期刊文献+
共找到149篇文章
< 1 2 8 >
每页显示 20 50 100
Using Hybrid Penalty and Gated Linear Units to Improve Wasserstein Generative Adversarial Networks for Single-Channel Speech Enhancement
1
作者 Xiaojun Zhu Heming Huang 《Computer Modeling in Engineering & Sciences》 SCIE EI 2023年第6期2155-2172,共18页
Recently,speech enhancement methods based on Generative Adversarial Networks have achieved good performance in time-domain noisy signals.However,the training of Generative Adversarial Networks has such problems as con... Recently,speech enhancement methods based on Generative Adversarial Networks have achieved good performance in time-domain noisy signals.However,the training of Generative Adversarial Networks has such problems as convergence difficulty,model collapse,etc.In this work,an end-to-end speech enhancement model based on Wasserstein Generative Adversarial Networks is proposed,and some improvements have been made in order to get faster convergence speed and better generated speech quality.Specifically,in the generator coding part,each convolution layer adopts different convolution kernel sizes to conduct convolution operations for obtaining speech coding information from multiple scales;a gated linear unit is introduced to alleviate the vanishing gradient problem with the increase of network depth;the gradient penalty of the discriminator is replaced with spectral normalization to accelerate the convergence rate of themodel;a hybrid penalty termcomposed of L1 regularization and a scale-invariant signal-to-distortion ratio is introduced into the loss function of the generator to improve the quality of generated speech.The experimental results on both TIMIT corpus and Tibetan corpus show that the proposed model improves the speech quality significantly and accelerates the convergence speed of the model. 展开更多
关键词 Speech enhancement generative adversarial networks hybrid penalty gated linear units multi-scale convolution
下载PDF
An improved bidirectional generative adversarial network model for multivariate estimation of correlated and imbalanced tunnel construction parameters
2
作者 Yao Xiao Jia Yu +3 位作者 Guoxin Xu Dawei Tong Jiahao Yu Tuocheng Zeng 《Journal of Rock Mechanics and Geotechnical Engineering》 SCIE CSCD 2023年第7期1797-1809,共13页
Estimation of construction parameters is crucial for optimizing tunnel construction schedule.Due to the influence of routine activities and occasional risk events,these parameters are usually correlated and imbalanced... Estimation of construction parameters is crucial for optimizing tunnel construction schedule.Due to the influence of routine activities and occasional risk events,these parameters are usually correlated and imbalanced.To solve this issue,an improved bidirectional generative adversarial network(BiGAN)model with a joint discriminator structure and zero-centered gradient penalty(0-GP)is proposed.In this model,in order to improve the capability of original BiGAN in learning imbalanced parameters,the joint discriminator separately discriminates the routine activities and risk event durations to balance their influence weights.Then,the self-attention mechanism is embedded so that the discriminator can pay more attention to the imbalanced parameters.Finally,the 0-GP is adapted for the loss of the discrimi-nator to improve its convergence and stability.A case study of a tunnel in China shows that the improved BiGAN can obtain parameter estimates consistent with the classical Gauss mixture model,without the need of tedious and complex correlation analysis.The proposed joint discriminator can increase the ability of BiGAN in estimating imbalanced construction parameters,and the 0-GP can ensure the stability and convergence of the model. 展开更多
关键词 Multivariate parameters estimation Correlated and imbalanced parameters Bidirectional generative adversarial network(BiGAN) Joint discriminator Zero-centered gradient penalty(0-GP)
下载PDF
Training Generative Adversarial Networks with Adaptive Composite Gradient
3
作者 Huiqing Qi Fang Li +1 位作者 Shengli Tan Xiangyun Zhang 《Data Intelligence》 EI 2024年第1期120-157,共38页
The wide applications of Generative adversarial networks benefit from the successful training methods,guaranteeing that an object function converges to the local minimum.Nevertheless,designing an efficient and competi... The wide applications of Generative adversarial networks benefit from the successful training methods,guaranteeing that an object function converges to the local minimum.Nevertheless,designing an efficient and competitive training method is still a challenging task due to the cyclic behaviors of some gradient-based ways and the expensive computational cost of acquiring the Hessian matrix.To address this problem,we proposed the Adaptive Composite Gradients(ACG)method,linearly convergent in bilinear games under suitable settings.Theory analysis and toy-function experiments both suggest that our approach alleviates the cyclic behaviors and converges faster than recently proposed SOTA algorithms.The convergence speed of the ACG is improved by 33%than other methods.Our ACG method is a novel Semi-Gradient-Free algorithm that can reduce the computational cost of gradient and Hessian by utilizing the predictive information in future iterations.The mixture of Gaussians experiments and real-world digital image generative experiments show that our ACG method outperforms several existing technologies,illustrating the superiority and efficacy of our method. 展开更多
关键词 generative adversarial networks adaptive composite gradient semi-gradient free game theory bilinear game
原文传递
基于梯度惩罚Wasserstein生成对抗网络的数字岩心重建
4
作者 徐慧兵 李道伦 查文舒 《合肥工业大学学报(自然科学版)》 CAS 北大核心 2024年第11期1559-1563,共5页
文章针对三维Wasserstein生成对抗网络(Wasserstein generative adversarial networks,WGAN)重建数字岩心的梯度不稳定问题,提出一种基于带梯度惩罚的Wasserstein生成对抗网络(Wasserstein generative adversarial networks with gradie... 文章针对三维Wasserstein生成对抗网络(Wasserstein generative adversarial networks,WGAN)重建数字岩心的梯度不稳定问题,提出一种基于带梯度惩罚的Wasserstein生成对抗网络(Wasserstein generative adversarial networks with gradient penalty,WGAN-GP)三维数字岩心重建算法。首先利用卷积神经网络构建生成网络学习真实样本的分布,然后再构建判别网络以区分重建样本和真实样本。由于WGAN的权值裁剪导致权重分散不均匀,WGAN-GP增加了梯度惩罚项,使得梯度分布更加均匀并加快网络收敛速度,让训练更加稳定。实验通过孔隙度、比表面积和欧拉特性的对比表明,相比于WGAN算法,WGAN-GP三维数字岩心重建算法能更加有效地重现岩石的三维孔隙结构特征。 展开更多
关键词 数字岩心 生成对抗网络(GAN) 梯度惩罚 三维重建 卷积神经网络
下载PDF
基于Wasserstein GAN数据增强的矿物浮选纯度预测
5
作者 吴浩生 江沛 +1 位作者 王作学 杨博栋 《重庆大学学报》 CAS CSCD 北大核心 2024年第9期81-90,共10页
在选矿行业中,准确地预测精矿品位可以帮助工程师提前调整工艺参数,提高浮选性能。但在实际选矿过程中,采集数据存在样本量少、维度高、时序相关性复杂等问题,限制了精矿品位的预测精度。针对小样本数据的预测问题,提出了一种将Wasserst... 在选矿行业中,准确地预测精矿品位可以帮助工程师提前调整工艺参数,提高浮选性能。但在实际选矿过程中,采集数据存在样本量少、维度高、时序相关性复杂等问题,限制了精矿品位的预测精度。针对小样本数据的预测问题,提出了一种将Wasserstein生成对抗网络(Wasserstein generative adversarial network,Wasserstein GAN)和长短期记忆网络(long short-term memory,LSTM)相结合的时间序列数据生成模型LS-WGAN,主要利用LSTM网络来获取选矿数据中的时间相关性,再通过Wasserstein GAN网络生成与原始数据分布相似的样本进行数据增强;为了更加准确地预测精矿品位,建立了浮选预测模型C-LSTM,并基于真实泡沫浮选工艺数据实验验证了所提出方法的预测准确性。 展开更多
关键词 精矿品位预测 wasserstein生成对抗网络 LSTM 数据增强 深度学习
下载PDF
基于统计信息系数和Wasserstein生成对抗网络的风火系统暂态特征选择与两阶段稳定评估 被引量:3
6
作者 赵冬梅 谢家康 +3 位作者 杜泽航 魏中庆 田世芳 徐咏盛 《电力自动化设备》 EI CSCD 北大核心 2023年第4期106-113,共8页
为实现含新能源电力系统暂态稳定的在线更新,降低新能源机组出力、电压等特征对评估准确率的影响,提出基于统计信息系数和Wasserstein生成对抗网络的暂态特征选择和两阶段稳定评估模型。首先,改进最大信息系数中的网格划分方法,建立基于... 为实现含新能源电力系统暂态稳定的在线更新,降低新能源机组出力、电压等特征对评估准确率的影响,提出基于统计信息系数和Wasserstein生成对抗网络的暂态特征选择和两阶段稳定评估模型。首先,改进最大信息系数中的网格划分方法,建立基于Pearson相关系数和统一信息系数的混合Markov决策模型,对风火系统暂态特征进行数据分析与特征选择。其次,以Wasserstein距离代替传统生成对抗网络中的JS散度,提出基于Wasserstein生成对抗网络的暂态稳定模型在线更新方法。同时依据一阶段暂态稳定评估置信度将样本划分为安全域样本与非安全域样本,提出一种两阶段暂态稳定评估方法。最后在改进的IEEE 39节点、IEEE 118节点系统中将所提方法与传统方法进行了对比,结果表明所提方法的暂态稳定评估准确度有所提高,且计算速度有所加快。 展开更多
关键词 暂态特征选择 wasserstein生成对抗网络 统计信息系数 Markov决策模型 两阶段暂态稳定评估
下载PDF
Wasserstein距离在液体火箭发动机故障检测中的应用 被引量:1
7
作者 程玉强 邓凌志 《国防科技大学学报》 EI CAS CSCD 北大核心 2023年第4期20-27,共8页
健康监控技术能够切实提高液体火箭发动机的可靠性,针对液体火箭发动机健康监控中的故障检测问题,提出基于Wasserstein距离的方法,利用液氢液氧火箭发动机地面热试车数据进行验证。该方法的核心思想是利用Wasserstein生成对抗网络模拟... 健康监控技术能够切实提高液体火箭发动机的可靠性,针对液体火箭发动机健康监控中的故障检测问题,提出基于Wasserstein距离的方法,利用液氢液氧火箭发动机地面热试车数据进行验证。该方法的核心思想是利用Wasserstein生成对抗网络模拟正常数据的样本分布,利用其判别器计算测试样本与模拟分布间的Wasserstein距离,进而实现故障检测。结果表明:该方法能够克服故障数据不足的困难,有效检测稳态过程中的故障,没有发生误报警,且对早期异常有较高敏感性;在训练样本较少的情况下,当Wasserstein距离阈值为3σ时对启动过程的早期异常有较高敏感性,取5σ时仍可有效检测启动过程中的故障,误报警率为12.5%。 展开更多
关键词 液体火箭发动机 故障检测 wasserstein距离 生成对抗网络
下载PDF
融合IMR-WGAN的时序数据修复方法 被引量:1
8
作者 孟祥福 马荣国 《小型微型计算机系统》 CSCD 北大核心 2024年第3期641-650,共10页
工业数据由于技术故障和人为因素通常导致数据异常,现有基于约束的方法因约束阈值设置的过于宽松或严格会导致修复错误,基于统计的方法因平滑修复机制导致对时间步长较远的异常值修复准确度较低.针对上述问题,提出了基于奖励机制的最小... 工业数据由于技术故障和人为因素通常导致数据异常,现有基于约束的方法因约束阈值设置的过于宽松或严格会导致修复错误,基于统计的方法因平滑修复机制导致对时间步长较远的异常值修复准确度较低.针对上述问题,提出了基于奖励机制的最小迭代修复和改进WGAN混合模型的时序数据修复方法.首先,在预处理阶段,保留异常数据,进行信息标注等处理,从而充分挖掘异常值与真实值之间的特征约束.其次,在噪声模块提出了近邻参数裁剪规则,用于修正最小迭代修复公式生成的噪声向量.将其传递至模拟分布模块的生成器中,同时设计了一个动态时间注意力网络层,用于提取时序特征权重并与门控循环单元串联组合捕捉不同步长的特征依赖,并引入递归多步预测原理共同提升模型的表达能力;在判别器中设计了Abnormal and Truth奖励机制和Weighted Mean Square Error损失函数共同反向优化生成器修复数据的细节和质量.最后,在公开数据集和真实数据集上的实验结果表明,该方法的修复准确度与模型稳定性显著优于现有方法. 展开更多
关键词 数据修复 改进wasserstein生成对抗网络 Abnormal and Truth奖励机制 动态时间注意力机制 Weighted Mean Square Error损失函数
下载PDF
变工况下动态卷积域对抗图神经网络故障诊断
9
作者 王桐 王晨程 +2 位作者 邰宇 欧阳敏 陈立伟 《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2024年第7期1406-1414,共9页
针对基于无监督域自适应故障诊断方法忽略了域间数据结构信息、传统域对齐平均最大差异法全局泛化能力差等问题,本文提出一种基于无监督域自适应理论的动态卷积域对抗图神经网络故障诊断模型,分别通过对数据的类别标签、域标签和数据结... 针对基于无监督域自适应故障诊断方法忽略了域间数据结构信息、传统域对齐平均最大差异法全局泛化能力差等问题,本文提出一种基于无监督域自适应理论的动态卷积域对抗图神经网络故障诊断模型,分别通过对数据的类别标签、域标签和数据结构信息进行建模。通过分类器和域鉴别器分别建模类别标签和域标签,通过图神经网络将数据结构信息嵌入到实例图节点中,利用高斯Wasserstein距离来度量不同领域的实例图之间的差异。本文对比了不同工况下共14种迁移任务在各模型下故障识别的准确率。实验结果表明:基于动态卷积的域对抗图神经网络模型在变工况下的故障诊断效果均优于其他对比模型,且模型性能稳定。 展开更多
关键词 无监督域自适应 动态卷积 域对抗 图神经网络 图生成 高斯wasserstein距离 故障诊断 变工况
下载PDF
基于变分深度嵌入-带有梯度惩罚的生成对抗网络的锂离子电池老化特性建模 被引量:1
10
作者 李弈 张金龙 +2 位作者 漆汉宏 魏艳君 张迪 《电工技术学报》 EI CSCD 北大核心 2024年第13期4226-4239,共14页
锂离子电池老化实验是研究电池老化性能的基本手段,但针对大量电池的老化实验一般很耗时。为了节约时间和测试成本,获得更多电池数据,该文将变分深度嵌入(VaDE)模型与带有梯度惩罚的生成对抗网络(WGANGP)相结合,组成VaDE-WGANGP架构,进... 锂离子电池老化实验是研究电池老化性能的基本手段,但针对大量电池的老化实验一般很耗时。为了节约时间和测试成本,获得更多电池数据,该文将变分深度嵌入(VaDE)模型与带有梯度惩罚的生成对抗网络(WGANGP)相结合,组成VaDE-WGANGP架构,进而基于该生成模型设计了一种电池老化特性建模与数据生成的方法。该文以一套开放的电池全寿命周期测试数据集为依据展开研究,首先,将电池放电过程中的电压、电流和放电容量这三个外特性作为模型的输入,通过VaDE的编码器将原始数据映射到隐空间,再通过优化获得符合特定规则的分布;然后,通过一定方式对该分布空间进行采样,并将采样所得的隐变量输入解码器中进行数据生成;后续数据测试表明,VaDE-WGANGP在电池外特性数据生成上具有较好的性能,可以实现对电池老化过程中基础外特性的模拟,在数据量不足时也可以为某些数据驱动算法提供有效的扩展数据资源。 展开更多
关键词 锂离子电池 老化特性 生成模型 变分深度嵌入 带有梯度惩罚的生成对抗网络
下载PDF
基于LSTM-WGAN的时间序列数据异常检测 被引量:1
11
作者 郑圣彬 谢加良 张东晓 《福建师范大学学报(自然科学版)》 CAS 北大核心 2024年第2期36-45,共10页
在时序数据中发现隐藏的异常行为或事件,可以保障生产安全,具有重要意义。目前的异常检测模型存在训练不稳定、容易产生梯度消失的问题,影响异常检测效果,针对该问题,提出一种LSTM-WGAN模型,WGAN负责捕获变量之间的潜在关联,进一步提升... 在时序数据中发现隐藏的异常行为或事件,可以保障生产安全,具有重要意义。目前的异常检测模型存在训练不稳定、容易产生梯度消失的问题,影响异常检测效果,针对该问题,提出一种LSTM-WGAN模型,WGAN负责捕获变量之间的潜在关联,进一步提升了LSTM的检测能力。同时,以Wasserstein距离代替交叉熵损失训练判别器和生成器,结合重构损失以及判别损失实现异常检测。在NAB公开数据集上的实验结果表明LSTM-WGAN相较于基准模型在准确率、召回率以及F1得分上都有较大幅度的提升。 展开更多
关键词 异常检测 时间序列 生成对抗网络 长短期记忆网络 wasserstein距离
下载PDF
基于深度全卷积神经弹性网络WCGAN-GP模型的语音增强研究 被引量:1
12
作者 许雯婷 龚晓峰 《计算机应用与软件》 北大核心 2024年第2期130-137,共8页
Wasserstein距离生成对抗网络(Wasserstein Generative Adversal Network,WGAN)模型^([1])在语音增强中运用广泛,但存在梯度易爆炸、性能不稳定等问题。引入梯度惩罚(Gradient Penalty,GP)和弹性网络条件约束,并将生成器和判别器优化成... Wasserstein距离生成对抗网络(Wasserstein Generative Adversal Network,WGAN)模型^([1])在语音增强中运用广泛,但存在梯度易爆炸、性能不稳定等问题。引入梯度惩罚(Gradient Penalty,GP)和弹性网络条件约束,并将生成器和判别器优化成深度全卷积神经网络(Deep Fully Convolutional Neural Networks,DFCNN)结构,提出一种基于DFCNN的弹性网络条件梯度惩罚(Wasserstein Conditional Generative Adversal Network Gradient Penalty,WCGAN-GP)模型。改进后的模型可以达到真实Lipschitz限制条件,提高了可控性、稳定性和特征提取能力,能更快优化训练。实验将改进后的模型与WGAN对不同噪声条件下的语音进行增强,结果证实了改进后的模型在语音增强方面的优越性。 展开更多
关键词 wasserstein距离 深度全卷积神经网络 梯度惩罚 弹性网络 条件约束
下载PDF
GP-WIRGAN:梯度惩罚优化的Wasserstein图像循环生成对抗网络模型 被引量:8
13
作者 冯永 张春平 +2 位作者 强保华 张逸扬 尚家兴 《计算机学报》 EI CSCD 北大核心 2020年第2期190-205,共16页
通常情形下,现有的图像生成模型都采用单次前向传播的方式生成图像,但实际中,画家通常是反复修改后才完成一幅画作的;生成对抗模型(Generative Adversarial Networks,GAN)能生成图像,但却很难训练.在保证生成图像质量的前提下,效仿作画... 通常情形下,现有的图像生成模型都采用单次前向传播的方式生成图像,但实际中,画家通常是反复修改后才完成一幅画作的;生成对抗模型(Generative Adversarial Networks,GAN)能生成图像,但却很难训练.在保证生成图像质量的前提下,效仿作画时的不断更新迭代,以提升生成样本多样性并增强样本语义,同时引入Wasserstein距离,提出了Wasserstein图像循环生成对抗网络模型,简称WIRGAN(Wasserstein Image Recurrent Generative Adversarial Networks Model).WIRGAN定义了生成模型和判别模型,其中,生成模型是由一系列结构相同的神经网络模型组成的循环结构,用时间步骤T控制生成模型的循环次数,用于迭代式生成图像,并以最后一个循环结构的生成图像作为整个生成模型的输出;判别模型也由神经网络构建,结合权重剪枝技术,用来判别输入图像是生成的还是真实的.WIRGAN利用Wasserstein距离作为目标函数,将生成模型和判别模型进行博弈对抗训练.另外,由于模型存在难以优化的问题,本文引入了梯度惩罚来解决此类问题,进一步提出了梯度惩罚优化的Wasserstein图像循环生成对抗网络模型(Gradient Penalty Optimized Wasserstein Image Recurrent Generative Adversarial Networks Model,GP-WIRGAN).最后,WIRGAN和GP-WIRGAN在MNIST、CIFAR10、CeUN四个数据集上进行了基础学习能力、模型间GAM自比较、模型内GAM自比较、初始得分比较、图像生成可视化、时间效率比较等6组实验,采用生成对抗矩阵(Generative Adversarial Metric,GAM)和起始分数(Inception Scores)进行评估,结果表明,本文提出的WIRGAN、GP-WIRGAN具有良好的稳定性,可以生成高质量的图像. 展开更多
关键词 图像生成 生成对抗网络 wasserstein距离 深度学习 权重剪枝 梯度惩罚
下载PDF
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:60
14
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
基于改进Wasserstein生成式对抗网络的电力系统不良数据辨识 被引量:10
15
作者 臧海祥 郭镜玮 +3 位作者 黄蔓云 卫志农 孙国强 赵佳伟 《电力自动化设备》 EI CSCD 北大核心 2022年第9期50-56,110,共8页
随着新能源并网以及大量电力电子器件的投入,电力系统的数据类型向多元复杂化的趋势发展。针对大规模电力系统中出现的不良数据辨识性能差、辨识效率低的问题,提出了一种基于改进Wasserstein生成式对抗网络(WGAN-GP)的不良数据辨识方法... 随着新能源并网以及大量电力电子器件的投入,电力系统的数据类型向多元复杂化的趋势发展。针对大规模电力系统中出现的不良数据辨识性能差、辨识效率低的问题,提出了一种基于改进Wasserstein生成式对抗网络(WGAN-GP)的不良数据辨识方法。基于历史数据库中的状态量得到多断面正常量测数据并训练WGAN-GP模型;将含不良数据的量测信息输入训练好的WGAN-GP模型,得到对应的量测重构数据,并得到最终的量测重构误差;为了避免人为确定阈值的主观性,提出了一种基于C4.5决策树模型的不良数据阈值确定方法,将量测重构误差输入训练好的决策树模型,即可定位1组量测信息中的不良数据位置。以IEEE标准系统和某实际省网为算例进行仿真测试,结果表明相较于已有方法,所提方法具有更好的辨识性能和更高的辨识效率。 展开更多
关键词 电力系统 不良数据辨识 数据驱动 wasserstein生成式对抗网络 决策树模型
下载PDF
基于多判别器辅助分类器生成对抗网络的故障诊断方法研究
16
作者 叶子汉 王中华 +2 位作者 姜潮 吕新 张哲 《工程设计学报》 CSCD 北大核心 2024年第2期137-150,159,共15页
在强冲击、强辐射、极高温等极端恶劣的工作环境下,机械设备的故障模式复杂多样,获得充足且有效的故障数据变得非常困难甚至难以实现,以致故障诊断的准确性受限,后续检修维护方案难以有效制定。针对这一问题,提出了一种多判别器辅助分... 在强冲击、强辐射、极高温等极端恶劣的工作环境下,机械设备的故障模式复杂多样,获得充足且有效的故障数据变得非常困难甚至难以实现,以致故障诊断的准确性受限,后续检修维护方案难以有效制定。针对这一问题,提出了一种多判别器辅助分类器生成对抗网络的数据增强算法。通过设置3个判别器、1个生成器并添加独立的分类器,构建了新的辅助分类器生成对抗网络模型。针对在该模型训练中存在的不稳定性问题,通过引入Wasserstein距离构造新的损失函数,并采用稳定性更具优势的单边软约束正则化项替换原有的L2梯度惩罚项来解决模型崩溃问题;在此基础上,采用高效通道注意力机制来进一步提高模型的特征提取能力。将所提出的模型应用于扩充机械设备故障数据集,辅助深度学习智能诊断模型的训练。多个故障数据集扩充实验表明,与现有模型相比,新模型所生成数据的质量更高,故障诊断的准确率也得到进一步提高,因此具有较高的应用价值。 展开更多
关键词 多判别器辅助分类器生成对抗网络 高效通道注意力机制 Lipschitz(利普希茨)约束 数据增强 故障诊断
下载PDF
基于CT-GAN的半监督学习窃电检测方法研究
17
作者 杨艺宁 张蓬鹤 +3 位作者 夏睿 高云鹏 王飞 朗珍白桑 《湖南大学学报(自然科学版)》 EI CAS CSCD 北大核心 2024年第6期211-222,共12页
针对电网公司获取有标签数据成本高、难度大,而获取的无标签数据难以训练有效窃电检测模型的问题,提出了在少量有窃电标签数据场景下基于联合训练生成对抗网络(Co-training Generative Adversarial Networks, CT-GAN)的半监督窃电检测方... 针对电网公司获取有标签数据成本高、难度大,而获取的无标签数据难以训练有效窃电检测模型的问题,提出了在少量有窃电标签数据场景下基于联合训练生成对抗网络(Co-training Generative Adversarial Networks, CT-GAN)的半监督窃电检测方法 .首先,探究了生成对抗网络及半监督生成对抗网络的原理与结构.其次,提出了采用Wasserstein距离取代JS(Jensen-Shannon)散度和KL(Kullback-Leibler)散度距离以解决生成对抗网络因梯度消失和模式崩溃原因导致的模型训练不稳定和生成数据质量低的问题,并构建了多判别器联合训练模型,避免了单个判别器分布误差高的问题,同时增强了GAN生成标签样本数据的能力,通过扩充标签样本数据集,提升了模型检测准确度和泛化能力.最后,采用爱尔兰电网数据集验证了该方法的准确性和有效性. 展开更多
关键词 窃电检测 生成对抗网络 半监督学习 wasserstein距离 判别器
下载PDF
基于Wasserstein距离的双向学习推理 被引量:2
18
作者 花强 刘轶功 +1 位作者 张峰 董春茹 《河北大学学报(自然科学版)》 CAS 北大核心 2020年第3期328-336,共9页
基于Wasserstein距离的生成对抗网络(WGAN)将编码器和生成器双向集成于其模型中,从而增强了生成模型的学习能力,但其在优化目标中使用KL散度度量分布间的差异,会导致学习训练过程中出现梯度消失或梯度爆炸问题,降低模型鲁棒性.为克服这... 基于Wasserstein距离的生成对抗网络(WGAN)将编码器和生成器双向集成于其模型中,从而增强了生成模型的学习能力,但其在优化目标中使用KL散度度量分布间的差异,会导致学习训练过程中出现梯度消失或梯度爆炸问题,降低模型鲁棒性.为克服这一问题,提出了一种基于Wasserstein距离的双向学习推理(WBLI)模型.文章首先建立了真实数据分布与隐数据分布双向学习网络,然后引入Wasserstein距离度量联合概率分布的差异性,并据此推导了可解的损失代价函数,给出了完整的网络学习模型和迭代算法.实验结果表明,WBLI模型有效缓解了传统GAN及其变种的模式坍塌问题,增强了训练学习的鲁棒性,可生产辨识度更高的样本. 展开更多
关键词 生成对抗网络 KL散度 wasserstein距离 变分自编码器
下载PDF
CI-WGAN:融合临床指标和WGAN的孤独症个体化脑功能连接网络生成
19
作者 孙海林 严加栋 +2 位作者 张嵘 KENDRICK Keith 蒋希 《数据采集与处理》 CSCD 北大核心 2024年第4期813-826,共14页
脑功能连接(Functional connectivity,FC)网络作为潜在的脑影像标志物对孤独症谱系障碍(Autism spectrum disorder,ASD)的辅助诊疗研究具有重要作用。然而现有的FC生成方法大多仅基于脑影像数据,未充分考虑个体的临床指标从而易丢失疾... 脑功能连接(Functional connectivity,FC)网络作为潜在的脑影像标志物对孤独症谱系障碍(Autism spectrum disorder,ASD)的辅助诊疗研究具有重要作用。然而现有的FC生成方法大多仅基于脑影像数据,未充分考虑个体的临床指标从而易丢失疾病的特异性信息。而且,ASD作为一种谱系障碍,其临床指标存在显著的个体化差异。因此,仅基于脑影像数据的传统生成模型在生成准确的且能反映个体化临床指标的ASD个体FC的任务上存在挑战。针对上述挑战,提出了个体化临床指标引导的沃瑟斯坦生成对抗网络模型(Clinical-indicator-aware Wasserstein generative adversarial network,CI-WGAN),用于生成孤独症个体化FC网络。该模型引入个体化临床指标引导机制,实现了高精度ASD患者FC网络的生成。基于全世界最大孤独症脑影像公开数据集之一的ABIDE I数据集进行实验,CI-WGAN生成FC与真实FC的峰值信噪比(Peak signal-to-noise ratio,PSNR)、结构相似度(Structural similarity,SSIM)与平均绝对误差(Mean absolute error,MAE)分别达到19.037、0.236与0.178,相较于其他FC生成模型分别提升了3%、12%与2%。此外基于生成FC和独立临床验证指标的表征相似度分析(Representational similarity analysis,RSA),CI-WGAN生成的FC相较其他模型生成FC最少提高了0.1倍和3.7倍,证明了CI-WGAN生成的FC包含更多的ASD个体特异性信息。本文提出的CI-WGAN模型实现了高质量个体化FC的生成,为ASD的早期诊断和个性化治疗提供了有力的技术支持。 展开更多
关键词 孤独症谱系障碍 大脑功能连接 生成对抗网络 临床指标引导机制 梯度惩罚机制
下载PDF
基于生成对抗网络的联邦学习深度影子防御方案
20
作者 周辉 陈玉玲 +2 位作者 王学伟 张洋文 何建江 《计算机应用》 CSCD 北大核心 2024年第1期223-232,共10页
联邦学习(FL)可以使用户在不直接上传原始数据的条件下完成多方数据共享和交互,有效降低隐私泄露风险。然而,现有的研究表明敌手仍可以通过共享的梯度信息重构出原始数据。为进一步保护联邦学习隐私,基于生成对抗网络(GAN)提出一种联邦... 联邦学习(FL)可以使用户在不直接上传原始数据的条件下完成多方数据共享和交互,有效降低隐私泄露风险。然而,现有的研究表明敌手仍可以通过共享的梯度信息重构出原始数据。为进一步保护联邦学习隐私,基于生成对抗网络(GAN)提出一种联邦学习深度影子防御方案。首先,通过生成对抗网络学习原始真实数据分布特征,并生成可替代的影子数据;然后,通过影子数据训练影子模型替代原始模型,敌手无法直接获取真实数据训练过的原始模型;最后,利用影子数据在影子模型中产生的影子梯度替代真实梯度,使敌手无法获取真实梯度。在CIFAR10和CIFAR100数据集上进行了实验:与添加噪声、梯度裁剪、梯度压缩、表征扰动和局部正则化稀疏化五种防御方案相比,在CIFAR10数据集上所提方案的均方误差(MSE)是对比方案的1.18~5.34倍,特征均方误差(FMSE)是对比方案的4.46~1.03×10^(7)倍,峰值信噪比(PSNR)是对比方案的49.9%~90.8%;在CIFAR100数据集上的MSE是对比方案的1.04~1.06倍,FMSE是对比方案的5.93~4.24×10^(3)倍,PSNR是对比方案的96.0%~97.6%。相较于深度影子防御方法,所提方案考虑了敌手的实际攻击能力和影子模型训练存在的问题,设计了威胁模型和影子模型生成算法,在理论分析和实验方面表现更好,而且能够在保证准确率的前提下有效降低联邦学习隐私泄露风险。 展开更多
关键词 联邦学习 生成对抗网络 梯度反演 隐私保护 防御方案
下载PDF
上一页 1 2 8 下一页 到第
使用帮助 返回顶部