期刊文献+
共找到12篇文章
< 1 >
每页显示 20 50 100
基于脑功能网络深度学习的车内噪声评价模型 认领
1
作者 邹丽媛 王宏 宋桂秋 《机械与电子》 2020年第5期76-80,共5页
研究并构建了一个结合脑电信号处理与深度学习的车内噪声评价模型,该算法通过自我学习实现脑电信号特征提取,使用同步似然方法构建delta、alpha和beta频段的脑功能网络。将3个频带的脑功能网络扁平化处理后作为输入,通过无监督的堆栈自... 研究并构建了一个结合脑电信号处理与深度学习的车内噪声评价模型,该算法通过自我学习实现脑电信号特征提取,使用同步似然方法构建delta、alpha和beta频段的脑功能网络。将3个频带的脑功能网络扁平化处理后作为输入,通过无监督的堆栈自编码器(RSAE)自主提取脑功能网络的特征。通过几个高阶特征训练前后对比,证实了RSAE自主学习到与噪声评价有关的脑神经特征。最终将RSAE与普遍使用的SVM回归模型进行比较,同时将脑功能网络与传统的基于心理声学声音品质的车内噪声评价进行对比。结果表现,所提出的脑功能网络RSAE模型的平均决定系数高达98.69%,明显优于其他方法。 展开更多
关键词 车内噪声评价 堆栈自编码器 脑功能网络分析 同步似然
在线阅读 免费下载
基于高光谱成像技术结合堆栈自动编码器-极限学习机方法的苹果硬度检测 认领
2
作者 饶利波 庞涛 +2 位作者 纪然仕 陈晓燕 张洁 《激光与光电子学进展》 CSCD 北大核心 2019年第11期239-245,共7页
将堆栈自动编码器(SAE)与极限学习机(ELM)联合,建立了深度神经网络预测模型(SAE-ELM)。利用苹果高光谱图像提取出的光谱数据,对深度神经网络的权值和阈值进行了初始化和微调。与传统ELM模型预测结果相比,SAE-ELM的预测集决定系数和残留... 将堆栈自动编码器(SAE)与极限学习机(ELM)联合,建立了深度神经网络预测模型(SAE-ELM)。利用苹果高光谱图像提取出的光谱数据,对深度神经网络的权值和阈值进行了初始化和微调。与传统ELM模型预测结果相比,SAE-ELM的预测集决定系数和残留预测偏差分别从0.7345和1.968提升至0.7703和2.116,预测集方均根误差从1.6297降至1.2837。研究结果表明:深度学习网络SAE-ELM模型的预测性能优于传统的ELM模型,将其用于预测苹果硬度是可行的。 展开更多
关键词 光谱学 高光谱成像技术 硬度 堆栈自动编码器 极限学习机 无损检测
堆叠自动编码器与S变换相结合的电缆早期故障识别方法 认领 被引量:5
3
作者 汪颖 卢宏 +2 位作者 杨晓梅 肖先勇 张文海 《电力自动化设备》 EI CSCD 北大核心 2018年第8期117-124,共8页
将深度学习概念应用到电缆早期故障识别中,提出结合S变换与堆叠自动编码器(SAE)的电缆早期故障识别方法。通过对故障相电流进行S变换,将获得的S变换模时频矩阵分为低、中和高频段。求取对应频段的能量熵和奇异熵等特征量,并组成特征... 将深度学习概念应用到电缆早期故障识别中,提出结合S变换与堆叠自动编码器(SAE)的电缆早期故障识别方法。通过对故障相电流进行S变换,将获得的S变换模时频矩阵分为低、中和高频段。求取对应频段的能量熵和奇异熵等特征量,并组成特征向量后,将时频域特征向量作为SAE网络的输入,经过预训练和参数微调,得到最优训练参数。利用构建好的网络从输入数据中挖掘有用信息,从大量扰动中识别电缆早期故障。仿真结果表明,与传统模式识别方法相比,所提方法的精度更高。 展开更多
关键词 电缆 电缆早期故障 S变换 奇异熵 能量熵 深度学习 堆叠自动编码器
在线阅读 下载PDF
栈自动编码机语音分类算法 认领 被引量:3
4
作者 马鸿飞 赵月娇 +1 位作者 刘珂 刘浩 《西安电子科技大学学报》 CSCD 北大核心 2017年第5期13-17,共5页
语音分类在语音信号处理中起到重要作用。为了提高语音清音/浊音/静默帧的分类准确率,提出了一种基于栈自动编码机(SAE)的语音分类新方法。该方法由SAE和Softmax分类器组成的深度神经网络实现。首先,提取5种语音参数:子带信号强度... 语音分类在语音信号处理中起到重要作用。为了提高语音清音/浊音/静默帧的分类准确率,提出了一种基于栈自动编码机(SAE)的语音分类新方法。该方法由SAE和Softmax分类器组成的深度神经网络实现。首先,提取5种语音参数:子带信号强度,残差信号峰值,增益,基音周期和线谱频率(LSF)作为训练序列无监督训练SAE,然后使用SAE的输出有监督训练Softmax分类器,最后有监督微调整个网络得到最终网络参数。实验结果表明,在不同背景噪声及不同信噪比下,本文提出算法的分类准确率均优于传统算法,且信噪比越低,性能优势越明显。 展开更多
关键词 深度学习 栈自动编码机 语音处理 语音分类
在线阅读 下载PDF
基于高光谱图像技术结合深度学习算法的萝卜种子品种鉴别 认领
5
作者 杭盈盈 李亚婷 孙妙君 《农业工程》 2020年第5期29-33,共5页
提出一种基于可见-近红外光谱技术的无损检测方法,以期实现对萝卜种子品种的鉴别。通过光谱成像系统采集6类常见萝卜种子的高光谱图像,并利用HSI软件提取光谱数据。使用Savitzky Golay(SG)平滑与多元散射校正(multiple scattering corre... 提出一种基于可见-近红外光谱技术的无损检测方法,以期实现对萝卜种子品种的鉴别。通过光谱成像系统采集6类常见萝卜种子的高光谱图像,并利用HSI软件提取光谱数据。使用Savitzky Golay(SG)平滑与多元散射校正(multiple scattering correction,MSC)叠加对光谱数据进行预处理以消除高频随机误差。采用堆叠自动编码器(stacked autoencoder,SAE)、连续投影算法(successive projections algorithm,SPA)和变量迭代空间收缩算法(variable iterative space shrinkage approach,VISSA)进行数据降维。利用Softmax与支持向量机(support vector machine,SVM)算法对全光谱和选取的特征光谱数据建立分类模型。结果表明:SAE-Softmax模型的分类效果最优,其训练集和预测集准确率分别达99.72%和96.22%。因此,利用可见-近红外光谱技术与深度学习算法结合的方法对萝卜种子的品种鉴别是可行的。该研究为种子品种无损检测分析提供参考。 展开更多
关键词 高光谱 萝卜种子 堆叠自动编码器 连续投影算法 变量迭代空间收缩方法
深度堆栈自编码网络在船舶重量估算中的应用 认领 被引量:1
6
作者 陈健 唐俊遥 +1 位作者 朱生光 周兆钊 《计算机工程》 CAS CSCD 北大核心 2019年第5期315-320,共6页
传统的船舶重量估算方法多数存在误差大、成本高等问题。为此,提出一种基于深度学习的船舶重量估算算法。利用多层神经网络逐层无监督学习训练初始化参数,通过反向梯度下降的方式微调参数。运用深度堆栈自编码网络挖掘深层次的数据特征... 传统的船舶重量估算方法多数存在误差大、成本高等问题。为此,提出一种基于深度学习的船舶重量估算算法。利用多层神经网络逐层无监督学习训练初始化参数,通过反向梯度下降的方式微调参数。运用深度堆栈自编码网络挖掘深层次的数据特征,并在ShipWE自建数据库上进行分析。实验结果表明,与传统吃水估算方法相比,该算法具有更强的稳定性和更高的准确性,与BP神经网络算法和径向基函数神经网络算法相比,该算法的精度更高,能有效解决船舶估算可信度低的问题。: 展开更多
关键词 气囊船舶下水 深度学习 反向梯度下降 深度堆栈自编码 逐层无监督学习 参数微调
在线阅读 下载PDF
基于堆栈稀疏自编码的滚动轴承故障诊断 认领
7
作者 李萌 张星博 《长春大学学报》 2019年第12期6-9,17共5页
针对目前滚动轴承故障诊断中,模式识别研究主要依靠有监督式机器学习的问题,提出一种基于堆栈稀疏自编码(Stacked Sparse Autoencoder,SSAE)的无监督式深度神经网络的滚动轴承智能故障诊断方法,在滚动轴承故障诊断试验台上提取正常、内... 针对目前滚动轴承故障诊断中,模式识别研究主要依靠有监督式机器学习的问题,提出一种基于堆栈稀疏自编码(Stacked Sparse Autoencoder,SSAE)的无监督式深度神经网络的滚动轴承智能故障诊断方法,在滚动轴承故障诊断试验台上提取正常、内圈故障和外圈故障三种状态信号进行验证,试验结果表明,SSAE网络可以有效、准确地识别滚动轴承具体的故障诊断类型,其诊断精度优于反向传播神经网络(Back Propagation,BP)及支持向量机(Support Vector Machine,SVM)。 展开更多
关键词 堆栈稀疏自编码 深度神经网络 滚动轴承 故障诊断
在线阅读 下载PDF
深度学习在电机故障诊断中的应用研究 认领 被引量:1
8
作者 王惠中 贺珂珂 房理想 《计算机仿真》 北大核心 2019年第10期423-428,共6页
针对电机故障诊断采用传统神经网络易陷入局部极小值等问题,提出一种新型的特征学习诊断方法.方法通过多个稀疏自编码器的堆叠构建深层次的神经网络,提取故障信号特征,结合Softmax分类器对其进行分类.首先,对故障信号做频域变换,采集频... 针对电机故障诊断采用传统神经网络易陷入局部极小值等问题,提出一种新型的特征学习诊断方法.方法通过多个稀疏自编码器的堆叠构建深层次的神经网络,提取故障信号特征,结合Softmax分类器对其进行分类.首先,对故障信号做频域变换,采集频域数据作为输入样本.然后通过逐层贪婪预训练获得神经网络的初始权重,利用反向传播算法进行全局微调,优化神经网络参数.最后,用训练完成的网络识别故障.上述方法提高了诊断的准确率,改善传统方法的不足.通过仿真验证了上述模型的有效性和可行性,且优于传统的支持向量机诊断方法. 展开更多
关键词 故障诊断 深度学习 堆栈稀疏自编码器 分类器
在线阅读 下载PDF
Learning Multi-Modality Features for Scene Classification of High-Resolution Remote Sensing Images 认领
9
作者 Feng’an Zhao Xiongmei Zhang +2 位作者 Xiaodong Mu Zhaoxiang Yi Zhou Yang 《电脑和通信(英文)》 2018年第11期185-193,共9页
Scene classification of high-resolution remote sensing (HRRS) image is an important research topic and has been applied broadly in many fields. Deep learning method has shown its high potential to in this domain, owin... Scene classification of high-resolution remote sensing (HRRS) image is an important research topic and has been applied broadly in many fields. Deep learning method has shown its high potential to in this domain, owing to its powerful learning ability of characterizing complex patterns. However the deep learning methods omit some global and local information of the HRRS image. To this end, in this article we show efforts to adopt explicit global and local information to provide complementary information to deep models. Specifically, we use a patch based MS-CLBP method to acquire global and local representations, and then we consider a pretrained CNN model as a feature extractor and extract deep hierarchical features from full-connection layers. After fisher vector (FV) encoding, we obtain the holistic visual representation of the scene image. We view the scene classification as a reconstruction procedure and train several class-specific stack denoising autoencoders (SDAEs) of corresponding class, i.e., one SDAE per class, and classify the test image according to the reconstruction error. Experimental results show that our combination method outperforms the state-of-the-art deep learning classification methods without employing fine-tuning. 展开更多
关键词 FEATURE Fusion Multiple FEATURES SCENE Classification STACK DENOISING Autoencoder
在线阅读 免费下载
基于堆栈稀疏自编码器和微动特征的身份认证技术 认领 被引量:1
10
作者 袁延鑫 孙莉 张群 《空军工程大学学报:自然科学版》 CSCD 北大核心 2018年第4期48-53,共6页
从人体目标雷达回波数据中提取可分性较好的微动特征是实现目标分类的关键。针对传统谱图结构特征无法对体型相似的人体目标精细识别,提出了基于堆栈稀疏自编码器的人体身份认证方法。首先构造堆栈稀疏自编码器网络,利用人体微动数据进... 从人体目标雷达回波数据中提取可分性较好的微动特征是实现目标分类的关键。针对传统谱图结构特征无法对体型相似的人体目标精细识别,提出了基于堆栈稀疏自编码器的人体身份认证方法。首先构造堆栈稀疏自编码器网络,利用人体微动数据进行无监督预训练,在不同层提取人体微动特征,然后将得到的特征输入softmax分类器进行有监督训练,用交叉验证调整网络参数,最后用训练好的网络进行人体目标分类。在不同人走路实测数据集上,3人平均识别率达到了83%,优于提取谱图结构特征分类的方法。 展开更多
关键词 堆栈稀疏自编码器 特征提取 微动特征 身份认证
在线阅读 免费下载
基于堆栈降噪自编码器和LBP的人脸识别算法 认领
11
作者 刘晓敏 艾震鹏 《计算机科学与应用》 2018年第6期867-876,共10页
针对传统的人脸识别算法的鲁棒性弱,分类准确率不高,运算速率较慢的缺点,基于局部二值模式(Local Binary Pattern)和堆栈式降噪自编码器(Stack Denoising Autoencoders)模型,提出了一种LBP + SDAE新的人脸表情识别算法。首先,先对图像... 针对传统的人脸识别算法的鲁棒性弱,分类准确率不高,运算速率较慢的缺点,基于局部二值模式(Local Binary Pattern)和堆栈式降噪自编码器(Stack Denoising Autoencoders)模型,提出了一种LBP + SDAE新的人脸表情识别算法。首先,先对图像进行直方图均衡化处理,用LBP提取特征,接着进行尺度归一化处理后用SDAE二次提取特征并且去噪,降维,最后用SVM分类。该方法不仅提高了分类的准确率,而且加快了运算的速率。在数据集Yale上进行验证,表明相对于以前传统的人脸识别算法,它具有更高的准确率和较强的鲁棒性。 展开更多
关键词 人脸识别 局部二值模式 堆栈式降噪自编码器 支持向量机
在线阅读 下载PDF
基于堆叠降噪自编码机的广告博文识别方法 认领
12
作者 赵晓乐 栾杰 +2 位作者 冯旭鹏 刘利军 黄青松 《小型微型计算机系统》 CSCD 北大核心 2018年第9期1921-1926,共6页
在针对广告博文进行识别过程中,首先构建文本特征向量和人工定义的特征向量,使用堆叠降噪自编码机对这两种特征向量进行处理,获得处理后的两种特征向量,然后将得到的这两种特征向量进行组合得到第三种特征向量.最后将这三种特征向... 在针对广告博文进行识别过程中,首先构建文本特征向量和人工定义的特征向量,使用堆叠降噪自编码机对这两种特征向量进行处理,获得处理后的两种特征向量,然后将得到的这两种特征向量进行组合得到第三种特征向量.最后将这三种特征向量用于最大熵分类模型的训练,依据实验结果找出分类效果最好的模型,使用该模型对博文进行处理过滤掉其中的广告博文,实验证明得到的最大熵分类模型的P、R、F可达到65.58%、87.9%、75.12%,能有效识别绝大多数的广告博文。 展开更多
关键词 广告博文 特征向量 堆叠降噪自编码机 最大熵 分类 过滤
上一页 1 下一页 到第
使用帮助 返回顶部 意见反馈