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755篇文章
< 1 2 … 38 >
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：
基于一维卷积神经网络的滚动轴承自适应故障诊断算法 被引量：219
1
作者 曲建岭 余路 +2 位作者 袁涛 田沿平 高峰 《仪器仪表学报》 EI CAS CSCD 北大核心 2018年第7期134-143,共10页
现有的滚动轴承故障诊断算法依赖于人工特征提取和专家知识,然而滚动轴承复杂多变的工作环境使得传统的智能故障诊断算法缺乏自适应性。针对此问题,提出了基于＂端到端＂的自适应一维卷积神经网络（ACNN-FD）故障诊断算法。首先,将各类... 现有的滚动轴承故障诊断算法依赖于人工特征提取和专家知识,然而滚动轴承复杂多变的工作环境使得传统的智能故障诊断算法缺乏自适应性。针对此问题,提出了基于＂端到端＂的自适应一维卷积神经网络（ACNN-FD）故障诊断算法。首先,将各类故障状态的原始振动信号进行有重叠分段预处理用于构建训练样本和测试样本;然后,将每个训练样本以某一尺度的＂时间步＂进行划分作为所建立的一维卷积神经网络模型的输入,利用深度网络结构实现对原始振动信号特征的自适应层级化提取;最后在输出端利用Softmax分类器输出诊断结果。通过轴承数据库实验表明算法能够实现高达99%以上的故障识别准确率,同时在不同负载下良好的泛化性能,具备实际应用的可行性。 展开更多
关键词 一维卷积神经网络 智能故障诊断 深度学习 振动信号 自适应特征提取
下载PDF
深度学习在故障诊断领域中的研究现状与挑战 被引量：195
2
作者 任浩 屈剑锋 +2 位作者 柴毅 唐秋 叶欣 《控制与决策》 EI CSCD 北大核心 2017年第8期1345-1358,共14页
现代工业系统已呈现出向大型化、复杂化的方向发展,使得针对工业系统的故障诊断方法遇到一系列的技术难题.近年来,深度学习(deep learning)在特征提取与模式识别方面显示出独特的优势与潜力,将深度学习应用于解决复杂工业系统故障诊断... 现代工业系统已呈现出向大型化、复杂化的方向发展,使得针对工业系统的故障诊断方法遇到一系列的技术难题.近年来,深度学习(deep learning)在特征提取与模式识别方面显示出独特的优势与潜力,将深度学习应用于解决复杂工业系统故障诊断的研究已初现端倪.为此,首先介绍几种典型的基于深度学习方法实现工业系统故障诊断方法;然后对基于深度学习实现故障诊断的主要思想和建模方法进行描述;最后总结和讨论了复杂工业系统故障的特点,并探讨了深度学习在实现复杂工业系统故障诊断方面所面临的挑战,展望了未来值得继续研究的方向. 展开更多
关键词 深度学习 复杂工业系统 特征提取 故障检测与识别
原文传递
深度学习的典型目标检测算法研究综述 被引量：182
3
作者 许德刚 王露 李凡 《计算机工程与应用》 CSCD 北大核心 2021年第8期10-25,共16页
目标检测是计算机视觉的一个重要研究方向,其目的是精确识别给定图像中特定目标物体的类别和位置。近年来,深度卷积神经网络(Deep Convolutional Neural Networks,DCNN)所具有的特征学习和迁移学习能力,在目标检测算法特征提取、图像表... 目标检测是计算机视觉的一个重要研究方向,其目的是精确识别给定图像中特定目标物体的类别和位置。近年来,深度卷积神经网络(Deep Convolutional Neural Networks,DCNN)所具有的特征学习和迁移学习能力,在目标检测算法特征提取、图像表达、分类与识别等方面取得了显著进展。介绍了基于深度学习目标检测算法的研究进展、常用数据集特点以及性能指标评价的关键参数,对比分析了双阶段、单阶段以及其他改进算法的网络结构和实现方式。阐述了算法在人脸、显著目标、行人、遥感图像、医学图像、粮虫等检测领域的应用进展,结合当前存在的问题和挑战,展望分析了其未来的研究方向。 展开更多
关键词 深度学习 目标检测 迁移学习 特征提取 计算机视觉
下载PDF
基于深度学习的目标检测研究综述 被引量：135
4
作者 罗会兰 陈鸿坤 《电子学报》 EI CAS CSCD 北大核心 2020年第6期1230-1239,共10页
目标检测是计算机视觉领域内的热点课题,在机器人导航、智能视频监控及航天航空等领域都有广泛的应用.本文首先综述了目标检测的研究背景、意义及难点,接着对基于深度学习目标检测算法的两大类进行综述,即基于候选区域和基于回归算法.... 目标检测是计算机视觉领域内的热点课题,在机器人导航、智能视频监控及航天航空等领域都有广泛的应用.本文首先综述了目标检测的研究背景、意义及难点,接着对基于深度学习目标检测算法的两大类进行综述,即基于候选区域和基于回归算法.对于第一类算法,先介绍了基于区域的卷积神经网络(Region with Convolutional Neural Network,R-CNN)系列算法,然后从四个维度综述了研究者在R-CNN系列算法基础上所做的研究:对特征提取网络的改进研究、对感兴趣区域池化层的改进研究、对区域提取网络的改进研究、对非极大值抑制算法的改进研究.对第二类算法分为YOLO(You Only Look Once)系列、SSD(Single Shot multibox Detector)算法及其改进研究进行综述.最后根据当前目标检测算法在发展更高效合理的检测框架的趋势下,展望了目标检测算法未来在无监督和未知类别物体检测方向的研究热点. 展开更多
关键词 目标检测 深度学习 特征提取 计算机视觉 视频监控 图像处理 卷积神经网络
下载PDF
基于DBN的故障特征提取及诊断方法研究 被引量：114
5
作者 赵光权 葛强强 +1 位作者 刘小勇 彭喜元 《仪器仪表学报》 EI CAS CSCD 北大核心 2016年第9期1946-1953,共8页
随着装备日趋复杂化,依靠专家经验或信号处理技术人工提取和选择故障特征变得越来越困难。此外,以BP神经网络、SVM为代表的浅层模型难以表征被测信号与装备健康状况之间复杂的映射关系,且面临维数灾难等问题。结合深度置信网络(DBN)在... 随着装备日趋复杂化,依靠专家经验或信号处理技术人工提取和选择故障特征变得越来越困难。此外,以BP神经网络、SVM为代表的浅层模型难以表征被测信号与装备健康状况之间复杂的映射关系,且面临维数灾难等问题。结合深度置信网络(DBN)在提取特征和处理高维、非线性数据等方面的优势,提出一种基于深度置信网络的故障特征提取及诊断方法。该方法通过深度学习利用原始时域信号训练深度置信网络并完成智能诊断,其优势在于能够摆脱对大量信号处理技术与诊断经验的依赖,完成故障特征的自适应提取与健康状况的智能诊断,该方法对时域信号没有周期性要求,具有较强的通用性和适应性。在仿真数据集和轴承数据集上进行了故障特征提取和诊断实验,实验结果表明:本文提出的方法能够有效地从原始信号中进行多种工况、多种故障位置和多种故障程度的故障特征提取和诊断,并且具有较高的故障识别精度。 展开更多
关键词 深度置信网络 特征提取 故障诊断 原始数据
下载PDF
基于深度学习的小目标检测研究与应用综述 被引量：87
6
作者 刘颖 刘红燕 +4 位作者 范九伦 公衍超 李莹华 王富平 卢津 《电子学报》 EI CAS CSCD 北大核心 2020年第3期590-601,共12页
目标检测在基于传统手工特征及深度学习算法上已经取得较大发展,然而针对小目标检测的研究近几年才开始出现,研究成果较少,且大都是在已有目标检测算法基础上进行改进,以提高小目标检测的检测精度.小目标像素点少,本身携带的特征少,多... 目标检测在基于传统手工特征及深度学习算法上已经取得较大发展,然而针对小目标检测的研究近几年才开始出现,研究成果较少,且大都是在已有目标检测算法基础上进行改进,以提高小目标检测的检测精度.小目标像素点少,本身携带的特征少,多次下采样后就更难进行特征提取,因而小目标检测面临极大挑战.小目标检测在自动驾驶、遥感图像检测、刑侦等领域都有广泛应用需求,对于小目标检测技术的研究有重要的实用价值.本文对小目标检测的现有研究成果进行了详细综述.首先,将现有算法按照检测需要的阶段数分为一阶段、二阶段、多阶段,描述了RetinaNet、CornerNet-Lite、特征金字塔网络(Feature Pyramid Network,FPN)等算法的原理并进行了对比分析.其次,本文描述了小目标检测技术在不同领域的应用情况,并汇总了MS COCO、PASCAL VOC、DOTA、KITTI等数据集及算法性能评价指标.最后,总结了小目标检测面临的挑战,并展望了未来的研究方向. 展开更多
关键词 小目标检测 尺度变换 特征金字塔 深度学习 特征提取 卷积神经网络
下载PDF
基于深度学习的目标检测算法综述 被引量：82
7
作者 李柯泉 陈燕 +1 位作者 刘佳晨 牟向伟 《计算机工程》 CAS CSCD 北大核心 2022年第7期1-12,共12页
传统目标检测算法大多基于滑动窗口和人工特征提取,存在计算复杂度高和在复杂场景下鲁棒性差的缺点。近年来,研究人员将深度学习技术应用于目标检测领域,显著提高了算法性能。相比传统算法,基于深度学习的目标检测算法具有速度快、准确... 传统目标检测算法大多基于滑动窗口和人工特征提取,存在计算复杂度高和在复杂场景下鲁棒性差的缺点。近年来,研究人员将深度学习技术应用于目标检测领域,显著提高了算法性能。相比传统算法,基于深度学习的目标检测算法具有速度快、准确性高和在复杂条件下鲁棒性强的优点。从评价指标、公开数据集、传统算法框架等方面对目标检测任务进行阐述,按照是否存在显式的区域建议和是否定义先验锚框两种分类标准,对现有基于深度学习的目标检测算法进行分类,分别介绍算法的演进路线并总结算法机制、优势、局限性及适用场景。在此基础上,分析对比代表性算法在公开数据集中的表现,并对基于深度学习的目标检测的未来研究方向进行展望。 展开更多
关键词 目标检测 深度学习 卷积神经网络 计算机视觉 特征提取
下载PDF
不同池化模型的卷积神经网络学习性能研究 被引量：80
8
作者 刘万军 梁雪剑 曲海成 《中国图象图形学报》 CSCD 北大核心 2016年第9期1178-1190,共13页
目的基于卷积神经网络的深度学习算法在图像处理领域正引起广泛关注。为了进一步提高卷积神经网络特征提取的准确度,加快参数收敛速度,优化网络学习性能,通过对比不同的池化模型对学习性能的影响提出一种动态自适应的改进池化算法。方... 目的基于卷积神经网络的深度学习算法在图像处理领域正引起广泛关注。为了进一步提高卷积神经网络特征提取的准确度,加快参数收敛速度,优化网络学习性能,通过对比不同的池化模型对学习性能的影响提出一种动态自适应的改进池化算法。方法构建卷积神经网络模型,使用不同的池化模型对网络进行训练,并检验在不同迭代次数下的学习结果。在现有算法准确率不高和收敛速度较慢的情况下,通过使用不同的池化模型对网络进行训练,从而构建一种新的动态自适应池化模型,并研究在不同迭代次数下其对识别准确率和收敛速度的影响。结果通过对比实验发现,使用动态自适应池化算法的卷积神经网络学习性能最优,在手写数字集上的收敛速度最高可以提升18.55%,而模型对图像的误识率最多可以降低20%。结论动态自适应池化算法不但使卷积神经网络对特征的提取更加精确,而且很大程度地提高了收敛速度和模型准确率,从而达到优化网络学习性能的目的。这种模型可以进一步拓展到其他与卷积神经网络相关的深度学习算法。 展开更多
关键词 深度学习 卷积神经网络 图像识别 特征提取 算法收敛 动态自适应池化
原文传递
基于卷积神经网络的图像分类算法综述 被引量：65
9
作者 季长清 高志勇 +1 位作者 秦静 汪祖民 《计算机应用》 CSCD 北大核心 2022年第4期1044-1049,共6页
卷积神经网络(CNN)是目前基于深度学习的计算机视觉领域中重要的研究方向之一。它在图像分类和分割、目标检测等的应用中表现出色,其强大的特征学习与特征表达能力越来越受到研究者的推崇。然而,CNN仍存在特征提取不完整、样本训练过拟... 卷积神经网络(CNN)是目前基于深度学习的计算机视觉领域中重要的研究方向之一。它在图像分类和分割、目标检测等的应用中表现出色,其强大的特征学习与特征表达能力越来越受到研究者的推崇。然而,CNN仍存在特征提取不完整、样本训练过拟合等问题。针对这些问题,介绍了CNN的发展、CNN经典的网络模型及其组件,并提供了解决上述问题的方法。通过对CNN模型在图像分类中研究现状的综述,为CNN的进一步发展及研究方向提供了建议。 展开更多
关键词 深度学习 卷积神经网络 图像分类 特征提取 过拟合
下载PDF
深度学习在故障诊断与预测中的应用 被引量：59
10
作者 余萍 曹洁 《计算机工程与应用》 CSCD 北大核心 2020年第3期1-18,共18页
近年来,深度学习以其在特征提取与模式识别方面独特优势与潜力被广泛应用于众多领域,已取得显著进展,其在复杂工业系统故障诊断与预测中的研究属于新兴领域。对近年来深度学习及其在各领域发展的优秀综述文献以及主流的开源仿真工具平... 近年来,深度学习以其在特征提取与模式识别方面独特优势与潜力被广泛应用于众多领域,已取得显著进展,其在复杂工业系统故障诊断与预测中的研究属于新兴领域。对近年来深度学习及其在各领域发展的优秀综述文献以及主流的开源仿真工具平台进行了整理,同时介绍了五种典型的深度学习模型,包括自动编码器(Auto-Encoder,AE)、深度置信网络(Deep Belief Networks,DBN)、卷积神经网络(Convolutional Neural Networks,CNN)、循环神经网络(Recurrent Neural Network,RNN)、生成对抗网络(Generative Adversarial Network,GAN);从研究背景、实现流程及研究动态等三个方面就深度学习在故障诊断与预测中的应用研究进行了归纳总结,对近年来这一领域发表的相关论文进行了系统的综述;从研究实际出发探讨了深度学习在故障诊断与预测领域应用中存在的问题、挑战及解决方法,并对未来值得继续研究的方向进行了展望。 展开更多
关键词 深度学习 特征提取 故障诊断 故障预测
下载PDF
基于深度学习特征提取和粒子群支持向量机状态识别的齿轮智能故障诊断 被引量：53
11
作者 时培明 梁凯 +1 位作者 赵娜 安淑君 《中国机械工程》 EI CAS CSCD 北大核心 2017年第9期1056-1061,1068,共7页
针对齿轮故障诊断问题,利用数理统计特征提取方法、深度学习神经网络、粒子群算法和支持向量机等技术,提出了一种基于深度学习特征提取和粒子群支持向量机状态识别相结合的智能诊断模型。该模型利用深度学习自适应提取的频谱特征与数理... 针对齿轮故障诊断问题,利用数理统计特征提取方法、深度学习神经网络、粒子群算法和支持向量机等技术,提出了一种基于深度学习特征提取和粒子群支持向量机状态识别相结合的智能诊断模型。该模型利用深度学习自适应提取的频谱特征与数理统计方法提取的时域特征相结合组成联合特征向量,然后利用粒子群支持向量机对联合特征向量进行故障诊断。该模型在对多级齿轮传动系统试验台的故障诊断中实现了中速轴大齿轮不同故障类型的可靠识别,获得了满意的诊断结果。应用结果也验证了基于深度学习自适应提取频谱特征的有效性。 展开更多
关键词 齿轮故障 深度学习 特征提取 支持向量机 智能诊断
下载PDF
基于卷积神经网络的机械故障诊断方法综述 被引量：49
12
作者 吴定海 任国全 +1 位作者 王怀光 张云强 《机械强度》 CAS CSCD 北大核心 2020年第5期1024-1032,共9页
深度学习善于从海量的数据中挖掘越来越抽象的特征并具有良好的泛化能力,受到了越来越多的研究人员的关注,而卷积神经网络(Convolutional Neural Network,CNN)则是其深度学习中一种经典而广泛应用的结构,在计算机视觉、目标检测、自然... 深度学习善于从海量的数据中挖掘越来越抽象的特征并具有良好的泛化能力,受到了越来越多的研究人员的关注,而卷积神经网络(Convolutional Neural Network,CNN)则是其深度学习中一种经典而广泛应用的结构,在计算机视觉、目标检测、自然语言处理、语音识别等领域成效卓越。在详细分析机械系统故障诊断的现状和需求的基础上,首先介绍了CNN的典型结构,然后从数据输入类型、网络结构设计、迁移学习等方面对CNN在机械故障领域的应用进行了归纳总结,研究CNN应用的深层次特征提取与可视化等问题,最后,分析机械故障诊断中存在的困难,并展望了CNN在机械故障诊断领域应用中待研究解决的若干问题。 展开更多
关键词 深度学习 卷积神经网络 大数据 状态监测 故障诊断 迁移学习 特征提取
下载PDF
一种用于人脸表情识别的卷积神经网络 被引量：49
13
作者 卢官明 何嘉利 +1 位作者 闫静杰 李海波 《南京邮电大学学报（自然科学版）》 北大核心 2016年第1期16-22,共7页
为了避免传统的表情识别中复杂的显式特征提取过程,文中提出了一种用于人脸表情识别的卷积神经网络(CNN)。首先,对人脸表情图像进行归一化预处理,并使用可训练的卷积核提取隐式的特征。然后,采用最大池化方法对提取的隐式特征进行降维... 为了避免传统的表情识别中复杂的显式特征提取过程,文中提出了一种用于人脸表情识别的卷积神经网络(CNN)。首先,对人脸表情图像进行归一化预处理,并使用可训练的卷积核提取隐式的特征。然后,采用最大池化方法对提取的隐式特征进行降维处理。最后,采用Softmax分类器对测试样本图像的表情进行分类识别。使用图形处理器(GPU)在CK+人脸表情数据库上进行了实验,结果表明了CNN用于人脸表情识别的性能和泛化能力。 展开更多
关键词 人脸表情识别 卷积神经网络 深度学习 图形处理器 特征提取
下载PDF
自编码器及其应用综述 被引量：47
14
作者 来杰 王晓丹 +2 位作者 向前 宋亚飞 权文 《通信学报》 EI CSCD 北大核心 2021年第9期218-230,共13页
自编码器作为典型的深度无监督学习模型,能够从无标签样本中自动学习样本的有效抽象特征。近年来,自编码器受到广泛关注,已应用于目标识别、入侵检测、故障诊断等众多领域中。基于此,对自编码器的理论基础、改进技术、应用领域与研究方... 自编码器作为典型的深度无监督学习模型,能够从无标签样本中自动学习样本的有效抽象特征。近年来,自编码器受到广泛关注,已应用于目标识别、入侵检测、故障诊断等众多领域中。基于此,对自编码器的理论基础、改进技术、应用领域与研究方向进行了较全面的阐述与总结。首先,介绍了传统自编码器的网络结构与理论推导,分析了自编码器的算法流程,并与其他无监督学习算法进行了比较。然后,讨论了常用的自编码器改进算法,分析了其出发点、改进方式与优缺点。接着,介绍了自编码器在目标识别、入侵检测等具体领域的实际应用现状。最后,总结了现有自编码器及其改进算法存在的问题,并展望了自编码器的研究方向。 展开更多
关键词 自编码器 深度学习 无监督学习 特征提取 正则化
下载PDF
基于卷积神经网络的入侵检测算法 被引量：46
15
作者 贾凡 孔令智 《北京理工大学学报》 EI CAS CSCD 北大核心 2017年第12期1271-1275,共5页
作为深度学习的一种有效算法,深度卷积网络已成功应用在处理图像、视频和音频等领域.通过建立一卷积神经网络模型并应用于网络入侵检测,选取的卷积核与数据进行卷积操作提取特征的局部相关性从而提高特征提取的准确度.采集到的网络数据... 作为深度学习的一种有效算法,深度卷积网络已成功应用在处理图像、视频和音频等领域.通过建立一卷积神经网络模型并应用于网络入侵检测,选取的卷积核与数据进行卷积操作提取特征的局部相关性从而提高特征提取的准确度.采集到的网络数据通过多层"卷积层-下采样层"的处理对网络中正常行为和异常行为的特征进行深度刻画,最后通过多层感知机进行正确分类.KDD 99数据集上的实验表明,文中提出的卷积神经网络模型与经典BP神经网络、SVM算法等相比,有效提高了入侵检测识别的分类准确性. 展开更多
关键词 入侵检测 深度学习 卷积神经网络 特征提取
下载PDF
基于深度学习的电网短期负荷预测方法研究 被引量：44
16
作者 吴润泽 包正睿 +1 位作者 宋雪莹 邓伟 《现代电力》 北大核心 2018年第2期43-48,共6页
深度模型通过学习一种深层非线性网络结构以实现复杂函数逼近,具有很强的自适应感知能力。本文为了提高电力负荷预测精度,提出一种基于栈式自编码神经网络的深度学习预测方法。该方法结合自编码器和逻辑回归分类器构建一个多输入单输出... 深度模型通过学习一种深层非线性网络结构以实现复杂函数逼近,具有很强的自适应感知能力。本文为了提高电力负荷预测精度,提出一种基于栈式自编码神经网络的深度学习预测方法。该方法结合自编码器和逻辑回归分类器构建一个多输入单输出预测模型,并将重构后的历史负荷、气象信息等数据输入到预测模型中,用栈式自编码器逐层学习并提取深层特征,最后在网络顶层连接逻辑回归模型进行短期负荷预测。实例分析表明,所提预测模型能够有效刻画日负荷变化规律,泛化能力较强,其预测精度达到96.2%,比支持向量回归和模糊神经网络两种浅层学习模型更高。 展开更多
关键词 负荷预测 深度学习 栈式自编码器 特征提取 神经网络
下载PDF
基于改进Faster-RCNN的输电线路巡检图像检测 被引量：42
17
作者 魏业文 李梅 +1 位作者 解园琳 戴北城 《电力工程技术》 北大核心 2022年第2期171-178,共8页
针对传统输电线路目标巡检图像识别方法响应速度慢、准确率不高的问题,文中提出一种改进的更快速区域卷积神经网络(Faster-RCNN)深度学习识别算法。通过轻量化卷积神经网络(ZFnet)提取图像特征,并重置模型参数以获取更多目标细节;利用Fa... 针对传统输电线路目标巡检图像识别方法响应速度慢、准确率不高的问题,文中提出一种改进的更快速区域卷积神经网络(Faster-RCNN)深度学习识别算法。通过轻量化卷积神经网络(ZFnet)提取图像特征,并重置模型参数以获取更多目标细节;利用Faster-RCNN对目标进行检测,由子网络区域提议模型生成目标候选框和快速区域卷积神经网络(Fast-RCNN)进行参数调优,并在Faster-RCNN输出部分引入精炼阶段,增加目标特征的分类细化和回归细化,将存在目标的多个边界框合并,实现精确分类以及坐标定位。实验结果表明:改进Faster-RCNN算法可有效识别线路设备及设备缺陷,总体识别率达到93.5%,响应时间在1 s内。与图像识别法或单步多阶目标检测(SSD)、实时快速目标检测(YOLO)深度学习法相比,所提算法提高了电力设备的识别精度与响应速度,在输电线路智能巡检中具有一定的优越性。 展开更多
关键词 输电线路巡检 图像识别 深度学习 卷积神经网络 特征提取 区域提议网络
下载PDF
基于深度学习特征提取的岩石图像矿物成分分析 被引量：41
18
作者 白林 姚钰 +2 位作者 李双涛 徐东晶 魏昕 《中国矿业》 北大核心 2018年第7期178-182,共5页
采用深度学习方法进行岩石识别,收集15种常见岩石的图像数据,基于卷积神经网络构建岩石识别深度学习模型,达到63%的识别准确率。分析岩石识别结果,白云岩、灰岩和大理岩等矿物成分接近的岩石容易互相误判,说明矿物成分对于岩石识别是很... 采用深度学习方法进行岩石识别,收集15种常见岩石的图像数据,基于卷积神经网络构建岩石识别深度学习模型,达到63%的识别准确率。分析岩石识别结果,白云岩、灰岩和大理岩等矿物成分接近的岩石容易互相误判,说明矿物成分对于岩石识别是很重要的特征。进一步对卷积神经网络学习过程中产生的特征图分析,成功提取了多种类型岩石中的矿物,如花岗岩中的石英、长石、云母等矿物,闪长岩中的角闪石、斜长石等矿物,千枚岩中的绢云母等矿物,说明深度学习方法能有效提取岩石的矿物成分特征,也说明深度学习方法对于岩石识别的有效性,同时有助于按矿物成分进行岩石定名。对岩石识别是有效的。 展开更多
关键词 岩石识别 人工智能 深度学习 卷积神经网络 特征提取
下载PDF
采用深度学习的异步电机故障诊断方法 被引量：41
19
作者 王丽华 谢阳阳 +2 位作者 张永宏 赵晓平 周子贤 《西安交通大学学报》 EI CAS CSCD 北大核心 2017年第10期128-134,共7页
为解决传统异步电机故障诊断方法因电机结构复杂、信号非平稳和机械大数据等因素引起的诊断困难问题,提出一种高效准确的异步电机故障诊断(SDAE)方法。该方法利用堆叠降噪自编码提取信号特征,结合Softmax分类器实现高效准确的电机故障... 为解决传统异步电机故障诊断方法因电机结构复杂、信号非平稳和机械大数据等因素引起的诊断困难问题,提出一种高效准确的异步电机故障诊断(SDAE)方法。该方法利用堆叠降噪自编码提取信号特征,结合Softmax分类器实现高效准确的电机故障诊断。首先,采集异步电机的整体电流和振动信号,将电流信号与傅里叶变换后的振动频域信号组合构成样本,并做归一化处理;然后,构建堆叠降噪自编码网络,确定网络层数、各隐藏层节点数、学习率等参数;最后,输入训练样本依次训练自编码和分类器,微调整个网络并用测试数据验证网络的优劣。试验结果表明,在合适的参数下采用SDAE方法的异步故障诊断准确率高达99.86%,比传统电机故障诊断方法提升至少6%。 展开更多
关键词 异步电机 故障诊断 深度学习 特征提取
下载PDF
基于CNN-LSTM的QAR数据特征提取与预测 被引量：41
20
作者 张鹏 杨涛 +2 位作者 刘亚楠 樊志勇 段照斌 《计算机应用研究》 CSCD 北大核心 2019年第10期2958-2961,共4页
针对传统数据驱动的故障诊断方法难以从QAR数据中提取有效特征的问题,提出一种融合卷积神经网络(convolutional neural network,CNN)与长短时记忆网络(long short-term memory,LSTM)的双通道融合模型CNN-LSTM。CNN与LSTM分别作为两个通... 针对传统数据驱动的故障诊断方法难以从QAR数据中提取有效特征的问题,提出一种融合卷积神经网络(convolutional neural network,CNN)与长短时记忆网络(long short-term memory,LSTM)的双通道融合模型CNN-LSTM。CNN与LSTM分别作为两个通道,通过注意力机制(attention)融合,从而使模型能同时表达数据在空间维度和时间维度上的特征,并以时间序列预测的方式验证融合模型特征提取的有效性。实验结果表明,双通道融合模型与单一的CNN、LSTM相比,能够更有效地提取数据特征,模型单步预测与多步预测误差平均降低35.3%,为基于QAR数据的故障诊断提供一种新的研究思路。 展开更多
关键词 深度学习 融合卷积神经网络 长短时记忆网络 特征提取 时间序列预测
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 2 … 38 下一页 到第 页
使用帮助 返回顶部