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4篇文章
< 1 >
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：
基于平衡生成对抗网络的海洋气象传感网入侵检测研究 被引量：1
1
作者 苏新 张桂福 +1 位作者 行鸿彦 Zenghui Wang 《通信学报》 EI CSCD 北大核心 2023年第4期124-136,共13页
针对海洋气象传感网(MMSN)环境下海洋移动终端资源受限和网络流量不平衡导致网络入侵难以被准确检测的问题,提出了一种基于移动边缘计算的MMSN物理架构和一种基于平衡生成对抗网络的入侵检测模型。首先,利用改进的平衡生成对抗网络对不... 针对海洋气象传感网(MMSN)环境下海洋移动终端资源受限和网络流量不平衡导致网络入侵难以被准确检测的问题,提出了一种基于移动边缘计算的MMSN物理架构和一种基于平衡生成对抗网络的入侵检测模型。首先,利用改进的平衡生成对抗网络对不平衡数据进行数据增强。其次,利用基于分组卷积的轻量级网络对入侵数据进行分类。最后,通过计算机仿真证明了所提模型较传统数据增强模型具有更高识别各类攻击的能力,尤其是针对MMSN的少数类样本攻击。 展开更多
关键词 海洋气象传感网 入侵检测 移动边缘计算 平衡生成对抗网络 分组卷积
下载PDF
基于辅助分类–边界平衡生成式对抗网络的局部放电数据增强与多源放电识别 被引量：16
2
作者 朱永利 张翼 +1 位作者 蔡炜豪 高盎然 《中国电机工程学报》 EI CSCD 北大核心 2021年第14期5044-5053,共10页
为解决局部放电(partial discharge,PD)源诊断中放电样本的不平衡问题,并克服传统多源放电诊断方法对脉冲聚类分离效果的依赖,该文提出基于辅助分类–边界平衡生成式对抗网络(boundary equilibrium generative adversarial network with... 为解决局部放电(partial discharge,PD)源诊断中放电样本的不平衡问题,并克服传统多源放电诊断方法对脉冲聚类分离效果的依赖,该文提出基于辅助分类–边界平衡生成式对抗网络(boundary equilibrium generative adversarial network with auxiliary classifier,AC-BEGAN)的PD数据增强与多源放电识别方法。首先,对PD脉冲进行同步挤压小波变换(synchrosqueezed wavelet transform,SWT)作为训练样本。然后,在训练稳定性优越的BEGAN基础上,融合条件信息和辅助局放脉冲分类任务构建AC-BEGAN模型,旨在提升模型的生成能力并条件式地扩充训练样本。最后,采用扩充均衡的训练样本微调该辅助分类任务以学习多源放电中各单次脉冲的类别,并将占主导的脉冲标签的组合确定为该多源放电类型。结果表明,该方法相比于传统数据增强技术可以有效地均衡脉冲样本,同时可以克服传统诊断方法对聚类分离效果的依赖,直接实现多源放电诊断。 展开更多
关键词 多源局部放电 同步挤压小波变换 数据增强 辅助分类-边界平衡生成对抗网络
下载PDF
基于生成对抗网络的单帧遥感图像超分辨率 被引量：15
3
作者 苏健民 杨岚心 《计算机工程与应用》 CSCD 北大核心 2019年第12期202-207,214,共7页
受成像设备、传输条件等因素限制,遥感图像的清晰度难以保证。图像超分辨率技术旨在从低分辨率图像中恢复出高分辨率图像,对遥感图像的高质量解译具有重要意义。针对传统方法依赖多帧图像序列、重建结果过于平滑等问题,提出一种基于边... 受成像设备、传输条件等因素限制,遥感图像的清晰度难以保证。图像超分辨率技术旨在从低分辨率图像中恢复出高分辨率图像,对遥感图像的高质量解译具有重要意义。针对传统方法依赖多帧图像序列、重建结果过于平滑等问题,提出一种基于边界平衡生成对抗网络的单帧遥感图像超分辨方法。生成器与判别器均设计成带跳跃连接的端到端自编码器结构,为增强生成图像质量及加速网络收敛,使用了一种基于判别器重构误差的损失函数。在NWPU-RESISC45数据集上的实验结果表明,该方法能够提供更多的高频信息,重建结果最接近真实图像,相较于邻近插值和双三次插值方法,PSNR提升约2.70dB,相较于其他基于深度卷积神经网络的方法,PSNR提升约0.72dB。 展开更多
关键词 遥感图像 超分辨率 边界平衡生成对抗网络 自编码器 重构误差
下载PDF
基于边界平衡生成对抗网络的十字板式节点新构形智能生成方法 被引量：3
4
作者 杜文风 王英奇 +3 位作者 王辉 赵艳男 高博青 董石麟 《建筑结构学报》 EI CAS CSCD 北大核心 2022年第S01期315-324,共10页
传统十字板式节点应用广泛,但样式单一且材料布局不尽合理,为此,提出了一种基于边界平衡生成对抗网络(BEGAN)的十字板式节点新构形智能生成方法,可以生成多种造型新颖且性能更优的节点构形。基于变密度法定义最大化刚度为优化目标,通过... 传统十字板式节点应用广泛,但样式单一且材料布局不尽合理,为此,提出了一种基于边界平衡生成对抗网络(BEGAN)的十字板式节点新构形智能生成方法,可以生成多种造型新颖且性能更优的节点构形。基于变密度法定义最大化刚度为优化目标,通过调整优化参数获取大量不同工况下的十字板式节点拓扑优化结果,建立深度学习数据集。基于开源深度学习框架TensorFlow搭建BEGAN,深度学习数据集样本的真实分布,通过定义标签类型智能生成相应工况下的节点新方案。评估分析生成方案的新颖性、多样性、力学性能与质量,并借助三维重构技术与增材制造技术分析了智能生成节点的制造可行性与美观性。研究结果表明:该方法经过25次迭代训练即可稳定收敛,不仅能够高效地批量化智能生成创新性突出的若干节点设计新方案,满足结构设计的多元审美要求,而且能够优化节点的力学性能与材料用量,解决十字板式节点的材料布局不尽合理问题。 展开更多
关键词 十字板式节点 边界平衡生成对抗网络 拓扑优化 构形 增材制造
原文传递
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 下一页 到第 页
使用帮助 返回顶部