数和Softmax分类器的训练。然... 提出了一种基于深度卷积神经网络的光学遥感图像检索方法。首先,通过多层卷积神经网络对遥感图像进行卷积和池化处理,得到每幅图像的特征图,抽取高层特征构建图像特征库;在此过程中使用特征图完成网络模型参数和Softmax分类器的训练。然后,借助Softmax分类器在图像检索阶段对查询图像引入类别反馈,提高图像检索准确度,并根据查询图像特征和图像特征库中特征向量之间的距离,按相似程度由大到小进行排序,得到最终的检索结果。在高分辨率遥感图像数据库中进行了实验,结果显示:针对水体、植被、建筑、农田、裸地等5类图像的平均检索准确度约98.4%,增加飞机、舰船后7类遥感图像的平均检索准确度约95.9%;类别信息的引入有效提高了遥感图像的检索速度和准确度,检索时间减少了约17.6%;与颜色、纹理、词袋模型的对比实验表明,利用深度卷积神经网络抽取的高层信息能够更好地描述图像内容。实验表明该方法能够有效提高光学遥感图像的检索速度和准确度。 展开更多
关键词 遥感图像检索 深度学习 图像分类 卷积神经网络 softmax分类器
下载PDF
卷积神经网络在黄瓜叶部病害识别中的应用 被引量：33
3
作者 张善文 谢泽奇 张晴晴 《江苏农业学报》 CSCD 北大核心 2018年第1期56-61,共6页
针对传统黄瓜病害识别方法中提取到的分类特征容易受病害叶片形态多样性、光照和背景影响的问题,提出了一种基于卷积神经网络的黄瓜病害识别方法,并建立了一个具有6种黄瓜病害的155 000多幅训练叶片图像数据库。根据病害叶片图像的复杂... 针对传统黄瓜病害识别方法中提取到的分类特征容易受病害叶片形态多样性、光照和背景影响的问题,提出了一种基于卷积神经网络的黄瓜病害识别方法,并建立了一个具有6种黄瓜病害的155 000多幅训练叶片图像数据库。根据病害叶片图像的复杂性,利用卷积神经网络从该数据库中自动学习黄瓜病害叶片图像的属性特征,再利用Softmax分类器进行分类。试验结果表明,与基于特征提取的传统病害识别方法相比,该方法的识别性能较高。 展开更多
关键词 黄瓜 病害识别 卷积神经网络 特征提取 softmax分类器
下载PDF
基于HOG-Gabor特征融合与Softmax分类器的交通标志识别方法 被引量：32
4
作者 梁敏健 崔啸宇 +1 位作者 宋青松 赵祥模 《交通运输工程学报》 EI CSCD 北大核心 2017年第3期151-158,共8页
为了提高交通标志识别的正确率和实时性,提出了一种基于HOG-Gabor特征融合与Softmax分类器的交通标志识别方法。采用Gamma矫正方法提取HOG特征,采用对比度受限的自适应直方图均衡化方法提取Gabor特征,基于线性特征融合原理,将提取的HOG... 为了提高交通标志识别的正确率和实时性,提出了一种基于HOG-Gabor特征融合与Softmax分类器的交通标志识别方法。采用Gamma矫正方法提取HOG特征,采用对比度受限的自适应直方图均衡化方法提取Gabor特征,基于线性特征融合原理,将提取的HOG和Gabor特征向量直接串联,得到刻画交通标志的融合特征向量,采用Softmax分类器对融合特征向量进行分类,采用德国交通标志识别基准(GTSRB)数据库测试了所提方法的有效性,比较了基于单特征与融合特征的交通标志识别效果。试验结果表明:在图像增强过程中,针对HOG特征,采用Gamma矫正方法的分类正确率最大,为97.11%,针对Gabor特征,采用限制对比度的直方图均衡化方法的分类正确率最大,为97.54%;采用Softmax分类器的最小分类正确率为97.11%,耗时小于2s;针对HOG-Gabor融合特征,采Softmax分类器的识别率高达97.68%,因此,基于HOG-Gabor特征融合与Softmax分类器的交通标志识别方法的识别率高,实时性强。 展开更多
关键词 交通信息工程 智能车 交通标志识别 特征提取 softmax分类 特征融合
原文传递
深度学习的半监督遥感图像检索 被引量：30
5
作者 张洪群 刘雪莹 +1 位作者 杨森 李宇 《遥感学报》 EI CSCD 北大核心 2017年第3期406-414,共9页
遥感图像数据的海量性、多样性和复杂性等特点对遥感图像检索的速度和精度提出了更高的要求,其中特征提取是影响遥感图像检索效果的关键。本文方法首先对遥感图像进行预处理,然后基于稀疏自动编码的方法在大量未标注的遥感图像上进行特... 遥感图像数据的海量性、多样性和复杂性等特点对遥感图像检索的速度和精度提出了更高的要求,其中特征提取是影响遥感图像检索效果的关键。本文方法首先对遥感图像进行预处理,然后基于稀疏自动编码的方法在大量未标注的遥感图像上进行特征学习得到特征字典,基于卷积神经网络的思想,使用训练出来的特征字典对遥感图像进行卷积和池化得到每幅图像的特征图;接下来使用特征图训练Softmax分类器;最后对待检索图像分类,在同一类别中计算特征间的距离,进而实现遥感图像的检索。实验结果表明,该方法能够有效提高遥感图像检索的速度和准确度。 展开更多
关键词 遥感图像检索 深度学习 稀疏自动编码 卷积神经网络 softmax分类器
原文传递
基于小波包和深度信念网络的脑电特征提取方法 被引量：26
6
作者 李明爱 张梦 孙炎珺 《电子测量与仪器学报》 CSCD 北大核心 2018年第1期111-118,共8页
针对运动想象脑电信号(motor imagery electroencephalography,MI-EEG)的时变性、个体差异性等特点,提出一种将小波包变换(wavelet packet transform,WPT)与深度信念网络(deep belief networks,DBN)相结合的脑电特征自动提取方法,记为W... 针对运动想象脑电信号(motor imagery electroencephalography,MI-EEG)的时变性、个体差异性等特点,提出一种将小波包变换(wavelet packet transform,WPT)与深度信念网络(deep belief networks,DBN)相结合的脑电特征自动提取方法,记为WD法。首先,利用平均功率谱方法对MI-EEG进行时域分析,选取有效的时序段。其次,使用WPT对有效时域段的各导MI-EEG进行时频分解,并选取与想象任务相关的频段信息重构脑电信号;然后,将各导重构MI-EEG串接,并将其瞬时功率信号输入给DBN模型实现特征自动提取。最后,利用Softmax分类器完成脑电想象任务的模式分类。在DBN模型训练中通过增加Dropout训练技巧来解决因训练数据少等引起的过拟合问题,以提高分类结果。利用BCI标准竞赛数据库进行实验研究,5-折交叉验证法取得了94.06%的分类准确率,证明该方法能够充分利用脑电的神经生理学特点,自适应地提取个性化的深层脑电特征,有利于改善分类效果。 展开更多
关键词 运动想象脑电信号 深度信念网络 小波包变换 softmax分类器 DROPOUT
下载PDF
基于卷积神经网络的手势动作雷达识别方法 被引量：22
7
作者 王俊 郑彤 +2 位作者 雷鹏 张原 樵明朗 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2018年第6期1117-1123,共7页
随着手势动作识别技术在人机交互、生活娱乐及医疗服务等应用领域的逐步深入,其对非接触、微光条件下的稳健测量与识别能力提出更高要求。针对该问题,研究了一种基于线性调频连续波(LFMCW)雷达距离-多普勒(RD)信息和卷积神经网络(CNN)... 随着手势动作识别技术在人机交互、生活娱乐及医疗服务等应用领域的逐步深入,其对非接触、微光条件下的稳健测量与识别能力提出更高要求。针对该问题,研究了一种基于线性调频连续波(LFMCW)雷达距离-多普勒(RD)信息和卷积神经网络(CNN)的典型手势动作识别方法。首先,对于LFMCW雷达回波,通过去斜、快时间域快速傅里叶变换和相干积累,获取手势目标的二维RD像数据;其次,以RD像幅度矩阵作为CNN输入样本,利用2层卷积与池化处理构建特征空间,从而通过全连接与softmax分类器实现对手势动作的有效识别;最后,在此基础上,采用24 GHz工业雷达传感器设计手势测量实验系统,形成关于4种典型手势动作的LFMCW雷达回波数据库。实验结果表明,将24 GHz LFMCW雷达回波RD处理与CNN结合能够实现对典型手势动作的有效识别。 展开更多
关键词 手势动作识别 线性调频连续波(LFMCW)雷达 距离-多普勒(RD) 卷积神经网络(CNN) softmax分类器
下载PDF
基于多尺度卷积神经网络的交通标志识别 被引量：21
8
作者 宋青松 张超 +2 位作者 田正鑫 陈禹 王兴莉 《湖南大学学报（自然科学版）》 EI CAS CSCD 北大核心 2018年第8期131-137,共7页
针对自然场景中交通标志识别问题涉及的识别准确率和实时性改善需求,提出了一种改进的基于多尺度卷积神经网络(CNN)的交通标志识别算法.首先,通过图像增强方法比选实验,采用限制对比度自适应直方图均衡化方法作为图像预处理方法,以改善... 针对自然场景中交通标志识别问题涉及的识别准确率和实时性改善需求,提出了一种改进的基于多尺度卷积神经网络(CNN)的交通标志识别算法.首先,通过图像增强方法比选实验,采用限制对比度自适应直方图均衡化方法作为图像预处理方法,以改善图像质量.然后,提出一种多尺度CNN模型,用于提取交通标志图像的全局特征和局部特征.进而,将组合后的多尺度特征送入全连接SoftMax分类器,实现交通标志识别.采用德国交通标志基准数据库(GTSRB)测试了所提算法的有效性,测试结果表明,算法在GTSRB基准数据集上获得98.82%的识别准确率以及每幅图像0.1ms的识别速度,本文算法具有一定的先进性. 展开更多
关键词 模式识别系统 交通标志识别 多尺度卷积神经网络 softmax分类器
下载PDF
基于VMD多尺度模糊熵的HVDC输电线路故障识别方法 被引量：20
9
作者 王桥梅 吴浩 +2 位作者 胡潇涛 顾小平 陈佳豪 《电力系统及其自动化学报》 CSCD 北大核心 2021年第5期134-144,共11页
针对HVDC输电线路故障识别率低、远端高阻故障识别困难等问题,提出一种基于变分模态分解VMD(variational mode decomposition)多尺度模糊熵的HVDC输电线路智能故障识别方法。首先对暂态电流信号进行VMD分解,利用中心频率法则提取合适的... 针对HVDC输电线路故障识别率低、远端高阻故障识别困难等问题,提出一种基于变分模态分解VMD(variational mode decomposition)多尺度模糊熵的HVDC输电线路智能故障识别方法。首先对暂态电流信号进行VMD分解,利用中心频率法则提取合适的IMF分量计算多尺度模糊熵、VMD能量和比值。分别利用VMD多尺度模糊熵和VMD能量和比值表征区内外故障特征和故障极特征,将它们组合成特征向量。将特征向量集分成训练集和测试集,将训练集进行训练得到Softmax分类器模型,利用测试集进行测试。仿真结果表明:基于VMD多尺度模糊熵和Softmax分类器的HVDC输电线路故障识别方法能在不同故障距离和不同过渡电阻情况下有效实现区内外故障识别和故障极选择,且耐受过渡电阻能力强,具有一定的抗干扰能力。 展开更多
关键词 高压直流输电线路 变分模态分解 多尺度模糊熵 softmax分类器 故障识别
下载PDF
基于深度体素卷积神经网络的三维模型识别分类 被引量：20
10
作者 杨军 王顺 周鹏 《光学学报》 EI CAS CSCD 北大核心 2019年第4期306-316,共11页
提出一种基于深度体素卷积神经网络的三维(3D)模型识别分类算法,该算法使用体素化技术将3D多边形网格模型转化为体素矩阵,并通过深度体素卷积神经网络提取该矩阵的深层特征,以增强特征的表达能力和差异性。在ModelNet40数据集上的实验... 提出一种基于深度体素卷积神经网络的三维(3D)模型识别分类算法,该算法使用体素化技术将3D多边形网格模型转化为体素矩阵,并通过深度体素卷积神经网络提取该矩阵的深层特征,以增强特征的表达能力和差异性。在ModelNet40数据集上的实验结果表明:所提算法对3D网格模型识别分类的准确率能够达到87%左右。所构建的深度体素卷积神经网络能够有效地增强3D模型的特征提取和表达能力,提高对大规模复杂3D网格模型分类识别的准确率,所提方法优于当前的主流方法。 展开更多
关键词 图像处理 计算机视觉 三维模型识别 卷积神经网络 体素化 softmax分类器
原文传递
基于栈式自编码的水体提取方法 被引量：18
11
作者 王知音 禹龙 +3 位作者 田生伟 钱育蓉 丁建丽 杨柳 《计算机应用》 CSCD 北大核心 2015年第9期2706-2709,共4页
为了进一步提高利用遥感图像进行水体提取的准确率和自动化程度,提出一种基于栈式自编码(SAE)深度神经网络的水体提取方法。通过堆叠稀疏自编码器构建深度网络模型,使用逐层贪婪训练法依次训练每层网络,从像素层面无监督学习特征,避免... 为了进一步提高利用遥感图像进行水体提取的准确率和自动化程度,提出一种基于栈式自编码(SAE)深度神经网络的水体提取方法。通过堆叠稀疏自编码器构建深度网络模型,使用逐层贪婪训练法依次训练每层网络,从像素层面无监督学习特征,避免传统神经网络等方法需进行人工特征分析与选取的问题;用学习到的特征结合相应的样本标签有监督训练softmax分类器;利用反向传播(BP)算法微调优化整个模型。采用塔里木河ETM+数据进行实验,基于SAE的水体提取方法准确率达到94.73%,比支持向量机(SVM)和反向传播(BP)神经网络方法分别高出3.28%和4.04%。实验结果表明,所提方法能有效提高水体提取的精度。 展开更多
关键词 遥感图像 水体提取 深度学习 栈式自编码 softmax分类器
下载PDF
基于堆叠稀疏自动编码器的手写数字分类 被引量：14
12
作者 林少飞 盛惠兴 李庆武 《微处理机》 2015年第1期47-51,共5页
将稀疏自动编码器(Sparse Autoencoder,SAE)模型应用于数字识别中,并通过多个稀疏自动编码器的堆叠构建了深度网络,采用非监督贪婪逐层训练算法(Greedy Layer-Wise Unsupervised Learning Algorithm)初始化网络权重,使用反向传播算法优... 将稀疏自动编码器(Sparse Autoencoder,SAE)模型应用于数字识别中,并通过多个稀疏自动编码器的堆叠构建了深度网络,采用非监督贪婪逐层训练算法(Greedy Layer-Wise Unsupervised Learning Algorithm)初始化网络权重,使用反向传播算法优化网络参数。利用堆叠稀疏自动编码器学习数字图像的特征,使用softmax分类器进行数字分类。经实验证明,与其它浅层学习模型对比,深度网络不仅进一步学习了数据的高层特征,同时还降低了特征维数,提高了分类器的分类精度,最终改善了手写数字的分类效果。 展开更多
关键词 堆叠稀疏编码器 非监督贪婪逐层训练 反向传播算法 softmax 分类器
下载PDF
基于深度神经网络和SoftMax分类器的台区负荷分类识别方法 被引量：11
13
作者 徐嘉杰 卢兆军 +1 位作者 袁飞 陈光宇 《电气自动化》 2021年第6期102-104,114,共4页
随着传统分类分析算法研究的不断深入,台区用电负荷模式的分类识别也在不断发展。提出了一种基于深度神经网络(deep neural networks,DNN)和SoftMax分类器的台区负荷分类识别方法,结合已有的典型负荷曲线特征库,实现对台区未知用户的负... 随着传统分类分析算法研究的不断深入,台区用电负荷模式的分类识别也在不断发展。提出了一种基于深度神经网络(deep neural networks,DNN)和SoftMax分类器的台区负荷分类识别方法,结合已有的典型负荷曲线特征库,实现对台区未知用户的负荷预测,为电网部门需求侧管理提供可靠的支撑。对某台区1200个用户负荷数据进行实证分析,结果表明,提出的分类方法在算法收敛性、计算时间以及预测精度等方面具有更好的性能。 展开更多
关键词 深度神经网络 softmax分类器 台区负荷分类 负荷预测 需求侧管理
下载PDF
基于深度特征表示的Softmax聚类算法 被引量：11
14
作者 陈俊芬 赵佳成 +1 位作者 韩洁 翟俊海 《南京大学学报（自然科学版）》 CAS CSCD 北大核心 2020年第4期533-540,共8页
图像和语音已成为日常生活和科研的常见数据类型,图像的聚类分析是数据挖掘和图像处理领域的重要任务之一.基于自编码器的深度聚类方法具有表征能力有限的缺点,并且特征的生成与聚类指派是分步进行的.为此,提出一种基于新颖卷积自编码... 图像和语音已成为日常生活和科研的常见数据类型,图像的聚类分析是数据挖掘和图像处理领域的重要任务之一.基于自编码器的深度聚类方法具有表征能力有限的缺点,并且特征的生成与聚类指派是分步进行的.为此,提出一种基于新颖卷积自编码器的深度Softmax聚类算法(ASCAE‐Softmax).首先设计一种非对称的卷积自编码器网络结构(ASCAE),通过优化卷积和添加全连接层,使整个网络呈非对称;接着使用Softmax聚类器把特征映射成聚类概率分布,构造辅助目标概率分布,将特征学习与聚类判别联合在一起.通过迭代最小化KL(Kullback‐Leibler)散度损失达到清晰的聚类划分.实验结果表明,该方法能够学习出使同类更加紧凑、异类更加稀疏的特征表示,且聚类结果优于经典的深度聚类算法. 展开更多
关键词 无监督学习 特征表示 卷积自编码器 图像聚类 softmax 分类器
下载PDF
基于改进空间金字塔池化卷积神经网络的交通标志识别 被引量：11
15
作者 邓天民 方芳 周臻浩 《计算机应用》 CSCD 北大核心 2020年第10期2872-2880,共9页
针对雾天、光照、遮挡和大倾角等因素导致的交通标志识别准确率低、泛化性差等问题,提出一种基于神经网络的轻量级交通标志识别方法。首先,利用图像归一化、仿射变换和限制对比度自适应直方图均衡化(CLAHE)方法进行图像预处理,以提高图... 针对雾天、光照、遮挡和大倾角等因素导致的交通标志识别准确率低、泛化性差等问题,提出一种基于神经网络的轻量级交通标志识别方法。首先,利用图像归一化、仿射变换和限制对比度自适应直方图均衡化(CLAHE)方法进行图像预处理,以提高图像质量;其次,基于卷积神经网络(CNN),融合空间金字塔结构和批量归一化(BN)方法构建改进空间金字塔池化卷积神经网络(SPPN-CNN)模型,并利用Softmax分类器实现交通标志分类;最后,选用德国交通标志识别数据集(GTSRB),对比不同图像预处理方法、模型参数和模型结构的训练效果,并验证和测试所提模型。实验结果表明,SPPN-CNN模型的识别精度达到98.04%,损失小于0.1,在低配GPU条件下识别速率大于3000 frame/s,验证了模型精度高、泛化性强、实时性好的特点。 展开更多
关键词 图像去雾 空间金字塔池化 卷积神经网络 softmax分类器 交通标志识别
下载PDF
基于Focal损失SSDAE的变压器故障诊断方法 被引量：11
16
作者 武天府 刘征 +2 位作者 王志强 李劲松 李国锋 《电力工程技术》 北大核心 2021年第6期18-24,共7页
研究变压器的故障诊断对电力系统安全稳定运行具有重大现实意义。以油中溶解气体特征为输入的传统变压器故障诊断方法在处理样本不平衡数据时具有较大的局限性。针对这一问题,文中提出一种基于Focal损失栈式稀疏降噪自编码器(SSDAE)的... 研究变压器的故障诊断对电力系统安全稳定运行具有重大现实意义。以油中溶解气体特征为输入的传统变压器故障诊断方法在处理样本不平衡数据时具有较大的局限性。针对这一问题,文中提出一种基于Focal损失栈式稀疏降噪自编码器(SSDAE)的变压器故障诊断方法。该方法通过类别权重确定超参数,并在原始输入中加入高斯白噪声,有利于自编码器充分提取有效特征,进而得到有效的深度特征提取模型;采用Focal损失函数对模型进行优化,并利用Softmax分类器输出诊断结果。案例分析结果表明,与传统三比值法、反向传播神经网络(BPNN)和支持向量机(SVM)法等变压器故障诊断方法相比,文中方法可进一步提升诊断准确率。 展开更多
关键词 变压器 故障诊断 栈式稀疏降噪自编码器(SSDAE) softmax分类器 Focal损失 类别权重
下载PDF
基于卷积神经网络特征融合的交通标志识别 被引量：11
17
作者 张文炽 陈黎辉 +2 位作者 吴炜 杨晓敏 严斌宇 《计算机应用》 CSCD 北大核心 2019年第A01期21-25,共5页
针对实际检测到的交通标志图像质量低,用单一的特征提取方法会遗漏图像信息的问题,为提高交通标志识别率,提出了一种基于卷积神经网络特征融合的交通标志识别方法。首先,在实验过程中,为了获取足够的训练样本并模拟真实情况,进行图像增... 针对实际检测到的交通标志图像质量低,用单一的特征提取方法会遗漏图像信息的问题,为提高交通标志识别率,提出了一种基于卷积神经网络特征融合的交通标志识别方法。首先,在实验过程中,为了获取足够的训练样本并模拟真实情况,进行图像增广操作;接着,使用超分辨率技术重建因图像尺寸扩大而模糊的细节;然后,构建并训练AlexNet和VGG11特征融合的网络模型;最后,用Softmax分类器对融合后的特征进行识别分类。与单一的AlexNet和VGG11相比,经过特征融合后的网络识别率分别提高了1.2%、2%,同时模型的收敛速度也更快。实验结果表明,特征融合能够提高交通标志的识别率。 展开更多
关键词 卷积神经网络 特征融合 交通标志识别 数据增广 softmax分类器
下载PDF
栈式降噪自编码网络在变压器故障诊断中的应用 被引量：9
18
作者 许倩文 吉兴全 +2 位作者 张玉振 李军 于永进 《电测与仪表》 北大核心 2018年第17期62-67,共6页
为提高变压器故障诊断的准确率,提出了一种新型的变压器故障诊断网络,该网络以基于栈式降噪自编码网络为基础,把深度学习用在诊断变压器设备故障方面,建立深层网络模型,采取逐层贪婪编码的方式进行自适应的非监督式预训练,实现高维深层... 为提高变压器故障诊断的准确率,提出了一种新型的变压器故障诊断网络,该网络以基于栈式降噪自编码网络为基础,把深度学习用在诊断变压器设备故障方面,建立深层网络模型,采取逐层贪婪编码的方式进行自适应的非监督式预训练,实现高维深层故障特征的自适应提取和挖掘,进而使用反向传播算法对模型进行监督式微调。最后利用Softmax分类器,对故障进行分类输出。最后通过实例验证表明,提出的栈式降噪自编码网络能准确、有效地对变压器进行故障诊断,与传统方法相比,该方法提高了变压器故障诊断的准确率。 展开更多
关键词 变压器 故障诊断 深度学习 栈式降噪自编码 softmax分类器
下载PDF
基于DBN模型的铁路异物侵限检测算法研究 被引量：9
19
作者 李晓蕊 《电子测量技术》 2018年第12期128-132,共5页
随着铁路中货运重载化和客运高速化程度的不断提高,由异物入侵引发的交通事故屡见不鲜,使生命财产损失严重,所以对侵入铁路的异物进行有效检测具有重要意义。作为一种近年来被提出的具有多隐含层结构的新型人工神经网络,深度学习算法可... 随着铁路中货运重载化和客运高速化程度的不断提高,由异物入侵引发的交通事故屡见不鲜,使生命财产损失严重,所以对侵入铁路的异物进行有效检测具有重要意义。作为一种近年来被提出的具有多隐含层结构的新型人工神经网络,深度学习算法可以抽取样本中更深层次、具有代表性的特征,使得检测和分类的效果更好。在此基础上,所提出的异物侵限检测算法是以深度信念网络（DBN）结构模型为核心,并以铁路现场视频素材为基础建立网络训练样本库并对其进行处理与标注,设计DBN检测算法,采用逐层贪婪训练法和误差反向传播法进行网络训练及参数微调,达到优化效果;最后,使用softmax分类网络训练图像数据,并且在各组检测实验中均取得了良好的分类检测效果。 展开更多
关键词 铁路异物检测 深度学习算法 深度信念网络 softmax分类器
下载PDF
基于大数据驱动的配电网故障风险预警方法 被引量：7
20
作者 耿继朴 蒋锦霞 +3 位作者 郑晓燕 赖晓瀚 王剑 徐亦白 《电力信息与通信技术》 2022年第7期41-49,共9页
文章提出一种基于改进的RelieF-Softmax算法的配电网故障风险预警方法。首先通过数据调研和预处理,确定配电网4类24个故障特征量,综合考虑配电网故障发生频次与故障影响后果,提出配电网风险等级划分方法;其次引入K-maxmin聚类算法,对随... 文章提出一种基于改进的RelieF-Softmax算法的配电网故障风险预警方法。首先通过数据调研和预处理,确定配电网4类24个故障特征量,综合考虑配电网故障发生频次与故障影响后果,提出配电网风险等级划分方法;其次引入K-maxmin聚类算法,对随机抽样过程进行优化,提出改进的RelieF特征提取方法,筛选出最强相关最小冗余的最优特征向量;最后构造改进的模型损失函数,以解决样本不平衡问题,采用最优特征向量和Softmax分类器对配电网故障风险进行预警。对南方某地191条馈线进行故障风险等级预测分析,结果验证了文章所提配电网故障风险预警模型和方法的有效性。 展开更多
关键词 配电网 故障因素 特征提取 风险预警 RELIEF算法 softmax分类器
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 2 … 4 下一页 到第 页
使用帮助 返回顶部