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161篇文章
< 1 2 … 9 >
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：
基于深度置信网络的电力系统暂态稳定评估方法 被引量：127
1
作者 朱乔木 党杰 +3 位作者 陈金富 徐友平 李银红 段献忠 《中国电机工程学报》 EI CSCD 北大核心 2018年第3期735-743,共9页
为进一步提高电力系统暂态稳定评估（transient stability assessment,TSA）的准确率,将＂深度学习＂方法引入电力系统暂态稳定评估,提出一种基于深度置信网络（deep belief networks,DBN）的TSA方法。构建一组能够反映系统暂态稳定特性... 为进一步提高电力系统暂态稳定评估（transient stability assessment,TSA）的准确率,将＂深度学习＂方法引入电力系统暂态稳定评估,提出一种基于深度置信网络（deep belief networks,DBN）的TSA方法。构建一组能够反映系统暂态稳定特性的32维原始特征作为DBN模型的输入量,稳定结果作为输出量,利用深层架构对稳定结果与系统特征之间的映射关系进行训练。采用一种先使用无标注样本进行贪心无监督学习,后使用有标注样本进行监督学习的方法训练DBN模型的参数。训练后的模型能充分利用深层架构的特征提取优势,并能够利用大量无标注数据提高模型的泛化能力。新英格兰10机39节点系统上的仿真结果表明所提方法比常用的暂态稳定评估方法准确率更高,且能够在仅少量训练样本和含有无关特征的情况下获得优越的评估性能。 展开更多
关键词 电力系统 暂态稳定评估 深度学习 深度置信网络 机器学习
下载PDF
基于多特征融合和深度置信网络的稻田苗期杂草识别 被引量：56
2
作者 邓向武 齐龙 +4 位作者 马旭 蒋郁 陈学深 刘海云 陈伟烽 《农业工程学报》 EI CAS CSCD 北大核心 2018年第14期165-172,共8页
杂草的准确识别是田间杂草精准防控管理的前提,机器视觉技术是实现杂草准确识别的有效手段。该文以水稻苗期杂草为研究对象,采集稻田自然背景下和不同光照条件下的6种杂草图像共928幅,包括空心莲子草、丁香蓼、鳢肠、野慈姑、稗草和千... 杂草的准确识别是田间杂草精准防控管理的前提,机器视觉技术是实现杂草准确识别的有效手段。该文以水稻苗期杂草为研究对象,采集稻田自然背景下和不同光照条件下的6种杂草图像共928幅,包括空心莲子草、丁香蓼、鳢肠、野慈姑、稗草和千金子。采用1.1G-R颜色因子将杂草RGB图像进行灰度化,选择自动阈值自动分割得到杂草前景二值图像,通过腐蚀膨胀形态学操作进行叶片内部孔洞填充,应用面积滤波去除其他干扰目标,最后将杂草二值图像与RGB图像进行掩膜运算得到去除背景的杂草图像;提取杂草图像的颜色特征、形状特征和纹理特征共101维特征,并对其进行归一化处理。在双隐含层和单隐含层的深度置信网络(deep belief networks,DBN)结构基础上,对DBN隐含层节点数选择方法进行研究。针对双隐含层DBN节点数,选择恒值型、升值型和降值型3种节点组合方式进行优化研究,当网络结构为101-210-55-6时杂草识别率为83.55%;通过对单隐含层节点参数优化得到网络结构为101-200-6时杂草识别率达到91.13%。以同一测试样本的运行时间值作为模型的测试时间对3种不同模型进行耗时测试,SVM模型、BP模型和DBN模型测试结果分别为0.029 7、0.030 6和0.034 1 s,试验结果表明基于多特征融合的DBN模型的识别精度最高,且耗时较其他2种模型相差不大,可满足实时检测的速度要求,所以在实际应用中应优先选择基于多特征融合的DBN模型。该研究可为稻田杂草识别与药剂选择性喷施提供参考。 展开更多
关键词 机器视觉 图像处理 杂草识别 深度置信网络 多特征融合 特征提取
下载PDF
DBN与PSO-SVM的滚动轴承故障诊断 被引量：18
3
作者 熊景鸣 潘林 +1 位作者 朱昇 孟宗 《机械科学与技术》 CSCD 北大核心 2019年第11期1726-1731,共6页
针对如何提高轴承故障诊断的准确率和算法训练的效率问题,提出了一种深度信念网络(DBN)与粒子群优化支持向量机(PSO-SVM)的滚动轴承故障诊断方法。首先,求出信号的时频特征统计量,其次,利用DBN对时频特征统计量进行特征提取,最后,利用PS... 针对如何提高轴承故障诊断的准确率和算法训练的效率问题,提出了一种深度信念网络(DBN)与粒子群优化支持向量机(PSO-SVM)的滚动轴承故障诊断方法。首先,求出信号的时频特征统计量,其次,利用DBN对时频特征统计量进行特征提取,最后,利用PSO-SVM进行分类。实验结果表明:相比于直接用PSO-SVM进行分类,该方法不仅准确率更高,而且算法训练的时间大大缩短了,提高了滚动轴承故障诊断的准确率和效率。 展开更多
关键词 特征提取 深度信念网络 支持向量机 故障诊断
下载PDF
基于种蛋图像血线特征和深度置信网络的早期鸡胚雌雄识别 被引量：12
4
作者 祝志慧 汤勇 +3 位作者 洪琪 黄飘 王巧华 马美湖 《农业工程学报》 EI CAS CSCD 北大核心 2018年第6期197-203,共7页
为了实现孵化早期鸡胚雌雄识别,构建了机器视觉采集系统,在LED光源下获取180枚鸡种蛋孵化第4天的图像。首先对鸡种蛋图像进行RGB分量提取、中值滤波、感兴趣区域提取等预处理,然后利用限制对比度自适应直方图均衡化、形态学处理、最大... 为了实现孵化早期鸡胚雌雄识别,构建了机器视觉采集系统,在LED光源下获取180枚鸡种蛋孵化第4天的图像。首先对鸡种蛋图像进行RGB分量提取、中值滤波、感兴趣区域提取等预处理,然后利用限制对比度自适应直方图均衡化、形态学处理、最大类间方差阈值分割和八连通域去噪等方法凸显血线纹理,并通过方向梯度直方图(histogram of oriented gradient,HOG)提取图像的全信息特征和利用灰度共生矩阵提取能量、对比度、相关性、熵、均匀度等5个特征,对HOG全信息特征采用主成分分析(principal component analysis,PCA)降维,最后利用全信息特征和PCA降维特征-灰度共生矩阵特征组合的简化特征,分别构建支持向量机(support vector machine,SVM)、反向传递(back propagation,BP)神经网络、深度置信网络(deep belief networks,DBN)3种鸡胚雌雄识别模型,并比较不同模型的识别准确率。试验中,全信息特征比简化特征构建的模型识别准确率高,基于简化特征的BP、SVM、DBN模型测试集识别综合准确率分别为51.67%、60%和58.33%,基于全信息特征的BP、SVM、DBN模型测试集识别综合准确率分别为58.33%、63.33%和83.33%。其中,基于全信息特征的DBN模型识别准确率最高,达到83.33%。结果表明机器视觉技术为孵化早期鸡胚雌雄识别提供了一种可行方法。 展开更多
关键词 机器视觉 无损检测 模型 血线特征 深度置信网络(dbn) 鸡胚 雌雄 识别
下载PDF
基于集成深度学习的时间序列预测模型 被引量：11
5
作者 何正义 曾宪华 +1 位作者 曲省卫 吴治龙 《山东大学学报（工学版）》 CAS 北大核心 2016年第6期40-47,共8页
基于高斯过程的条件受限玻尔兹曼机(GCRBM)时序模型可以很好的预测单一种类时序数据,但是该模型难以预测多类别的真实高维数据。针对这个问题,提出基于集成深度学习的时间序列预测模型,对多类时序对应训练多个深可信网络(deep belief ne... 基于高斯过程的条件受限玻尔兹曼机(GCRBM)时序模型可以很好的预测单一种类时序数据,但是该模型难以预测多类别的真实高维数据。针对这个问题,提出基于集成深度学习的时间序列预测模型,对多类时序对应训练多个深可信网络(deep belief networks,DBN)模型来学习低维特征,利用低维特征对应训练多个GCRBM时序模型。预测时序时先通过训练出的一组DBN模型对目标数据进行降维并通过重建误差识别类别,然后通过识别到的类别所对应的GCRBM模型预测目标数据的后期时序。在CASIA-A步态数据集上的试验结果表明:本方法能够准确识别出步态序列,而且预测结果能够模拟出真实的步态序列,证实了本模型的有效性。 展开更多
关键词 时间序列 预测模型 深可信网络 高斯过程的条件受限玻尔兹曼机 集成深度学习
原文传递
基于DBN-XGBDT的入侵检测模型研究 被引量：8
6
作者 陈虹 王闰婷 +3 位作者 肖成龙 郭鹏飞 黄洁 陈红霖 《计算机工程与应用》 CSCD 北大核心 2020年第22期83-91,共9页
在分布均匀的海量数据情况下,现有的入侵检测模型均具备良好的检测性能。但网络中产生的海量入侵数据的分布通常具有不均衡特点,而大多数检测模型针对罕见攻击类型的检测率低。针对上述问题,提出了一种深度信念网络(Deep Belief Network... 在分布均匀的海量数据情况下,现有的入侵检测模型均具备良好的检测性能。但网络中产生的海量入侵数据的分布通常具有不均衡特点,而大多数检测模型针对罕见攻击类型的检测率低。针对上述问题,提出了一种深度信念网络(Deep Belief Networks,DBN)融合极限梯度提升(eXtreme Gradient Boosting,XGBoost)基于决策树算法(Decision Tree,DT)的入侵检测模型(DBN-XGBDT)。该模型将预处理后的数据集输入深度信念网络中,实现对入侵检测数据的降维处理,将得到的特征数据根据攻击类别任两类为一组,通过XGBoost算法逐一构建梯度提升树并细化为二分类;最后运用控制变量法和XGBoost内置的交叉验证进行调参,择优调整模型参数,对未知网络攻击实现有效检测。基于NSL-KDD数据集对DBN-XGBDT模型与XGBoost、DBN-BP、DBN-MSVM等优越模型进行了检测实验。实验结果表明,DBN-XGBDT模型较上述3个单一、混合分类模型的正确率分别提升2.07个百分点、1.14个百分点,对U2R的检测率提升至75.37%,平均误报率降至56.23%,为入侵检测处理不均衡数据且提高对罕见攻击的检测性能提供了新方法。 展开更多
关键词 不均衡数据 入侵检测 深度信念网络(dbn) 极限梯度提升(XGBoost)
下载PDF
一种改进的5层深度学习结构与优化方法 被引量：8
7
作者 毛勇华 代兆胜 桂小林 《计算机工程》 CAS CSCD 北大核心 2018年第6期147-150,共4页
已有研究针对5层神经网络结构中各隐层节点数的选取并不明确。为此,提出一种改进的5层深信度网络(DBN)结构设计方案与节点数量优化选择方法。将第一隐层、第二隐层节点数预估为前一层节点数的1/3至2/3间的某值,第三隐层、第四隐层节点... 已有研究针对5层神经网络结构中各隐层节点数的选取并不明确。为此,提出一种改进的5层深信度网络(DBN)结构设计方案与节点数量优化选择方法。将第一隐层、第二隐层节点数预估为前一层节点数的1/3至2/3间的某值,第三隐层、第四隐层节点数分别等于第一隐层和输入层的节点数,然后采用样条插值方法优化选择第一隐层、第二隐层节点数。该结构特征只需预训练前2层权重,简化了DBN的受限玻尔兹曼机预训练方法。MNINST数据集上的实验结果验证了该网络结构的高效性与高准确率。 展开更多
关键词 深信度网络 预训练 节点选择 样条插值 受限玻尔兹曼机
下载PDF
改进深度置信网络对TE过程故障诊断研究 被引量：8
8
作者 程换新 王建庆 《电子测量技术》 2019年第9期117-120,共4页
为了实现对TE过程的故障诊断,改进了深度置信网络(DBN)的故障诊断方法。传统DBN在训练过程有冗余特性,减弱网络的特征提取能力,改进DBN在无监督学习阶段的似然函数中加入惩罚正则项,通过稀疏约束得到DBN训练集的稀疏分布,再用Laplace函... 为了实现对TE过程的故障诊断,改进了深度置信网络(DBN)的故障诊断方法。传统DBN在训练过程有冗余特性,减弱网络的特征提取能力,改进DBN在无监督学习阶段的似然函数中加入惩罚正则项,通过稀疏约束得到DBN训练集的稀疏分布,再用Laplace函数的分布引导DBN节点的稀疏状态,用Laplace函数中的位置参数控制稀疏的力度,使无标签的数据特征更加直观的表示出来,最后将改进DBN和传统DBN、BP神经网络的仿真实验结果进行对比。实验结果,证明改进的DBN在故障诊断方面优于传统DBN和BP神经网络,达到了最好的诊断准确度,具有很高的理论研究价值。 展开更多
关键词 TE过程 故障诊断 深度置信网络 惩罚正则项 拉普拉斯函数
下载PDF
一种集成卷积神经网络和深信网的步态识别与模拟方法 被引量：6
9
作者 何正义 曾宪华 郭姜 《山东大学学报（工学版）》 CAS 北大核心 2018年第3期88-95,共8页
针对高斯过程的条件受限玻尔兹曼机(Gaussian-based conditional restricted Boltzmann machine,GCRBM)时序模型可以对单一种类的步态时序数据进行很好的预测,但对多类步态时序数据难以识别和预测的问题,提出一种集成卷积神经网络(convo... 针对高斯过程的条件受限玻尔兹曼机(Gaussian-based conditional restricted Boltzmann machine,GCRBM)时序模型可以对单一种类的步态时序数据进行很好的预测,但对多类步态时序数据难以识别和预测的问题,提出一种集成卷积神经网络(convolutional neural network,CNN)和深信网(deep belief network,DBN)的步态识别与模拟方法。利用所有类步态数据训练多个不同结构的CNNs模型,利用多类数据训练多个DBNs模型学习低维特征,并通过低维特征训练多个GCRBMs模型。在步态识别与模拟时,CNNs分类器通过投票法确定步态数据的类别;通过识别到的类所对应的DBNs模型低维特征作为对应GCRBM s模型的输入预测目标数据的后期时序低维特征;利用DBNs重构阶段将后期时序低维特征模拟出步态图像。在CASIA系列步态数据集上的试验结果表明:与支持向量机(support vector machine,SVM)、集成DBN和CNN等方法相比,本研究方法的识别率有一定的提高,提出的模型能够根据步态时序预测结果模拟出真实的步态序列图像,证实了模型的有效性。 展开更多
关键词 步态识别与模拟 卷积神经网络 深信网 基于高斯过程的条件受限玻尔兹曼机 时序模型
原文传递
深度分类网络研究及其在智能视频监控系统中的应用 被引量：6
10
作者 孙宁 陈梁 +1 位作者 韩光 李晓飞 《电光与控制》 北大核心 2015年第9期77-82,共6页
研究了深度分类网络在道路交通典型目标分类中的应用,使用原始灰度图、HOG特征直方图、Canny边缘图与本征特征等多种目标表征方法与深度置信网络(Deep Belief Networks,DBN)相结合构建深度分类网络实现对行人、骑车人、车辆和其他4种典... 研究了深度分类网络在道路交通典型目标分类中的应用,使用原始灰度图、HOG特征直方图、Canny边缘图与本征特征等多种目标表征方法与深度置信网络(Deep Belief Networks,DBN)相结合构建深度分类网络实现对行人、骑车人、车辆和其他4种典型道路交通目标的分类功能。为了配合基于DBN的深度人车分类网络的训练,建立了称为NUPTERC的典型道路目标图像库,给出了建库的规则和方法,利用NUPTERC图像库构建实验对深度分类网络进行测试,并与其他典型人车分类方法进行了比较。证明深度分类网络在满足实时性的条件下,可以获得令人满意的分类正确率。最后,将基于DBN5Canny的人车分类算法应用于智能视频分析云平台,实现了对道路上的典型目标实时、精确的统计和分类功能。 展开更多
关键词 目标分类 深度置信网络 特征提取 智能视频监控系统
下载PDF
深度置信网络算法在公路边坡工程安全评价中的运用
11
作者 蒙国往 程懿 +2 位作者 吴波 叶华政 刘家乐 《安全与环境学报》 CAS CSCD 北大核心 2024年第2期470-478,共9页
针对传统边坡工程安全评价方法无法对边坡稳定性进行符合实际情况下工程安全评价的问题,提出一种基于深度置信网络(Deep Belief Networks,DBN)算法的公路边坡工程安全评价方法。首先,使用MATLAB建立模型;然后,对基于DBN算法的边坡稳定... 针对传统边坡工程安全评价方法无法对边坡稳定性进行符合实际情况下工程安全评价的问题,提出一种基于深度置信网络(Deep Belief Networks,DBN)算法的公路边坡工程安全评价方法。首先,使用MATLAB建立模型;然后,对基于DBN算法的边坡稳定性安全评价方法进行研究;最后,使用DBN算法在莆炎高速公路项目中进行公路边坡工程安全评价。结果显示:(1)与反向传播(Back Propagation,BP)神经网络相比,DBN模型得到的预测值误差更小,精度更高,计算复杂度更低、可扩展性更强;(2)在实际工程中,DBN算法能够有效地对众多非线性因素共同作用下的公路边坡进行符合实际的安全评价。 展开更多
关键词 安全工程 边坡稳定 深度置信网络(dbn)
下载PDF
深度信念网络在农业信息领域中的应用研究
12
作者 赵瑞 毛克彪 +3 位作者 郭中华 胡泽民 徐乐园 葛非凡 《农业展望》 2024年第4期82-86,共5页
中国是农业大国,随着农业信息化和现代化的快速发展,农业信息领域更偏向于数据的挖掘和分析。深度信念网络是由多个受限玻尔兹曼机堆叠形成的深层神经网络模型,可以自动提取农业信息领域数据特征,具有操作简便、对计算机硬件要求较低的... 中国是农业大国,随着农业信息化和现代化的快速发展,农业信息领域更偏向于数据的挖掘和分析。深度信念网络是由多个受限玻尔兹曼机堆叠形成的深层神经网络模型,可以自动提取农业信息领域数据特征,具有操作简便、对计算机硬件要求较低的优点,在农业信息领域数据分析方面得到广泛应用,尤其是在农作物疾病和杂草识别检测、农作物产量预测、土壤性质预测和降水预报以及畜牧生产和管理等领域的应用表现出色,为农业信息领域数据处理和分析提供了新方向。在阐述深度信念网络在农业信息领域发展概况的基础上,介绍了深度信念网络的重要应用,分析了深度信念网络在农业信息领域的优势和缺陷,最后对深度信念网络在农业信息领域的应用前景了进行展望。 展开更多
关键词 深度信念网络 农业信息 深度学习 机器学习技术
下载PDF
基于结构动力特性的结构损伤深度置信网络分层识别研究
13
作者 常亮亮 姜文恺 +2 位作者 杨汉青 孙星 何伟 《地震工程与工程振动》 CSCD 北大核心 2024年第2期61-71,共11页
为了高效准确地识别结构损伤,将机器学习和智能算法相结合,提出一种基于结构动力特性的结构损伤深度置信网络分层识别方法,分层依次识别损伤位置与损伤程度。为识别损伤位置,利用结构前3阶竖向振动频率和单节点3阶模态位移建立六元向量... 为了高效准确地识别结构损伤,将机器学习和智能算法相结合,提出一种基于结构动力特性的结构损伤深度置信网络分层识别方法,分层依次识别损伤位置与损伤程度。为识别损伤位置,利用结构前3阶竖向振动频率和单节点3阶模态位移建立六元向量,以此六元向量作为输入参数,通过深度置信网络识别损伤位置;为识别损伤程度,分别采用前3阶竖向振动固有频率和模态位移或6节点模态曲率差为参数输入深度置信网络识别损伤程度,并以简支梁为模型进行验证。结果表明:识别损伤位置时,即使噪声程度达到10%,仍可准确识别损伤位置;识别损伤程度时,基于6节点模态曲率差的深度置信网络抗噪性强,在15%噪声水平下对损伤程度预测最大相对误差不超过5.08%,均方差为0.4878。与BP神经网络相比,无噪声时,BP神经网络的预测能力优于深度置信网络;相同噪声水平下,深度置信网络的预测能力明显优于BP神经网络,体现了基于结构动力特性的结构损伤深度置信网络分层识别方法鲁棒性强,识别结果精度高。 展开更多
关键词 深度置信网络 损伤识别 抗噪性 BP神经网络
下载PDF
燃气轮机启动过程故障诊断方法研究 被引量：4
14
作者 张艾森 《自动化仪表》 CAS 2022年第11期33-38,共6页
在诊断燃气轮机启动故障时,常存在平均故障诊断错误率较高的问题。为此,提出基于深度信念网络(DBN)的燃气轮机启动过程故障诊断方法。在选取与典型启动故障相关的样本数据后,从机理的角度入手获取故障特征。根据DBN结构构建启动过程故... 在诊断燃气轮机启动故障时,常存在平均故障诊断错误率较高的问题。为此,提出基于深度信念网络(DBN)的燃气轮机启动过程故障诊断方法。在选取与典型启动故障相关的样本数据后,从机理的角度入手获取故障特征。根据DBN结构构建启动过程故障诊断模型,结合列文伯格-马夸尔特(L-M)算法设计自适应学习率改进算法,实现故障诊断精度的提升。按照参数表征性和冗余性选取试验样本,确定排气温度、电机电流、燃机转速和电机转速这4种参数类型作为故障诊断方法测试的数据基础,经由模型得出诊断结果。试验结果表明:所设计方法的平均故障诊断错误率为3.3%,与交叉全局人工蜂群和支持向量机(CGABC-SVM)方法、深度学习与信息融合诊断方法相比,所设计方法的平均故障诊断错误率分别降低了28.7%、37.0%,有效提升了燃气轮机启动过程故障诊断结果的准确性。该研究为燃气轮机的安全启动提供了保障。 展开更多
关键词 燃气轮机 启动故障 故障诊断 诊断错误率 诊断模型 特征提取 故障特征 深度信念网络
下载PDF
优化正交匹配追踪和短时谱估计用于声音识别 被引量：3
15
作者 陈秋菊 徐建国 《计算机工程与应用》 CSCD 北大核心 2020年第7期162-169,共8页
声音事件识别时受到各种环境声的影响,采用优化正交匹配跟踪(Orthogonal Matching Pursuit,OMP)和短时谱估计对声音信号进行二次重构,能有效提高识别性能。采用粒子群算法(Particle Swarm Optimization,PSO)优化OMP稀疏分解作首次重构,... 声音事件识别时受到各种环境声的影响,采用优化正交匹配跟踪(Orthogonal Matching Pursuit,OMP)和短时谱估计对声音信号进行二次重构,能有效提高识别性能。采用粒子群算法(Particle Swarm Optimization,PSO)优化OMP稀疏分解作首次重构,保留声音信号的主体;采用短时谱估计对首次重构后的残余信号作声音增强处理,完成二次重构,去除非平稳噪声和提高重构声音信号的精度;对重构信号提取梅尔频率倒谱系数(Mel Frequency Cepstrum Coefficient,MFCC)特征、优化OMP时-频特征和基频(Pitch)特征,组成复合抗噪特征集OOMP;使用深度置信网络(Deep Belief Network,DBN)对OOMP特征进行学习,并对40种声音事件在不同环境不同信噪比下进行识别。实验结果表明,该方法在不同信噪比的各种环境声中平均识别率为70.44%,且在-5 dB的情况下仍然可以达到49.90%的识别率,从而说明所提方法能有效地识别各种环境下的声音事件。 展开更多
关键词 声音事件识别 正交匹配追踪 粒子群优化 短时谱估计 深度置信网
下载PDF
基于DBN和EEMD方法的精轧测温传感器故障诊断与分类 被引量：2
16
作者 李太全 孟红记 胡振伟 《自动化与仪表》 2021年第5期70-74,共5页
为了减少轧制过程温度测量不准引发的钢产品质量问题,该文采用DBN网络和EEMD模态分析相结合的方法,建立精轧后测温传感器故障诊断与分类模型。首先建立DBN的温度预报模型,对精轧后温度进行预测;其次对预报温度与实际温度的差值进行EEMD... 为了减少轧制过程温度测量不准引发的钢产品质量问题,该文采用DBN网络和EEMD模态分析相结合的方法,建立精轧后测温传感器故障诊断与分类模型。首先建立DBN的温度预报模型,对精轧后温度进行预测;其次对预报温度与实际温度的差值进行EEMD特征提取;最后,构建DBN故障诊断与分类模型,用方差、方差百分比、能量、能量百分比方法分别或者联合的方法构建特征向量集,并将这些向量集作为故障模型的输入,对正常情况、漂移、精度下降、冲击、固定偏差等故障进行诊断与分类。以六架精轧机组的带钢生产为例进行仿真实验,结果表明,建立的模型具有很好的故障诊断与分类能力。 展开更多
关键词 故障诊断与分类 精轧 温度传感器 深度信念网络 集合经验模态分解
下载PDF
基于深度置信网络的微电网分级优化重构 被引量：2
17
作者 周伟豪 林加阳 +2 位作者 易永利 吴堃铭 陈民铀 《南方电网技术》 CSCD 北大核心 2021年第9期35-44,共10页
微电网发生故障时需要进行网络重构。为了提高微电网重构的效率,提出了一种基于深度置信网络(deep belief networks,DBN)的微电网分级优化重构方法。该方法将DBN引入到分级优化算法中,将网络重构过程中不涉及潮流计算的寻优过程放在第... 微电网发生故障时需要进行网络重构。为了提高微电网重构的效率,提出了一种基于深度置信网络(deep belief networks,DBN)的微电网分级优化重构方法。该方法将DBN引入到分级优化算法中,将网络重构过程中不涉及潮流计算的寻优过程放在第一级处理,在第二级优化过程中使用训练好的DBN,直接输出网损、平衡节点功率和电压结果,节省计算时间;另外还提出一种综合评估方法,对于DBN的输出结果,决策者可以根据层次分析法(AHP)改变综合评估函数中不同指标的权值系数,从而得到不同的重构方案,实现决策的多样化。最后,在MATLAB中搭建改进的IEEE 33节点微电网系统进行仿真实验,通过对比所提算法和在线计算潮流的分级优化算法,结果表明所提算法可以得到相同的重构方案,但是计算时间仅为在线计算潮流方法的七十分之一,此外,根据本文设定的综合评估方法,仿真结果表明当对输出结果有不同的侧重点时,可以得到不同的重构方案,从而实现重构结果综合最优。 展开更多
关键词 微电网 网络重构 分级优化 深度置信网络
下载PDF
采用深度置信网络的恐怖袭击事件量化分级研究 被引量：1
18
作者 赵芸 赵敏 《软件导刊》 2019年第7期173-176,共4页
恐怖袭击不但会造成大量人员伤亡和财产损失,还会造成群众恐慌,对社会稳定有很大影响。旨在从数据分析角度,依据相关数据对恐怖袭击中蕴藏的信息加以分析,为防恐反恐提供有用信息。针对基于危害的恐怖袭击事件分级,根据GTD上1998-2017... 恐怖袭击不但会造成大量人员伤亡和财产损失,还会造成群众恐慌,对社会稳定有很大影响。旨在从数据分析角度,依据相关数据对恐怖袭击中蕴藏的信息加以分析,为防恐反恐提供有用信息。针对基于危害的恐怖袭击事件分级,根据GTD上1998-2017年数据信息进行数据提取,考虑到很多变量大面积缺失数据,首先对这些变量的重要性作简易评估并进行删减,然后对数据进行清洗和补充,最后根据特征提取和降维后的数据,分出事件对应的恐怖袭击级别。结果表明,深度学习中的深度置信网络(DBN)可以用于提取和减少预处理数据,且DBN可自动实现上述功能,无需太多人为干预。 展开更多
关键词 数据处理 恐怖袭击 深度置信网络(dbn) 特征提取 降维
下载PDF
基于DBN模型的火山岩岩性识别方法——以车排子地区为例 被引量：1
19
作者 赵军 王伟明 +1 位作者 杨志冬 张梦露 《地球物理学进展》 CSCD 北大核心 2022年第1期328-337,共10页
准噶尔盆地西北缘红车断裂带石炭系火山岩储层历经火山多期喷发形成,岩石矿物组成与岩石结构复杂、岩石类型繁多,导致常规方法识别岩性存在困难.为了能提高火山岩岩性识别精度,提出一种基于深度置信网络(DBN)识别岩性的方法.本文通过对... 准噶尔盆地西北缘红车断裂带石炭系火山岩储层历经火山多期喷发形成,岩石矿物组成与岩石结构复杂、岩石类型繁多,导致常规方法识别岩性存在困难.为了能提高火山岩岩性识别精度,提出一种基于深度置信网络(DBN)识别岩性的方法.本文通过对薄片鉴定资料、岩心观察资料及测井数据统计分析,根据火山岩类型总结的测井响应特征绘制交会图,发现其识别火山岩岩性效果较差.在此基础上,优选反映岩性变化的5种常规测井敏感曲线(GR、CNL、DEN、AC、RT)作为特征向量,建立岩性识别总样本数据.其中选取80%的数据样本点作为构建DBN模型的训练样本,剩下的20%数据样本点作为测试样本验证该模型的预测精度.实验结果表明,利用深度置信网络(DBN)识别火山岩岩性的方法预测正确率可达到85.9%.与常规交会图、Fisher判别模型及BP神经网络模型相比,基于DBN模型的岩性识别方法效果更好,能为研究区火山岩岩性识别提供一定借鉴. 展开更多
关键词 火山岩储层 岩性识别 常规测井资料 交会图 深度置信网络(dbn)
原文传递
基于深度置信网络的维吾尔语人称代词待消解项识别 被引量：1
20
作者 秦越 禹龙 +2 位作者 田生伟 赵建国 冯冠军 《计算机科学》 CSCD 北大核心 2017年第10期228-233,共6页
针对维吾尔语人称代词指代消解研究忽略了待消解项识别而引入了噪声的问题,提出一种基于深度置信网络(Deep Belief Networks,DBN)的维吾尔语人称代词待消解项识别方法。在分析维吾尔语人称代词语法特征和语言规则的基础上,总结出包含10... 针对维吾尔语人称代词指代消解研究忽略了待消解项识别而引入了噪声的问题,提出一种基于深度置信网络(Deep Belief Networks,DBN)的维吾尔语人称代词待消解项识别方法。在分析维吾尔语人称代词语法特征和语言规则的基础上,总结出包含10项特征的维吾尔语人称代词待消解项特征集。所提方法首先通过逐层贪婪地训练每一层受限玻尔兹曼机(Restricted Boltzmann Machine,RBM)网络,来保证特征向量映射到不同的特征空间,尽可能多地保留特征信息;并在最后一层设置BP网络,对RBM输出的特征向量进行分类,以有监督的方式训练整个网络并进行微调。实验结果表明,所提方法正确识别维吾尔语人称代词待消解项的准确率达到95.17%,比SVM算法提高了9%,从而验证了其有效性和可行性。 展开更多
关键词 深度置信网络(dbn) 待消解项识别 维吾尔语 特征提取
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 … 9 下一页 到第 页
使用帮助 返回顶部