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：
深度置信网络在垃圾邮件过滤中的应用 被引量：14
1
作者 孙劲光 蒋金叶 +1 位作者 孟祥福 李秀娟 《计算机应用》 CSCD 北大核心 2014年第4期1122-1125,共4页
针对深层神经网络初始化方法不明确、泛化能力差而导致解决垃圾邮件过滤时效果较差的问题,提出了基于深度置信网络的分类方法。深度置信网络通过逐层无监督的方法来预训练网络,实现了网络的初始化。在LingSpam,SpamAssassin和Enron1三... 针对深层神经网络初始化方法不明确、泛化能力差而导致解决垃圾邮件过滤时效果较差的问题,提出了基于深度置信网络的分类方法。深度置信网络通过逐层无监督的方法来预训练网络,实现了网络的初始化。在LingSpam,SpamAssassin和Enron1三个广泛使用的数据集上,通过与目前最好的垃圾邮件过滤方法支持向量机(SVM)在分类性能上进行比较,实验结果表明深度置信网络的垃圾邮件过滤方法是有效的,获得了较高的准确率和召回率。 展开更多
关键词 垃圾邮件 深度置信网络 分类 受限玻尔兹曼机 支持向量机
下载PDF
基于深度学习的地空导弹发射区解算方法 被引量：4
2
作者 薛亚勇 胡国文 《指挥信息系统与技术》 2018年第4期48-52,共5页
针对传统发射区解算多项式拟合方法存在多项式函数难确定、函数分段范围难把握的问题,采用了BP神经网络(BPNN)实现数据整体拟合。当数据量大且复杂时,拓展神经网络的深度不能完整学习数据特征。针对该问题,引入了深度置信网(DBN)。在DB... 针对传统发射区解算多项式拟合方法存在多项式函数难确定、函数分段范围难把握的问题,采用了BP神经网络(BPNN)实现数据整体拟合。当数据量大且复杂时,拓展神经网络的深度不能完整学习数据特征。针对该问题,引入了深度置信网(DBN)。在DBN仿真训练中,选用双隐层网络结构,随着隐单元数的增加,拟合性能有较明显提升。仿真结果表明,深度学习方法更适用于大数据环境下的深度神经网络架构,可应用于地空导弹发射区解算。 展开更多
关键词 地空导弹发射区 BP神经网络 深度学习 深度置信网
下载PDF
基于主成分分析和线性判别的航空发动机状态监视 被引量：4
3
作者 周媛 左洪福 《中国机械工程》 EI CAS CSCD 北大核心 2014年第11期1433-1437,共5页
利用航空发动机传感器数据对发动机状态进行监视,采用主成分分析(PCA)方法和线性判别法(LDA)对发动机传感器数据进行二次特征提取,按照最优近邻思想进行分类。将2008年IEEE PHM数据作为实验数据,将基于PCA和LDA的分类结果与基于PCA的分... 利用航空发动机传感器数据对发动机状态进行监视,采用主成分分析(PCA)方法和线性判别法(LDA)对发动机传感器数据进行二次特征提取,按照最优近邻思想进行分类。将2008年IEEE PHM数据作为实验数据,将基于PCA和LDA的分类结果与基于PCA的分类方法以及深度信念网(DBN)分类方法的结果进行了对比分析,结果表明,基于PCA和LDA方法的识别率综合最优且结构简单,对于工程应用该方法有效可行。 展开更多
关键词 航空发动机 状态监视 主成分分析 线性判别 深度信念网
下载PDF
基于VMD-DBN的矿井涌水量预测方法 被引量：8
4
作者 刘慧 刘桂芹 +2 位作者 宁殿艳 樊娟 陈卫明 《煤田地质与勘探》 EI CAS CSCD 北大核心 2023年第6期13-21,共9页
在煤矿采掘过程中,因矿井涌(突)水造成的人员和财产损失极为严重。为预防涌(突)水灾害事故的发生,掌握涌水量的发展变化规律,开展涌水预测预报尤其是矿井涌水量的精准预计尤为重要,是矿井水害防治中一项重要的工作任务。为提高矿井涌水... 在煤矿采掘过程中,因矿井涌(突)水造成的人员和财产损失极为严重。为预防涌(突)水灾害事故的发生,掌握涌水量的发展变化规律,开展涌水预测预报尤其是矿井涌水量的精准预计尤为重要,是矿井水害防治中一项重要的工作任务。为提高矿井涌水量的预测准确性,针对随时间无明显变化规律的涌水量序列,提出了变分模态分解(Variational Mode Decomposition,VMD)和深度置信网络(Deep Belief Network,DBN)相结合的高效时间序列预测模型。首先通过VMD模态分解技术对原始数据进行去噪,将原始矿井涌水量时间序列分解为若干个本征模态函数(Intrinsic Mode Function,IMF)分量,使各个IMF分量都具有原始时间序列在不同时间尺度下的统计学特征量,降低了原始时间序列的强震荡性和非稳定性。其次针对每个IMF分量,分别建立各自的DBN模型进行训练学习,进而建立起相应的预测网络模型。最后融合各分量预测值得到最终结果。结果显示,VMD-DBN的E_(MA)、E_(MAP)、E_(RMS)和R^(2)分别为9.23、0.76%、11.55和0.97,通过与GA-BP、LSTM、VMD-LSTM、RBM、VMD-RBM和DBN模型的预测值进行对比发现,VMD-DBN模型进行矿井涌水量预测具有更高的预测精度。VMD-DBN模型对于涌水量随时间无明显变化规律、且具有较强震荡性和非平稳的工况具有相对明显的优势,丰富了矿井涌水量预测方法,为智慧矿山的安全监测提供一种新型的技术手段,具有一定的理论价值和现实意义。 展开更多
关键词 矿井涌水量预测 变分模态分解VMD 深度学习 深度置信网络dbn 时间序列
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 下一页 到第 页
使用帮助 返回顶部