期刊导航
期刊开放获取
河南省图书馆
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
6
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
一种基于深度收缩自编码网络的变压器故障诊断方法
被引量:
2
1
作者
杭颖
廖昌义
+1 位作者
任广为
黎楚阳
《科技创新导报》
2020年第16期5-9,共5页
变压器油中溶解气体方法(Dissolved Gas-in-oil Analysis,DGA)由于其结果直观、操作简单和在线观测等优势,被广泛应用于变压器领域。然而传统的DGA难以充分利用不带故障类别标签的样本信息,导致故障诊断准确率不高。针对此问题,本文提...
变压器油中溶解气体方法(Dissolved Gas-in-oil Analysis,DGA)由于其结果直观、操作简单和在线观测等优势,被广泛应用于变压器领域。然而传统的DGA难以充分利用不带故障类别标签的样本信息,导致故障诊断准确率不高。针对此问题,本文提出了一种基于深度收缩自编码(Deep Contractive Auto-Encoder,DCAE)网络的变压器故障诊断方法。首先,将深度收缩自编码网络和分类器组成DCAE分类器,构建基于深度收缩自编码网络的变压器故障诊断模型。其次,考虑工程中存在的数据采样错误情况,选取部分测试样本将其随机置零,研究该模型的容错性。结果表明,所提出的变压器故障诊断模型准确率均高于传统的粒子群优化支持向量机和BP神经网络模型,该模型适用于变压器故障诊断。
展开更多
关键词
变压器
油中溶解气体分析
故障诊断
深度学习
收缩自编码
下载PDF
职称材料
基于自编码收缩神经网络的奶粉掺杂快速拉曼成像检测
2
作者
夏启
黄志轩
+2 位作者
鲍蕾
卜汉萍
陈达
《食品科学》
EI
CAS
CSCD
北大核心
2022年第24期296-302,共7页
建立一种快速的奶粉掺杂拉曼成像识别方法,开发了自编码收缩神经网络重构算法,从低信噪比的短时拉曼成像信号中准确提取本征信号,并有机结合多元回归技术对奶粉中掺杂物进行定量分析,极大提升了拉曼成像扫描速度。在多种掺杂奶粉样本的...
建立一种快速的奶粉掺杂拉曼成像识别方法,开发了自编码收缩神经网络重构算法,从低信噪比的短时拉曼成像信号中准确提取本征信号,并有机结合多元回归技术对奶粉中掺杂物进行定量分析,极大提升了拉曼成像扫描速度。在多种掺杂奶粉样本的定量检测中,该方法所建立的定量模型R2均达到了0.95以上,其检测速度较传统拉曼成像技术提升了30倍,可在2 min之内完成50 mm×50 mm区域内的奶粉掺杂检测。结果表明,该方法可有效满足奶粉掺杂快速检测的实际需求,并为其他非均匀食品体系掺杂快速检测提供了一种新方法。
展开更多
关键词
奶粉掺杂
快速拉曼成像
自编码
收缩
神经网络
本征信号提取
下载PDF
职称材料
基于无监督学习的软件定义网络异常流量检测技术
3
作者
翁建勋
《科技创新与应用》
2024年第24期32-38,共7页
软件定义网络中存在多种不同类型的异常流量,高维数的异常流量需要大量的数据进行训练和检测,异常流量难以被准确提取,导致软件定义网络异常流量难以精准检测。为此,该研究基于无监督学习的软件定义网络异常流量检测技术,提升软件定义...
软件定义网络中存在多种不同类型的异常流量,高维数的异常流量需要大量的数据进行训练和检测,异常流量难以被准确提取,导致软件定义网络异常流量难以精准检测。为此,该研究基于无监督学习的软件定义网络异常流量检测技术,提升软件定义网络的运行安全性。利用无监督学习方法中的自编码器方法,通过压缩网络和检测网络2部分检测软件定义网络异常流量。压缩网络部分采用收缩自编码技术,通过调节重构误差的损失函数,对软件定义网络流量特征实施降维处理;将降维处理后的软件定义网络流量特征,输入条件生成对抗网络-长短时记忆网络模型中,该模型利用生成器生成软件定义网络流量样本,作为判别器训练的依据,利用完成训练的判别器,输出软件定义网络异常流量检测结果。实验结果表明,该方法在迭代次数接近150次时,重构误差稳定至0.01左右,该方法能够有效检测软件定义网络受到不同类型的攻击造成的流量异常情况,及时发出告警,异常流量检测精度为98.98%。
展开更多
关键词
无监督学习
软件定义网络
异常流量检测
压缩网络
收缩自编码
判别器
下载PDF
职称材料
基于深度自编码网络的Android恶意软件检测方法
被引量:
5
4
作者
孙志强
万良
丁红卫
《计算机科学》
CSCD
北大核心
2020年第4期298-304,共7页
针对传统Android恶意软件检测方法检测率低的问题,文中提出一种基于深度收缩降噪自编码网络(Deep Contractive Denoising Autoencoder Network,DCDAN)的Android恶意软件检测方法。首先,逆向分析APK文件获取文件中的权限、敏感API等7类信...
针对传统Android恶意软件检测方法检测率低的问题,文中提出一种基于深度收缩降噪自编码网络(Deep Contractive Denoising Autoencoder Network,DCDAN)的Android恶意软件检测方法。首先,逆向分析APK文件获取文件中的权限、敏感API等7类信息,并将其作为特征属性;然后,将特征属性作为深度收缩降噪自编码网络的输入,使用贪婪算法自底向上逐层训练每个收缩降噪自编码网络(Contractive Denoising Autoencoder Network),将训练完成的深度收缩降噪自编码网络用于原始特征的信息抽取,以获取最优的低维表示;最后,使用反向传播算法对获取的低维表示进行训练和分类,实现对Android恶意软件的检测。对深度自编码网络的输入数据添加噪声,使得重构的数据具有更强的鲁棒性,同时加入雅克比矩阵作为惩罚项,增强了深度自编码网络的抗扰动能力。实验结果验证了该方法的可行性和高效性。与传统的检测方法相比,该检测方法有效地提高了对恶意软件检测的准确率并降低了误报率。
展开更多
关键词
Android恶意软件
深度
收缩
降噪
自编码
网络
贪婪算法
反向传播算法
雅克比矩阵
下载PDF
职称材料
基于CAE-DNN的多工序质量预测方法
5
作者
杨静
董宝力
《软件导刊》
2021年第9期18-22,共5页
针对多工序产品过程质量数据多特征、多噪声特性,提出一种基于收缩自编码器—深度神经网络的多工序产品质量预测方法。为了减少质量预测模型对噪声数据的敏感性,首先基于收缩自编码器的特征提取模型,完成预训练;然后将预训练网络的权重...
针对多工序产品过程质量数据多特征、多噪声特性,提出一种基于收缩自编码器—深度神经网络的多工序产品质量预测方法。为了减少质量预测模型对噪声数据的敏感性,首先基于收缩自编码器的特征提取模型,完成预训练;然后将预训练网络的权重和偏置参数传递至多尺度卷积神经网络,作为预测模型的初始化参数,并增加批量归一化层、Dropout和L2正则化,优化神经网络结构,减少过拟合。以天池智能制造质量预测数据为例进行实验验证,结果表明该混合模型算法相较于AE-DNN、DNN、PCA-BP和PCA-SVR,MSE值分别降低了27.68%、30.94%、54.02%、48.16%。
展开更多
关键词
质量预测
多工序
收缩自编码
深度神经网络
预训练
下载PDF
职称材料
基于深度收缩稀疏自编码网络的飞行员疲劳状态识别
被引量:
2
6
作者
吴奇
储银雪
+2 位作者
陈曦
林金星
任和
《控制与决策》
EI
CSCD
北大核心
2018年第12期2263-2269,共7页
飞行员的疲劳状态识别具有重要的研究意义和应用价值.针对飞行员疲劳状态识别的复杂性和准确性,提出一种新的基于脑电信号的飞行员疲劳状态识别深度学习模型.在对飞行员的脑电信号进行滤波分解的基础上,提取delta波(0.5~4 Hz)、theta...
飞行员的疲劳状态识别具有重要的研究意义和应用价值.针对飞行员疲劳状态识别的复杂性和准确性,提出一种新的基于脑电信号的飞行员疲劳状态识别深度学习模型.在对飞行员的脑电信号进行滤波分解的基础上,提取delta波(0.5~4 Hz)、theta波(5~8 Hz)、alpha波(7~14 Hz)和beta波(14~30 Hz),将其重组信号作为深度收缩稀疏自编码网络-Softmax模型的输入向量,用以对飞行员疲劳状态的识别,所得到的实验结果与深度自编码网络-Softmax模型和传统方法PCA-Softmax模型识别结果进行比较,结果表明所建立的深度学习模型具有很好的分类效果,分类准确率可达91.67%,且学习所得的特征稳定性好,验证了所提模型具有稳定性和重复验证性.
展开更多
关键词
飞行员疲劳
脑电信号
深度
收缩
稀疏
自编码
网络
深度
自编码
网络
Softmax分类器
准确率
原文传递
题名
一种基于深度收缩自编码网络的变压器故障诊断方法
被引量:
2
1
作者
杭颖
廖昌义
任广为
黎楚阳
机构
广西大学电气工程学院
出处
《科技创新导报》
2020年第16期5-9,共5页
文摘
变压器油中溶解气体方法(Dissolved Gas-in-oil Analysis,DGA)由于其结果直观、操作简单和在线观测等优势,被广泛应用于变压器领域。然而传统的DGA难以充分利用不带故障类别标签的样本信息,导致故障诊断准确率不高。针对此问题,本文提出了一种基于深度收缩自编码(Deep Contractive Auto-Encoder,DCAE)网络的变压器故障诊断方法。首先,将深度收缩自编码网络和分类器组成DCAE分类器,构建基于深度收缩自编码网络的变压器故障诊断模型。其次,考虑工程中存在的数据采样错误情况,选取部分测试样本将其随机置零,研究该模型的容错性。结果表明,所提出的变压器故障诊断模型准确率均高于传统的粒子群优化支持向量机和BP神经网络模型,该模型适用于变压器故障诊断。
关键词
变压器
油中溶解气体分析
故障诊断
深度学习
收缩自编码
Keywords
Power transformer
Dissolved gas-in-oil analysis
Fault diagnosis
Deep learning
Contractive autoencoder
分类号
TM41 [电气工程—电器]
下载PDF
职称材料
题名
基于自编码收缩神经网络的奶粉掺杂快速拉曼成像检测
2
作者
夏启
黄志轩
鲍蕾
卜汉萍
陈达
机构
天津大学精密仪器与光电子工程学院
雀巢研发(中国)有限公司雀巢食品安全研究院
中国民航大学民航热灾害防控与应急重点实验室
出处
《食品科学》
EI
CAS
CSCD
北大核心
2022年第24期296-302,共7页
基金
国家自然科学基金面上项目(21973111,61378048)
“十三五”国家重点研发计划重点专项(2018YFF01011700)。
文摘
建立一种快速的奶粉掺杂拉曼成像识别方法,开发了自编码收缩神经网络重构算法,从低信噪比的短时拉曼成像信号中准确提取本征信号,并有机结合多元回归技术对奶粉中掺杂物进行定量分析,极大提升了拉曼成像扫描速度。在多种掺杂奶粉样本的定量检测中,该方法所建立的定量模型R2均达到了0.95以上,其检测速度较传统拉曼成像技术提升了30倍,可在2 min之内完成50 mm×50 mm区域内的奶粉掺杂检测。结果表明,该方法可有效满足奶粉掺杂快速检测的实际需求,并为其他非均匀食品体系掺杂快速检测提供了一种新方法。
关键词
奶粉掺杂
快速拉曼成像
自编码
收缩
神经网络
本征信号提取
Keywords
milk powder adulteration
high-speed Raman imaging
self-encode shrinkage neural network
extraction of intrinsic signals
分类号
O657.3 [理学—分析化学]
下载PDF
职称材料
题名
基于无监督学习的软件定义网络异常流量检测技术
3
作者
翁建勋
机构
江门市第一职业技术学校
出处
《科技创新与应用》
2024年第24期32-38,共7页
文摘
软件定义网络中存在多种不同类型的异常流量,高维数的异常流量需要大量的数据进行训练和检测,异常流量难以被准确提取,导致软件定义网络异常流量难以精准检测。为此,该研究基于无监督学习的软件定义网络异常流量检测技术,提升软件定义网络的运行安全性。利用无监督学习方法中的自编码器方法,通过压缩网络和检测网络2部分检测软件定义网络异常流量。压缩网络部分采用收缩自编码技术,通过调节重构误差的损失函数,对软件定义网络流量特征实施降维处理;将降维处理后的软件定义网络流量特征,输入条件生成对抗网络-长短时记忆网络模型中,该模型利用生成器生成软件定义网络流量样本,作为判别器训练的依据,利用完成训练的判别器,输出软件定义网络异常流量检测结果。实验结果表明,该方法在迭代次数接近150次时,重构误差稳定至0.01左右,该方法能够有效检测软件定义网络受到不同类型的攻击造成的流量异常情况,及时发出告警,异常流量检测精度为98.98%。
关键词
无监督学习
软件定义网络
异常流量检测
压缩网络
收缩自编码
判别器
Keywords
unsupervised learning
software-defined network
abnormal traffic detection
compressed network
shrinking self-coding
discriminator
分类号
TP393 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于深度自编码网络的Android恶意软件检测方法
被引量:
5
4
作者
孙志强
万良
丁红卫
机构
贵州大学计算机科学与技术学院
贵州大学计算机软件与理论研究所
出处
《计算机科学》
CSCD
北大核心
2020年第4期298-304,共7页
基金
贵州省科学基金黔科合LH字(7634)。
文摘
针对传统Android恶意软件检测方法检测率低的问题,文中提出一种基于深度收缩降噪自编码网络(Deep Contractive Denoising Autoencoder Network,DCDAN)的Android恶意软件检测方法。首先,逆向分析APK文件获取文件中的权限、敏感API等7类信息,并将其作为特征属性;然后,将特征属性作为深度收缩降噪自编码网络的输入,使用贪婪算法自底向上逐层训练每个收缩降噪自编码网络(Contractive Denoising Autoencoder Network),将训练完成的深度收缩降噪自编码网络用于原始特征的信息抽取,以获取最优的低维表示;最后,使用反向传播算法对获取的低维表示进行训练和分类,实现对Android恶意软件的检测。对深度自编码网络的输入数据添加噪声,使得重构的数据具有更强的鲁棒性,同时加入雅克比矩阵作为惩罚项,增强了深度自编码网络的抗扰动能力。实验结果验证了该方法的可行性和高效性。与传统的检测方法相比,该检测方法有效地提高了对恶意软件检测的准确率并降低了误报率。
关键词
Android恶意软件
深度
收缩
降噪
自编码
网络
贪婪算法
反向传播算法
雅克比矩阵
Keywords
Android malware
Deep contractive denoising autoencoder network
Greedy algorithm
Back propagation algorithm
Jacobian matrix
分类号
TP309 [自动化与计算机技术—计算机系统结构]
下载PDF
职称材料
题名
基于CAE-DNN的多工序质量预测方法
5
作者
杨静
董宝力
机构
浙江理工大学机械与自动控制学院
出处
《软件导刊》
2021年第9期18-22,共5页
基金
国家自然科学基金项目(51475434)
浙江省自然科学基金项目(LY14G010007)。
文摘
针对多工序产品过程质量数据多特征、多噪声特性,提出一种基于收缩自编码器—深度神经网络的多工序产品质量预测方法。为了减少质量预测模型对噪声数据的敏感性,首先基于收缩自编码器的特征提取模型,完成预训练;然后将预训练网络的权重和偏置参数传递至多尺度卷积神经网络,作为预测模型的初始化参数,并增加批量归一化层、Dropout和L2正则化,优化神经网络结构,减少过拟合。以天池智能制造质量预测数据为例进行实验验证,结果表明该混合模型算法相较于AE-DNN、DNN、PCA-BP和PCA-SVR,MSE值分别降低了27.68%、30.94%、54.02%、48.16%。
关键词
质量预测
多工序
收缩自编码
深度神经网络
预训练
Keywords
quality prediction
multi-process
contractive autoencoder
DNN
pre-training
分类号
TP301 [自动化与计算机技术—计算机系统结构]
下载PDF
职称材料
题名
基于深度收缩稀疏自编码网络的飞行员疲劳状态识别
被引量:
2
6
作者
吴奇
储银雪
陈曦
林金星
任和
机构
上海交通大学自动化系
上海飞机客户服务有限公司
南京邮电大学自动化学院
出处
《控制与决策》
EI
CSCD
北大核心
2018年第12期2263-2269,共7页
基金
国家自然科学基金项目(61671293
61473158
+3 种基金
51705242)
江苏省自然科学基金项目(BK20141430)
上海浦江人才计划项目(15PJ1404300)
浙江大学CAD&CG国家重点实验室开放课题项目(A1713)
文摘
飞行员的疲劳状态识别具有重要的研究意义和应用价值.针对飞行员疲劳状态识别的复杂性和准确性,提出一种新的基于脑电信号的飞行员疲劳状态识别深度学习模型.在对飞行员的脑电信号进行滤波分解的基础上,提取delta波(0.5~4 Hz)、theta波(5~8 Hz)、alpha波(7~14 Hz)和beta波(14~30 Hz),将其重组信号作为深度收缩稀疏自编码网络-Softmax模型的输入向量,用以对飞行员疲劳状态的识别,所得到的实验结果与深度自编码网络-Softmax模型和传统方法PCA-Softmax模型识别结果进行比较,结果表明所建立的深度学习模型具有很好的分类效果,分类准确率可达91.67%,且学习所得的特征稳定性好,验证了所提模型具有稳定性和重复验证性.
关键词
飞行员疲劳
脑电信号
深度
收缩
稀疏
自编码
网络
深度
自编码
网络
Softmax分类器
准确率
Keywords
pilots'fatigue
electroencephalOgram signals
deep contractive sparse auto-encoding network
deep auto- encoding network:Softmax classifier
accuracy rate
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
原文传递
题名
作者
出处
发文年
被引量
操作
1
一种基于深度收缩自编码网络的变压器故障诊断方法
杭颖
廖昌义
任广为
黎楚阳
《科技创新导报》
2020
2
下载PDF
职称材料
2
基于自编码收缩神经网络的奶粉掺杂快速拉曼成像检测
夏启
黄志轩
鲍蕾
卜汉萍
陈达
《食品科学》
EI
CAS
CSCD
北大核心
2022
0
下载PDF
职称材料
3
基于无监督学习的软件定义网络异常流量检测技术
翁建勋
《科技创新与应用》
2024
0
下载PDF
职称材料
4
基于深度自编码网络的Android恶意软件检测方法
孙志强
万良
丁红卫
《计算机科学》
CSCD
北大核心
2020
5
下载PDF
职称材料
5
基于CAE-DNN的多工序质量预测方法
杨静
董宝力
《软件导刊》
2021
0
下载PDF
职称材料
6
基于深度收缩稀疏自编码网络的飞行员疲劳状态识别
吴奇
储银雪
陈曦
林金星
任和
《控制与决策》
EI
CSCD
北大核心
2018
2
原文传递
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