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
3
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
基于条件式Wasserstein生成对抗网络的电力变压器故障样本增强技术
被引量:
58
1
作者
刘云鹏
许自强
+3 位作者
和家慧
王权
高树国
赵军
《电网技术》
EI
CSCD
北大核心
2020年第4期1505-1513,共9页
数据非均衡问题是制约机器学习技术在电力变压器故障诊断领域中应用效果的关键因素。为克服传统过采样方法未考虑数据整体分布信息的缺陷,提出了一种基于深度学习的故障数据增强方法,以实现样本库的类别均衡化目标。首先,建立梯度惩罚...
数据非均衡问题是制约机器学习技术在电力变压器故障诊断领域中应用效果的关键因素。为克服传统过采样方法未考虑数据整体分布信息的缺陷,提出了一种基于深度学习的故障数据增强方法,以实现样本库的类别均衡化目标。首先,建立梯度惩罚优化的条件式Wasserstein生成对抗网络模型以指导多类别故障样本的生成过程,并克服了原始生成对抗网络模型的训练不稳定问题;然后,构建以油中溶解气体无编码比值为特征参量的栈式自编码器诊断模型,并进一步提出了基于数据增强方法的设备故障诊断技术框架;最后,选用由准确率、F1度量以及G-mean组成的评价指标体系对类别均衡化前后的模型诊断效果进行评估对比。算例研究结果表明,相较于传统过采样方法,提出的故障样本增强方法能够更为有效地改善诊断模型对于多数类的分类偏好问题,提升其整体分类性能,可作为电力变压器故障诊断的重要数据预处理环节。
展开更多
关键词
变压器故障诊断
非均衡数据集
数据增强
条件
式
Wasserstein
生成
对抗
网络
梯度惩罚
栈
式
自编码器
下载PDF
职称材料
基于改进生成对抗网络与ConvLSTM的航空发动机剩余寿命预测方法
被引量:
2
2
作者
陈维兴
常东润
李宗帅
《电子测量与仪器学报》
CSCD
北大核心
2023年第3期211-221,共11页
针对航空发动机运行周期内故障数据难以采集而造成的数据失衡等问题,提出一种基于Wasserstein距离与梯度惩罚措施的条件生成对抗网络与卷积长短时记忆网络相结合的预测模型。首先,使用WCGAN-GP模型学习预处理后的时序数据的深层分布特征...
针对航空发动机运行周期内故障数据难以采集而造成的数据失衡等问题,提出一种基于Wasserstein距离与梯度惩罚措施的条件生成对抗网络与卷积长短时记忆网络相结合的预测模型。首先,使用WCGAN-GP模型学习预处理后的时序数据的深层分布特征;然后,利用生成器生成故障样本并与真实样本混合,作为训练集输入到基于ConvLSTM网络的预测模型中进行训练。基于C-MAPSS数据集开展验证比较,结果表明:与单一真实样本训练预测模型相比,使用混合数据时性能指标RMSE和Score平均下降了12.65%和48.95%。
展开更多
关键词
航空发动机
Wasserstein距离
梯度惩罚项
条件式生成对抗网络
剩余寿命预测
下载PDF
职称材料
以特征线和高程范围为约束的DEM-cGAN框架
被引量:
1
3
作者
江西林
王少荣
+1 位作者
李文玉
汪国平
《计算机辅助设计与图形学学报》
EI
CSCD
北大核心
2021年第8期1191-1201,共11页
目前大规模地形生成方法依赖传统数学方法,缺乏用户控制,实现难度较大.尽管深度学习技术已介入地形生成工作中,但缺少相关的训练数据集,且未对经典生成网络的固有缺陷作出改进.为了获得真实感更强的地形数据,构建了一个由地形特征草图...
目前大规模地形生成方法依赖传统数学方法,缺乏用户控制,实现难度较大.尽管深度学习技术已介入地形生成工作中,但缺少相关的训练数据集,且未对经典生成网络的固有缺陷作出改进.为了获得真实感更强的地形数据,构建了一个由地形特征草图、地形灰度图像、高程分割图像和高程模型组成的数据集,并提出以特征线和高程范围为约束的DEM-cGAN框架,设计了一个双尺度并行生成网络ParallelGen.用户通过输入地形特征草图及高程范围,利用DEM-cGAN获得完整的高程数据.对生成结果从视觉效果、数值分析和地理学层面进行多项实验的结果表明,DEM-cGAN框架能正确地生成最大栅格尺寸为512×512像素的高程数据,并还原特征草图中的起伏走势,符合现实中的地理学规律.
展开更多
关键词
数字高程模型
生成
深度学习
条件式生成对抗网络
地形特征
下载PDF
职称材料
题名
基于条件式Wasserstein生成对抗网络的电力变压器故障样本增强技术
被引量:
58
1
作者
刘云鹏
许自强
和家慧
王权
高树国
赵军
机构
河北省输变电设备安全防御重点实验室(华北电力大学)
新能源电力系统国家重点实验室(华北电力大学)
国网河北省电力有限公司电力科学研究院
出处
《电网技术》
EI
CSCD
北大核心
2020年第4期1505-1513,共9页
基金
国家电网有限公司总部科技项目(5204DY170010)。
文摘
数据非均衡问题是制约机器学习技术在电力变压器故障诊断领域中应用效果的关键因素。为克服传统过采样方法未考虑数据整体分布信息的缺陷,提出了一种基于深度学习的故障数据增强方法,以实现样本库的类别均衡化目标。首先,建立梯度惩罚优化的条件式Wasserstein生成对抗网络模型以指导多类别故障样本的生成过程,并克服了原始生成对抗网络模型的训练不稳定问题;然后,构建以油中溶解气体无编码比值为特征参量的栈式自编码器诊断模型,并进一步提出了基于数据增强方法的设备故障诊断技术框架;最后,选用由准确率、F1度量以及G-mean组成的评价指标体系对类别均衡化前后的模型诊断效果进行评估对比。算例研究结果表明,相较于传统过采样方法,提出的故障样本增强方法能够更为有效地改善诊断模型对于多数类的分类偏好问题,提升其整体分类性能,可作为电力变压器故障诊断的重要数据预处理环节。
关键词
变压器故障诊断
非均衡数据集
数据增强
条件
式
Wasserstein
生成
对抗
网络
梯度惩罚
栈
式
自编码器
Keywords
power transformer fault diagnosis
imbalanced dataset
data augmentation
conditional Wasserstein generative adversarial network
gradient penalty
stacked autoencoder
分类号
TM721 [电气工程—电力系统及自动化]
下载PDF
职称材料
题名
基于改进生成对抗网络与ConvLSTM的航空发动机剩余寿命预测方法
被引量:
2
2
作者
陈维兴
常东润
李宗帅
机构
中国民航大学电子信息与自动化学院
出处
《电子测量与仪器学报》
CSCD
北大核心
2023年第3期211-221,共11页
基金
国家自然科学基金委员会-中国民航联合研究基金(U1933107)
天津市教委自然科学科研基金(2018KJ237)
中央高校基本科研业务费民航大学专项(3122020025)项目资助。
文摘
针对航空发动机运行周期内故障数据难以采集而造成的数据失衡等问题,提出一种基于Wasserstein距离与梯度惩罚措施的条件生成对抗网络与卷积长短时记忆网络相结合的预测模型。首先,使用WCGAN-GP模型学习预处理后的时序数据的深层分布特征;然后,利用生成器生成故障样本并与真实样本混合,作为训练集输入到基于ConvLSTM网络的预测模型中进行训练。基于C-MAPSS数据集开展验证比较,结果表明:与单一真实样本训练预测模型相比,使用混合数据时性能指标RMSE和Score平均下降了12.65%和48.95%。
关键词
航空发动机
Wasserstein距离
梯度惩罚项
条件式生成对抗网络
剩余寿命预测
Keywords
aeroengine
Wasserstein distance
gradient penalty
conditional generation of countermeasure network
remaining life prediction
分类号
TN0 [电子电信—物理电子学]
TP183 [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
以特征线和高程范围为约束的DEM-cGAN框架
被引量:
1
3
作者
江西林
王少荣
李文玉
汪国平
机构
北京林业大学信息学院
北京大学软件与微电子学院
国家林业草原林业智能信息处理工程技术研究中心
北京大学北京市虚拟仿真与可视化工程技术研究中心
山东大学机电与信息工程学院
北京大学图形与交互技术实验室
出处
《计算机辅助设计与图形学学报》
EI
CSCD
北大核心
2021年第8期1191-1201,共11页
基金
国家重点研发计划(2017YFB1002705)
中央高校基本科研业务费专项(2015ZCQ-XX).
文摘
目前大规模地形生成方法依赖传统数学方法,缺乏用户控制,实现难度较大.尽管深度学习技术已介入地形生成工作中,但缺少相关的训练数据集,且未对经典生成网络的固有缺陷作出改进.为了获得真实感更强的地形数据,构建了一个由地形特征草图、地形灰度图像、高程分割图像和高程模型组成的数据集,并提出以特征线和高程范围为约束的DEM-cGAN框架,设计了一个双尺度并行生成网络ParallelGen.用户通过输入地形特征草图及高程范围,利用DEM-cGAN获得完整的高程数据.对生成结果从视觉效果、数值分析和地理学层面进行多项实验的结果表明,DEM-cGAN框架能正确地生成最大栅格尺寸为512×512像素的高程数据,并还原特征草图中的起伏走势,符合现实中的地理学规律.
关键词
数字高程模型
生成
深度学习
条件式生成对抗网络
地形特征
Keywords
digital elevation model generation
deep learning
conditional generative adversarial networks
ter-rain feature
分类号
TP391.41 [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
作者
出处
发文年
被引量
操作
1
基于条件式Wasserstein生成对抗网络的电力变压器故障样本增强技术
刘云鹏
许自强
和家慧
王权
高树国
赵军
《电网技术》
EI
CSCD
北大核心
2020
58
下载PDF
职称材料
2
基于改进生成对抗网络与ConvLSTM的航空发动机剩余寿命预测方法
陈维兴
常东润
李宗帅
《电子测量与仪器学报》
CSCD
北大核心
2023
2
下载PDF
职称材料
3
以特征线和高程范围为约束的DEM-cGAN框架
江西林
王少荣
李文玉
汪国平
《计算机辅助设计与图形学学报》
EI
CSCD
北大核心
2021
1
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