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
2
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
基于联合多重重建自编码器的桁架损伤识别
1
作者
刘满东
彭珍瑞
《中国机械工程》
EI
CAS
CSCD
北大核心
2024年第5期840-850,共11页
针对桁架杆单元存在不同损伤类型时损伤特征信息难以捕捉且识别结果不准确的问题,提出了利用联合多重重建自编码器(JMRAE)进行损伤识别的方法。首先,运用JMRAE按照不同尺度数分段截取信号,将Sigmoid函数和ReLU函数进行组合以提取特征量...
针对桁架杆单元存在不同损伤类型时损伤特征信息难以捕捉且识别结果不准确的问题,提出了利用联合多重重建自编码器(JMRAE)进行损伤识别的方法。首先,运用JMRAE按照不同尺度数分段截取信号,将Sigmoid函数和ReLU函数进行组合以提取特征量,引入零相位成分分析(ZCA)降低特征量维度,以保留重要信息并减少数据冗余。然后,运用SoftMax分类器求解隐含层中不同片段的局部特征量,并进行特征量融合以判断结构状态。最后,运用三维桁架结构数值模型和实验室搭建桁架进行验证,并与精细复合多尺度散布熵(RCMDE)、峰度和反向传播(BP)神经网络方法进行对比研究,结果表明所提方法具有更高的损伤识别准确性。
展开更多
关键词
联合多重重建自编码器
零相位成分分析
SoftMax分类器
特征量融合
损伤识别
下载PDF
职称材料
基于卷积神经网络的城管案件图像分类方法
被引量：
10
2
作者
杨浩
李灵巧
+2 位作者
杨辉华
刘振丙
潘细朋
《计算机工程与应用》
CSCD
北大核心
2018年第10期242-248,266,共8页
以智慧城市管理系统中上报的案件图像为研究对象,利用卷积神经网络能够自行学习图像特征的优势,提出一种改进的深层卷积神经网络算法,并利用该算法对智慧城市管理系统(下简称"智慧城管")的案件图像进行快速精确分类,从而完成...
以智慧城市管理系统中上报的案件图像为研究对象,利用卷积神经网络能够自行学习图像特征的优势,提出一种改进的深层卷积神经网络算法,并利用该算法对智慧城市管理系统(下简称"智慧城管")的案件图像进行快速精确分类,从而完成城市管理系统中案件的自动分类。采用ZCA白化处理降低图像数据特征之间的相关性;搭建八层卷积神经网络对白化后的图像进行分类,并在卷积层采用线性纠正单元(Re LU)加速训练过程,在pooling层利用dropout技术防止算法过拟合;在网络精调阶段采用BP(Back Propagation)算法进行优化,提高算法的鲁棒性。基于上述方法对道路交通类和市容环境类两类案件图像进行二分类实验,平均精度达到97.5%,F1-Score达到0.98,性能超过了LSVM、SAE以及传统的CNN等方法;同时该方法又对电动车乱摆放类、乱扔垃圾类、机动车违章停放类、垃圾桶周围脏乱类共四类案件进行四分类实验,平均精度为90.5%,F1-Score为0.91,性能依然超过了LSVM、SAE以及传统的CNN等方法。
展开更多
关键词
智慧城管
图像分类
卷积神经网络
零相位分量分析(
zca
)白化
DROPOUT
ReLU
下载PDF
职称材料
题名
基于联合多重重建自编码器的桁架损伤识别
1
作者
刘满东
彭珍瑞
机构
兰州交通大学机电工程学院
出处
《中国机械工程》
EI
CAS
CSCD
北大核心
2024年第5期840-850,共11页
基金
国家自然科学基金(62161018)。
文摘
针对桁架杆单元存在不同损伤类型时损伤特征信息难以捕捉且识别结果不准确的问题,提出了利用联合多重重建自编码器(JMRAE)进行损伤识别的方法。首先,运用JMRAE按照不同尺度数分段截取信号,将Sigmoid函数和ReLU函数进行组合以提取特征量,引入零相位成分分析(ZCA)降低特征量维度,以保留重要信息并减少数据冗余。然后,运用SoftMax分类器求解隐含层中不同片段的局部特征量,并进行特征量融合以判断结构状态。最后,运用三维桁架结构数值模型和实验室搭建桁架进行验证,并与精细复合多尺度散布熵(RCMDE)、峰度和反向传播(BP)神经网络方法进行对比研究,结果表明所提方法具有更高的损伤识别准确性。
关键词
联合多重重建自编码器
零相位成分分析
SoftMax分类器
特征量融合
损伤识别
Keywords
joint
multiple
reconstructions
autoencoder(JMRAE)
zero
-
phase
component analysis
(
zca
)
SoftMax
classifier
feature
fusion
damage
identification
分类号
TP182 [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
基于卷积神经网络的城管案件图像分类方法
被引量：
10
2
作者
杨浩
李灵巧
杨辉华
刘振丙
潘细朋
机构
桂林电子科技大学计算机与信息安全学院
北京邮电大学自动化学院
出处
《计算机工程与应用》
CSCD
北大核心
2018年第10期242-248,266,共8页
基金
广西重点研发计划项目(桂科AB16380293)
国家自然科学基金资助项目(No.21365008
No.61562013)
文摘
以智慧城市管理系统中上报的案件图像为研究对象,利用卷积神经网络能够自行学习图像特征的优势,提出一种改进的深层卷积神经网络算法,并利用该算法对智慧城市管理系统(下简称"智慧城管")的案件图像进行快速精确分类,从而完成城市管理系统中案件的自动分类。采用ZCA白化处理降低图像数据特征之间的相关性;搭建八层卷积神经网络对白化后的图像进行分类,并在卷积层采用线性纠正单元(Re LU)加速训练过程,在pooling层利用dropout技术防止算法过拟合;在网络精调阶段采用BP(Back Propagation)算法进行优化,提高算法的鲁棒性。基于上述方法对道路交通类和市容环境类两类案件图像进行二分类实验,平均精度达到97.5%,F1-Score达到0.98,性能超过了LSVM、SAE以及传统的CNN等方法;同时该方法又对电动车乱摆放类、乱扔垃圾类、机动车违章停放类、垃圾桶周围脏乱类共四类案件进行四分类实验,平均精度为90.5%,F1-Score为0.91,性能依然超过了LSVM、SAE以及传统的CNN等方法。
关键词
智慧城管
图像分类
卷积神经网络
零相位分量分析(
zca
)白化
DROPOUT
ReLU
Keywords
urban
management
image
classification
Convolution
Neural
Network(CNN)
zero
-
phase
component analysis
(
zca
)-whitening
dropout
ReLU
分类号
TN911.73 [电子电信—通信与信息系统]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于联合多重重建自编码器的桁架损伤识别
刘满东
彭珍瑞
《中国机械工程》
EI
CAS
CSCD
北大核心
2024
0
下载PDF
职称材料
2
基于卷积神经网络的城管案件图像分类方法
杨浩
李灵巧
杨辉华
刘振丙
潘细朋
《计算机工程与应用》
CSCD
北大核心
2018
10
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
