基于改进变分模态分解和优化堆叠降噪自编码器的轴承故障诊断 被引量：4

1

作者 张彬桥 舒勇 江雨 《计算机集成制造系统》 EI CSCD 北大核心 2024年第4期1408-1421,共14页

针对滚动轴承在噪声干扰下故障特征难以提取的问题,提出一种改进变分模态分解(VMD)和复合缩放排列熵(CZPE)的特征提取新方法,并利用优化堆叠降噪自编码器(SDAE)进行故障分类。首先,提出由“余弦相似度—峭度—包络熵”新综合评价指标自... 针对滚动轴承在噪声干扰下故障特征难以提取的问题,提出一种改进变分模态分解(VMD)和复合缩放排列熵(CZPE)的特征提取新方法,并利用优化堆叠降噪自编码器(SDAE)进行故障分类。首先,提出由“余弦相似度—峭度—包络熵”新综合评价指标自适应优化分解参数的改进VMD方法,并通过该指标筛选分解后的本征模态函数(IMF)分量;然后,为提取更全面的故障特征,引入新的复合缩放排列熵对各有效IMF的故障特征进行量化;最后,提出一种基于鼠群优化算法(RSO)与麻雀搜索算法(SSA)的混合算法优化SDAE网络超参数,将故障特征输入优化后SDAE网络中得到分类结果。采用美国CWRU轴承数据集进行验证,实验结果表明该方法能全面稳定地提取背景噪声下的故障特征,且与其他方法相比具有更好的抗噪性能和更高的故障诊断准确率。 展开更多

关键词 变分模态分解 综合评价指标 复合缩放排列熵 混合算法 堆叠降噪自编码器

在线阅读 下载PDF 职称材料

优化堆叠降噪自编码器用于调度操作票自动校验

2

作者 区伟健 徐策 +2 位作者 曾传凯 蒋宗祺 乐庆丰 《核电子学与探测技术》 CAS 北大核心 2024年第2期356-361,共6页

为实现核电厂变电站电力调度操作票的自动智能校验,提出了一种基于优化堆叠降噪自编码器(OSDAE)操作票自动校验方法。该方法在对操作票文本进行向量化的基础上,利用优化过的堆叠降噪自编码器实现操作票文本的语义辨析与正误自动化校验... 为实现核电厂变电站电力调度操作票的自动智能校验,提出了一种基于优化堆叠降噪自编码器(OSDAE)操作票自动校验方法。该方法在对操作票文本进行向量化的基础上,利用优化过的堆叠降噪自编码器实现操作票文本的语义辨析与正误自动化校验。实验结果表明,所提方法的操作票校验评估综合指标可达94.88%,是几种方法中最高的,具有一定的优势。 展开更多

关键词 堆叠降噪自编码器 金豺狼优化算法 操作票 自动校验

在线阅读 下载PDF 职称材料

基于改进正余弦算法优化堆叠降噪自动编码器的电机轴承故障诊断 被引量：19

3

作者 李兵 梁舒奇 +2 位作者 单万宁 曾文波 何怡刚 《电工技术学报》 EI CSCD 北大核心 2022年第16期4084-4093,共10页

轴承是电机的重要组成部分,其故障振动信号存在噪声干扰,导致特征提取困难,堆叠降噪自动编码器(SDAE)通过将输入数据随机置零训练网络可以有效抑制噪声干扰。此外,不理想的超参数组合易引起SDAE诊断性能不佳。因此,提出一种基于改进正... 轴承是电机的重要组成部分,其故障振动信号存在噪声干扰,导致特征提取困难,堆叠降噪自动编码器(SDAE)通过将输入数据随机置零训练网络可以有效抑制噪声干扰。此外,不理想的超参数组合易引起SDAE诊断性能不佳。因此,提出一种基于改进正余弦算法(ISCA)优化SDAE的电机轴承故障诊断方法。首先,在改进正余弦算法(SCA)粒子值更新公式中引入非线性惯性权重并对控制参数加入余弦变化构造ISCA,利用ISCA对SDAE超参数自适应选取;其次,利用具有最优网络结构的SDAE模型的无监督自学习特征提取方法提取振动信号特征参数,从而实现更好的故障诊断效果。仿真及现场实验结果表明,该方法收敛速度快、诊断准确率高,而且具有较强的鲁棒性,在电机轴承故障诊断方面具有较好的应用前景。 展开更多

关键词 堆叠降噪自动编码器 改进正余弦算法 电机轴承 故障诊断 自适应

在线阅读 下载PDF 职称材料

改进沙猫群优化算法优化堆叠降噪自动编码器的发动机故障诊断 被引量：6

4

作者 蒋开正 吕丽平 《机械设计》 CSCD 北大核心 2023年第8期56-62,共7页

车辆发动机振动信号受到噪声干扰,影响故障诊断精度,而堆叠降噪自动编码器(SDAE)可以有效抑制噪声干扰,但SDAE模型超参数对诊断性能影响较大,不合理的模型超参数容易引起SDAE诊断性能不佳。因此,文中采用一种新型沙猫群优化算法(SCSO)对... 车辆发动机振动信号受到噪声干扰,影响故障诊断精度,而堆叠降噪自动编码器(SDAE)可以有效抑制噪声干扰,但SDAE模型超参数对诊断性能影响较大,不合理的模型超参数容易引起SDAE诊断性能不佳。因此,文中采用一种新型沙猫群优化算法(SCSO)对SDAE参数进行优化选取。考虑到沙猫群优化算法(SCSO)中沙猫群种群缺乏变异机制的缺陷,在其探索阶段和开发阶段分别引入柯西变异机制和高斯变异机制,得到了改进沙猫群优化算法(ISCSO),并提出了SCSO优化SDAE的发动机故障诊断方法。发动机故障诊断实例结果表明:与其余5种方法相比,所提方法的平均诊断精度提高了1.47%~6.5%,平均耗时缩短了5.29~19.44 s。 展开更多

关键词 堆叠降噪自动编码器 沙猫群优化算法 柯西变异 高斯变异 发动机 故障诊断

在线阅读 下载PDF 职称材料

基于堆叠降噪自编码器的肝癌亚型分类 被引量：2

5

作者 张甜甜 赵庶旭 王小龙 《计算机应用与软件》 北大核心 2024年第6期79-84,共6页

肝癌是威胁人类健康的常见恶性肿瘤之一。通过对基因数据使用深度学习方法进行整合来系统地获取对肝癌的认知,使用多组学的疾病分析方法来探究各组学之间的相互关系,有助于更准确的临床决策。然而,由于多组学数据具有高维稀疏性,存在大... 肝癌是威胁人类健康的常见恶性肿瘤之一。通过对基因数据使用深度学习方法进行整合来系统地获取对肝癌的认知,使用多组学的疾病分析方法来探究各组学之间的相互关系,有助于更准确的临床决策。然而,由于多组学数据具有高维稀疏性,存在大量的冗余特征和较少的可用临床标签样本。堆叠降噪编码器(SDAE)是能够从海量数据中获取有效特征的高效模型,因此基于SDAE模型提出一种层次式堆叠降噪编码器,来学习肝癌的RNA表达、miRNA表达和DNA甲基化数据的特征并进行整合和识别。实验结果表明:Hi-SDAE方法提高了对肝癌亚型分类的准确度,为肝癌针对性治疗提供了更有价值的参考依据。 展开更多

关键词 堆叠降噪 自动编码器 数据降维 多组学整合 肝癌亚型

在线阅读 下载PDF 职称材料

基于改进堆叠降噪自编码器的连铸机扇形段故障特征提取 被引量：1

6

作者 李国锋 但斌斌 +3 位作者 容芷君 都胜朝 肖浩 李冬冬 《武汉科技大学学报》 CAS 北大核心 2024年第2期129-136,共8页

为了提取连铸机扇形段在正常浇铸状态下的故障特征,设计一种利用鲸鱼优化算法(WOA)改进的堆叠降噪自编码器(SDAE)网络模型,命名为WOA-SDAE,并应用于扇形段拉矫力信号特征学习和故障分类。首先,从完整的浇铸周期中获取正常浇铸状态下的数... 为了提取连铸机扇形段在正常浇铸状态下的故障特征,设计一种利用鲸鱼优化算法(WOA)改进的堆叠降噪自编码器(SDAE)网络模型,命名为WOA-SDAE,并应用于扇形段拉矫力信号特征学习和故障分类。首先,从完整的浇铸周期中获取正常浇铸状态下的数据,对低频的拉矫力信号进行时域特征提取,将一维拉矫力信号转换为多维时域特征信号,并建立评价体系以寻找最优时域参数;其次,运用堆叠降噪自编码器与softmax分类器组成网络模型对故障信号进行分类,采用鲸鱼优化算法确定SDAE模型中隐含层层数与节点数。通过实际生产过程中的连铸机扇形段拉矫力信号来验证所提方法的可行性。试验结果表明,WOA-SDAE可有效提取扇形段的故障特征,在测试集上的识别准确率达到92.23%。 展开更多

关键词 连铸机扇形段 故障诊断 拉矫力信号 特征提取 堆叠降噪自编码器 鲸鱼优化算法

在线阅读 下载PDF 职称材料

基于堆叠降噪自动编码器的胶囊缺陷检测方法 被引量：16

7

作者 王宪保 何文秀 +2 位作者 王辛刚 姚明海 钱沄涛 《计算机科学》 CSCD 北大核心 2016年第2期64-67,共4页

目前医用胶囊生产过程中的缺陷检测主要由人工完成,费时费力,容易受主观因素的影响。提出一种基于堆叠降噪自动编码器的胶囊表面缺陷检测方法,该方法首先建立深度自动编码器网络,并根据缺陷样本进行降噪训练,获取网络的初始权值;然后通... 目前医用胶囊生产过程中的缺陷检测主要由人工完成,费时费力,容易受主观因素的影响。提出一种基于堆叠降噪自动编码器的胶囊表面缺陷检测方法,该方法首先建立深度自动编码器网络,并根据缺陷样本进行降噪训练,获取网络的初始权值;然后通过BP算法进行微调,得到训练样本到无缺陷模板之间的映射关系;最后利用重构图像与缺陷图像之间的对比关系,实现测试样本的缺陷检测。实验表明,堆叠降噪自动编码器较好地建立了上述映射关系,能快速、准确地进行缺陷检测,对噪声具有很强的鲁棒性和稳定性。 展开更多

关键词 堆叠降噪自动编码器 缺陷检测 深度学习

在线阅读 下载PDF 职称材料

优化堆叠降噪自动编码器滚动轴承故障诊断 被引量：22

8

作者 余萍 曹洁 《太阳能学报》 EI CAS CSCD 北大核心 2021年第11期307-314,共8页

针对深度堆叠降噪自动编码器(SDAE)网络超参数采用经验枚举获得时存在的泛化能力较弱,且选参过程与设计人员经验有关,效率低等问题,利用新设计的人工变性天牛算法(ATLA)对SDAE网络超参数进行自适应选取,并确定网络结构,训练得到故障状... 针对深度堆叠降噪自动编码器(SDAE)网络超参数采用经验枚举获得时存在的泛化能力较弱,且选参过程与设计人员经验有关,效率低等问题,利用新设计的人工变性天牛算法(ATLA)对SDAE网络超参数进行自适应选取,并确定网络结构,训练得到故障状态的特征表示,最后输入到Softmax分类层进行故障检测,并确定故障类别。通过变工况下滚动轴承故障诊断仿真实验验证,该文所提出的ATLA-SDAE诊断方法在泛化性能、故障识别率等方面均优于BP神经网络、支持向量机(SVM)以及卷积神经网络(CNN)方法,能够从海量数据中自适应地提取更深层次的故障特征,可避免手动设计和提取故障特征的繁琐过程,更有利于提高故障分类的精度和诊断效率。 展开更多

关键词 风电机组 堆叠降噪自动编码器 超参数 人工变性天牛算法 故障诊断 滚动轴承

在线阅读 下载PDF 职称材料

基于改进的堆叠降噪自动编码器深度模型的转子-转轴系统故障诊断方法 被引量：8

9

作者 姜万录 李金虎 +1 位作者 李振宝 姜安琦 《机床与液压》 北大核心 2020年第21期182-188,196,共8页

旋转机械转子-转轴系统故障诊断方法中大多采用传统浅层模型,对于数量较大的样本其处理能力有限。为解决此问题,提出一种利用改进的堆叠降噪自动编码器(SDAE)深度模型的故障诊断方法,并对转子-转轴系统的典型故障进行诊断。利用某机械... 旋转机械转子-转轴系统故障诊断方法中大多采用传统浅层模型,对于数量较大的样本其处理能力有限。为解决此问题,提出一种利用改进的堆叠降噪自动编码器(SDAE)深度模型的故障诊断方法,并对转子-转轴系统的典型故障进行诊断。利用某机械故障综合模拟实验台,结合基于LabVIEW开发的信号采集系统模拟并采集转子-转轴系统的10类单一故障和7类复合故障振动信号。在训练SDAE模型时引入Dropout机制对模型进行改进,并结合Softmax分类器进行网络训练与诊断。与传统BP网络、自动编码器(AE)、无Dropout机制的SDAE和卷积神经网络(CNN)进行对比,结果表明:改进的SDAE方法对于转子-转轴系统故障的正确识别率最高,特别是对复合故障的诊断效果比其他模型更理想,充分验证了改进的SDAE深度模型的优越性。 展开更多

关键词 故障诊断 深度模型 堆叠降噪自动编码器 Dropout机制

在线阅读 下载PDF 职称材料

基于堆叠式降噪自动编码器和深度神经网络的风电调频逐步惯性智能控制 被引量：2

10

作者 王亚伦 周涛 +2 位作者 陈中 王毅 权浩 《上海交通大学学报》 EI CAS CSCD 北大核心 2023年第11期1477-1491,共15页

风电调频的逐步惯性控制(SIC)策略在负荷波动后提供一个阶跃式功率增发,能够有效阻止系统频率下降,保障电网频率安全.但在其功率恢复阶段,容易出现二次频率跌落现象,需优化SIC以获得更好的调频效果.传统方法存在计算维度高和耗时较长的... 风电调频的逐步惯性控制(SIC)策略在负荷波动后提供一个阶跃式功率增发,能够有效阻止系统频率下降,保障电网频率安全.但在其功率恢复阶段,容易出现二次频率跌落现象,需优化SIC以获得更好的调频效果.传统方法存在计算维度高和耗时较长的弊端,难以满足不同场景下快速提供最优控制效果的需求.为实现负荷扰动事件下风电调频的最优逐步惯性快速控制,引入深度学习算法,提出一种基于堆叠式降噪自动编码器(SDAE)和深度神经网络(DNN)的风电调频逐步惯性智能控制方法.首先,使用麻雀搜索算法获得最优参数,使用SDAE高效提取数据特征;随后,基于DNN对数据特征进行学习,并引入加速自适应矩估计优化网络参数,提升网络全局最优参数;最后,应用SDAE-DNN联合方法实现扰动事件后风电调频的逐步惯性在线控制.在IEEE 30节点测试系统中分别对单台风力机和风电场进行仿真分析,与传统方法、浅层反向传播神经网络及原始DNN所得结果对比发现,所提网络结构具有更优的预测精度和泛化能力,该方法能够实现良好的逐步惯性调频效果. 展开更多

关键词 逐步惯性控制 二次频率跌落 麻雀搜索算法 堆叠式降噪自动编码器 深度神经网络

在线阅读 下载PDF 职称材料

基于压缩感知和堆叠降噪自动编码器的配电网扰动事件智能溯源方法 被引量：1

11

作者 杨雪 刘继春 《水电能源科学》 北大核心 2022年第2期201-205,共5页

鉴于配电网扰动事件的溯源分析有利于准确了解扰动原因、保障电力系统的安全稳定运行,提出了一种基于压缩感知和堆叠降噪自动编码器的配电网扰动事件智能溯源方法,首先利用压缩感知方法将添加了噪声的原始数据映射到压缩域,在保留扰动... 鉴于配电网扰动事件的溯源分析有利于准确了解扰动原因、保障电力系统的安全稳定运行,提出了一种基于压缩感知和堆叠降噪自动编码器的配电网扰动事件智能溯源方法,首先利用压缩感知方法将添加了噪声的原始数据映射到压缩域,在保留扰动特征的同时提高了分析效率;然后将压缩采样数据作为堆叠降噪自动编码器的输入,通过堆叠降噪自动编码器的特征自学习能力,学习得到扰动数据中的鲁棒性特征,实现特征与不同配电网扰动事件的关联,构造扰动事件智能溯源模型。通过PSCAD/EMTDC中搭建的IEEE 14节点模型获得的仿真数据进行验证,表明所提方法能准确溯源配电网扰动事件。 展开更多

关键词 压缩感知 配电网扰动 堆叠降噪自动编码器 智能溯源

在线阅读 下载PDF 职称材料

基于堆叠降噪稀疏自动编码器的软件缺陷预测 被引量：1

12

作者 薛参观 《计算机与现代化》 2018年第5期65-69,126,共6页

特征提取是软件缺陷预测中的关键步骤,特征提取的质量决定了缺陷预测模型的性能,但传统的特征提取方法难以提取出软件缺陷数据的深层本质特征。深度学习理论中的自动编码器能够从原始数据中自动学习特征,并获得其特征表示,同时为了增强... 特征提取是软件缺陷预测中的关键步骤,特征提取的质量决定了缺陷预测模型的性能,但传统的特征提取方法难以提取出软件缺陷数据的深层本质特征。深度学习理论中的自动编码器能够从原始数据中自动学习特征,并获得其特征表示,同时为了增强自动编码器的鲁棒性,本文提出一种基于堆叠降噪稀疏自动编码器的特征提取方法,通过设置不同的隐藏层数、稀疏性约束和加噪方式,可以直接高效地从软件缺陷数据中提取出分类预测所需的各层次特征表示。利用Eclipse缺陷数据集的实验结果表明,该方法较传统特征提取方法具有更好的性能。 展开更多

关键词 软件缺陷预测 特征提取 深度学习 堆叠降噪稀疏自动编码器

在线阅读 下载PDF 职称材料

基于堆叠降噪自编码器的情感分类及其并行化研究 被引量：1

13

作者 王一大 《电信技术》 2017年第12期8-12,共5页

基于深度学习的特征抽取是目前数据降维问题研究的热点,堆叠自编码器是一种较为常用的模型。然而堆叠自编码器模型仅简单学习样本特征,无法对混有噪声的数据进行出色的特征表达。面向微博情感分类,使用堆叠降噪自编码器进行特征抽取,解... 基于深度学习的特征抽取是目前数据降维问题研究的热点,堆叠自编码器是一种较为常用的模型。然而堆叠自编码器模型仅简单学习样本特征,无法对混有噪声的数据进行出色的特征表达。面向微博情感分类,使用堆叠降噪自编码器进行特征抽取,解决样本数据含有噪声的特征抽取问题。同时为解决模型训练时间开销较大的问题,通过基于分布式内存的并行计算方法,提升堆叠降噪自编码器的训练效率。通过使用COAE评测数据集进行情感分类实验,分类准确率和召回率都有所提高。 展开更多

关键词 深度学习 堆叠降噪 自编码器 情感分类 并行计算

在线阅读 下载PDF 职称材料

基于改进堆叠去噪自动编码器的电能质量扰动分类方法 被引量：8

14

作者 于华楠 阮筱颖 王鹤 《电力信息与通信技术》 2021年第9期1-7,共7页

针对当前电能质量扰动分类时因数据量大和特征量提取不足而造成分类精度低的问题,文章将压缩感知和深度学习结合,提出一种基于改进堆叠降噪自动编码器(Improved Stacked Denoising Autoencoders,ISDAE)的电能质量扰动分类方法。首先,将... 针对当前电能质量扰动分类时因数据量大和特征量提取不足而造成分类精度低的问题,文章将压缩感知和深度学习结合,提出一种基于改进堆叠降噪自动编码器(Improved Stacked Denoising Autoencoders,ISDAE)的电能质量扰动分类方法。首先,将原始数据经过压缩感知后得到的稀疏向量作为数据集;然后构建堆叠去噪自动编码器模型,引入Inverted Dropout技术提升网络的泛化能力,避免过拟合现象的产生,并在微调阶段引入自适应矩估计(Adaptive moment estimation,Adam)优化方法,以降低陷入局部最优的概率。最后对10种常见的电能质量扰动信号进行仿真分析,可以发现所提方法降低了需要分析的数据量,解决了传统分类算法对特征选取不充分从而造成分类效率低的问题,并在一定程度上提升模型的鲁棒性。 展开更多

关键词 电能质量 扰动分类 压缩感知 稀疏向量 改进堆叠降噪自动编码器

在线阅读 下载PDF 职称材料

基于改进降噪自编码器的馈线终端失效率预测

15

作者 赵建军 刘佳林 +2 位作者 李洋 王珩瑜 杨挺 《太赫兹科学与电子信息学报》 2024年第5期537-542,557,共7页

配电网中馈线终端设备由于运行环境恶劣,往往面临意外失效问题。本文针对海量馈线终端装置的失效率预测问题,使用堆叠降噪自编码器实现基于馈线终端的各个关键元件的失效率预测;采用基于Dropout的模型正则化方法防止自编码器训练过程中... 配电网中馈线终端设备由于运行环境恶劣,往往面临意外失效问题。本文针对海量馈线终端装置的失效率预测问题,使用堆叠降噪自编码器实现基于馈线终端的各个关键元件的失效率预测;采用基于Dropout的模型正则化方法防止自编码器训练过程中出现过拟合现象,同时采用Adadelta算法对堆叠自编码器进行优化,在保证预测准确率的同时提高学习速率,实现馈线终端故障失效率的高效准确预测;最后基于馈线终端装置现场数据进行仿真验证。仿真结果验证了本文方法对失效率预测的准确性和泛化能力。 展开更多

关键词 馈线终端装置 Dropout方法 Adadelta算法 堆叠降噪自编码器

在线阅读 下载PDF 职称材料

用于域适应的多边缘降噪自动编码器 被引量：2

16

作者 杨帅 胡学钢 张玉红 《计算机科学与探索》 CSCD 北大核心 2019年第2期322-329,共8页

神经网络模型被广泛用于跨领域分类学习。边缘堆叠降噪自动编码器(marginalized stacked denoising autoencoders,mSDA)作为一种神经网络模型,通过对源领域和目标领域数据进行边缘化加噪损坏,学习一个公共的、健壮的特征表示空间,从而... 神经网络模型被广泛用于跨领域分类学习。边缘堆叠降噪自动编码器(marginalized stacked denoising autoencoders,mSDA)作为一种神经网络模型,通过对源领域和目标领域数据进行边缘化加噪损坏,学习一个公共的、健壮的特征表示空间,从而解决领域适应问题。然而,mSDA对所有的特征都采取相同的边缘化加噪处理方式,没有考虑到不同特征对分类结果的影响不同。为此,对特征进行区分性的噪音系数干扰,提出多边缘降噪自动编码器(multi-marginalized denoising autoencoders,M-MDA)。首先,利用改进的权重似然率(weighted log-likelihood ratio update,WLLRU)区分出领域间的共享和特有特征;然后,通过计算特征在两个领域的距离,对共享特征和特有特征进行不同方式的边缘化降噪处理,并基于单层边缘降噪自动编码器(marginalized denoising autoencoders,MDA)学习获取更健壮的特征;最后,对新的特征空间进行二次损坏以强化共享特征的比例。实验结果表明,该方法在跨领域情感分类方面优于基线算法。 展开更多

关键词 情感分类 跨领域 噪音 边缘堆叠降噪自动编码器(mSDA)

在线阅读 下载PDF 职称材料

基于并行SDAE-Seq2Seq模型的轴承寿命预测方法

17

作者 张俊杰 王海瑞 +1 位作者 李亚 朱贵富 《化工自动化及仪表》 CAS 2024年第3期427-437,共11页

基于数据驱动的轴承寿命预测方法大多需要人工提取退化特征,而且对于不同工况下的轴承需要进行针对性优化,也是依赖专家知识和经验进行特征提取。为此,提出一种并行堆叠降噪自动编码器算法(PSDAE)来提取轴承退化特征,并结合Seq2Seq模型... 基于数据驱动的轴承寿命预测方法大多需要人工提取退化特征,而且对于不同工况下的轴承需要进行针对性优化,也是依赖专家知识和经验进行特征提取。为此,提出一种并行堆叠降噪自动编码器算法(PSDAE)来提取轴承退化特征,并结合Seq2Seq模型预测轴承剩余寿命。通过PSDAE直接对原始振动信号进行降噪、降维,得到退化特征,通过神经网络的学习和训练自动获得不同工况下的轴承退化特征。其次,引入注意力机制,将提取的特征输入Seq2Seq模型进行训练,并在PHM2012数据集上验证模型的预测效果。实验结果表明:PSDAE通过并行集成方式降低了模型的训练参数和整体误差,提取的退化特征在单调性和可预测性方面优于堆叠降噪自动编码器(SDAE),使用该退化特征有效减少了Seq2Seq模型的预测误差,提高了预测得分,具有更好的预测效果和稳定性。 展开更多

关键词 并行堆叠降噪自动编码器算法 寿命预测 滚动轴承 特征提取 注意力机制 Seq2Seq模型

在线阅读 下载PDF 职称材料

基于深度学习的移动应用众包测试智能推荐算法 被引量：6

18

作者 成静 王威 帅正义 《西北工业大学学报》 EI CAS CSCD 北大核心 2021年第5期1049-1056,共8页

随着移动应用功能日趋复杂,众包测试对测试人员的专业技能提出更高要求。因此,如何高效匹配测试任务需求与测试人员技能水平,实现精准的众包测试任务推荐是保证测试质量的重要因素。提出一种基于深度学习的移动应用众包测试任务推荐算... 随着移动应用功能日趋复杂,众包测试对测试人员的专业技能提出更高要求。因此,如何高效匹配测试任务需求与测试人员技能水平,实现精准的众包测试任务推荐是保证测试质量的重要因素。提出一种基于深度学习的移动应用众包测试任务推荐算法。针对测试任务和测试人员进行特征分析,分别设计特征体系;将得到的特征数据作为堆叠式边缘降噪自动编码器(stacked marginalized denoising autoencoder,SMDA)输入数据,将SMDA学习到的深层特征数据结合作为深度神经网络(deep neural networks,DNN)的输入;利用DNN的学习能力进行预测。实验结果表明:所提算法相较于CDL和AutoSVD++等算法无论是性能还是训练时间都有明显优势,验证了算法的有效性。所提算法可以将测试任务推荐给适合的测试人员并提高了推荐算法的精细度。 展开更多

关键词 深度学习 堆叠边缘降噪自动编码器 词向量 推荐算法

在线阅读 下载PDF 职称材料

用于高光谱变化检测的多径卷积网络算法 被引量：3

19

作者 赵春晖 张锦林 +1 位作者 宿南 闫奕名 《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2020年第9期1398-1404,共7页

针对如何有效利用高光谱图像中的光谱信息和空间信息进行变化检测的问题,本文提出了一种基于堆叠降噪自动编码器并融合空间信息的多路径卷积网络的高光谱遥感图像变化检测方法。针对高光谱图像信息冗余的问题,使用训练堆叠降噪自动编码... 针对如何有效利用高光谱图像中的光谱信息和空间信息进行变化检测的问题,本文提出了一种基于堆叠降噪自动编码器并融合空间信息的多路径卷积网络的高光谱遥感图像变化检测方法。针对高光谱图像信息冗余的问题,使用训练堆叠降噪自动编码器将高光谱数据进行降维。为了得到2幅图像间的差异信息,使用光谱角来表征对应像素间的变化关系。为了利用遥感图像中的空间信息,使用光谱角矩阵中切比雪夫距离小于等于3的区域来进行空间信息的提取,构建一个融合了空间信息的多路径卷积神经网络,并通过该网络得到变化检测结果。在3个高光谱变化检测数据集上进行实验,实验结果表明该方法的总体误差低、准确率高和Kappa系数高,证明了该方法的有效性。 展开更多

关键词 变化检测 高光谱遥感图像 堆叠降噪自动编码器 光谱角 空间信息 多路径卷积网络

在线阅读 下载PDF 职称材料

基于粒子群算法和SDAE的采棉头故障诊断研究 被引量：3

20

作者 王皓 韩科立 +3 位作者 韩树杰 郝付平 韩增德 赵亚宁 《农业机械学报》 EI CAS CSCD 北大核心 2023年第S02期164-172,共9页

针对采棉头故障诊断和故障预警缺失的问题,提出基于粒子群优化算法(PSO)优化堆叠降噪自编码器(SDAE)的采棉头故障诊断方法。将采棉滚筒转速与采棉头输入转速比和采棉头液压驱动压力作为输入,利用PSO算法对SDAE网络的超参数进行自适应选... 针对采棉头故障诊断和故障预警缺失的问题,提出基于粒子群优化算法(PSO)优化堆叠降噪自编码器(SDAE)的采棉头故障诊断方法。将采棉滚筒转速与采棉头输入转速比和采棉头液压驱动压力作为输入,利用PSO算法对SDAE网络的超参数进行自适应选取,确定网络结构,然后将预处理后的数据输入PSO-SDAE网络进行深度特征提取,经过前向传播和反向微调,得到采棉头故障诊断模型。通过采棉头堵塞故障模拟试验对算法进行验证,试验结果表明:PSO-SDAE网络诊断方法在特征有效提取、故障诊断准确率方面均优于SDAE网络、支持向量机(SVM)、反向传播神经网络(BPNN)以及深度置信网络(DBN),可用于采棉头故障诊断和故障预警。 展开更多

关键词 采棉头 故障诊断 堆叠降噪自编码器 粒子群算法

在线阅读 下载PDF 职称材料