基于链路聚合控制协议的堆叠网络设计与应用 被引量：3

1

作者 宁娟 邱逸昌 +2 位作者 邵静怡 刘高同 王宇 《航天器环境工程》 2016年第6期664-667,共4页

文章介绍了国内最大卧式空间环境模拟器KM7A的系统网络架构,在该网络中应用了堆叠网络以及链路聚合控制协议(LACP),通过链路聚合控制协议对所有关键设备进行链路绑定,实现了关键设备和数据链路的冗余,大大缩短了主/备试验网络数据链路... 文章介绍了国内最大卧式空间环境模拟器KM7A的系统网络架构,在该网络中应用了堆叠网络以及链路聚合控制协议(LACP),通过链路聚合控制协议对所有关键设备进行链路绑定,实现了关键设备和数据链路的冗余,大大缩短了主/备试验网络数据链路的切换时间,避免了单链路失效,提升了数据传输链路的稳定性和故障容错性。 展开更多

关键词 堆叠网络 链路聚合控制协议 空间环境模拟器

下载PDF 职称材料

基于非线性堆叠双向网络的端到端声纹识别

2

作者 王芷悦 崔琳 《计算机与现代化》 2022年第3期13-17,共5页

传统声纹识别方法过程繁琐且识别率低,现有的深度学习方法所使用的神经网络对语音信号没有针对性从而导致识别精度不够。针对上述问题,本文提出一种基于非线性堆叠双向LSTM的端到端声纹识别方法。首先,对原始语音文件提取出Fbank特征用... 传统声纹识别方法过程繁琐且识别率低,现有的深度学习方法所使用的神经网络对语音信号没有针对性从而导致识别精度不够。针对上述问题,本文提出一种基于非线性堆叠双向LSTM的端到端声纹识别方法。首先,对原始语音文件提取出Fbank特征用于网络模型的输入。然后,针对语音信号连续且前后关联性强的特点,构建双向长短时记忆网络处理语音数据提取深度特征,为进一步增强网络的非线性表达能力,利用堆叠多层双向LSTM层和多层非线性层实现对语音信号更深层次抽象特征的提取。最后,使用SGD优化器优化训练方式。实验结果表明提出的方法能够充分利用语音序列信号特征,具有较强的时序全面性和非线性表达能力,所构造模型整体性强,比GRU和LSTM等模型具有更好的识别效果。 展开更多

关键词 声纹识别 端到端 时序特征 长短时记忆 堆叠网络 非线性

下载PDF 职称材料

深度学习的研究进展与发展 被引量：49

3

作者 史加荣 马媛媛 《计算机工程与应用》 CSCD 北大核心 2018年第10期1-10,共10页

深度学习是基于数据表示的一类更广的机器学习方法,它的出现不仅推动了机器学习的发展,而且促进了人工智能的革新。对深度学习的几种典型模型进行研究与对比。首先介绍受限玻尔兹曼机、深度置信网络、自编码器等无监督学习模型,对其结... 深度学习是基于数据表示的一类更广的机器学习方法,它的出现不仅推动了机器学习的发展,而且促进了人工智能的革新。对深度学习的几种典型模型进行研究与对比。首先介绍受限玻尔兹曼机、深度置信网络、自编码器等无监督学习模型,对其结构、原理和优缺点进行了详细探讨。讨论卷积神经网络、循环神经网络和深度堆叠网络等监督学习模型,分别从模型架构和工作原理来评价与分析。对深度学习的典型模型进行对比分析,将深度置信网络和卷积神经网络应用在手写体数字识别任务中,结果证实深度学习比传统的神经网络具有更好的识别性能。最后探讨深度学习未来的发展与挑战。 展开更多

关键词 深度学习 卷积神经网络 深度置信网络 自编码器 循环神经网络 深度堆叠网络

下载PDF 职称材料

深层神经网络中间层可见化建模 被引量：16

4

作者 高莹莹 朱维彬 《自动化学报》 EI CSCD 北大核心 2015年第9期1627-1637,共11页

深层神经网络的中间层是隐含的、未知的,这使得深层网络的学习过程不可追踪,学习结果无法解释,在一定程度上制约了深度学习的发展.本文通过引入先验知识使深层网络的中间层具有明确的含义与显性的影响关系,即中间层可见化,从而部分人工... 深层神经网络的中间层是隐含的、未知的,这使得深层网络的学习过程不可追踪,学习结果无法解释,在一定程度上制约了深度学习的发展.本文通过引入先验知识使深层网络的中间层具有明确的含义与显性的影响关系,即中间层可见化,从而部分人工干预深层网络的内部结构,约束网络学习的方向.基于深层堆叠网络(Deep stacking network,DSN),提出两种中间层部分可见的深层神经网络:输入层部分可见的深层堆叠网络(Input-layer visible DSN,IVDSN)和隐含层部分可见的深层堆叠网络(Hidden-layer visible DSN,HVDSN),部分可见是为了保留对未知信息的提取能力和一定的容错能力.以基于文本的言语情感计算为例测试所提网络的有效性,结果表明先验知识的引入有助于提升深层神经网络的性能;所提两种网络均可实现中间层的部分可见化,其中HVDSN结构更精简,性能也更优. 展开更多

关键词 深层神经网络 深层堆叠网络 中间层可见化 言语情感计算

下载PDF 职称材料

基于半监督学习的脑电信号特征提取及识别 被引量：3

5

作者 张娜 唐贤伦 刘庆 《四川大学学报（工程科学版）》 CSCD 北大核心 2017年第S2期230-237,共8页

针对有监督学习容易造成未标记样本的浪费和手动特征提取容易导致信息丢失的问题,提出一种基于深层堆叠网络(DSN)的半监督特征学习方法。该方法将受限玻尔兹曼机(RBM)的无监督学习与基于批量模式的梯度下降算法相结合,包括预训练和微调... 针对有监督学习容易造成未标记样本的浪费和手动特征提取容易导致信息丢失的问题,提出一种基于深层堆叠网络(DSN)的半监督特征学习方法。该方法将受限玻尔兹曼机(RBM)的无监督学习与基于批量模式的梯度下降算法相结合,包括预训练和微调两个阶段。首先,采用对比散度(CD)训练算法对多个RBM进行并行的无监督训练,实现对各个通道脑电信号的独立特征提取,避免各通道脑电信号之间的相互干扰。然后,将训练得到的参数用于DSN的输入权值初始化,再采用基于批量模式的梯度下降法对网络进行监督微调,对多个通道的脑电信号进行有效的特征融合,减小特征信息丢失。最后,将所提方法用于运动想象脑电信号特征的提取及识别。实验结果表明本文方法能够充分利用未标记样本中的隐含信息,有效提取脑电信号特征,识别结果优于共同空间模式(CSP)和深度信念网络(DBN)等算法,该方法可用于提高脑-机接口(BCI)系统中脑电信号的识别正确率。 展开更多

关键词 深层堆叠网络 半监督学习 受限玻尔兹曼机 特征提取 脑电信号识别

下载PDF 职称材料

堆叠自编码网络性能优化及其在滚动轴承故障诊断中的应用 被引量：31

6

作者 张西宁 向宙 +1 位作者 夏心锐 李立帆 《西安交通大学学报》 EI CAS CSCD 北大核心 2018年第10期49-56,87,共9页

为了解决堆叠自编码网络在参数较多时的梯度弥散问题,对网络每层的编码值进行了统计分析,发现大部分分布于激活函数的饱和区,这直接导致了神经元权值梯度的消失。为此,引入了一种标准化策略,将神经元按照样本进行归一化,然后引入两个待... 为了解决堆叠自编码网络在参数较多时的梯度弥散问题,对网络每层的编码值进行了统计分析,发现大部分分布于激活函数的饱和区,这直接导致了神经元权值梯度的消失。为此,引入了一种标准化策略,将神经元按照样本进行归一化,然后引入两个待学习参数进行缩放和平移,最后通过激活函数输出到下一级神经元。运用带标准化的堆叠自编码网络进行滚动轴承故障诊断,将振动信号的频谱输入到网络中。与普通堆叠自编码网络相比,该标准化策略可有效地使网络编码值均匀分布,如将第一层编码值的熵从0.88bit提高到了16.29bit。带标准化的堆叠自编码网络可有效提高网络的抗噪能力和训练速度:在凯斯西储大学滚动轴承数据集上,当人为添加噪声信号的信噪比为0dB时,识别正确率从16.18%提高到了100%;在实验室实测数据集上,不仅训练时间下降了37.22%,而且识别正确率从97.93%提高到了99.95%。对网络的编码值进行分析以及引入的标准化策略,可为科研技术人员构建堆叠自编码网络时提供参考,也为滚动轴承故障诊断提供了一种策略。 展开更多

关键词 故障诊断 堆叠自编码网络 标准化 滚动轴承

下载PDF 职称材料

基于改进堆叠自编码网络的电站辅机故障预警 被引量：15

7

作者 李晓彬 牛玉广 +2 位作者 葛维春 罗桓桓 周桂平 《仪器仪表学报》 EI CAS CSCD 北大核心 2019年第6期39-47,共9页

为了提高对辅机故障的事前预知能力,结合深度学习中非监督学习方法的优势,提出基于改进堆叠自编码网络的电站辅机故障预警方法。该方法以辅机的历史正常数据为训练集,利用堆叠自编码(SAE)网络的非线性表达能力表示辅机各变量之间的关系... 为了提高对辅机故障的事前预知能力,结合深度学习中非监督学习方法的优势,提出基于改进堆叠自编码网络的电站辅机故障预警方法。该方法以辅机的历史正常数据为训练集,利用堆叠自编码(SAE)网络的非线性表达能力表示辅机各变量之间的关系,同时引入批标准化(BN)算法优化网络性能。对于输入的观测向量,SAE网络给出相应的重构向量。构造基于融合距离的相似度表示观测向量与重构向量间的偏差,当辅机开始偏离正常状态时,观测值与重构值偏差增大,相似度下降至预警阈值即表明设备出现故障。分别利用某热电机组中速磨煤机的正常数据与故障数据进行测试与验证,结果显示引入BN算法的SAE网络具有更低的重构误差,同时能够在磨煤机跳闸前做出预警,表明该方法可对辅机故障进行有效预警,具有一定的工程应用价值。 展开更多

关键词 堆叠自编码网络 批标准化 网络性能优化 电站辅机 故障预警

下载PDF 职称材料

利用改进生成对抗网络进行人体姿态识别 被引量：12

8

作者 吴春梅 胡军浩 尹江华 《计算机工程与应用》 CSCD 北大核心 2020年第8期96-103,共8页

针对人体模型中某些重要关节点准确定位的问题,提出了一种新型深度卷积生成对抗网络以进行静态图像中人体姿态的估计的方法。该方法采用了深度卷积的堆叠沙漏网络来准确提取图像上关键关节点的位置,该网络的生成和辨别部分被设计用于编... 针对人体模型中某些重要关节点准确定位的问题,提出了一种新型深度卷积生成对抗网络以进行静态图像中人体姿态的估计的方法。该方法采用了深度卷积的堆叠沙漏网络来准确提取图像上关键关节点的位置,该网络的生成和辨别部分被设计用于编码第一层次结构(亲本)与第二层次结构(子本)中的空间关系,并且展示了人体部位的空间层次。生成器和判别器在网络中被设计为两部分,并按照顺序连接在一起用来编码外观可能的关系,同时为人体部位存在的可能性以及身体的每个部分与其亲本部分之间的关系进行编码。在静态图像中,可以较准确地识别人体模型关键节点以及大致人体姿态。该方法在不同的数据集上进行了实验,在大部分情况下,提出的方法获得的结果优于其他几种对比方法。 展开更多

关键词 卷积神经网络 生成对抗网络(GAN) 人体姿态识别 堆叠沙漏网络 层次感知

下载PDF 职称材料

基于堆叠LSTM的多源矿压预测模型分析 被引量：7

9

作者 贾澎涛 苗云风 《矿业研究与开发》 CAS 北大核心 2021年第8期79-82,共4页

矿压失衡引起的顶板事故是煤矿重大灾害之一,矿压的精准预测对保证煤层的安全开采具有重要意义。为提高矿压的预测精度,提出了一种基于堆叠LSTM的多源矿压预测模型。首先,采用灰色关联度对煤矿工作面多源矿压进行分析排序并进行数据预处... 矿压失衡引起的顶板事故是煤矿重大灾害之一,矿压的精准预测对保证煤层的安全开采具有重要意义。为提高矿压的预测精度,提出了一种基于堆叠LSTM的多源矿压预测模型。首先,采用灰色关联度对煤矿工作面多源矿压进行分析排序并进行数据预处理;其次,采用堆叠式网络结构,确定每一个LSTM层的隐藏节点数、迭代次数等参数;最后,采用Adam优化算法对模型进行优化,从而对工作面矿压进行预测。采用均方根误差作为评价指标对预测模型性能进行评估,实验结果表明:相较于BP模型,堆叠LSTM多源矿压预测模型在训练集和测试集上RMSE分别减少了49.15%和51.26%;相较于LSTM,分别减少了45.37%和46.61%;相较于GRU,分别减少了44.66%和45.89%。因此,堆叠LSTM多源矿压预测模型在工作面矿压预测方面具有更高的精确性。 展开更多

关键词 深度学习 堆叠式网络 长短时记忆网络 多源矿压

原文传递

YOLOv3剪枝模型的多人姿态估计 被引量：7

10

作者 蔡哲栋 应娜 +2 位作者 郭春生 郭锐 杨鹏 《中国图象图形学报》 CSCD 北大核心 2021年第4期837-846,共10页

目的为了解决复杂环境中多人姿态估计存在的定位和识别等问题,提高多人姿态估计的准确率,减少算法存在的大量冗余参数,提高姿态估计的运行速率,提出了基于批量归一化层(batch normalization, BN)通道剪枝的多人姿态估计算法(YOLOv3 prun... 目的为了解决复杂环境中多人姿态估计存在的定位和识别等问题,提高多人姿态估计的准确率,减少算法存在的大量冗余参数,提高姿态估计的运行速率,提出了基于批量归一化层(batch normalization, BN)通道剪枝的多人姿态估计算法(YOLOv3 prune pose estimator, YLPPE)。方法以目标检测算法YOLOv3(you only look once v3)和堆叠沙漏网络(stacked hourglass network, SHN)算法为基础,通过重叠度K-means算法修改YOLOv3网络锚框以更适应行人目标检测,并训练得到Trimming-YOLOv3网络;利用批量归一化层的缩放因子对Trimming-YOLOv3网络进行循环迭代式通道剪枝,设置剪枝阈值与缩放因子,实现较为有效的模型剪枝效果,训练得到Trim-PruneYOLOv3网络;为了结合单人姿态估计网络,重定义图像尺寸为256×256像素(非正方形图像通过补零实现);再级联4个Hourglass子网络得到堆叠沙漏网络,从而提升整体姿态估计精度。结果利用斯坦福大学的MPII数据集(MPII human pose dataset)进行实验验证,本文算法对姿态估计的准确率达到了83.9%;同时,时间复杂度为O(n2),模型参数量与未剪枝原始YOLOv3相比下降42.9%。结论结合YOLOv3剪枝算法的多人姿态估计方法可以有效减少复杂环境对人体姿态估计的负面影响,实现复杂环境下的多人姿态估计并提高估计精度,有效减少模型冗余参数,提高算法的整体运行速率,能够实现较为准确的多人姿态估计,并具有较好的鲁棒性和泛化能力。 展开更多

关键词 目标检测 多人姿态估计 模型剪枝 YOLOv3 堆叠沙漏网络 MPII数据集

原文传递

中文电子病历命名实体识别方法研究

11

作者 陈婕卿 竹志超 +3 位作者 张锋 曾可 姜会珍 程振宁 《医学信息学杂志》 CAS 2024年第4期78-84,共7页

目的/意义探索基于中文电子病历的命名实体识别方法在构建医学知识图谱和相关应用推广方面的技术可行性。方法/过程采用真实医疗电子病历数据对词嵌入表示模型进行精化,构建医学术语专有嵌入表示,并利用卷积神经网络等多模型提取局部语... 目的/意义探索基于中文电子病历的命名实体识别方法在构建医学知识图谱和相关应用推广方面的技术可行性。方法/过程采用真实医疗电子病历数据对词嵌入表示模型进行精化,构建医学术语专有嵌入表示,并利用卷积神经网络等多模型提取局部语义特征,实现基于堆叠注意网络的中文医疗命名实体识别。结果/结论堆叠注意网络模型F1值达到91.5%,较其他模型具备更强的医疗命名实体识别性能。进一步解决中文医疗命名实体识别难点,在实现全局语义特征全面深入提取的同时降低时间成本。 展开更多

关键词 电子病历 命名实体识别 堆叠注意网络

下载PDF 职称材料

基于注意力机制改进的多人姿态估计网络研究

12

作者 底家治 王奔 《杭州师范大学学报（自然科学版）》 CAS 2024年第3期248-254,264,共8页

为解决多人姿态估计中小尺度关节点定位准确率低的问题,采用自顶向下的方法,结合人体目标检测模型YOLOv4-tiny,提出一种基于堆叠沙漏网络改进的多人姿态估计网络.该网络包含人体目标检测器和人体姿态估计算法,通过在沙漏网络原始残差模... 为解决多人姿态估计中小尺度关节点定位准确率低的问题,采用自顶向下的方法,结合人体目标检测模型YOLOv4-tiny,提出一种基于堆叠沙漏网络改进的多人姿态估计网络.该网络包含人体目标检测器和人体姿态估计算法,通过在沙漏网络原始残差模块中融入坐标注意力机制进行特征增强,抑制无用特征的同时增强有用特征,从而提高对人体中小尺度关节点的识别准确率.实验结果表明,该模型在COCO数据集上获得了64.9%的平均准确率,在MPII数据集上正确关键点的比例达88.8%,验证了网络的有效性. 展开更多

关键词 人体姿态估计 人体目标检测 注意力机制 堆叠沙漏网络

下载PDF 职称材料

基于改进堆叠沙漏网络的动物姿态估计 被引量：2

13

作者 张雯雯 徐杨 +1 位作者 白芮 陈娜 《计算机工程》 CAS CSCD 北大核心 2023年第2期263-270,共8页

堆叠沙漏网络在动物姿态估计任务中得到成功应用,但其编码-解码过程容易丢失网络的浅层信息,影响了检测精度。针对该问题,提出基于改进堆叠沙漏网络的动物姿态估计模型。设计一种基于SE注意力机制的多尺度最大池化模块,完成多尺度信息... 堆叠沙漏网络在动物姿态估计任务中得到成功应用,但其编码-解码过程容易丢失网络的浅层信息,影响了检测精度。针对该问题,提出基于改进堆叠沙漏网络的动物姿态估计模型。设计一种基于SE注意力机制的多尺度最大池化模块,完成多尺度信息的提取,解决池化后信息大量丢失的问题,提高网络获取全局信息的能力,同时提出多级特征融合方法,充分提取和融合特征信息。在此基础上,嵌入CBAM注意力机制,学习特征融合权重,提升网络对多通道信息的提取能力,抑制无效特征,使网络提取出更丰富、细腻的特征。在TigDog数据集和合成动物数据集上进行训练和测试,结果表明,该模型估计性能优于Syn、BDL、CyCADA和CC-SSL模型,其对于马和老虎的PCK@0.05指标较次优的CC-SSL模型分别提高4.6%和3.5%。消融实验结果也验证了整个网络体系结构的先进性和有效性。 展开更多

关键词 动物姿态估计 堆叠沙漏网络 多尺度信息提取 注意力机制 特征融合

下载PDF 职称材料

面向太极拳学习的人体姿态估计及相似度计算 被引量：5

14

作者 蔡兴泉 霍宇晴 +1 位作者 李发建 孙海燕 《图学学报》 CSCD 北大核心 2022年第4期695-706,共12页

针对当前线上太极拳学习自然交互性差、缺乏学习反馈等问题,提出一种面向太极拳学习的人体姿态估计及相似度计算方法。首先,输入太极拳视频,利用帧间差分法提取关键帧图像;然后,利用堆叠沙漏网络模型对关键帧图像进行二维关节点检测;接... 针对当前线上太极拳学习自然交互性差、缺乏学习反馈等问题,提出一种面向太极拳学习的人体姿态估计及相似度计算方法。首先,输入太极拳视频,利用帧间差分法提取关键帧图像;然后,利用堆叠沙漏网络模型对关键帧图像进行二维关节点检测;接着,使用长短期记忆(LSTM)网络结合Sequence-to-Sequence网络模型对检测到的二维关节点序列进行二维到三维的映射,预测三维关节点的位置坐标;最后对估计的人体姿态进行二维和三维余弦相似度计算。利用该方法设计并开发了一款相关设备简便、用户体验感强的太极拳学习与反馈应用系统,并在实际中应用。该系统可以检测太极拳学员的整体动作及各肢体段动作是否标准,并给出反馈,学员可以根据反馈结果练习和改善不标准动作,达到提升学习效果的目的。 展开更多

关键词 太极拳学习 人体姿态估计 帧间差分 堆叠沙漏网络 余弦相似度

下载PDF 职称材料

基于注意力机制的堆叠LSTM心电预测算法 被引量：2

15

作者 谭庆康 潘沛生 《计算机技术与发展》 2023年第1期62-67,共6页

心电信号的处理一直是一个热门的研究领域,针对日趋增长的心电数据分析需求,国内的研究大多停留在分类处理阶段,对心电异常的预测相对较少。而心电异常的提前预警对预防接下来可能出现的危险极为重要,因此,提出了一种新的心电预测算法... 心电信号的处理一直是一个热门的研究领域,针对日趋增长的心电数据分析需求,国内的研究大多停留在分类处理阶段,对心电异常的预测相对较少。而心电异常的提前预警对预防接下来可能出现的危险极为重要,因此,提出了一种新的心电预测算法。首先,对原始数据进行小波变换处理,经过预处理后的数据能够更好地从中提取特征进行学习。将处理后的信号输入训练模型,在训练过程中采用两个LSTM网络结构,构成一种堆叠的循环神经网络模型。输出的信号再通过注意力机制,加强重点关注区域后经由全连接层输出结果。模型采用预测准确率作为衡量模型性能的指标,并在MIT-BIH数据集上进行了测试。经过实验数据的对比,该模型在此数据集上最终预测准确率为97.7%,与传统堆叠LSTM网络相比,提升了1.3百分点;与加入注意力机制的单层LSTM网络相比,提升了0.9百分点。结果表明,该模型有效地提高了预测的准确率,充分证明了其优越性。 展开更多

关键词 堆叠式LSTM网络 注意力机制 心律失常 心电预测 深度学习

下载PDF 职称材料

基于RF-SA-SDCNN的涡扇发动机剩余寿命预测

16

作者 肖亮 曾云 《农业装备与车辆工程》 2024年第3期153-158,共6页

针对涡扇发动机现阶段预测精确度低的问题,提出了一种基于RF-SA-SDCNN相融合的涡扇发动机剩余寿命预测方法。首先,将多传感器长序列数据进行指数平滑和归一化处理,以减少由于量纲、取值范围不同和噪声波动引起的误差,并利用随机森林算... 针对涡扇发动机现阶段预测精确度低的问题,提出了一种基于RF-SA-SDCNN相融合的涡扇发动机剩余寿命预测方法。首先,将多传感器长序列数据进行指数平滑和归一化处理,以减少由于量纲、取值范围不同和噪声波动引起的误差,并利用随机森林算法对多元传感器信号进行重要性特征提取;然后,搭建基于随机森林算法和自注意机制与堆叠膨胀卷积神经网络相结合的预测模型,自注意机制通过对特征赋予不同权重分配加强贡献度,堆叠膨胀卷积通过扩大模型感受野提取时序特征用于回归分析,并利用GridSearch优化算法和StratifiedKFold交叉验证方法优化模型提升模型预测精度;最后,采用CMAPSS数据集验证验证所提方法的有效性。结果表明,所提方法可有效提高涡扇发动机剩余寿命预测精度。 展开更多

关键词 随机森林算法 自注意机制 堆叠神经网络 GridSearch K折交叉验证 指数平滑

下载PDF 职称材料

核电站智能故障预警与诊断方案研究 被引量：1

17

作者 王梦月 李鸣谦 万欣 《自动化仪表》 CAS 2023年第2期65-68,共4页

为了解决核电站故障识别难度高、工作量大的问题,从核电站对故障预警和诊断的功能需求出发,通过分析多种智能算法和核电站应用场景的适配性,提出了基于卷积神经网络(CNN)、堆叠自编码(SAE)网络、故障树分析(FTA)等先进技术的核电站智能... 为了解决核电站故障识别难度高、工作量大的问题,从核电站对故障预警和诊断的功能需求出发,通过分析多种智能算法和核电站应用场景的适配性,提出了基于卷积神经网络(CNN)、堆叠自编码(SAE)网络、故障树分析(FTA)等先进技术的核电站智能故障预警和诊断功能模块设计方案。该方案将提升核电站智能化水平,实现智能化、自动化的故障监视和诊断,为运行人员提供决策支持,减轻运行人员工作负担,提高故障处理的安全性和时效性。 展开更多

关键词 核电站 故障预警 故障诊断 卷积神经网络 堆叠自编码网络 故障树分析

下载PDF 职称材料

有条件生成对抗网络的IVUS图像内膜与中-外膜边界检测 被引量：4

18

作者 袁绍锋 杨丰 +3 位作者 徐琳 吴洋洋 黄靖 刘娅琴 《中国生物医学工程学报》 CAS CSCD 北大核心 2019年第2期146-156,共11页

针对血管内超声(IVUS)图像中各类斑块、超声阴影和血管分支等造成内膜(LU)与中-外膜(MA)边界难以准确检测的问题,提出一种结合堆叠沙漏网络(SHGN)和有条件生成对抗网络(C-GAN)的IVUS内膜与中-外膜检测的改进方法。首先根据血管形态特点... 针对血管内超声(IVUS)图像中各类斑块、超声阴影和血管分支等造成内膜(LU)与中-外膜(MA)边界难以准确检测的问题,提出一种结合堆叠沙漏网络(SHGN)和有条件生成对抗网络(C-GAN)的IVUS内膜与中-外膜检测的改进方法。首先根据血管形态特点,使用旋转、缩放和Gamma变换等方法将图像训练集扩充57倍,降低网络训练过拟合风险;然后利用对抗训练思想,构建基于L1、L2重建损失的联合损失函数,学习超声图像与其对应分割图像的映射关系,将IVUS图像分割为3种不同区域:血管外周组织、斑块区域和内腔区域;最后在图像分割结果上,采用阈值处理方法,检测最终的内膜与中-外膜边界。采用国际标准IVUS图像数据集(10位病人435幅)评价所提出的算法。实验量化评价结果为:内膜计算面积交并比(JM) 93%,面积差异百分比(PAD) 3%,Hausdorff距离(HD) 0.19 mm;中-外膜JM 95%,PAD 3%,HD 0.16 mm。这些指标满足临床诊断要求,性能优于现有的、近年较好的9种算法,以及Pix2Pix模型。在临床实践应用分析中,利用南部战区总医院心血管内科所收集的100幅IVUS图像进行检验,取得较好的分割结果。这表明该方法具有较好的跨数据集泛化性能。 展开更多

关键词 血管内超声 内膜与中-外膜边界检测 有条件生成对抗网络 堆叠沙漏网络 深度学习

下载PDF 职称材料

基于改进沙漏网络的人体姿态估计方法

19

作者 黄子健 方宇 +3 位作者 杨蕴杰 张伯强 魏旋旋 杨皓 《智能计算机与应用》 2023年第2期145-149,共5页

近年来人体姿态估计已成为计算机视觉领域的热门研究方向,堆叠沙漏网络是人体姿态估计领域中最具代表性的研究成果之一,但该网络对于图像细节特征的提取能力较差。为增强网络对细节特征的处理能力,本文提出了基于改进沙漏网络的人体姿... 近年来人体姿态估计已成为计算机视觉领域的热门研究方向,堆叠沙漏网络是人体姿态估计领域中最具代表性的研究成果之一,但该网络对于图像细节特征的提取能力较差。为增强网络对细节特征的处理能力,本文提出了基于改进沙漏网络的人体姿态估计模型。该模型使用ResNet50提取高质量的图像底层特征,用步长为2的3×3卷积核代替maxpooling进行下采样,最大程度保留原有图像信息;考虑到不同分辨率下的特征丰富度具有一定差异性,使用不同的残差模块对不同分辨率的feature map进行处理,增强网络对特征的学习能力;最后使用反卷积最大化还原原始图像的局部特征。实验结果显示,本文模型在COCO测试集上的平均精度达到74.1%,比堆叠沙漏网络高出4.7%,检测精度有较大提升。 展开更多

关键词 堆叠沙漏网络 姿态估计 残差模块 反卷积

下载PDF 职称材料

基于SAE-SA-1D-CNN-BGRU的涡扇发动机剩余寿命预测

20

作者 聂磊 蔡文涛 +3 位作者 张吕凡 徐诗奕 吴柔慧 任一竹 《航空发动机》 北大核心 2023年第4期134-139,共6页

为解决涡扇发动机监测数据维度高和寿命预测准确度低的问题,提出一种基于深度学习的寿命预测方法,开展了利用神经网络获取涡扇发动机剩余寿命的研究。利用堆叠自编码(SAE)网络从高维传感器数据中提取健康因子(HI),采用1维卷积神经网络-... 为解决涡扇发动机监测数据维度高和寿命预测准确度低的问题,提出一种基于深度学习的寿命预测方法,开展了利用神经网络获取涡扇发动机剩余寿命的研究。利用堆叠自编码(SAE)网络从高维传感器数据中提取健康因子(HI),采用1维卷积神经网络-双向门控循环单元(1D-CNN-BGRU)方法捕捉HI序列中的空间和时间特征,并引入自注意(SA)机制对捕捉的特征分配权重,使用全连接层输出涡扇发动机剩余使用寿命(RUL),以此构建复合神经网络进行面向涡扇发动机高维数据的寿命预测。结果表明:利用NASA官方网站提供的涡扇发动机寿命试验公开数据集C-MAPSS对该方法进行验证,取得了均方根误差16.22和评分函数225的结果。证明了基于SAE-SA-1D-CNN-BGRU的寿命预测方法可实现涡扇发动机寿命的有效预测,能为涡扇发动机维修保障及健康管理提供有效决策支撑。 展开更多

关键词 剩余使用寿命 堆叠自编码网络 1维卷积神经网络 双向门控循环单元 涡扇发动机 智能运维 深度学习

下载PDF 职称材料