期刊文献+
共找到347篇文章
< 1 2 18 >
每页显示 20 50 100
基于改进堆叠自编码器的滚动轴承故障诊断 预览
1
作者 李晴晴 侯瑞春 丁香乾 《计算机工程与设计》 北大核心 2019年第7期2064-2070,共7页
针对大型机械滚动轴承故障数据存在高噪声、高维度的问题,提出一种基于改进堆叠自编码器的故障诊断方法。基于改进的Dropout方法构建分类深度自编码网络模型,在预训练阶段采用逐层贪婪算法自适应提取高维数据的有效特征,在原始自编码器... 针对大型机械滚动轴承故障数据存在高噪声、高维度的问题,提出一种基于改进堆叠自编码器的故障诊断方法。基于改进的Dropout方法构建分类深度自编码网络模型,在预训练阶段采用逐层贪婪算法自适应提取高维数据的有效特征,在原始自编码器的基础上加入稀疏限制和“损伤噪声”,提高特征表达的鲁棒性;在微调阶段,通过反向传播神经网络(BPNN)对参数进行微调,提高故障识别的准确率。仿真结果表明,该方法对于滚动轴承的故障诊断在稳定性、准确率等方面均优于反向传播神经网络(BPNN)和支持向量机(SVM)。 展开更多
关键词 自动编码器 深度学习 损伤噪声 稀疏编码 DROPOUT 故障诊断
在线阅读 下载PDF
基于AE-BNDNN模型的入侵检测方法
2
作者 江颉 高甲 陈铁明 《小型微型计算机系统》 CSCD 北大核心 2019年第8期1713-1717,共5页
基于深度学习的网络入侵检测系统中大量的冗余数据特征会加大模型的训练时间并降低训练效果,针对此问题,提出了AE-BNDNN入侵检测模型.首先利用自编码器网络(Auto-Encoder,AE)对入侵检测数据进行特征降维,去除冗余特征,而后在深度神经网... 基于深度学习的网络入侵检测系统中大量的冗余数据特征会加大模型的训练时间并降低训练效果,针对此问题,提出了AE-BNDNN入侵检测模型.首先利用自编码器网络(Auto-Encoder,AE)对入侵检测数据进行特征降维,去除冗余特征,而后在深度神经网络隐藏层添加批量规范化层,作为训练入侵检测数据特征降维后的分类器,最后采用多层网格搜索算法对AEBNDNN模型参数进行自动优化,寻找模型的最优参数.在NSL-KDD数据集上的实验结果表明,采用多层网格搜索算法优化的AE-BNDNN模型取得了较高的分类准确率和训练速度. 展开更多
关键词 入侵检测 自编码器 深度神经网络 批量归一化 网格搜索
基于语义自动编码机的零次学习研究 预览
3
作者 王阳 王琼 陆建峰 《计算机与数字工程》 2019年第10期2428-2433,共6页
零次学习是计算机识别中的一个重要研究领域,具有广阔的应用前景和潜力。零次学习致力于从已知数据中提取有效特征,以用于对未知数据进行分类或识别。自动编码机将原空间特征转化为编码空间特征,并允许逆向变换,可以一定程度保留原始特... 零次学习是计算机识别中的一个重要研究领域,具有广阔的应用前景和潜力。零次学习致力于从已知数据中提取有效特征,以用于对未知数据进行分类或识别。自动编码机将原空间特征转化为编码空间特征,并允许逆向变换,可以一定程度保留原始特征空间的分布。在传统自动编码机的定义上加入限制,使其编码层可以兼容语义特征,使编码过程无需迭代求解。论文分别通过加入正则项降低模型的过拟合性,以及通过核函数进行改进的两种思路入手,使最终效果得到了提升。实验结果达到了目前先进水平。 展开更多
关键词 零次学习 自动编码机 语义特征 神经网络 核函数
在线阅读 下载PDF
基于稀疏理论的DAE在公路事故伤亡预测应用 预览
4
作者 张文婧 陈治亚 +1 位作者 冯芬玲 李万 《计算机工程与应用》 CSCD 北大核心 2019年第7期241-247,共7页
准确实现公路事故伤亡人数预测,对于把握我国未来交通安全形势、实现运输系统优化具有重要意义。将基于稀疏理论的深度自动编码器(Deep Auto-encoder)引入公路事故伤亡人数预测,利用公路事故伤亡人数2000—2015年历史数据构建伤亡人数... 准确实现公路事故伤亡人数预测,对于把握我国未来交通安全形势、实现运输系统优化具有重要意义。将基于稀疏理论的深度自动编码器(Deep Auto-encoder)引入公路事故伤亡人数预测,利用公路事故伤亡人数2000—2015年历史数据构建伤亡人数预测模型,得到死亡及受伤人数平均误差率分别为1.69%、1.53%;采用伤亡人数的影响指标汽车保有量、国内生产总值、公路总里程、人均道路面积的同时段历史数据构建预测模型,得到死伤人数平均误差率分别为1.76%、2.13%;对比发现将DAE运用到公路事故伤亡人数预测精度较高,且采用伤亡人数时间序列数据较影响指标预测精度更高,故使用前者对2016—2020年数据进行预测,得出未来我国公路事故死亡人数将在一定时间内保持平稳,而受伤人数将会明显下降。 展开更多
关键词 深度学习 自编码 人工神经网络 伤亡预测模型 稀疏理论
在线阅读 下载PDF
学生得分预测:一种基于知识图谱的卷积自编码器 预览
5
作者 苏喻 张丹 +3 位作者 刘青文 张英杰 陈玉莹 丁宏强 《中国科学技术大学学报》 CAS CSCD 北大核心 2019年第1期21-30,共10页
在线个性化学习系统能够根据学生的学习历史,为学生提供个性化的学习资源,辅助学生高效学习.要提供精准的个性化诊断报告和个性化资源推荐,首先要对学生进行学业能力评估,其中一个基础性任务为得分预测.对于得分预测任务,现有的研究和... 在线个性化学习系统能够根据学生的学习历史,为学生提供个性化的学习资源,辅助学生高效学习.要提供精准的个性化诊断报告和个性化资源推荐,首先要对学生进行学业能力评估,其中一个基础性任务为得分预测.对于得分预测任务,现有的研究和方法存在如下不足:①不能充分利用大数据提升预测精度,②无法解决实际应用场景中常见的冷启动问题,③预测结果不可解释.为此提出并实现了一种基于知识图谱的自编码模型(knowledge-awareauto-encodermodel,KAEM)用于学生得分预测.首先介绍了含有教育专家先验知识的一种知识图谱,称之为锚题图谱;然后KAEM采用深度学习自编码技术,将教研对锚题图谱的先验理解作为自编码器的正则化项加入模型中,有效地解决冷启动问题.此外,此类模型的预测结果还可以解释化,为实际个性化学习推荐等应用场景提供教研依据.KAEM已经在国内某在线教育系统上运行,取得了良好的效果;在大规模数据上也实验验证了KAEM的有效性. 展开更多
关键词 个性化学习 知识图谱 自编码 冷启动 得分预测
在线阅读 免费下载
考虑天然气和电负荷之间相关性的短期电负荷预测 预览
6
作者 朱瑞金 郭威麟 龚雪娇 《电力系统及其自动化学报》 CSCD 北大核心 2019年第8期27-32,共6页
综合能源系统的广泛应用极大地增强了电力系统和天然气系统的相关性。针对传统方法存在着没有考虑天然气因素的不足,提出了一种考虑天然气因素影响的短期电负荷预测方法。首先,通过理论定性分析以及皮尔逊系数定量计算了电负荷和天然气... 综合能源系统的广泛应用极大地增强了电力系统和天然气系统的相关性。针对传统方法存在着没有考虑天然气因素的不足,提出了一种考虑天然气因素影响的短期电负荷预测方法。首先,通过理论定性分析以及皮尔逊系数定量计算了电负荷和天然气负荷之间的相关性;其次,在自动编码器框架下,利用卷积网络构建编码器用于提取影响负荷的潜在特征,在解码器中利用长短期记忆网络将特征映射成为负荷;最后,通过一个实际算例验证所提方法的有效性。仿真结果表明,天然气负荷和电负荷之间存在着较强的相关性,将历史天然气负荷作为自编码器网络的输入参数能使预测的平均误差下降1.5%~2.8%,所提方法的预测精度高于传统方法。 展开更多
关键词 综合能源系统 自动编码器 负荷预测 相关性 长短期记忆
在线阅读 下载PDF
基于多特征广义深度自编码的肺结节诊断方法 预览
7
作者 罗嘉滢 赵涓涓 +1 位作者 强彦 唐笑先 《计算机工程与设计》 北大核心 2019年第1期154-160,共7页
针对基于深度学习的肺结节良恶性分类诊断中由于学习到的肺结节特征不够全面引起的分类准确率不高问题,提出一种基于多特征广义深度自编码的肺结节诊断方法。通过预处理构建肺结节图像的3种数据集作为输入;将流形学习引入基于极限学习... 针对基于深度学习的肺结节良恶性分类诊断中由于学习到的肺结节特征不够全面引起的分类准确率不高问题,提出一种基于多特征广义深度自编码的肺结节诊断方法。通过预处理构建肺结节图像的3种数据集作为输入;将流形学习引入基于极限学习机的深度自编码中,形成无监督广义深度自编码,利用该网络逐层提取特征;通过不同的融合策略对肺结节,进行良恶性分类。实验结果表明,该方法可以有效提高分类性能,肺结节分类的准确率达到94.72%。 展开更多
关键词 肺结节 多特征 极限学习机 流形学习 自编码 良恶性分类
在线阅读 下载PDF
一种基于旁信息增强的协同过滤自动编码器模型 预览
8
作者 刘海博 冯时 于戈 《东北大学学报:自然科学版》 EI CAS CSCD 北大核心 2019年第11期1527-1532,共6页
针对用户评分预测不准确的问题,提出了一种基于旁信息(side-information)对用户兴趣进行预测的协同过滤自动编码器推荐模型,给出了模型的设计原理、损失函数以及具体结构.模型使用单隐藏层自动编码器实现,用户评分与旁信息同为模型的输... 针对用户评分预测不准确的问题,提出了一种基于旁信息(side-information)对用户兴趣进行预测的协同过滤自动编码器推荐模型,给出了模型的设计原理、损失函数以及具体结构.模型使用单隐藏层自动编码器实现,用户评分与旁信息同为模型的输入/输出数据,旁信息也直接参加模型的训练,这种设计不仅降低了模型的规模和复杂度,而且旁信息可以直接对用户兴趣进行修正.同时,通过对训练数据集合的合理划分与扩充,使得训练的网络模型增加了表达能力.在真实数据集上的对比实验表明,本文提出的方法提高了评分预测的准确度,具有一定的实用价值. 展开更多
关键词 自动编码器 协同过滤 旁信息 推荐系统 评分预测
在线阅读 下载PDF
基于度量自编码器的表示学习研究 预览
9
作者 张向向 金立左 《信息技术与信息化》 2019年第4期170-173,共4页
机器学习作为目前智能研究的主流方向,受到了越来越多研究者们的关注。数据特征对机器学习算法的性能有着至关重要的影响,而表示学习则是获取特征的重要手段。本文分析已有算法优缺点,融合多种思想,提出了有监督的度量自编码器算法,并... 机器学习作为目前智能研究的主流方向,受到了越来越多研究者们的关注。数据特征对机器学习算法的性能有着至关重要的影响,而表示学习则是获取特征的重要手段。本文分析已有算法优缺点,融合多种思想,提出了有监督的度量自编码器算法,并以此为基础,致力于表示学习的研究。通过在MNIST 和Fashion-MNIST 数据集上的实验,并与现有算法比较,本文证明了该算法的有效性。 展开更多
关键词 度量学习 Siamese网络 自编码器 表示学习
在线阅读 下载PDF
基于Parzen窗估计的一类加权极限自编码器 预览
10
作者 于化龙 徐克辉 席晓燕 《江苏科技大学学报:自然科学版》 CAS 2019年第3期88-94,共7页
针对传统的一类分类器分布适应性差、数据描述不够精确等问题,提出了基于Parzen窗估计的一类加权极限自编码器.该方法首先采用Parzen窗法对数据分布的全局概率密度进行估计,进而对样本进行个性化加权操作,并训练极限学习机,从而实现对... 针对传统的一类分类器分布适应性差、数据描述不够精确等问题,提出了基于Parzen窗估计的一类加权极限自编码器.该方法首先采用Parzen窗法对数据分布的全局概率密度进行估计,进而对样本进行个性化加权操作,并训练极限学习机,从而实现对样本分布的精确描述.特别地,极限学习机以自编码器的方式实现,并通过重构误差来确定样本类属.实验结果表明:与诸多传统方法相比,其不但具有更好的数据描述能力,而且兼具时间复杂度低的优点. 展开更多
关键词 一类分类 极限学习机 PARZEN窗 自编码器 加权
在线阅读 下载PDF
基于一维卷积自编码器—高斯混合模型的间歇过程故障检测
11
作者 王硕 王培良 《信息与控制》 CSCD 北大核心 2019年第3期285-292,共8页
传统基于数据驱动的间歇过程故障检测方法往往需要对数据的分布进行假设,其模型多阶段划分不精确,导致故障检测率受到影响.对此提出一种基于一维卷积自编码器—高斯混合模型(One dimensional convolution-auto encoder-Gaussian mixture... 传统基于数据驱动的间歇过程故障检测方法往往需要对数据的分布进行假设,其模型多阶段划分不精确,导致故障检测率受到影响.对此提出一种基于一维卷积自编码器—高斯混合模型(One dimensional convolution-auto encoder-Gaussian mixture model,1DC-AE-GMM)的检测新方法.该方法不需要对原始数据进行假设,首先对原始数据进行等长和缩放处理,并以最小重构误差的原则在具有卷积和多个中间层的深层神经网络上进行训练,以非线性的方式自动、精确地进行阶段划分和特征提取;然后在网络的编码层上建立高斯混合模型并进行聚类,在提取特征的同时大大减少了建立模型的计算量;最后结合马氏距离提出全局概率检测指标,实现故障检测.通过在一类半导体蚀刻过程的仿真实验,结果表明该方法可以有效地提高故障检测率. 展开更多
关键词 间歇过程 故障检测 自编码器 深度学习 高斯混合模型
基于自动编码器的本色布疵点检测算法 预览
12
作者 刘海军 张莉丽 +1 位作者 耿贵珍 朱世谊 《毛纺科技》 北大核心 2019年第9期79-83,共5页
为解决用于本色布疵点检测的浅层机器学习方法中人工特征提取主观性强、同一种特征提取方法无法适用于不同组织结构织物的问题,采用具有特征学习功能的自动编码器神经网络对原始图像进行特征自动提取。设计了含有一个隐藏层的全连接恒... 为解决用于本色布疵点检测的浅层机器学习方法中人工特征提取主观性强、同一种特征提取方法无法适用于不同组织结构织物的问题,采用具有特征学习功能的自动编码器神经网络对原始图像进行特征自动提取。设计了含有一个隐藏层的全连接恒等神经网络,原始数据输入该神经网络后,被隐藏层压缩,并在输出层重构,训练过程中通过优化重构层与输入层之间的误差来求解神经网络最佳系数。将训练好的自动编码器神经网络用于对原始图像进行编码压缩,经过压缩后的数据通常维数远远低于输入数据,将压缩结果作为输入图像所对应的特征向量,采用支持向量机进行分类。通过将应用自动编码器自动提取的特征与传统的PCA、HOG特征进行对比实验,结果表明,采用自动编码器自动提取的特征性能明显优于传统手工提取的特征。 展开更多
关键词 深度学习 自动编码器 疵点检测 支持向量机 特征学习
在线阅读 下载PDF
稀疏和标签约束半监督自动编码器的分类算法 预览
13
作者 王慧玲 宋威 王晨妮 《计算机应用研究》 CSCD 北大核心 2019年第9期2613-2617,共5页
自动编码器通过深度无监督学习能够表达数据的语义特征,但由于其隐含层节点个数难以有效确定,所处理的数据进一步用于分类时常会导致分类准确度低、稳定性弱等问题。针对这些问题,提出了一种稀疏和标签约束的半监督自动编码器(SLRAE),... 自动编码器通过深度无监督学习能够表达数据的语义特征,但由于其隐含层节点个数难以有效确定,所处理的数据进一步用于分类时常会导致分类准确度低、稳定性弱等问题。针对这些问题,提出了一种稀疏和标签约束的半监督自动编码器(SLRAE),以实现无监督学习与监督学习的有机结合,更准确地抽取样本的本质特征。稀疏约束项针对每个隐含节点的响应添加约束条件,从而在隐含神经元数量较多的情况下仍可发现数据中潜在的结构;同时引入标签约束项,以监督学习的方式比对实际标签与期望标签,针对性地调整网络参数,进一步提高分类准确率。为验证所提方法的有效性,实验中对多个数据集进行广泛测试,其结果表明,相对传统自动编码器(AE)、稀疏自动机(SAE)以及极限学习机(ELM),SLRAE所处理的数据应用于同一分类器,能明显提高分类准确率和稳定性。 展开更多
关键词 分类 稀疏约束 标签约束 自动编码器 极限学习机
在线阅读 下载PDF
Fault Diagnosis for Rolling Bearings with Stacked Denoising Auto-encoder of Information Aggregation 预览
14
作者 Li Zhang Xin Gao Xiao Xu 《哈尔滨工业大学学报:英文版》 EI CAS 2019年第4期69-77,共9页
Rolling bearings are important central components in rotating machines, whose fault diagnosis is crucial in condition-based maintenance to reduce the complexity of different kinds of faults. To classify various rollin... Rolling bearings are important central components in rotating machines, whose fault diagnosis is crucial in condition-based maintenance to reduce the complexity of different kinds of faults. To classify various rolling bearing faults, a prognostic algorithm consisting of four phases was proposed. Since stacked denoising auto-encoder can be filtered, noise of large numbers of mechanical vibration signals was used for deep learning structure to extract the characteristics of the noise. Unsupervised pre-training method, which can greatly simplify the traditional manual extraction approach, was utilized to process the depth of the data automatically. Furthermore, the aggregation layer of stacked denoising auto-encoder(SDA) was proposed to get rid of gradient disappearance in deeper layers of network, mix superficial nodes’ expression with deeper layers, and avoid the insufficient express ability in deeper layers. Principal component analysis(PCA) was adopted to extract different features for classification. According to the experimental data of this method and from the comparison results, the proposed method of rolling bearing fault classification reached 97.02% of correct rate, suggesting a better performance than other algorithms. 展开更多
关键词 DEEP learning stacked DENOISING auto-encoder FAULT diagnosis PCA classification
在线阅读 免费下载
基于自编码器的分组光网络监测数据分析与优化方法研究
15
作者 赵星 吕博 《信息通信技术与政策》 2019年第7期51-56,共6页
分组光网络作为用户业务的底层承载管道,需要实时对网络性能相关监测数据进行分析,并进行针对性的优化操作,以保障业务性能。针对以上管控需求,本文在分析已有数据分析算法的基础上,提出了基于LSTM+变分自编码器的分组光网络监测数据分... 分组光网络作为用户业务的底层承载管道,需要实时对网络性能相关监测数据进行分析,并进行针对性的优化操作,以保障业务性能。针对以上管控需求,本文在分析已有数据分析算法的基础上,提出了基于LSTM+变分自编码器的分组光网络监测数据分析及优化框架,通过数据训练及可视化、特征分析及优化目标计算两个流程实现了对分组网性能数据的分析及优化目标计算,最后通过采集分组网时延数据作为试验对象,验证了所提出方法的有效性,可为人工智能在光网络监测及优化等管控领域的应用提供理论与试验指导。 展开更多
关键词 长短期记忆网络 光网络管控 自编码器
自编码神经网络理论及应用综述 预览 被引量:5
16
作者 袁非牛 章琳 +2 位作者 史劲亭 夏雪 李钢 《计算机学报》 EI CSCD 北大核心 2019年第1期203-230,共28页
自编码器是深度学习中的一种非常重要的无监督学习方法,能够从大量无标签的数据中自动学习,得到蕴含在数据中的有效特征.因此,自编码方法近年来受到了广泛的关注,已成功应用于很多领域,例如数据分类、模式识别、异常检测、数据生成等.... 自编码器是深度学习中的一种非常重要的无监督学习方法,能够从大量无标签的数据中自动学习,得到蕴含在数据中的有效特征.因此,自编码方法近年来受到了广泛的关注,已成功应用于很多领域,例如数据分类、模式识别、异常检测、数据生成等.该文对传统自编码基础理论、自编码方法、改进技术以及应用领域进行了比较全面的综述.首先,该文介绍传统自编码基础理论与实现方法,分析自编码器的一般处理框架.然后,讨论现有各种改进的自编码器,分析这些方法的创新点、所要达成的目的和可能存在的问题.随后,该文介绍自编码器的实际应用领域,分析这些领域的代表性自编码算法,并详细地分析、比较和总结这些方法的特点.最后,总结现有方法存在的问题,并探讨了自编码器的将来发展趋势和可能挑战. 展开更多
关键词 自编码器 深度学习 无监督学习 特征学习 约束
在线阅读 下载PDF
基于稀疏降噪自编码器的随机森林模型 预览
17
作者 武峥 丁冲 景英川 《统计与信息论坛》 CSSCI 北大核心 2019年第8期27-33,共7页
随机森林算法是一类在机器学习中较为常见的算法,其在数据的分类以及非参数回归中都有重要的作用。如何更好地处理数据,进行特征选择是随机森林的重点研究领域。自编码神经网络在深度学习中有着不可替代的作用,其在数据压缩、特征提取... 随机森林算法是一类在机器学习中较为常见的算法,其在数据的分类以及非参数回归中都有重要的作用。如何更好地处理数据,进行特征选择是随机森林的重点研究领域。自编码神经网络在深度学习中有着不可替代的作用,其在数据压缩、特征提取等方面有着优异的性能。结合两者优点,提出一种基于使用稀疏降噪自编码器对原始数据进行特征提取的随机森林算法。采用多种常用数据集进行实验分析,对原始数据分别采用不同的特征提取方法,并利用随机森林将提取后的特征进行分类。实验结果表明,利用稀疏降噪自编码神经网络进行特征提取所得到的特征,能够使随机森林的分类精度得到一定程度的提高。 展开更多
关键词 随机森林 自编码器 特征提取 机器学习
在线阅读 下载PDF
关于深度学习的综述与讨论 预览 被引量:5
18
作者 胡越 罗东阳 +2 位作者 花奎 路海明 张学工 《智能系统学报》 CSCD 北大核心 2019年第1期1-19,共19页
机器学习是通过计算模型和算法从数据中学习规律的一门学问,在各种需要从复杂数据中挖掘规律的领域中有很多应用,已成为当今广义的人工智能领域最核心的技术之一。近年来,多种深度神经网络在大量机器学习问题上取得了令人瞩目的成果,形... 机器学习是通过计算模型和算法从数据中学习规律的一门学问,在各种需要从复杂数据中挖掘规律的领域中有很多应用,已成为当今广义的人工智能领域最核心的技术之一。近年来,多种深度神经网络在大量机器学习问题上取得了令人瞩目的成果,形成了机器学习领域最亮眼的一个新分支--深度学习,也掀起了机器学习理论、方法和应用研究的一个新高潮。对深度学习代表性方法的核心原理和典型优化算法进行了综述,回顾与讨论了深度学习与以往机器学习方法之间的联系与区别,并对深度学习中一些需要进一步研究的问题进行了初步讨论。 展开更多
关键词 深度学习 机器学习 卷积神经网络 递归神经网络 多层感知器 自编码机 学习算法 机器学习理论
在线阅读 下载PDF
基于深度学习框架的多类运动想象脑电分类研究 预览
19
作者 葛荣祥 胡建中 《江苏科技大学学报:自然科学版》 CAS 2019年第4期61-66,共6页
模式识别是脑机接口(brain computer interface,BCI)系统的核心部分,其中特征提取和分类方法对最终分类结果有着决定性作用.针对多类运动想象脑电识别过程中特征提取困难,识别准确率低的问题,文中提出了一种新的基于深度学习框架的多类... 模式识别是脑机接口(brain computer interface,BCI)系统的核心部分,其中特征提取和分类方法对最终分类结果有着决定性作用.针对多类运动想象脑电识别过程中特征提取困难,识别准确率低的问题,文中提出了一种新的基于深度学习框架的多类别运动想象脑电分类方法.首先,为了满足深度学习方法的大批量样本的需要,使用自编码器(auto-encoder,AE)对训练样本进行扩充;其次,针对脑电信号的特点,设计4个巴特沃斯带通滤波器提取脑电的θ、α、β和γ波段,并对每一波段的信号进行傅里叶变换,然后计算幅值的均值和方差;最后,通过深度信念网络(deep belief network,DBN)对脑电信号进行分类识别.文中使用BCIⅢ的竞赛数据集对所提出的方法进行验证,实验结果表明,文中方法能够有效地提高多类运动想象脑电的分类准确率,分类结果的平均kappa系数达到了0.802 4. 展开更多
关键词 运动想象脑电 深度学习 自编码器 傅里叶变换 深度信念网络
在线阅读 下载PDF
基于半监督矩形网络的通信电台个体识别 预览
20
作者 黄健航 雷迎科 《电子学报》 EI CAS CSCD 北大核心 2019年第1期1-8,共8页
通信电台信号的小样本条件造成了电台个体识别准确性欠佳的问题,本文首次提出基于半监督矩形网络进行通信电台个体识别,克服小样本条件对电台个体识别效果的影响.首先提取电台信号的矩形积分双谱特征,人为注入噪声构成污染样本,在半监... 通信电台信号的小样本条件造成了电台个体识别准确性欠佳的问题,本文首次提出基于半监督矩形网络进行通信电台个体识别,克服小样本条件对电台个体识别效果的影响.首先提取电台信号的矩形积分双谱特征,人为注入噪声构成污染样本,在半监督矩形网络编码器中有监督训练,其训练结果通过网络径向连接传给解码器,解码器再无监督学习,重构未污染的原始样本,从网络顶层提取电台个体特征,输入softmax分类器实现分类识别.在实际采集的电台数据集上的实验结果说明,本算法在小样本条件下相比现有算法能更准确识别同型号的电台个体. 展开更多
关键词 小样本条件 电台个体识别 半监督学习 矩形积分双谱 自编码器
在线阅读 下载PDF
上一页 1 2 18 下一页 到第
使用帮助 返回顶部 意见反馈