期刊导航
期刊开放获取
cqvip
退出
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
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
检索
高级检索
期刊导航
共找到
3
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:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于深度森林与异质集成的标记分布学习方法
1
作者
王艺霏
祝继华
+1 位作者
刘新媛
周熠炀
《软件学报》
EI
CSCD
北大核心
2024年第7期3410-3427,共18页
作为一种解决标签模糊性问题的新学习范式,标记分布学习(LDL)近年来受到了广泛的关注.为了进一步提升标记分布学习的预测性能,提出一种联合深度森林与异质集成的标记分布学习方法(LDLDF).所提方法采用深度森林的级联结构模拟具有多层处...
作为一种解决标签模糊性问题的新学习范式,标记分布学习(LDL)近年来受到了广泛的关注.为了进一步提升标记分布学习的预测性能,提出一种联合深度森林与异质集成的标记分布学习方法(LDLDF).所提方法采用深度森林的级联结构模拟具有多层处理结构的深度学习模型,在级联层中组合多个异质分类器增加集成的多样性.相较于其他现有LDL方法,LDLDF能够逐层处理信息,学习更好的特征表示,挖掘数据中丰富的语义信息,具有强大的表示学习能力和泛化能力.此外,考虑到深层模型可能出现的模型退化问题,LDLDF采用一种层特征重用机制(layer feature reuse)降低模型的训练误差,有效利用深层模型每一层的预测能力.大量的实验结果表明,所提方法优于近期的同类方法.
展开更多
关键词
标记分布学习
深度
森林
深度
集成
模型
异质
集成
学习
特征重用
下载PDF
职称材料
基于改进CNN的GIS局部放电故障诊断
2
作者
贾卫军
张涛
李智
《信息技术》
2024年第3期90-97,共8页
深度神经网络(DNN)广泛用于使用局部放电(PD)的故障分类,以评估各种电气设备的绝缘水平,但对于未训练的PD故障数据存在误报风险。基于此,提出了一种基于改进CNN的深度集成模型。首先采用特高频传感器(UHF)采集现场七种GIS绝缘缺陷故障P...
深度神经网络(DNN)广泛用于使用局部放电(PD)的故障分类,以评估各种电气设备的绝缘水平,但对于未训练的PD故障数据存在误报风险。基于此,提出了一种基于改进CNN的深度集成模型。首先采用特高频传感器(UHF)采集现场七种GIS绝缘缺陷故障PD信号,形成PRPD谱图并进行分析;其次将采集的数据导入模型中进行不确定性估计,确定模型的置信度值和阈值;再次对CNN深度集成模型的规模对分类性能的影响展开研究。实验结果表明,所提模型对局部放电未知故障具有较好的检测性能,具有一定的工程实践价值。
展开更多
关键词
气体绝缘开关设备
故障诊断
局部放电检测
卷积神经网络
深度
集成
模型
下载PDF
职称材料
基于深度集成网络模型的膝关节退行性病变分级诊断方法
被引量:
1
3
作者
宋江玲
郑田田
张瑞
《纯粹数学与应用数学》
2022年第3期309-321,共13页
膝关节退行性病变(knee osteoarthritis,KOA)是一种由关节软骨纤维化等引发的进展性膝关节疾病.病情发展大致可分为轻度与重度两个阶段,若能对其进行有效追踪,则可根据严重程度及时采取相应的防控措施,这对于提高患者生存质量有着重要...
膝关节退行性病变(knee osteoarthritis,KOA)是一种由关节软骨纤维化等引发的进展性膝关节疾病.病情发展大致可分为轻度与重度两个阶段,若能对其进行有效追踪,则可根据严重程度及时采取相应的防控措施,这对于提高患者生存质量有着重要临床意义.本文将这一过程称之为KOA分级诊断.相比传统的KOA诊断方法(CT,MRI等),骨振信号(Vibroarthrographic signal,VAG)有着无创无害,成本低廉,可便捷使用等优点,是近年来临床中正在探索的一种全新的KOA检查手段.然而,目前关于VAG信号的理论研究尚不充分,临床可提供的指导信息十分有限.基于此,本文以VAG信号为主要数据源,同时融入患者的生理信息,开展关于KOA分级诊断的辅助诊断方法研究.首先,在卷积神经网络框架下,构建了用于分析VAG信号的网络模块VAG-CNN-Block;其次,在前馈神经网络框架下,构建了用于分析生理信息的网络模块PI-FNN-Block;进而,结合VAG-CNN-Block和PI-FNN-Block,采用注意力机制设计了一种深度集成网络模型MBE-Net,并据此提出了KOA的分级诊断方法,用以实现正常受试者,轻度,重度KOA患者的自动识别.最后,采用西安市某两所医院的临床数据对所提方法进行验证.数值实验表明所提方法的准确率,灵敏度,特异度分别可达87.5%,87.2%与93.6%.
展开更多
关键词
膝关节退行性病变
分级诊断
骨振信号
深度
集成
网络
模型
下载PDF
职称材料
题名
基于深度森林与异质集成的标记分布学习方法
1
作者
王艺霏
祝继华
刘新媛
周熠炀
机构
西安交通大学软件学院
出处
《软件学报》
EI
CSCD
北大核心
2024年第7期3410-3427,共18页
基金
国家重点基础研究发展计划(2020AAA0109602)。
文摘
作为一种解决标签模糊性问题的新学习范式,标记分布学习(LDL)近年来受到了广泛的关注.为了进一步提升标记分布学习的预测性能,提出一种联合深度森林与异质集成的标记分布学习方法(LDLDF).所提方法采用深度森林的级联结构模拟具有多层处理结构的深度学习模型,在级联层中组合多个异质分类器增加集成的多样性.相较于其他现有LDL方法,LDLDF能够逐层处理信息,学习更好的特征表示,挖掘数据中丰富的语义信息,具有强大的表示学习能力和泛化能力.此外,考虑到深层模型可能出现的模型退化问题,LDLDF采用一种层特征重用机制(layer feature reuse)降低模型的训练误差,有效利用深层模型每一层的预测能力.大量的实验结果表明,所提方法优于近期的同类方法.
关键词
标记分布学习
深度
森林
深度
集成
模型
异质
集成
学习
特征重用
Keywords
label distribution learning(LDL)
deep forest
deep ensemble model
heterogeneous ensemble learning
feature reuse
分类号
TP18 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
基于改进CNN的GIS局部放电故障诊断
2
作者
贾卫军
张涛
李智
机构
国网石家庄供电公司
华北电力大学电气与电子工程学院
出处
《信息技术》
2024年第3期90-97,共8页
基金
中央高校基本科研业务费专项资金资助项目(517-77070)。
文摘
深度神经网络(DNN)广泛用于使用局部放电(PD)的故障分类,以评估各种电气设备的绝缘水平,但对于未训练的PD故障数据存在误报风险。基于此,提出了一种基于改进CNN的深度集成模型。首先采用特高频传感器(UHF)采集现场七种GIS绝缘缺陷故障PD信号,形成PRPD谱图并进行分析;其次将采集的数据导入模型中进行不确定性估计,确定模型的置信度值和阈值;再次对CNN深度集成模型的规模对分类性能的影响展开研究。实验结果表明,所提模型对局部放电未知故障具有较好的检测性能,具有一定的工程实践价值。
关键词
气体绝缘开关设备
故障诊断
局部放电检测
卷积神经网络
深度
集成
模型
Keywords
gas insulated switchgear
fault diagnosis
partial discharge detection
convolutional neural networks
deep integration model
分类号
TM85 [电气工程—高电压与绝缘技术]
下载PDF
职称材料
题名
基于深度集成网络模型的膝关节退行性病变分级诊断方法
被引量:
1
3
作者
宋江玲
郑田田
张瑞
机构
西北大学数学学院
出处
《纯粹数学与应用数学》
2022年第3期309-321,共13页
基金
国家自然科学基金(12071369,62006189)
陕西省自然科学基金(2021JQ-430)
+1 种基金
陕西省重点研发计划(2019ZDLSF02-09-02,2017ZDXM-Y-095)
陕西省创新才推进划(2018TD-016)。
文摘
膝关节退行性病变(knee osteoarthritis,KOA)是一种由关节软骨纤维化等引发的进展性膝关节疾病.病情发展大致可分为轻度与重度两个阶段,若能对其进行有效追踪,则可根据严重程度及时采取相应的防控措施,这对于提高患者生存质量有着重要临床意义.本文将这一过程称之为KOA分级诊断.相比传统的KOA诊断方法(CT,MRI等),骨振信号(Vibroarthrographic signal,VAG)有着无创无害,成本低廉,可便捷使用等优点,是近年来临床中正在探索的一种全新的KOA检查手段.然而,目前关于VAG信号的理论研究尚不充分,临床可提供的指导信息十分有限.基于此,本文以VAG信号为主要数据源,同时融入患者的生理信息,开展关于KOA分级诊断的辅助诊断方法研究.首先,在卷积神经网络框架下,构建了用于分析VAG信号的网络模块VAG-CNN-Block;其次,在前馈神经网络框架下,构建了用于分析生理信息的网络模块PI-FNN-Block;进而,结合VAG-CNN-Block和PI-FNN-Block,采用注意力机制设计了一种深度集成网络模型MBE-Net,并据此提出了KOA的分级诊断方法,用以实现正常受试者,轻度,重度KOA患者的自动识别.最后,采用西安市某两所医院的临床数据对所提方法进行验证.数值实验表明所提方法的准确率,灵敏度,特异度分别可达87.5%,87.2%与93.6%.
关键词
膝关节退行性病变
分级诊断
骨振信号
深度
集成
网络
模型
Keywords
knee osteoarthritis
graded diagnosis
vibroarthrographic(VAG)signal
deep ensemble network model
分类号
O29 [理学—应用数学]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于深度森林与异质集成的标记分布学习方法
王艺霏
祝继华
刘新媛
周熠炀
《软件学报》
EI
CSCD
北大核心
2024
0
下载PDF
职称材料
2
基于改进CNN的GIS局部放电故障诊断
贾卫军
张涛
李智
《信息技术》
2024
0
下载PDF
职称材料
3
基于深度集成网络模型的膝关节退行性病变分级诊断方法
宋江玲
郑田田
张瑞
《纯粹数学与应用数学》
2022
1
下载PDF
职称材料
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部