一种学习型红外控制器的设计实现 被引量：3

1

作者 崔玉超 孙运强 《科技咨询导报》 2007年第23期114-115,共2页

设计实现了一种学习型红外远程控制器,能记忆16个不同的地址,每路地址的开关分别可以存储两个红外指令,最多可以学习32路红外指令,并且这种方法具有一定程度的通用性。

关键词 X10 红外控制 编码学习 智能家居

下载PDF 职称材料

基于STC12C2052AD的学习型万能遥控器设计 被引量：2

2

作者 刘理云 钟淑婵 《北京电子科技学院学报》 2011年第2期65-72,共8页

基于单片机STC12C2052AD本文设计了一款学习型万能遥控器,对其硬件电路、软件实现方法进行了介绍。详细说明了红外遥控编码学习与按键选择编码的实现过程。该遥控器以1T型单片机STC12C2052AD为核心,通过一体化红外接收头接收需要学习的... 基于单片机STC12C2052AD本文设计了一款学习型万能遥控器,对其硬件电路、软件实现方法进行了介绍。详细说明了红外遥控编码学习与按键选择编码的实现过程。该遥控器以1T型单片机STC12C2052AD为核心,通过一体化红外接收头接收需要学习的遥控编码,通过软件处理接收的编码与本遥控器的键盘按键相对应,在使用时,将其调制在38KHz的载波信号上发送出去。为了使用方便,采用24C08作代码存储器,实现编码掉电存储。以软件代替了硬件,节约了资源。 展开更多

关键词 编码学习 万能遥控器 单片机 编码掉电存储

下载PDF 职称材料

基于多视图集成的网络表示学习算法 被引量：6

3

作者 冶忠林 赵海兴 +1 位作者 张科 朱宇 《计算机科学》 CSCD 北大核心 2019年第1期117-125,共9页

现有的网络表示学习算法主要为基于浅层神经网络的网络表示学习和基于神经矩阵分解的网络表示学习。基于浅层神经网络的网络表示学习又被证实是分解网络结构的特征矩阵。另外,现有的大多数网络表示学习仅仅从网络的结构学习特征,即单视... 现有的网络表示学习算法主要为基于浅层神经网络的网络表示学习和基于神经矩阵分解的网络表示学习。基于浅层神经网络的网络表示学习又被证实是分解网络结构的特征矩阵。另外,现有的大多数网络表示学习仅仅从网络的结构学习特征,即单视图的表示学习;然而,网络本身蕴含有多种视图。因此,文中提出了一种基于多视图集成的网络表示学习算法(MVENR)。该算法摈弃了神经网络的训练过程,将矩阵的信息融合和分解思想融入到网络表示学习中。另外,将网络的结构视图、连边权重视图和节点属性视图进行了有效的融合,弥补了现有网络表示学习中忽略了网络连边权重的不足,解决了基于单一视图训练时网络特征稀疏的问题。实验结果表明,所提MVENR算法的性能优于网络表示学习中部分常用的联合学习算法和基于结构的网络表示学习算法,是一种简单且高效的网络表示学习算法。 展开更多

关键词 网络表示学习 网络嵌入学习 复杂网络编码学习 网络可视化 表示学习

下载PDF 职称材料

基于单层SAE与SVM的滚动轴承性能退化评估 被引量：2

4

作者 陈龙 谭继文 管皓 《机床与液压》 北大核心 2018年第17期164-168,共5页

滚动轴承是旋转机械设备的常用关键部件之一,其性能退化评估是机械设备状态监测与视情维修的基础和依据。为及时准确掌握滚动轴承性能退化趋势与程度,提出基于单层稀疏自编码学习和支持向量机的滚动轴承性能退化评估方法,研究能够深度... 滚动轴承是旋转机械设备的常用关键部件之一,其性能退化评估是机械设备状态监测与视情维修的基础和依据。为及时准确掌握滚动轴承性能退化趋势与程度,提出基于单层稀疏自编码学习和支持向量机的滚动轴承性能退化评估方法,研究能够深度挖掘数据各种潜在隐含信息的稀疏自编码学习方法以及基于时频域特征和稀疏自编码学习的轴承状态特征的提取方法;提出基于支持向量机分类算法改进的轴承性能退化评估算法,并应用到滚动轴承的性能退化评估模型中,确定了模型参数寻优的方法;最后将所获得的轴承状态特征输入到轴承性能退化评估模型,得到了轴承性能退化趋势图,并通过滚动轴承实例验证了所提出方法的实用性。 展开更多

关键词 滚动轴承 性能退化评估 单层稀疏自编码学习 支持向量机

下载PDF 职称材料

基于混合卷积自编码极限学习机的RGB-D物体识别 被引量：9

5

作者 殷云华 李会方 《红外与激光工程》 EI CSCD 北大核心 2018年第2期52-59,共8页

有效学习丰富的表征信息在RGB-D目标识别任务中至关重要,是实现高泛化性能的关键。针对卷积神经网络训练时间长的问题,提出了一种混合卷积自编码极限学习机(HCAE-ELM)结构,包括卷积神经网络(CNN)和自编码极限学习机(AE-ELM),该结构合并... 有效学习丰富的表征信息在RGB-D目标识别任务中至关重要,是实现高泛化性能的关键。针对卷积神经网络训练时间长的问题,提出了一种混合卷积自编码极限学习机(HCAE-ELM)结构,包括卷积神经网络(CNN)和自编码极限学习机(AE-ELM),该结构合并了CNN的有效性和AE-ELM快速性的优点。它使用卷积层和池化层分别从RGB和深度图来有效提取低阶特征,然后在共享层合并两种模型特征,输入到自编码极限学习机中以得到高层次的特征,最终的特征使用极限学习机(ELM)进行分类,以获得更好的快速泛化能力。文中在标准的RGB-D数据集上进行了评估测试,其实验结果表明,相比较深度学习和其他的ELM方法,文中的混合卷积自编码极限学习机模型取得了良好的测试准确率,并且有效地缩减了训练时间。 展开更多

关键词 极限学习机 卷积神经网络 自编码极限学习机 物体识别

下载PDF 职称材料

结合双模多尺度CNN特征及自适应深度KELM的浮选工况识别 被引量：9

6

作者 廖一鹏 张进 +1 位作者 王志刚 王卫星 《光学精密工程》 EI CAS CSCD 北大核心 2020年第8期1785-1798,共14页

针对可见光图像特征驱动的浮选工况识别方法的不足,提出一种基于双模态图像多尺度CNN特征及自适应深度自编码核极限学习机(Kernel Extreme Learning Machine,KELM)的浮选工况识别方法。先对泡沫的可见光、红外图像进行非下采样剪切波多... 针对可见光图像特征驱动的浮选工况识别方法的不足,提出一种基于双模态图像多尺度CNN特征及自适应深度自编码核极限学习机(Kernel Extreme Learning Machine,KELM)的浮选工况识别方法。先对泡沫的可见光、红外图像进行非下采样剪切波多尺度分解,设计双通道CNN网络对双模态多尺度图像进行特征提取及融合,将多个双隐层自编码极限学习机串联成深度学习网络对CNN特征逐层抽象提取,然后通过核极限学习机映射到更高维空间进行决策,最后改进量子细菌觅食算法并应用于深度自编码KELM识别模型参数优化。实验结果表明采用双模多尺度CNN特征较单模多尺度、双模单尺度CNN特征的识别精度提高了2.65%,自适应深度自编码KELM模型具有较好的分类精度和泛化性能,各工况识别的平均准确率达到95.98%,识别精度和稳定性较现有方法有较大提升。 展开更多

关键词 浮选工况识别 双模态图像 卷积神经网络 深度双隐层自编码极限学习机 量子细菌觅食算法

下载PDF 职称材料

基于双模态卷积神经网络自适应迁移学习的浮选工况识别 被引量：8

7

作者 廖一鹏 杨洁洁 +1 位作者 王志刚 王卫星 《光子学报》 EI CAS CSCD 北大核心 2020年第10期167-178,共12页

为提高小规模训练集下CNN特征驱动的浮选工况识别效果,提出一种基于泡沫红外与可见光图像CNN特征提取及自适应迁移学习的工况识别方法.首先构建基于AlexNet的双模态CNN特征提取及识别模型,并通过RGB-D大规模数据集对模型的结构参数进行... 为提高小规模训练集下CNN特征驱动的浮选工况识别效果,提出一种基于泡沫红外与可见光图像CNN特征提取及自适应迁移学习的工况识别方法.首先构建基于AlexNet的双模态CNN特征提取及识别模型,并通过RGB-D大规模数据集对模型的结构参数进行预训练;其次,用多个串联的双隐层自编码极限学习机代替预训练模型的全连接层,实现对双模态CNN特征的融合及逐层抽象提取,然后通过核极限学习机映射到更高维空间进行决策;最后构建浮选小规模数据集对迁移后的模型进行训练,并改进量子狼群算法用于模型参数优化.实验结果表明:自适应迁移学习能够明显提高小样本数据集下的识别准确度,采用双模态CNN迁移学习较单模态CNN迁移学习的工况识别精度提高了3.06%,各工况的平均识别准确率达到96.83%,识别精度和稳定性较现有方法有较大提升. 展开更多

关键词 机器视觉 浮选工况识别 红外与可见光图像 卷积神经网络 迁移学习 双隐层自编码极限学习机 量子狼群算法

下载PDF 职称材料

基于表层温度深度学习的电缆接头绝缘劣化非接触式诊断

8

作者 严丹昭 陈晶 +1 位作者 兰旺耀 廖一鹏 《红外技术》 CSCD 北大核心 2024年第6期712-721,共10页

为提升电缆中间接头绝缘层劣化程度的现场诊断效率和准确度,提出一种基于表层温度自适应深度学习的接头绝缘劣化状态非接触式诊断方法。首先,对电缆接头及两端电缆的绝缘表层进行红外热成像,实现电缆接头中心两边多个对称区域的表层温... 为提升电缆中间接头绝缘层劣化程度的现场诊断效率和准确度,提出一种基于表层温度自适应深度学习的接头绝缘劣化状态非接触式诊断方法。首先,对电缆接头及两端电缆的绝缘表层进行红外热成像,实现电缆接头中心两边多个对称区域的表层温度、接头两端电缆的表层温度的非接触式采集;其次,构建基于双隐层自编码极限学习机的深度学习网络,以挖掘表层温度数据内部深层次隐含特征,将提取的深度隐含特征作为随机森林诊断模型输入;然后,提出一种非线性动态自适应旋转角的量子旋转门以改进量子烟花算法的更新策略,并用于诊断模型参数优化;最后,结合接头表层红外温度和绝缘介质损耗角正切值构建数据集,对诊断模型进行训练和现场测试。实验结果表明,改进后的量子烟花算法可以较好地逼近全局最优解、收敛效率高,深度学习随机森林诊断模型具有较强的特征抽取和分类能力,参数优化后诊断模型的分类精度和稳定性得到有效提高,在小样本训练集条件下就能达到较好的诊断效果,可实现接头绝缘劣化状态的非接触式诊断。 展开更多

关键词 电缆中间接头 红外测温 绝缘劣化诊断 双隐层自编码极限学习机 随机森林 量子烟花算法

下载PDF 职称材料

基于多尺度CNN特征及RAE-KELM的浮选加药状态识别 被引量：4

9

作者 张进 廖一鹏 +1 位作者 陈诗媛 王卫星 《激光与光电子学进展》 CSCD 北大核心 2021年第12期401-410,共10页

针对浮选加药状态在线检测困难、识别效率低和主观性强等问题,提出了一种基于多尺度卷积神经网络(CNN)特征及行列自编码核极限学习机(RAE-KELM)的浮选加药状态识别方法。首先,对浮选泡沫图像进行非下采样Shearlet多尺度分解,用CNN提取... 针对浮选加药状态在线检测困难、识别效率低和主观性强等问题,提出了一种基于多尺度卷积神经网络(CNN)特征及行列自编码核极限学习机(RAE-KELM)的浮选加药状态识别方法。首先,对浮选泡沫图像进行非下采样Shearlet多尺度分解,用CNN提取每个尺度图像的深度特征并进行多尺度特征融合;然后,构建RAEKELM,将用量子计算改进的细菌觅食算法用于RAE-KELM的参数优化;最后,通过自建数据集训练得到最优的RAE-KELM模型,实现了浮选加药状态的自适应识别。实验结果表明,本方法的识别准确率可达到98.88%;且本方法减少了人工干预,有利于提高生产效率。 展开更多

关键词 图像处理 卷积神经网络 非下采样Shearlet变换 行列自编码核极限学习机 量子细菌觅食算法

原文传递

协作抑制的作用机制:来自编码阶段的证据 被引量：3

10

作者 刘希平 张环 唐卫海 《心理科学》 CSSCI CSCD 北大核心 2014年第3期559-566,共8页

协作抑制是指当人们在一个记忆小组中一起提取信息的时候,小组提取的信息总量比等量个体提取的信息总量要少。本研究采用经典的协作抑制研究范式和两次提取任务,考察编码方式和学习次数对协作提取任务的影响,从而进一步探讨协作抑制的... 协作抑制是指当人们在一个记忆小组中一起提取信息的时候,小组提取的信息总量比等量个体提取的信息总量要少。本研究采用经典的协作抑制研究范式和两次提取任务,考察编码方式和学习次数对协作提取任务的影响,从而进一步探讨协作抑制的产生机制。结果表明,编码方式相同条件下出现协作抑制,而编码方式不同条件下协作抑制消失,显示协作抑制的出现与否依赖于认知条件的改变;无论是学习一次还是学习两次,在第一次小组提取中出现协作抑制,而在第二次个人提取中协作抑制消失,在使用困难学习材料时也得到同样的研究结果。研究结果支持协作抑制的提取策略破坏假说。 展开更多

关键词 协作抑制 提取策略破坏假说 提取抑制假说 编码方式学习次数

下载PDF 职称材料

NSST域改进ORB的泡沫流动特征提取及加药状态识别 被引量：3

11

作者 廖一鹏 陈诗媛 +2 位作者 杨洁洁 王志刚 王卫星 《光学精密工程》 EI CAS CSCD 北大核心 2020年第12期2684-2699,共16页

针对浮选泡沫表面图像动态变化、光照影响、噪声干扰导致流动特征难于提取的问题,提出了一种在NSST域改进ORB的泡沫流动特征提取方法,并应用于浮选加药状态识别。对相邻两帧泡沫图像NSST分解,对多尺度高频子带先通过尺度相关系数去除噪... 针对浮选泡沫表面图像动态变化、光照影响、噪声干扰导致流动特征难于提取的问题,提出了一种在NSST域改进ORB的泡沫流动特征提取方法,并应用于浮选加药状态识别。对相邻两帧泡沫图像NSST分解,对多尺度高频子带先通过尺度相关系数去除噪声再分为多个内层和外层,在各内层通过方向模极大值检测提取兴趣点,然后在本层和上下层通过非极大值抑制提取特征点,采用多尺度BRIEF描述子对特征点描述,结合泡沫的运动趋势动态调整搜索的匹配区域,根据匹配结果计算泡沫流动特征。最后,构建行列自编码极限学习机对泡沫形态、尺寸分布特征和流动特征进行融合,然后通过自适应随机森林对加药状态分类识别。实验结果表明,改进的ORB受噪声和光照影响小,流动特征检测精度和效率较现有方法有较大提高,能准确地表征不同加药状态下泡沫表面的流动特性,加药状态的平均识别精度达97.85%,较现有文献方法有较大提升,为后续的加药量优化控制奠定基础。 展开更多

关键词 浮选泡沫图像 流动特征提取 ORB 非下采样剪切波变换 行列自编码极限学习机 自适应随机森林

下载PDF 职称材料

基于相似时段和PCA-ELM的超短期风电功率预测 被引量：1

12

作者 王磊 马磊娟 《兵工自动化》 2022年第11期32-36,53,共6页

为提高风电场输出功率的预测精度,提出一种采用相似时段选取原则和基于主成分分析(principal component analysis,PCA)与多层自编码极限学习机(multi-layer auto encoder extreme learning machine,ML-AE-ELM)组合算法(PCA-ELM)的预测... 为提高风电场输出功率的预测精度,提出一种采用相似时段选取原则和基于主成分分析(principal component analysis,PCA)与多层自编码极限学习机(multi-layer auto encoder extreme learning machine,ML-AE-ELM)组合算法(PCA-ELM)的预测模型。通过关联度分析明确待测时段的相似时段范围,结合天气数据、机组状态和历史功率构建训练和测试样本,利用预测算法完成样本的训练和测试,得到输出功率预测结果并验证。实验结果表明:与常见的算法模型相比,该预测模型在不同装机容量和不同工作状态的风电场中均具有较高的预测精度,表现出良好的预测稳定性和泛化能力。 展开更多

关键词 风电功率预测 相似时段 主成分分析 多层自编码极限学习机

下载PDF 职称材料

一种用于智能家居的语音控制方法 被引量：1

13

作者 彭井花 胡永森 《曲靖师范学院学报》 2021年第3期43-51,60,共10页

针对目前市售的综合性智能家居系统中存在的使用成本高、普及率低、老年人智能交互困难、信息安全性较低等问题,利用语音识别、语音合成、红外编码自学习、无线通信、双层保护机制、双重模式切换、电池充放电、电压转换等技术,提出了一... 针对目前市售的综合性智能家居系统中存在的使用成本高、普及率低、老年人智能交互困难、信息安全性较低等问题,利用语音识别、语音合成、红外编码自学习、无线通信、双层保护机制、双重模式切换、电池充放电、电压转换等技术,提出了一种无需联网的用于智能家居的语音控制方法.经测试,该方法实现了智能家居的语音控制,且具有使用简单、性能稳定和生产成本低等优点. 展开更多

关键词 语音识别 语音合成 红外编码自学习 双重模式切换 双层保护机制 无线通信

下载PDF 职称材料

基于数字电视整体平移的遥控器的选择之我见

14

作者 夏立宏 胡晓东 《中国有线电视》 2009年第1期56-59,共4页

从红外遥控器的分类出发,介绍了"固定编码+学习型"遥控器的结构、部件的选择,以及功能按键的选择、排列,然后从其技术规格及技术测试方面介绍了其选择的一些重点项目,最后,就弥补学习型遥控器的网络遥控器的应用作了简单分析。

关键词 固定编码+学习型遥控器 网络遥控器 机顶盒

下载PDF 职称材料