期刊文献+
共找到214篇文章
< 1 2 11 >
每页显示 20 50 100
DSNNs:learning transfer from deep neural networks to spiking neural networks 被引量:3
1
作者 Zhang Lei Du Zidong +1 位作者 Li Ling Chen Yunji 《High Technology Letters》 EI CAS 2020年第2期136-144,共9页
Deep neural networks(DNNs)have drawn great attention as they perform the state-of-the-art results on many tasks.Compared to DNNs,spiking neural networks(SNNs),which are considered as the new generation of neural netwo... Deep neural networks(DNNs)have drawn great attention as they perform the state-of-the-art results on many tasks.Compared to DNNs,spiking neural networks(SNNs),which are considered as the new generation of neural networks,fail to achieve comparable performance especially on tasks with large problem sizes.Many previous work tried to close the gap between DNNs and SNNs but used small networks on simple tasks.This work proposes a simple but effective way to construct deep spiking neural networks(DSNNs)by transferring the learned ability of DNNs to SNNs.DSNNs achieve comparable accuracy on large networks and complex datasets. 展开更多
关键词 DEEP leaning SPIKING neural network(snn) CONVERT METHOD spatially folded NETWORK
下载PDF
基于灰度纹理特征提取和CS-SNN的双初级永磁同步直线电机退磁故障诊断研究 被引量:5
2
作者 刘铄 宋俊材 +2 位作者 陆思良 吴先红 丁伟 《中国电机工程学报》 EI CSCD 北大核心 2023年第16期6464-6473,共10页
引入一种基于图像形态学纹理特征提取与布谷鸟搜索优化脉冲神经网络(cuckoo search-spiking neural network,CS-SNN)算法相结合的方法,以解决双初级永磁同步直线电机(dual primary permanent magnet synchronous linear motor,DPPMSLM)... 引入一种基于图像形态学纹理特征提取与布谷鸟搜索优化脉冲神经网络(cuckoo search-spiking neural network,CS-SNN)算法相结合的方法,以解决双初级永磁同步直线电机(dual primary permanent magnet synchronous linear motor,DPPMSLM)退磁故障精细定量化诊断识别的问题。首先,根据DPPMSLM拓扑结构约束,通过有限元仿真提取电机气隙空间中三线磁密信号作为有效故障信号;其次,引入图像纹理分析的方法,将一维数据信号映射为二维灰度图像,再采用伽马矫正和边缘提取技术增强图像信息,以提取图像纹理特征组成故障特征向量;然后建立两级CS-SNN分类器实现退磁故障位置类型和严重程度的精确诊断分类;最后,通过退磁样机制作和实验平台验证,提出的新方法能够准确识别DPPMSLM退磁故障位置和严重程度,并具有良好的鲁棒性,是一种有效可行的方法。 展开更多
关键词 双初级永磁同步直线电机 退磁故障诊断 图像纹理分析 故障特征向量 布谷鸟搜索优化脉冲神经网络
下载PDF
融合卷积块注意力模块和Siamese神经网络的人脸识别算法 被引量:1
3
作者 孟祥周 李映君 +1 位作者 王桂从 蒙天生 《光学精密工程》 EI CAS CSCD 北大核心 2023年第21期3192-3202,共11页
针对传统人脸识别方法识别性能较差,基于深度学习的方法在非限制条件下识别较为困难,人脸特征区分性弱,识别精度容易受到姿势、表情等方面影响的问题,提出了一种引入卷积块注意力模块的孪生神经网络模型结构。该结构是基于孪生神经网络(... 针对传统人脸识别方法识别性能较差,基于深度学习的方法在非限制条件下识别较为困难,人脸特征区分性弱,识别精度容易受到姿势、表情等方面影响的问题,提出了一种引入卷积块注意力模块的孪生神经网络模型结构。该结构是基于孪生神经网络(Siamese neural network)的基础框架进行改进的,在框架中引入改进的VGG11_BN模型进行特征提取。该模型是在VGG11结构的基础上引入批归一化(Batch Normalization,BN)技术,在原模型结构的基础上,提出引入CBAM混合注意力机制的特征提取网络;最后,针对目前亚洲人的人脸识别训练较少的情况,采用更加符合亚洲人脸特征的CASIA-FaceV5数据集进行识别训练。实验结果表明:本文算法在人脸识别方面的准确率达到了96.67%,并且在CAS-PEAL-R1人脸数据集上比SRGES,VGG11+siamese算法的准确率分别提升6.05%,6.7%。该算法可以在多因素影响下更好地进行人脸识别验证,具有良好的稳定性。 展开更多
关键词 人脸识别 孪生神经网络 深度学习 注意力机制 稳定性
下载PDF
基于SNN-LSTM的小样本数据下轴承故障诊断方法 被引量:6
4
作者 吕云开 武兵 李聪明 《机电工程》 CAS 北大核心 2023年第1期62-68,共7页
基于深度学习的故障诊断方法的实现,需要用到大量的、有标注的训练样本,而在小样本数据下,采用这些方法会产生模型欠拟合问题,同时获得的分类准确率也较低。为了解决上述问题,提出了一种小样本数据下结合孪生神经网络(SNN)与长短时记忆... 基于深度学习的故障诊断方法的实现,需要用到大量的、有标注的训练样本,而在小样本数据下,采用这些方法会产生模型欠拟合问题,同时获得的分类准确率也较低。为了解决上述问题,提出了一种小样本数据下结合孪生神经网络(SNN)与长短时记忆网络(LSTM)的轴承故障诊断方法。首先,以一对带有正负标签的原始振动信号样本作为诊断方法的输入,采用比较二者相似度的方法,扩充了训练样本个数;然后,采用共享提取样本对特征网络参数的方法,完成了SNN的搭建过程;使用卷积层、池化层及LSTM层提取了原始振动信号的特征,通过计算二者之间的曼哈顿距离,判断输入样本对的相似度,对不同状态下的轴承完成了分类;最后,为了验证基于SNN-LSTM的故障诊断方法在轴承故障诊断中的有效性,通过轴承故障诊断实验,采集了在不同转速、不同状态下的轴承振动信号数据。研究结果表明:当样本数量仅为140个,采用基于SNN-LSTM的故障诊断方法的准确率达到80.57%,相比于深度学习经典方法,在小样本数据下采用该方法具有更高的诊断准确率。 展开更多
关键词 深度学习 孪生神经网络 长短时记忆网络 训练样本 模型欠拟合 分类准确率 曼哈顿距离
下载PDF
基于CAR-Siamese网络的高分辨率遥感图像建筑物变化检测 被引量:3
5
作者 姚沐风 昝露洋 +2 位作者 李柏鹏 李庆亭 陈正超 《中国科学院大学学报(中英文)》 CSCD 北大核心 2023年第3期380-387,共8页
准确提取建筑物变化区域对城乡规划、地理国情监测、城市扩张分析有着重要意义。传统遥感变化检测方法难以适应遥感图像复杂场景下的变化检测任务的要求。近年来广泛应用于计算机视觉领域的深度学习变化检测算法相对于传统方法在效率和... 准确提取建筑物变化区域对城乡规划、地理国情监测、城市扩张分析有着重要意义。传统遥感变化检测方法难以适应遥感图像复杂场景下的变化检测任务的要求。近年来广泛应用于计算机视觉领域的深度学习变化检测算法相对于传统方法在效率和精度上有明显提升。然而遥感图像上建筑物特征丰富、变化多样,且建筑物变化样本获取难度大,导致现有深度学习模型在建筑物变化检测任务上精度受限。针对这一问题,提出变化注意力残差孪生网络(CAR-siamese net),增强不同尺度下图像信息的共享交流,充分学习建筑物的变化特征,同时,提出建筑物语义分割样本预训练策略,有效利用现有建筑物分割样本,最终提升了变化检测网络对建筑物变化的解译能力。以北京昌平区影像为底图制作建筑物变化检测数据集,在该数据集和Levir-CD公开数据集上的实验结果表明,该方法能有效提高建筑物变化检测精度。 展开更多
关键词 变化检测 建筑物 深度学习 卷积神经网络 孪生网络 变化注意力残差
下载PDF
小样本下基于决策树-SNN的恶意流量检测方法 被引量:1
6
作者 李道全 李玉秀 任大用 《计算机工程与应用》 CSCD 北大核心 2023年第21期258-266,共9页
针对目前小样本下的恶意流量检测方法存在准确度低、特征提取不足和模型过拟合问题,提出了一种小样本下基于改进决策树-孪生神经网络的恶意流量检测算法。为了降低小样本下多分类任务的难度,利用类间中心距离构建二叉决策树将多分类问... 针对目前小样本下的恶意流量检测方法存在准确度低、特征提取不足和模型过拟合问题,提出了一种小样本下基于改进决策树-孪生神经网络的恶意流量检测算法。为了降低小样本下多分类任务的难度,利用类间中心距离构建二叉决策树将多分类问题转换为二分类问题。将孪生神经网络的对比分支设计为三支一维卷积神经网络并行的结构来解决小样本下特征提取不足问题。引入了通过池化策略和一维卷积操作优化的SE(squeeze-andexcitation)模块,以减少小样本下模型过拟合问题。通过对比样本的相似度实现了恶意流量检测。实验结果表明,所提方法在小样本下的恶意流量检测问题上具有良好的效果。 展开更多
关键词 恶意流量 决策树 孪生神经网络 类间中心距离 小样本 通道注意力
下载PDF
Analysis and Neural Networks Modeling of Web Server Performances Using MySQL and PostgreSQL
7
作者 Fontaine Rafamantanantsoa Maherindefo Laha 《Communications and Network》 2018年第4期142-151,共10页
The purpose of this study is to analyze and then model, using neural network models, the performance of the Web server in order to improve them. In our experiments, the parameters taken into account are the number of ... The purpose of this study is to analyze and then model, using neural network models, the performance of the Web server in order to improve them. In our experiments, the parameters taken into account are the number of instances of clients simultaneously requesting the same Web page that contains the same SQL queries, the number of tables queried by the SQL, the number of records to be displayed on the requested Web pages, and the type of used database server. This work demonstrates the influences of these parameters on the results of Web server performance analyzes. For the MySQL database server, it has been observed that the mean response time of the Web server tends to become increasingly slow as the number of client connection occurrences as well as the number of records to display increases. For the PostgreSQL database server, the mean response time of the Web server does not change much, although there is an increase in the number of clients and/or size of information to be displayed on Web pages. Although it has been observed that the mean response time of the Web server is generally a little faster for the MySQL database server, it has been noted that this mean response time of the Web server is more stable for PostgreSQL database server. 展开更多
关键词 Web SERVER PERFORMANCES neural Network Database SERVER MYSQL POSTGRESQL APACHE Mean Response Time APACHE Benchmark snnS
下载PDF
基于联合权重超图划分的SNN负载均衡方法
8
作者 徐聪 叶钧超 +1 位作者 黄尧 柴志雷 《计算机应用研究》 CSCD 北大核心 2023年第7期2130-2137,共8页
大规模脉冲神经网络并行模拟是探究大脑机能的重要手段。其难点在于合理地将负载映射到并行分布式平台上,提升模拟速度。为解决该问题,提出一种基于联合权重超图划分的SNN负载均衡方法,解决并行计算中进程间计算负载与通信负载的均衡问... 大规模脉冲神经网络并行模拟是探究大脑机能的重要手段。其难点在于合理地将负载映射到并行分布式平台上,提升模拟速度。为解决该问题,提出一种基于联合权重超图划分的SNN负载均衡方法,解决并行计算中进程间计算负载与通信负载的均衡问题,提高SNN模拟速度,并使用稀疏通信的方式替代集体通信,解决事件通信过程中的数据冗余问题,提升通信效率。实验结果表明,该方法使带有STDP突触20%规模的皮质层微电路模型的模拟时间,比标准循环分配算法缩短约64.5%,比普通超图分配算法缩短约57.4%,同时事件通信数据量减少了90%以上。 展开更多
关键词 脉冲神经网络 负载均衡 联合权重 超图划分 并行计算
下载PDF
基于伪孪生网络的高光谱图像分类 被引量:1
9
作者 王方雄 梁遵逊 《辽宁师范大学学报(自然科学版)》 CAS 2024年第1期43-49,共7页
基于深度学习架构的高光谱图像分类近年来一直是遥感领域研究的热点之一.然而,如何提出新的分类框架,对具有少量标签样本的高光谱数据进行有效分类仍是一个挑战性的问题.设计了一种改进伪孪生网络的高光谱图像分类架构.该方法首先将一... 基于深度学习架构的高光谱图像分类近年来一直是遥感领域研究的热点之一.然而,如何提出新的分类框架,对具有少量标签样本的高光谱数据进行有效分类仍是一个挑战性的问题.设计了一种改进伪孪生网络的高光谱图像分类架构.该方法首先将一幅高维的高光谱图像划分为2幅低维的图像,分别利用卷积神经网络和图卷积网络进行特征提取.然后通过级联操作,将提取到的谱信息进行有效集成.最后输入全连接神经网络进行分类.所提出的方法改进了经典的伪孪生网络并应用于高光谱图像分类.在2个实际的高光谱数据集上的实验结果和比较结果验证了方法的有效性. 展开更多
关键词 高光谱图像 孪生网络 卷积神经网络 图卷积神经网络 深度学习
下载PDF
结合对抗训练和特征混合的孪生网络防御模型 被引量:1
10
作者 张新君 程雨晴 《计算机应用研究》 CSCD 北大核心 2024年第3期905-910,共6页
神经网络模型容易受到对抗样本攻击。针对当前防御方法侧重改进模型结构或模型仅使用对抗训练方法导致防御类型单一且损害模型分类能力、效率低下的问题,提出结合对抗训练和特征混合训练孪生神经网络模型(SS-ResNet18)的方法。该方法通... 神经网络模型容易受到对抗样本攻击。针对当前防御方法侧重改进模型结构或模型仅使用对抗训练方法导致防御类型单一且损害模型分类能力、效率低下的问题,提出结合对抗训练和特征混合训练孪生神经网络模型(SS-ResNet18)的方法。该方法通过线性插值混合训练集样本数据,使用残差注意力模块搭建孪生网络模型,将PGD对抗样本和正常样本输入不同分支网络进行训练。在特征空间互换相邻样本部分输入特征以增强网络抗干扰能力,结合对抗损失和分类损失作为网络整体损失函数并对其进行标签平滑。在CIFAR-10和SVHN数据集上进行实验,该方法在白盒攻击下表现出优异的防御性能,黑盒攻击下模型对PGD、JSMA等对抗样本的防御成功率均在80%以上;同时,SS-ResNet18模型时间花销仅为子空间对抗训练方法的二分之一。实验结果表明,SS-ResNet18模型能防御多种对抗样本攻击,与现有防御方法相比,其鲁棒性强且训练耗时较短。 展开更多
关键词 孪生神经网络 图像分类 对抗样本 对抗训练 注意力机制 特征混合
下载PDF
一种融合多尺度混合注意力的建筑物变化检测模型 被引量:3
11
作者 于海洋 滑志华 +2 位作者 宋草原 谢赛飞 景鹏 《测绘工程》 2024年第1期47-56,共10页
针对高分辨率遥感图像非真实变化所引起的错误检测问题,提出一种新颖的轻量化孪生神经网络建筑物变化检测模型。其中轻量化的特征提取模块可以获取不同尺度的局部上下文信息,使其充分学习局部和全局特征。由通道和空间注意力组成的混合... 针对高分辨率遥感图像非真实变化所引起的错误检测问题,提出一种新颖的轻量化孪生神经网络建筑物变化检测模型。其中轻量化的特征提取模块可以获取不同尺度的局部上下文信息,使其充分学习局部和全局特征。由通道和空间注意力组成的混合注意力模块可以充分利用周围丰富的时空语义信息,以实现变化建筑物的准确提取。针对变化建筑物尺度跨度较大,容易导致建筑物边缘细节提取粗糙、小尺度建筑物漏检等问题,引入多尺度概念,将提取到的特征图划分为多个子区域,并分别引入混合注意力模块,最终将不同尺度的输出特征进行加权融合,以加强边缘细节提取能力。模型在WHU-CD、LEVIR-CD公开数据集进行实验,并分别取得87.8%和88.1%的F 1值,相较于6种对比模型具有更高的变化检测精度。 展开更多
关键词 建筑物变化检测 混合注意力机制 多尺度分割 轻量化孪生神经网络 高分辨率遥感图像
下载PDF
基于孪生神经网络的楔形环连接结构预紧状态辨识
12
作者 盛俊杰 王九龙 +1 位作者 李树勇 文勇 《振动与冲击》 EI CSCD 北大核心 2024年第8期162-168,共7页
楔形环连接结构由于其连接简单可靠、同时兼具节省空间及减重的优势,常被应用于鱼雷、航天飞行器等武器装备。针对楔形环连接结构预紧状态辨识方面存在的机理模型复杂、样本量小且类别不平衡的问题,提出了一种基于孪生神经网络模型的预... 楔形环连接结构由于其连接简单可靠、同时兼具节省空间及减重的优势,常被应用于鱼雷、航天飞行器等武器装备。针对楔形环连接结构预紧状态辨识方面存在的机理模型复杂、样本量小且类别不平衡的问题,提出了一种基于孪生神经网络模型的预紧状态辨识方法。为提高模型训练效率和效果,首先利用时频处理技术进行孪生神经网络模型特征增强,基于增强特征建立了3层孪生神经网络分类模型,实现楔形环预紧状态宏观分类。同时,为指导楔形环精密装配,通过特征可视化技术,深入分析了孪生神经网络训练过程特征聚类效果,并基于二维特征建立了预紧状态定量表征模型,引入目标状态聚类中心与接受域参量,用于实现楔形环连接结构预紧状态定量评估。通过试验验证了所提方法的有效性,该方法可为楔形环连接结构定量辨识提供新的技术途径和思路,具有一定工程应用价值。 展开更多
关键词 楔形环连接结构 孪生神经网络 状态辨识 特征可视化 定量表征
下载PDF
用于RGBT跟踪的孪生混合信息融合算法
13
作者 黄颖 杨佳宇 +1 位作者 金家昊 万邦睿 《计算机应用》 CSCD 北大核心 2024年第9期2878-2885,共8页
可见光与热红外跟踪(又称RGBT(RGB-Thermal)跟踪)的核心是有效地利用不同模态的信息,针对决策级融合中单分支产生低质结果影响算法判定目标的问题,提出一个用于RGBT跟踪的孪生混合信息融合算法SiamMIF。首先,使用孪生主干网络(SBN)进行... 可见光与热红外跟踪(又称RGBT(RGB-Thermal)跟踪)的核心是有效地利用不同模态的信息,针对决策级融合中单分支产生低质结果影响算法判定目标的问题,提出一个用于RGBT跟踪的孪生混合信息融合算法SiamMIF。首先,使用孪生主干网络(SBN)进行多模态特征提取;其次,从信噪比的角度分析低质图像对双分支并行决策产生的影响,进而设计了一个信噪比驱动的信息交互模块(IIM)对低信噪比特征进行信息互补;再次,利用双流无锚跟踪头(ADH)对补偿后的特征进行分类回归;最后,采用自适应轻量决策模块(ALDM)对跟踪结果进行融合,并快速判定目标位置。在4个RGBT基准数据集GTOT、RGBT234、VOT-RGBT2019和LasHeR上的实验结果表明,所提算法在LasHeR数据集上的成功率和精确度分别为0.396和0.518,相较于APFNet(Attribute-based Progressive Fusion Network)提升9.4%和3.6%,在其他3个数据集上也能取得较好结果,且在GPU上的帧率能达到40 frame/s。 展开更多
关键词 RGBT跟踪 孪生神经网络 多模态融合策略 信息交互 无锚跟踪头
下载PDF
基于S-MCLSTM和DANN的滚动轴承剩余寿命预测方法
14
作者 董志民 董洁超 《计算机应用研究》 CSCD 北大核心 2024年第9期2787-2793,共7页
针对在不同工作条件和不同故障形式下,滚动轴承剩余寿命预测泛化能力差和精确度不高的问题,提出一种基于孪生多卷积长短时记忆网络(S-MCLSTM)和域对抗网络(DANN)的剩余寿命预测方法。首先针对不同的工作条件对退化过程的影响,提出基于S-... 针对在不同工作条件和不同故障形式下,滚动轴承剩余寿命预测泛化能力差和精确度不高的问题,提出一种基于孪生多卷积长短时记忆网络(S-MCLSTM)和域对抗网络(DANN)的剩余寿命预测方法。首先针对不同的工作条件对退化过程的影响,提出基于S-MCLSTM的差异化特征提取器以提取一定时间间隔的两个样本之间的差异化特征。同时,进一步使用工作条件判别器与差异化特征提取器进行对抗训练,减少由于工作条件的原因产生的冗余特征。之后针对故障形式对退化过程的影响,设计了故障诊断器用于和差异化特征提取器对抗训练。最后,考虑到滚动轴承一般退化过程中,不同阶段的退化过程与特征之间的映射关系可能存在的差异,提出了阶段判别器,并在不同阶段应用不同的剩余寿命预测器进行预测。最终在西安交通大学XJTU-SY轴承数据集上的实验表明,该方法在多种工作条件和故障形式下都能较准确地预测剩余寿命,有较为广泛的应用前景。 展开更多
关键词 滚动轴承 剩余寿命预测 孪生多卷积长短时记忆网络 域对抗网络
下载PDF
自校准首脉冲时间编码神经元模型 被引量:1
15
作者 冯忍 陈云华 +1 位作者 熊志民 陈平华 《计算机科学》 CSCD 北大核心 2024年第3期244-250,共7页
由于脉冲神经元具有复杂的时空动力过程且脉冲信息不可导,脉冲神经网络(SNN)的训练一直是一个难题。基于人工神经网络(ANN)转SNN间接训练深度SNN的方法,避免了直接训练深度SNN的难题,但该方法所获得的SNN的性能在很大程度上会受到脉冲... 由于脉冲神经元具有复杂的时空动力过程且脉冲信息不可导,脉冲神经网络(SNN)的训练一直是一个难题。基于人工神经网络(ANN)转SNN间接训练深度SNN的方法,避免了直接训练深度SNN的难题,但该方法所获得的SNN的性能在很大程度上会受到脉冲信息编码机制的影响。在众多编码机制中,首脉冲时间编码(TTFS)具有良好的生物学基础和更高的能效,但现有TTFS编码采用单脉冲形式,信息表征能力较弱,编码所需时间窗较大。为此,在TTFS的单脉冲编码基础上,增加一个校准脉冲,形成一种自校准首脉冲时间(SC-TTFS)编码机制,并构建相应的SC-TTFS神经元模型。在SC-TTFS中,首脉冲为必定发放的脉冲,而校准脉冲根据首脉冲发放后剩余的膜电位来确定是否发放,用于对编码脉冲所引起的转换量化误差和截断误差进行补偿,同时缩小编码所需的时间窗。通过对多种编码对应的转换误差进行对比分析,以及在多种网络结构上进行ANN-SNN转换实验,验证了所提方法的优越性。采用CIFAR10和CIFAR100数据集,基于VGG和ResNet两种网络结构进行了实验验证。结果表明,所提方法在两类网络结构和两种数据集上均实现了精度无损的ANN-SNN转换,且相较于最先进的同类方法,所提方法所构建的SNN具有最短的网络推理延迟。另外,在VGG结构上,所提方法相比TTFS编码能源效率提升了约80%。 展开更多
关键词 脉冲神经网络 脉冲编码机制 ANN-snn转化
下载PDF
基于深度神经网络的目标跟踪算法综述 被引量:1
16
作者 郭凡 卢铉宇 +1 位作者 李嘉怡 王红梅 《航空兵器》 CSCD 北大核心 2024年第1期1-12,共12页
目标跟踪是根据视频序列中目标的前续信息,对目标的当前状态进行预测。深度学习在目标跟踪领域逐渐广泛应用,本文阐述了目标跟踪算法和深度学习的发展背景,对传统目标跟踪进行了回顾,根据不同的网络任务功能,将基于深度学习的目标跟踪... 目标跟踪是根据视频序列中目标的前续信息,对目标的当前状态进行预测。深度学习在目标跟踪领域逐渐广泛应用,本文阐述了目标跟踪算法和深度学习的发展背景,对传统目标跟踪进行了回顾,根据不同的网络任务功能,将基于深度学习的目标跟踪算法分为:基于分类的深度学习目标跟踪算法、基于回归的深度学习目标跟踪算法、基于回归与分类结合的目标跟踪算法,并选取了具有代表性的目标跟踪算法进行实验,对比不同算法之间的特点;最后对目前基于深度学习的目标跟踪方法存在的问题进行分析,对未来发展方向进行展望。实验结果证明,深度孪生跟踪网络在精度与速度上均占优,成为当前主流的跟踪算法框架。 展开更多
关键词 目标跟踪 深度学习 神经网络 卷积神经网络 孪生神经网络 生成对抗网络
下载PDF
基于软阈值降噪的脉冲卷积神经网络轴承故障诊断方法 被引量:1
17
作者 李浩 黄晓峰 +1 位作者 邹豪杰 孙英杰 《电气技术》 2024年第2期12-20,共9页
针对工业场景下滚动轴承信号易受噪声干扰,导致故障诊断准确率低和稳定性差的问题,本文提出一种基于软阈值降噪的脉冲卷积神经网络诊断方法。该方法使用软阈值滤波去噪,运用带时间标签的卷积层处理二维信号,增强动态特征提取能力。同时... 针对工业场景下滚动轴承信号易受噪声干扰,导致故障诊断准确率低和稳定性差的问题,本文提出一种基于软阈值降噪的脉冲卷积神经网络诊断方法。该方法使用软阈值滤波去噪,运用带时间标签的卷积层处理二维信号,增强动态特征提取能力。同时,通过引入IF和LIF神经元实现对时域和频域信息的联合编码,并采用替代梯度法进行端到端训练。实验结果显示,在信噪比为6dB时,所提方法的诊断准确率达100%,在信噪比为-6dB时诊断准确率达77.33%,优于其他常用方法,表明所提方法在噪声下具有良好的诊断效果和稳定性。 展开更多
关键词 故障诊断 软阈值 脉冲神经网络(snn) 替代梯度法
下载PDF
基于脉冲序列标识的深度脉冲神经网络时空反向传播算法
18
作者 王子华 叶莹 +3 位作者 刘洪运 许燕 樊瑜波 王卫东 《电子与信息学报》 EI CAS CSCD 北大核心 2024年第6期2596-2604,共9页
尖峰放电的脉冲神经网络(SNN)具有接近大脑皮层的信号处理模式,被认为是实现大脑启发计算的重要途径。但是,目前对于深度脉冲神经网络的学习仍缺乏有效的监督学习算法。受尖峰放电速率标识的时空反向传播算法的启发,该文提出一种面向深... 尖峰放电的脉冲神经网络(SNN)具有接近大脑皮层的信号处理模式,被认为是实现大脑启发计算的重要途径。但是,目前对于深度脉冲神经网络的学习仍缺乏有效的监督学习算法。受尖峰放电速率标识的时空反向传播算法的启发,该文提出一种面向深度脉冲神经网络训练的基于时间脉冲序列标识的监督学习算法,通过定义突触后电位和膜电位反传迭代因子分别分析脉冲神经元的空间和时间依赖关系,使用替代梯度的方法解决反传过程中不连续可微的问题。不同于现有基于尖峰放电速率标识的学习算法,该算法能够充分反映脉冲神经网络输出的时间脉冲序列的动态特性。因此,所提算法非常适合应用于需要较长时间序列标识的计算任务,例如行为的时间脉冲序列控制。该文在静态图像数据集CIFAR10和神经形态数据集NMNIST上验证了所提算法的有效性,在所有这些数据集上都显示出良好的性能,这有助于进一步研究基于时间脉冲序列应用的大脑启发计算。 展开更多
关键词 脉冲神经网络 监督学习 误差反向传播 时间脉冲序列标识 替代梯度
下载PDF
面向人眼宽视场视觉成像质量的评价方法 被引量:1
19
作者 王杨 隆海燕 贾曦然 《计算机工程与设计》 北大核心 2024年第4期1157-1165,共9页
为考虑边缘视觉的影响,实现对人眼宽视场条件下视觉成像质量的量化,提出一种基于孪生神经网络的多视域成像质量评价方法。构建个性化眼模型,根据波前像差值获得不同视场处的成像图;利用色彩差异分割成像图中的不同区域,将其作为子图像... 为考虑边缘视觉的影响,实现对人眼宽视场条件下视觉成像质量的量化,提出一种基于孪生神经网络的多视域成像质量评价方法。构建个性化眼模型,根据波前像差值获得不同视场处的成像图;利用色彩差异分割成像图中的不同区域,将其作为子图像以样本对的形式输入到孪生神经网络中,提取图像的多维特征;模拟人眼对色彩的差异化感知,对区域图像质量评价值进行加权,得到对整幅图像的质量评价。为验证算法的有效性,在TID2013、LIVE和CSIQ这3个图像数据库上进行实验,其结果表明,该方法对多视场处成像质量的量化评估有良好的性能。 展开更多
关键词 孪生神经网络 图像质量评价 个性化眼模型 色彩差异 边缘视觉 波前像差值 差异化视场成像
下载PDF
跨脉冲传播的深度脉冲神经网络训练方法
20
作者 曾建新 陈云华 +1 位作者 李炜奇 陈平华 《计算机应用研究》 CSCD 北大核心 2024年第7期2134-2140,共7页
基于反向传播的脉冲神经网络(SNNs)的训练方法仍面临着诸多问题与挑战,包括脉冲发放过程不可微分、脉冲神经元具有复杂的时空动力过程等。此外,SNNs反向传播训练方法往往没有考虑误差信号在相邻脉冲间的关系,大大降低了网络模型的准确... 基于反向传播的脉冲神经网络(SNNs)的训练方法仍面临着诸多问题与挑战,包括脉冲发放过程不可微分、脉冲神经元具有复杂的时空动力过程等。此外,SNNs反向传播训练方法往往没有考虑误差信号在相邻脉冲间的关系,大大降低了网络模型的准确性。为此,提出一种跨脉冲误差传播的深度脉冲神经网络训练方法(cross-spike error backpropagation,CSBP),将神经元的误差反向传播分成脉冲发放时间随突触后膜电位变化关系和相邻脉冲发放时刻点间的依赖关系两种依赖关系。其中,通过前者解决了脉冲不可微分的问题,通过后者明确了脉冲间的依赖关系,使得误差信号能跨脉冲传播,提升了生物合理性。此外,并对早期脉冲残差网络架构存在的模型表示能力不足问题进行研究,通过修改脉冲残余块的结构顺序,进一步提高了网络性能。实验结果表明,所提方法比基于脉冲时间的最优训练算法有着明显的提升,相同架构下,在CIFAR10数据集上提升2.98%,在DVS-CIFAR10数据集上提升2.26%。 展开更多
关键词 脉冲神经网络 脉冲时间依赖 误差反向传播 脉冲神经网络训练算法
下载PDF
上一页 1 2 11 下一页 到第
使用帮助 返回顶部