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117篇文章
< 1 2 … 6 >
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：
基于条件生成对抗网络的短期负荷预测 被引量：31
1
作者 林珊 王红 +2 位作者 齐林海 冯函宇 苏盈 《电力系统自动化》 EI CSCD 北大核心 2021年第11期52-60,共9页
精准的短期负荷预测对电力系统制定合理生产计划、提高经济效益、保证电网安全运行具有重要意义。为学习非线性负荷数据中隐含的深层关系,提高短期负荷预测精度,文中提出一种基于条件生成对抗网络的短期负荷预测模型。所提模型使用卷积... 精准的短期负荷预测对电力系统制定合理生产计划、提高经济效益、保证电网安全运行具有重要意义。为学习非线性负荷数据中隐含的深层关系,提高短期负荷预测精度,文中提出一种基于条件生成对抗网络的短期负荷预测模型。所提模型使用卷积神经网络构建生成模型和判别模型,以负荷影响因素作为条件,并引入特征损失函数作为判别模型部分隐藏层的损失函数。然后,通过条件生成对抗网络的博弈训练,使生成模型以负荷影响因素为条件生成预测负荷数据,从而进行短期负荷预测。最后,以美国某地区3年的负荷作为实际算例,对比所提模型与其他模型的预测结果,验证了所提模型在兼顾泛化能力的同时可以提高短期负荷的预测精度。 展开更多
关键词 条件生成对抗网络 负荷数据 短期负荷预测 卷积神经网络
下载PDF
深度学习油气藏地质建模研究进展 被引量：25
2
作者 刘彦锋 张文彪 +3 位作者 段太忠 廉培庆 李蒙 赵华伟 《地质科技通报》 CAS CSCD 北大核心 2021年第4期235-241,共7页
随着大数据和以深度学习为基础的人工智能技术的快速发展,油气藏地质建模逐步从传统的两点地质统计建模、基于目标建模、多点地质统计建模和基于沉积过程建模进入智能地质建模阶段。以深度学习为基础的智能地质建模主要采用对抗生成网... 随着大数据和以深度学习为基础的人工智能技术的快速发展,油气藏地质建模逐步从传统的两点地质统计建模、基于目标建模、多点地质统计建模和基于沉积过程建模进入智能地质建模阶段。以深度学习为基础的智能地质建模主要采用对抗生成网络建立三维地质模型,目前这些研究集中在网络结构和算法的完善,特别是对地震和测井等各类数据的条件化,少量研究侧重于样本数据的获取。目前研究中采用的训练样本大多是基于目标或基于沉积过程方法模拟得到的合成数据,为了真正将该技术应用实际地下油气藏,需要更加关注真实样本数据的获取。仅靠深度神经网络这种统计学习方法实现技术突破的难度较大,研发通用的人工智能地质建模器是未来的主要发展方向,其中统计学习与符号学习相结合可能是实现该技术的必经道路。 展开更多
关键词 智能地质建模 深度学习地质建模 条件对抗生成网络 人工智能
下载PDF
基于深度残差网络的GIS局部放电PRPD谱图模式识别 被引量：20
3
作者 许辰航 陈继明 +3 位作者 刘伟楠 吕智 李鹏 朱明晓 《高电压技术》 EI CAS CSCD 北大核心 2022年第3期1113-1123,共11页
为了研究气体绝缘组合电器(gasinsulatedswitchgear,GIS)局部放电脉冲相位分布(phaseresolvedpartial discharge,PRPD)谱图的模式识别,解决传统的统计参数分析方法识别准确率低的问题,该文提出了一种基于深度残差网络的GIS局部放电PRPD... 为了研究气体绝缘组合电器(gasinsulatedswitchgear,GIS)局部放电脉冲相位分布(phaseresolvedpartial discharge,PRPD)谱图的模式识别,解决传统的统计参数分析方法识别准确率低的问题,该文提出了一种基于深度残差网络的GIS局部放电PRPD谱图模式识别方法。首先,设计并搭建了GIS中4类典型局部放电缺陷的实验模型并采集实验数据;然后,利用条件生成对抗网络对PRPD谱图训练集进行数据扩充;最后,利用深度残差网络提取每类缺陷的PRPD谱图特征并将其分类。实验结果表明,该方法相较于普通卷积神经网络和统计参数分析方法,其识别准确率有明显提升,最高可达98.75%。研究结果表明所提方法能有效区分出GIS中4类典型的局部放电缺陷类型,在工程实际中有良好的应用前景。 展开更多
关键词 局部放电 模式识别 局部放电脉冲相位分布谱图 卷积神经网络 条件生成对抗网络 深度残差网络
下载PDF
一种基于CGAN-CNN的同步电机转子绕组匝间短路故障诊断方法 被引量：19
4
作者 李俊卿 李斯璇 +2 位作者 陈雅婷 王振兴 何玉灵 《电力自动化设备》 EI CSCD 北大核心 2021年第8期169-174,共6页
由于同步电机故障样本数量较少,为解决同步电机故障诊断中普遍存在的样本不平衡问题,提出了一种基于条件生成式对抗网络(CGAN)和卷积神经网络(CNN)的同步电机转子绕组匝间短路故障诊断方法。首先,对传感器收集到的数据进行预处理,对正... 由于同步电机故障样本数量较少,为解决同步电机故障诊断中普遍存在的样本不平衡问题,提出了一种基于条件生成式对抗网络(CGAN)和卷积神经网络(CNN)的同步电机转子绕组匝间短路故障诊断方法。首先,对传感器收集到的数据进行预处理,对正常样本和故障样本分别添加标签后输入CGAN中生成大量新样本,将生成的新样本与原始样本混合并划分训练集和测试集;然后,利用CNN训练平衡后的数据集,充分、精准地提取有效故障特征;最后,在输出端利用Softmax分类器输出故障分类结果。通过实验证明,与非平衡数据集相比,利用平衡数据集后的故障识别准确率十分稳定且达到99.5%以上,同时与平衡的原始样本数据相比,生成样本避免了噪声和其他干扰,故障诊断的准确率也更高。 展开更多
关键词 同步电机 条件生成式对抗网络 卷积神经网络 生成样本 转子绕组匝间短路故障 故障诊断
下载PDF
基于条件生成对抗网络的多区域风电短期出力场景生成方法 被引量：9
5
作者 黄越辉 孙亚南 +2 位作者 李驰 李湃 宋子源 《电网技术》 EI CSCD 北大核心 2023年第1期63-72,共10页
基于预测功率结果,构建风电出力场景集是电力系统随机优化调度的重要基础。现有多区域风电出力场景生成方法主要是时空相关性系数约束的随机抽样方法。由于风电时空相关性特征的时变非线性,生成的场景集与风电实际出力差异较大。提出一... 基于预测功率结果,构建风电出力场景集是电力系统随机优化调度的重要基础。现有多区域风电出力场景生成方法主要是时空相关性系数约束的随机抽样方法。由于风电时空相关性特征的时变非线性,生成的场景集与风电实际出力差异较大。提出一种基于条件生成对抗网络的多区域风电出力场景生成方法。该方法采用三维卷积网络设计适用于多区域风电出力场景生成的网络结构,通过对条件生成对抗网络进行博弈训练,学习到多个区域风电实际出力数据的特征以及输入数据与输出数据之间的映射关系。以我国西北地区5个风电区域为例对所提方法进行分析,并与传统的以相关性系数为约束的拉丁超立方抽样方法进行对比;结果表明,所提方法生成的多区域出力场景集更符合风电出力特征。 展开更多
关键词 风电 场景生成 时空相关性 条件生成对抗网络
下载PDF
基于条件生成对抗网络的手绘图像检索 被引量：12
6
作者 刘玉杰 窦长红 +2 位作者 赵其鲁 李宗民 李华 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2017年第12期2336-2342,共7页
传统的手绘图像检索方法将自然图像通过边缘检测算法转换成"类手绘图",不能很好地减小自然图像与手绘图像之间的视觉差异.针对此问题,提出一种基于条件生成对抗网络的手绘图像检索方法.首先训练条件生成对抗网络,其中生成器... 传统的手绘图像检索方法将自然图像通过边缘检测算法转换成"类手绘图",不能很好地减小自然图像与手绘图像之间的视觉差异.针对此问题,提出一种基于条件生成对抗网络的手绘图像检索方法.首先训练条件生成对抗网络,其中生成器由边缘图至自然图像的映射网络构成;然后通过生成器将手绘图转换为自然图像,以消除二者的视觉差异;最后使用深度卷积神经网络提取深度特征进行相似度度量,达到检索的目的.在基准数据库上进行实验的结果显示,该方法的检索精度有明显提高. 展开更多
关键词 手绘图像检索 条件生成对抗网络 编码-解码网络 卷积神经网络
下载PDF
基于深度学习考虑出行模式的电动汽车充电负荷场景生成 被引量：11
7
作者 钱涛 任孟极 +3 位作者 邵成成 朱丹丹 周前 王秀丽 《电力系统自动化》 EI CSCD 北大核心 2022年第12期67-75,共9页
随着电动汽车的快速普及,交通网与电网的耦合进一步加深,交通网出行模式将对电动汽车充电负荷产生显著影响。传统的充电负荷模拟方法依赖于对交通路网和电动汽车个体建模并有较强的假设。文中提出了一种基于数据驱动的卷积自编码器和条... 随着电动汽车的快速普及,交通网与电网的耦合进一步加深,交通网出行模式将对电动汽车充电负荷产生显著影响。传统的充电负荷模拟方法依赖于对交通路网和电动汽车个体建模并有较强的假设。文中提出了一种基于数据驱动的卷积自编码器和条件对抗生成网络的电动汽车充电负荷场景生成方法。该方法首先采用基于无监督学习的卷积自编码器对交通网出行预测数据降维并自适应地抽取出特征信息。其次,设计了一种适用于日前交通网充电负荷场景生成的条件生成对抗网络,并利用卷积自编码器抽取出的特征信息,隐式地学习得到不同交通网出行模式对应的电动汽车充电负荷条件概率分布,从而实现日前的电动汽车充电负荷场景生成,为电网运行与充电站运营提供了支撑。最后,以实际城市路网为例验证了所提出充电负荷场景生成方法的有效性。 展开更多
关键词 电动汽车 充电负荷 交通网 深度学习 数据驱动 卷积自编码器 条件对抗生成网络
下载PDF
基于条件生成对抗网络的手写数字识别 被引量：11
8
作者 王爱丽 薛冬 +1 位作者 吴海滨 王敏慧 《液晶与显示》 CAS CSCD 北大核心 2020年第12期1284-1290,共7页
针对当训练样本不足时,传统深度学习算法在手写数字识别中会出现训练不稳定、识别精度较低等问题,提出了基于条件生成对抗网络的识别方法。首先,在条件生成对抗网络的基础上,利用生成器使用类别标签控制图像生成的优点,将生成器产生的... 针对当训练样本不足时,传统深度学习算法在手写数字识别中会出现训练不稳定、识别精度较低等问题,提出了基于条件生成对抗网络的识别方法。首先,在条件生成对抗网络的基础上,利用生成器使用类别标签控制图像生成的优点,将生成器产生的图像样本作为训练数据,扩充数据集。同时,利用反卷积网络和卷积网络分别构成生成器和判别器的网络结构,去掉全连接层以提升模型稳定性。然后,引入条件批量归一化,利用它使用类别标签的优点,使网络学习更多的特征。最后,改进判别器为分类器,并提出新的损失函数,加快收敛速度,提高识别精度。实验结果表明,本文所提出的手写数字识别方法生成的图像质量更好,识别准确率更高,达到99.43%,为生成对抗网络及其变体在图像识别领域中的应用提供了参考。 展开更多
关键词 手写数字识别 条件生成对抗网络 条件批量归一化 图像生成
下载PDF
基于条件生成对抗网络的风电功率极端场景生成 被引量：7
9
作者 米阳 卢长坤 +2 位作者 申杰 杨熙 葛磊蛟 《高电压技术》 EI CAS CSCD 北大核心 2023年第6期2253-2263,共11页
针对风电功率不确定的电力系统调度和规划问题,提出了一种极端场景生成框架。首先,采用迭代方式对历史数据集的分布进行转移,解决了历史数据集中极端样本不足的问题。其次,根据风电功率特征定义不同的极端度量,并对风电功率场景设置不... 针对风电功率不确定的电力系统调度和规划问题,提出了一种极端场景生成框架。首先,采用迭代方式对历史数据集的分布进行转移,解决了历史数据集中极端样本不足的问题。其次,根据风电功率特征定义不同的极端度量,并对风电功率场景设置不同的极端度量范围,实现不同极端度量范围下的可控生成,增强场景生成的可解释性。然后,通过条件生成对抗网络实现极端场景的可控场景。最后基于风电功率实时数据进行验证。结果表明:所设计的框架不需要复杂的概率建模和采样过程,同时可以捕捉到不同极端情况下的随机特性和动态特性。所提出的方案生成场景的极端度量值准确率在90%以上,能够在可控的极端度量范围以及误差范围内有效生成场景。 展开更多
关键词 场景生成 极端情况 生成对抗网络 数据增强 调度和规划
下载PDF
基于条件生成对抗网络的城市设计研究 被引量：9
10
作者 刘跃中 斯托夫斯·卢迪 杨阳 《建筑学报》 CSSCI 北大核心 2018年第9期108-113,共6页
研究针对城市设计过程中设计者在分析及处理跨学科数据和进行计算性设计决策时面临的技术难题,将数据按照熟悉度分为熟悉数据和陌生数据两类,并提出运用条件生成对抗网络处理陌生数据的方法,以支持城市设计过程。结果表明,该方法可有效... 研究针对城市设计过程中设计者在分析及处理跨学科数据和进行计算性设计决策时面临的技术难题,将数据按照熟悉度分为熟悉数据和陌生数据两类,并提出运用条件生成对抗网络处理陌生数据的方法,以支持城市设计过程。结果表明,该方法可有效支持城市设计决策制定过程。 展开更多
关键词 城市设计 熟悉与陌生数据 条件生成对抗网络 计算性设计
原文传递
基于生成对抗网络与局部电流相量的配电网拓扑鲁棒辨识 被引量：4
11
作者 邵晨颖 刘友波 +3 位作者 邵安海 邱高 高红均 刘俊勇 《电力系统自动化》 EI CSCD 北大核心 2023年第1期55-62,共8页
有源配电网运行方式切换频繁且其量测受噪声影响,要求其拓扑辨识具有实时性和鲁棒性,但传统方法驱动的有限观测条件下拓扑辨识是非确定性多项式(NP)难问题。文中提出一种基于生成对抗网络与局部电流相量的配电网拓扑鲁棒辨识方法。为解... 有源配电网运行方式切换频繁且其量测受噪声影响,要求其拓扑辨识具有实时性和鲁棒性,但传统方法驱动的有限观测条件下拓扑辨识是非确定性多项式(NP)难问题。文中提出一种基于生成对抗网络与局部电流相量的配电网拓扑鲁棒辨识方法。为解决传统监督学习在未知拓扑辨识任务下泛化能力差的问题,通过梯度惩罚优化的条件生成对抗网络(CGAN)学习由线路电流幅值、相角和节点负荷伪测量映射的拓扑分布。同时,以一维卷积神经网络构建生成器,有效利用连续观测窗中时序电流数据,增强算法的抗噪和抗数据缺失性能。此外,仅局部的电流信息需求大幅降低了配电网可观性改造投资。最后,通过算例验证了所提方法的有效性。 展开更多
关键词 有源配电网 条件生成对抗网络 拓扑辨识 局部电流 时序面板数据
下载PDF
一种基于条件生成对抗网络的高感知图像压缩方法 被引量：6
12
作者 张雪峰 许华文 杨棉子美 《东北大学学报（自然科学版）》 EI CAS CSCD 北大核心 2022年第6期783-791,共9页
针对如何获得符合人类视觉感知的压缩图像问题,提出了基于条件生成对抗网络的图像压缩模型(HPIC).在HPIC中,首先利用一个超先验概率模型对原始图像进行编码量化,将条件附加标签和残差模块相结合的生成器用于压缩图像的重建,基于深度卷... 针对如何获得符合人类视觉感知的压缩图像问题,提出了基于条件生成对抗网络的图像压缩模型(HPIC).在HPIC中,首先利用一个超先验概率模型对原始图像进行编码量化,将条件附加标签和残差模块相结合的生成器用于压缩图像的重建,基于深度卷积神经网络搭建的判别器则用于区分压缩后的图像和真实图像间的差异.损失函数是基于比特率-失真-感知优化理论来设计的,一方面选用基于预训练Inception网络特征值的感知失真指标来实现具有高感知质量的图像压缩重建,另一方面利用生成对抗网络损失来消除压缩伪影,提高压缩精度.实验结果表明,HPIC在比特率-失真-感知三重权衡中取得了较好的平衡,即使目前的常见算法使用两倍于本文算法的比特率,本文算法在所有的感知指标得分上均优于前者,HPIC仍能够实现具有高感知质量的压缩. 展开更多
关键词 图像压缩 比特率-失真-感知优化理论 条件生成对抗网络 损失函数
下载PDF
基于扩张卷积条件生成对抗网络的红外小目标检测 被引量：1
13
作者 张国栋 陈志华 盛斌 《计算机科学》 CSCD 北大核心 2024年第2期151-160,共10页
基于深度神经网络的目标检测方法凭借自身强大的建模能力,在通用目标检测任务中取得了良好的表现。然而,在红外小目标信号弱、像素小的本质特征的影响下,深度神经网络层次的加深和池化操作的大量使用导致小目标语义信息丢失,使得现有方... 基于深度神经网络的目标检测方法凭借自身强大的建模能力,在通用目标检测任务中取得了良好的表现。然而,在红外小目标信号弱、像素小的本质特征的影响下,深度神经网络层次的加深和池化操作的大量使用导致小目标语义信息丢失,使得现有方法的检测效果并不理想。文中从红外小目标特性这一关键问题出发,提出了一种新颖的基于扩张卷积条件生成对抗网络的目标检测算法。所提方法应用扩张卷积设计了生成网络,充分利用上下文信息建立层与层之间的关联,将红外小目标更多的语义信息保留到深层网络中,增强目标特征,进而提高检测性能。此外,设计了融合通道与空间维度的混合注意力模块,在特征提取时有选择性地放大目标信息,抑制背景信息;设计了自注意关联模块处理层与层之间信息融合过程中产生的语义冲突问题。文中使用多种评价指标将所提网络模型与目前先进的其他红外小目标检测方法进行对比,证明了该方法在复杂背景下目标检测性能的优越性。在公开的SIRST数据集上,所提模型的F分数为64.70%,相比传统方法提高了8.29%,相比深度学习方法提高了7.29%;在公开的ISOS数据集上,所提模型的F分数为64.54%,相比传统方法提高了23.59%,相比深度学习方法提高了6.58%。 展开更多
关键词 红外小目标检测 条件生成对抗网络 特征融合 注意力机制 扩张卷积
下载PDF
基于多尺度上下文信息融合的条件生成对抗神经网络用于低剂量PET图像去噪 被引量：7
14
作者 杨昆 杜瑀 +3 位作者 钱武侠 薛林雁 刘琨 卢闫晔 《电子测量技术》 北大核心 2021年第7期74-81,共8页
PET成像在信号采集过程中存在辐射暴露风险,在保证成像质量的前提下需要尽可能降低示踪剂的使用剂量。这将导致PET图像伪影及信噪比低等问题。本文提出一种基于多尺度上下文信息融合的条件生成对抗网络,用于优化PET图像重建,以提高PET... PET成像在信号采集过程中存在辐射暴露风险,在保证成像质量的前提下需要尽可能降低示踪剂的使用剂量。这将导致PET图像伪影及信噪比低等问题。本文提出一种基于多尺度上下文信息融合的条件生成对抗网络,用于优化PET图像重建,以提高PET图像的图像质量。通过对作为生成器的编码器-解码器网络的跳过连接进行重新设计,提出一种基于多尺度上下文信息融合的跳过连接,使解码器能够在解码过程中获取来自编码器更加丰富的语义特征。采用使生成器网络学习低剂量PET图像的噪声分布的策略,降低了网络的学习难度。在低剂量PET数据集上对所提出的网络进行评估,峰值信噪比为29.948±4.062,结构相似性系数为0.926±0.030,标准均方根误差为0.395±0.211。相比于传统去噪算法Non-Local Mean和Block-Matching 3D以及2种深度学习方法RED-CNN和以U-Net为生成器的条件生成对抗网络,本文所提出的网络均取得了更加优越的性能表现。 展开更多
关键词 图像去噪 低剂量PET图像 条件生成对抗网络 深度学习
下载PDF
基于改进条件生成对抗网络的可控场景生成方法 被引量：1
15
作者 张帅 刘文霞 +3 位作者 万海洋 吕笑影 Nawaraj Kumar Mahato 鲁宇 《电力自动化设备》 EI CSCD 北大核心 2024年第6期9-17,共9页
可再生能源发电具有较强的随机性和波动性,为实现高效可靠的场景建模,提出一种基于改进条件生成对抗网络的可控场景生成方法。提出基于条件生成对抗网络的场景生成框架,结合Transformer的全局注意力机制以及常规卷积和深度可分离卷积的... 可再生能源发电具有较强的随机性和波动性,为实现高效可靠的场景建模,提出一种基于改进条件生成对抗网络的可控场景生成方法。提出基于条件生成对抗网络的场景生成框架,结合Transformer的全局注意力机制以及常规卷积和深度可分离卷积的局部泛化机制,设计适用于提取可再生能源发电不同维度特征的网络结构;利用条件生成对抗网络模型建立低维气象特征隐空间和高维可再生能源发电数据之间的映射关系,提出一种可控场景生成方法,并建立随机场景生成、场景约减、极端场景生成和连续日场景生成4种生成策略。基于实际光伏、风电数据和气象数据的仿真结果表明,所提模型与方法能够有效学习可再生能源发电的随机性、时序性、波动性及空间相关性,实现对不同策略下场景的可控生成。 展开更多
关键词 场景生成 条件生成对抗网络 特征提取 配电网 可控生成
下载PDF
基于条件生成对抗网络曲线生成的短期负荷概率预测 被引量：2
16
作者 孙浩 万灿 +2 位作者 曹照静 李昀熠 鞠平 《电力系统自动化》 EI CSCD 北大核心 2023年第23期189-199,共11页
为指导电力系统稳定安全运行,提出一种基于条件生成对抗网络(CGAN)曲线生成的短期负荷概率预测方法。首先,以日期、温度、历史负荷等特征为输入,构建基于双向长短期记忆神经网络的日负荷关键值自适应集成预测模型。其次,采用最大信息系... 为指导电力系统稳定安全运行,提出一种基于条件生成对抗网络(CGAN)曲线生成的短期负荷概率预测方法。首先,以日期、温度、历史负荷等特征为输入,构建基于双向长短期记忆神经网络的日负荷关键值自适应集成预测模型。其次,采用最大信息系数方法为负荷特征赋权,基于加权K最近邻算法、加权重采样构建相似曲线数据集。然后,以负荷关键值和相似曲线数据集分别作为条件和训练集,构建基于CGAN的负荷曲线生成模型,提出数值偏差量与曲线形态偏差量修正损失函数。最后,考虑模型、噪声不确定性,构造由噪声到模型输出概率分布的映射关系,进行短期负荷概率预测。以中国华东某地区电网负荷数据为例,验证了所提方法相对于传统方法具有更高的预测精度。 展开更多
关键词 概率预测 负荷预测 条件生成对抗网络 双向长短期记忆网络 关键值 曲线生成
下载PDF
基于神经网络的手绘服饰图纹上色及风格迁移 被引量：2
17
作者 蔡兴泉 李治均 +1 位作者 奚梦瑶 孙海燕 《系统仿真学报》 CAS CSCD 北大核心 2023年第3期604-615,共12页
针对图纹上色容易色彩溢出、风格迁移缺少布料纹理特征等问题,提出基于神经网络的手绘服饰图纹上色及风格迁移方法。初始化数据集,收集服饰图纹图像,提取服饰图纹黑白线稿,合成具有颜色特征的手绘图像,构建风格数据集;构建条件生成对抗... 针对图纹上色容易色彩溢出、风格迁移缺少布料纹理特征等问题,提出基于神经网络的手绘服饰图纹上色及风格迁移方法。初始化数据集,收集服饰图纹图像,提取服饰图纹黑白线稿,合成具有颜色特征的手绘图像,构建风格数据集;构建条件生成对抗网络模型,基于该生成器模型实现对具有颜色信息的线稿图像上色;构建卷积神经网络模型,利用该模型计算内容图的内容特征并结合Gram矩阵计算风格图的风格特征,输出令人满意的服饰图纹迁移图像。实验结果表明,该方法生成的图像具有真实的服饰图纹颜色分布,具有较好的布料材质感。 展开更多
关键词 手绘服饰图纹 线稿图像上色 风格迁移 条件生成对抗网络 卷积神经网络
下载PDF
基于条件深度循环生成对抗网络和动作探索的行星轮轴承剩余寿命预测 被引量：6
18
作者 于军 刘可 +2 位作者 郭帅 于广滨 郭振宇 《兵工学报》 EI CAS CSCD 北大核心 2020年第11期2170-2178,共9页
为解决小样本和变工况下行星轮轴承剩余寿命预测准确率低的问题,提出一种基于条件深度循环生成对抗网络(C-DRGAN)和动作探索(AD)的行星轮轴承剩余寿命预测方法。将门控循环单元神经网络与条件生成对抗网络相结合,构建C-DRGAN,从非静态... 为解决小样本和变工况下行星轮轴承剩余寿命预测准确率低的问题,提出一种基于条件深度循环生成对抗网络(C-DRGAN)和动作探索(AD)的行星轮轴承剩余寿命预测方法。将门控循环单元神经网络与条件生成对抗网络相结合,构建C-DRGAN,从非静态和非线性信号中提取故障特征,实现小样本和变工况下行星轮轴承的剩余寿命预测;采用基于AD的训练算法训练C-DRGAN,提高收敛速度,降低训练时间;根据训练后的C-DRGAN,利用多元线性回归分类器预测测试样本中行星轮轴承的剩余寿命。通过行星轮轴承加速疲劳寿命试验验证该方法的有效性。结果表明,该方法具有较强的非静态和非线性信号处理能力,并能在小样本情况下取得出色的行星轮轴承剩余寿命预测效果。 展开更多
关键词 行星轮轴承 剩余寿命预测 门控循环单元神经网络 条件生成对抗网络 动作探索 小样本
下载PDF
基于条件对抗生成网络数据增强的相敏光时域反射仪模式识别
19
作者 张印 胡挺 +2 位作者 李猷兴 王剑 苑立波 《光学学报》 EI CAS CSCD 北大核心 2024年第1期409-419,共11页
本文针对光纤传感技术中相敏光时域反射仪(Φ-OTDR)数据采集受限的问题,提出了一种基于条件对抗生成网络(CGAN)的数据增强方法,用于在少量数据基础上生成大量训练样本。实验中采用Φ-OTDR完成数据采集,将采集到的真实数据作为CGAN的输入... 本文针对光纤传感技术中相敏光时域反射仪(Φ-OTDR)数据采集受限的问题,提出了一种基于条件对抗生成网络(CGAN)的数据增强方法,用于在少量数据基础上生成大量训练样本。实验中采用Φ-OTDR完成数据采集,将采集到的真实数据作为CGAN的输入,网络通过自动提取信号特征,并在输入条件的帮助下生成逼真的信号数据。将生成数据和原始数据分别输入决策树、支持向量机、卷积神经网络等模型进行分类,实验结果显示,生成数据在各个分类器中的检测结果都得到了显著提升,有效提高了分类器模型的检测能力和性能,实现了Φ-OTDR模式的目标识别,并解决了数据采集困难的问题。本文研究为小样本检测提供了新的思路和方法,对其他光纤传感技术的应用具有借鉴意义。 展开更多
关键词 光纤传感 相敏光时域反射仪 数据增强 深度学习 条件对抗生成网络
原文传递
太赫兹MIMO系统中基于SRCGAN的空时频信道估计方案
20
作者 蒋奕采 季薇 《移动通信》 2024年第6期97-104,114,共9页
为了能有效利用THz-MIMO系统的多维信道特性,提出一种基于SRCGAN的THz-MIMO系统信道估计方案。在该方案中,由预估计模块获得的初始空时域信道响应矩阵被视作一张二维的低分辨率图像,利用SRCGAN网络提取太赫兹信道的空时特性进行空时域... 为了能有效利用THz-MIMO系统的多维信道特性,提出一种基于SRCGAN的THz-MIMO系统信道估计方案。在该方案中,由预估计模块获得的初始空时域信道响应矩阵被视作一张二维的低分辨率图像,利用SRCGAN网络提取太赫兹信道的空时特性进行空时域信道补全获得完整的信道信息,然后相邻子载波之间的频率相关性作为SRGAN提供的条件信息提升信道估计精度。为了增强SRCGAN网络对时变信道预测的鲁棒性,在线上估计阶段,基于最大均方误差准则采用梯度下降算法对输入的预估计信道信息矩阵进行迭代更新。仿真结果证明了基于SRCGAN的空时频信道估计方案性能的优越性,以及利用信道“空时频”的相关性提升估计精度的有效性。 展开更多
关键词 THz-MIMO 信道估计 空时频域 超分辨率 条件生成对抗网络
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 … 6 下一页 到第 页
使用帮助 返回顶部