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8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：
基于改进迁移学习的光通信网络流量数据连续插值研究
1
作者 孙家宝 邱伊健 秦坤 《激光杂志》 CAS 北大核心 2024年第8期120-125,共6页
光通信网络流量数据具有大规模和高维度的特点,而数据量纲不一致,数据之间的差异会被放大,使得插值效果不理想,所以提出基于改进迁移学习的光通信网络流量数据连续插值方法。通过Box-Cox变换法对流量数据展开标准化处理,统一数据量级与... 光通信网络流量数据具有大规模和高维度的特点,而数据量纲不一致,数据之间的差异会被放大,使得插值效果不理想,所以提出基于改进迁移学习的光通信网络流量数据连续插值方法。通过Box-Cox变换法对流量数据展开标准化处理,统一数据量级与量纲。通过深度学习理论与VNet技术改进卷积神经网络,通过更新网络参数使连续插值结果与理想数据进行匹配,得到流量数据连续插值结果。实验表明,所提方法的信噪比始终高于27.83 dB,频率-波形分布图与理想数据的频率-波形分布图相似度最高,决定系数在0.8以上,能够获得高质量插值结果。 展开更多
关键词 改进迁移学习 光通信网络 流量数据 连续插值 网络探针技术 Box-Cox变换 改进卷积神经网络
下载PDF
基于均衡适配迁移的异源域样本轴承故障诊断 被引量：2
2
作者 朱旭东 《机电工程》 CAS 北大核心 2023年第3期361-369,共9页
由于轴承带标签的故障样本数量较少,且源域数据与目标域数据存在异域问题,会导致轴承诊断准确率大大下降。为此,对异源域样本条件下的轴承故障诊断问题进行了研究,提出了基于改进均衡分布适配迁移学习的轴承故障迭代诊断方法。首先,分... 由于轴承带标签的故障样本数量较少,且源域数据与目标域数据存在异域问题,会导致轴承诊断准确率大大下降。为此,对异源域样本条件下的轴承故障诊断问题进行了研究,提出了基于改进均衡分布适配迁移学习的轴承故障迭代诊断方法。首先,分析了滚动轴承的结构和不同部位故障的信号特征;介绍了迁移学习工作原理,基于动态的均衡因子,提出了改进均衡分布适配方法,解决了边缘分布和条件分布差异性未知导致的异源域适配难题;然后,给出了基于K近邻算法(KNN)的伪标签初步确定方法,提出了基于迁移学习和KNN算法的目标域伪标签迭代优化方法,确定了目标域样本的故障标签;最后,采用实验数据对该诊断方法的有效性进行了验证,并将其与其他两种方法进行了异域样本的故障诊断,对其诊断准确率进行了对比。研究结果表明:在凯斯西储轴承实验中,基于迁移学习、迁移成分分析(TCA)+KNN的诊断准确率均值分别为93.72%和75.52%;在西安交通大学轴承实验中,基于迁移学习、TCA+KNN的诊断准确率分别为94.80%和70.40%。上述实验结果验证了基于迁移学习的迭代诊断方法在异源域样本故障诊断中的优越性。 展开更多
关键词 轴承故障诊断准确率 异源域样本 改进均衡适配 迁移学习 K近邻算法 源域数据 目标域数据
下载PDF
基于迁移学习的轨道交通特殊OD客流预测研究 被引量：2
3
作者 王欣 王志飞 王煜 《铁道运输与经济》 北大核心 2024年第3期182-188,共7页
客流预测一直是轨道交通运营公司关注的重点,由于受到运输能力的限制等因素影响,部分OD的实际客流数据与真实需求有偏差,出现异常或者样本缺失,从而造成总体样本量偏小,直接采用这些样本进行预测会明显影响预测精度,但通过还原样本值增... 客流预测一直是轨道交通运营公司关注的重点,由于受到运输能力的限制等因素影响,部分OD的实际客流数据与真实需求有偏差,出现异常或者样本缺失,从而造成总体样本量偏小,直接采用这些样本进行预测会明显影响预测精度,但通过还原样本值增加样本量难度太大。根据上述特点选择基于实例的迁移学习,先确定源域的对象和范围,从源域中选择合适的样本补充到总体样本中,共同组成最终的训练样本数据集,完成迁移学习。同时选择改进的Boost算法,通过误差调整样本权重,不断迭代,得到最终的预测模型。结果表明:基于实例的迁移学习结合改进Boost算法的预测精度要好于传统集成学习、ARIMA模型、多元回归模型,为轨道交通运营公司对特定OD的客流预测提供新的有益尝试。 展开更多
关键词 轨道交通 客流预测 改进Boost算法 迁移学习 样本筛选
下载PDF
基于改进迁移学习的行星齿轮箱故障自动诊断 被引量：1
4
作者 欧振杰 成兴 覃仕明 《自动化应用》 2024年第3期122-124,共3页
传统机器学习故障诊断方法依赖专业经验选取统计特征,导致诊断结果误差较大。为此,提出了基于改进迁移学习的行星齿轮箱故障自动诊断。采集行星齿轮箱的振动信号,对振动信号进行去噪处理,利用深度学习改进迁移学习构建故障诊断模型,对... 传统机器学习故障诊断方法依赖专业经验选取统计特征,导致诊断结果误差较大。为此,提出了基于改进迁移学习的行星齿轮箱故障自动诊断。采集行星齿轮箱的振动信号,对振动信号进行去噪处理,利用深度学习改进迁移学习构建故障诊断模型,对采集信号进行分类识别,实现了行星齿轮箱故障自动诊断。结果表明,该设计方法下不同类型的行星齿轮箱故障诊断精度为96.09%,证实了该方法的性能良好。 展开更多
关键词 改进迁移学习 行星齿轮箱 故障诊断 自动诊断方法
下载PDF
基于改进AlexNet模型的滚动轴承故障诊断方法
5
作者 华金榜 杨文军 +2 位作者 程志林 温洪泉 曾良才 《农业装备与车辆工程》 2024年第8期88-94,共7页
针对传统方法难以提取滚动轴承故障特征、诊断精度不佳且模型结构复杂等问题,提出一种改进Alexnet模型的滚动轴承故障诊断方法。首先,将滚动轴承各故障振动信号转化为富含时频信息的二维特征图样本集,按一定比例划分为训练集与验证集;... 针对传统方法难以提取滚动轴承故障特征、诊断精度不佳且模型结构复杂等问题,提出一种改进Alexnet模型的滚动轴承故障诊断方法。首先,将滚动轴承各故障振动信号转化为富含时频信息的二维特征图样本集,按一定比例划分为训练集与验证集;然后针对AlexNet模型中存在的模型训练速度慢、准确性不高等缺点进行改进,使用ImageNet图像数据集对改进模型进行训练,并保存训练过程获取的知识;最后将保存的训练信息迁移应用于改进模型对轴承故障数据集的诊断。通过改进前后模型对部分cifar-10图像数据集的训练与验证情况证明了改进模型的优化效果,对比常见网络模型对轴承10类别故障诊断情况,所提方法具有更好的诊断效率和诊断精度。 展开更多
关键词 滚动轴承 故障诊断 改进Alexnet模型 迁移学习 时频特征图
下载PDF
基于改进域对抗网络的新能源基地风光时序功率曲线生成方法 被引量：1
6
作者 任佳星 孙英云 +3 位作者 秦继朔 刘栋 郭国栋 张柯欣 《电网技术》 EI CSCD 北大核心 2024年第8期3409-3417,I0119,I0120,共11页
准确刻画风光时序功率曲线对于加快推动新能源大规模并网、指导联合发电系统规划运行具有重要意义。针对我国沙漠、戈壁、荒漠等地区新建大型风电光伏发电基地无历史功率数据可利用的现状,该文提出基于改进域对抗网络(improved domain a... 准确刻画风光时序功率曲线对于加快推动新能源大规模并网、指导联合发电系统规划运行具有重要意义。针对我国沙漠、戈壁、荒漠等地区新建大型风电光伏发电基地无历史功率数据可利用的现状,该文提出基于改进域对抗网络(improved domain adversarial neural networks,IDANN)的新能源基地风光时序功率曲线生成方法。以历史气象和功率数据充足的新能源场站作为源域,仅有气象数据的新建基地作为目标域。将源域上学习的输入气象信息到输出风光功率的非线性映射知识迁移到目标域,并添加最大均值差异(maximum mean discrepancy,MMD)作为度量域间特征分布相似性的损失函数以降低目标域泛化误差。最后采用实际风光场站算例验证所提方法的有效性,并进一步表明该方法的实用价值和意义。 展开更多
关键词 风光时序功率 改进域对抗网络 沙戈荒 迁移学习
下载PDF
基于V-I轨迹的非侵入式电动自行车充电行为在线辨识
7
作者 段佳其 鲍光海 方艳东 《电器与能效管理技术》 2024年第12期69-76,共8页
为杜绝安全隐患,利用V-I轨迹和改进MobileNetv2模型对入户充电行为进行在线辨识。设计实验场景,从采样率选取、迁移学习、泛化性和不同网络对比4个方面验证模型性能,最后把模型部署到上位机和K210芯片上。上位机系统在电动自行车单独充... 为杜绝安全隐患,利用V-I轨迹和改进MobileNetv2模型对入户充电行为进行在线辨识。设计实验场景,从采样率选取、迁移学习、泛化性和不同网络对比4个方面验证模型性能,最后把模型部署到上位机和K210芯片上。上位机系统在电动自行车单独充电时准确识别,当充电行为和常用家庭负载混合运行时,识别准确率达到98%以上。 展开更多
关键词 V-I轨迹 改进MobileNetv2模型 迁移学习 在线识别
下载PDF
基于深度特征选取的旋转机械跨域故障诊断 被引量：2
8
作者 何财林 费国华 +2 位作者 朱坚 董飞 宋俊材 《机电工程》 CAS 北大核心 2022年第10期1345-1355,共11页
在实际的工业场景中,对旋转机械进行故障诊断时,存在着标签故障样本不足和数据分布差异的问题,为此,基于深度特征选取和迁移学习方法,提出了一种新的跨域故障诊断方法。首先,利用深度自编码器进行了深度特征提取,利用不同激活函数下的... 在实际的工业场景中,对旋转机械进行故障诊断时,存在着标签故障样本不足和数据分布差异的问题,为此,基于深度特征选取和迁移学习方法,提出了一种新的跨域故障诊断方法。首先,利用深度自编码器进行了深度特征提取,利用不同激活函数下的深度自编码器提取出的深度特征,构建了深度特征池;然后,采用提出的面向跨域诊断的特征选取方法,选取了可迁移特征用于后续的特征迁移学习,利用所提出的改进联合分布适应方法,降低了源域和目标域特征数据间分布差异;最后,基于经迁移学习后的有标签源域样本和无标签目标域样本,对故障识别分类器进行了训练,并利用机械故障模拟实验台的轴承和电机故障数据,开展了旋转机械跨域故障诊断的实验。研究结果表明:与对比模型相比,所提出的方法能够取得更优秀的跨域故障诊断性能;在选取合适的特征数时,其最大故障诊断准确率明显高于其他对比模型(其中,轴承为95.42%,电机为88.67%)。 展开更多
关键词 转动机件 标签故障样本不足 深度特征选取 联合分布适应 多核最大均值差异 迁移学习方法 深度自编码器
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