期刊文献+
共找到560篇文章
< 1 2 28 >
每页显示 20 50 100
文章速递人工智能技术在用电行为分析中的应用研究 认领
1
作者 毕善钰 戚梦逸 俞海猛 《电子设计工程》 2021年第1期147-151,共5页
针对人工智能技术在用电行为分析领域的应用问题,构建了基于人工智能技术的用电行为分析架构,其包括离线训练与实时分析两个环节,离线训练实现负荷特征库的构建,实时分析实现在线的负荷识别和用电行为分析。提出基于功率滑动窗口的事件... 针对人工智能技术在用电行为分析领域的应用问题,构建了基于人工智能技术的用电行为分析架构,其包括离线训练与实时分析两个环节,离线训练实现负荷特征库的构建,实时分析实现在线的负荷识别和用电行为分析。提出基于功率滑动窗口的事件检测方法及基于深度置信网络(Deep Belief Network,DBN)的负荷识别方法,进一步在负荷识别的基础上,实现用电时间、用电量与用电费用等用电行为进行负荷分类计算分析。以某居民用电统计数据进行的仿真分析结果表明,所提出负荷识别方法的识别准确率均大于95%,性能良好,通过用户用电情况分析为制定节能策略、优化用电计划提供指导。 展开更多
关键词 负荷识别 深度置信网络 用电行为 人工智能 识别准确率
在线阅读 下载PDF
Hierarchical Representations Feature Deep Learning for Face Recognition 认领
2
作者 Haijun Zhang Yinghui Chen 《数据分析和信息处理(英文)》 2020年第3期195-227,共33页
Most modern face recognition and classification systems mainly rely on hand-crafted image feature descriptors. In this paper, we propose a novel deep learning algorithm combining unsupervised and supervised learning n... Most modern face recognition and classification systems mainly rely on hand-crafted image feature descriptors. In this paper, we propose a novel deep learning algorithm combining unsupervised and supervised learning named deep belief network embedded with Softmax regress (DBNESR) as a natural source for obtaining additional, complementary hierarchical representations, which helps to relieve us from the complicated hand-crafted feature-design step. DBNESR first learns hierarchical representations of feature by greedy layer-wise unsupervised learning in a feed-forward (bottom-up) and back-forward (top-down) manner and then makes more efficient recognition with Softmax regress by supervised learning. As a comparison with the algorithms only based on supervised learning, we again propose and design many kinds of classifiers: BP, HBPNNs, RBF, HRBFNNs, SVM and multiple classification decision fusion classifier (MCDFC)—hybrid HBPNNs-HRBFNNs-SVM classifier. The conducted experiments validate: Firstly, the proposed DBNESR is optimal for face recognition with the highest and most stable recognition rates;second, the algorithm combining unsupervised and supervised learning has better effect than all supervised learning algorithms;third, hybrid neural networks have better effect than single model neural network;fourth, the average recognition rate and variance of these algorithms in order of the largest to the smallest are respectively shown as DBNESR, MCDFC, SVM, HRBFNNs, RBF, HBPNNs, BP and BP, RBF, HBPNNs, HRBFNNs, SVM, MCDFC, DBNESR;at last, it reflects hierarchical representations of feature by DBNESR in terms of its capability of modeling hard artificial intelligent tasks. 展开更多
关键词 Face Recognition UNSUPERVISED Hierarchical Representations Hybrid Neural Networks RBM Deep Belief Network Deep Learning
在线阅读 免费下载
基于改进深度信念网络的电力欠费预警研究 认领
3
作者 廖嘉炜 孙煜华 +2 位作者 吴永欢 池燕清 徐炫东 《计算机与数字工程》 2020年第3期728-733,共6页
"先使用,后付费"的营销方式导致电网公司电费回收不到位,难以支撑正常运转和获得基本效益。为了解决电力欠费对电网公司的不利影响,论文提出电力欠费预警智能预测的研究方法。将电费回收分为时间和金额两部分,结合相应的关联... "先使用,后付费"的营销方式导致电网公司电费回收不到位,难以支撑正常运转和获得基本效益。为了解决电力欠费对电网公司的不利影响,论文提出电力欠费预警智能预测的研究方法。将电费回收分为时间和金额两部分,结合相应的关联指标,建立参数自适应的深度信念网络,通过深度学习和训练对电力欠费情况精准预测。实验结果表明,与BP神经网络相比,深度信念网络更能准确预测出用户电费回收的未来情况,有效辅助电力企业制定用电和电费预警策略。 展开更多
关键词 电力欠费 深度信念网络 深度学习 神经网络
在线阅读 下载PDF
深度学习理论及其在电机故障诊断中的研究现状与展望 认领 被引量:2
4
作者 丁石川 厉雪衣 +2 位作者 杭俊 王尹江 王群京 《电力系统保护与控制》 EI CSCD 北大核心 2020年第8期172-188,共17页
电机已经被广泛应用到人们生产生活的各个领域中,电机的故障不但会对电机本身会造成损害,甚至会引发经济损失、人员伤亡等各种问题。因此,将及时且高效的故障诊断技术应用于电机有着重要意义。相比较传统故障诊断技术而言,深度学习因其... 电机已经被广泛应用到人们生产生活的各个领域中,电机的故障不但会对电机本身会造成损害,甚至会引发经济损失、人员伤亡等各种问题。因此,将及时且高效的故障诊断技术应用于电机有着重要意义。相比较传统故障诊断技术而言,深度学习因其更强大更复杂的数据表达能力,已被应用于电机故障诊断领域,并取得了一定的研究成果。因此,介绍了深度置信网络(DBN)、自编码网络(AE)、卷积神经网络(CNN)和循环神经网络(RNN)这四类经典的深度学习模型,并总结了这四类模型在电机故障诊断中的应用。最后对深度学习在电机故障诊断领域中所面临的问题和挑战进行了总结和展望。 展开更多
关键词 电机 故障诊断 深度学习 深度置信网络 自编码网络 卷积神经网络 循环神经网络
在线阅读 下载PDF
基于卷积神经网络和深度置信网络的多类型能源需求预测方法 认领
5
作者 许若冰 王璇 +1 位作者 赵倩宇 王守相 《供用电》 2020年第10期65-70,共6页
精准的需求预测对于高效、绿色地使用多种类型能源具有十分重要的作用,值得开展深入研究。结合当前人工智能的研究热点,提出了一种基于卷积神经网络(convolutional neural network,CNN)和深度置信网络(deep belief network,DBN)的多类... 精准的需求预测对于高效、绿色地使用多种类型能源具有十分重要的作用,值得开展深入研究。结合当前人工智能的研究热点,提出了一种基于卷积神经网络(convolutional neural network,CNN)和深度置信网络(deep belief network,DBN)的多类型能源需求预测方法。首先,通过CNN进行自动特征提取,并将其中间层的更有效特征抽取出来。然后,将抽取到的特征输入给DBN网络,从而进行无监督和有监督方式相结合的训练学习,最终得到能源需求预测结果。最后,仿真实验表明,所提模型能够有效提取数据样本特征,挖掘各类型能源需求的演变规律,验证了所提模型的有效性和适用性。 展开更多
关键词 人工智能 深度学习 卷积神经网络 深度置信网络 多类型能源需求预测
在线阅读 下载PDF
深度信念网络优化BP神经网络的交通流预测模型 认领 被引量:1
6
作者 孔繁辉 李健 《管理评论》 CSSCI 北大核心 2020年第3期300-306,共7页
为提高BP神经网络预测精度,基于深度学习理论提出一种深度信念网络(DBN)算法优化传统BP神经网络预测模型。该预测算法由多层限制玻尔兹曼机(RBM)组成,采用无监督学习算法训练参数,然后利用反向学习微调网络参数,进而优化BP神经网络的阈... 为提高BP神经网络预测精度,基于深度学习理论提出一种深度信念网络(DBN)算法优化传统BP神经网络预测模型。该预测算法由多层限制玻尔兹曼机(RBM)组成,采用无监督学习算法训练参数,然后利用反向学习微调网络参数,进而优化BP神经网络的阈值和权值,通过训练模型求得最优解。实验表明,该预测模型克服了传统神经网络容易陷入局部最优以及函数拟合度不高的缺点,可有效提高交通流预测精度。 展开更多
关键词 交通流预测 深度学习 深度信念网络 BP神经网络 限制玻尔兹曼机
基于深度学习的人脸关键点识别定位方法仿真 认领
7
作者 许佳 田维坚 樊养余 《计算机仿真》 北大核心 2020年第6期434-438,共5页
以往的人脸识别定位方法因受外界环境因素的干扰较大,存在定位误差较大的弊端。为实现高精度、高效率的人脸关键点识别定位,提出基于深度学习的人脸关键点识别定位方法。首先对深度学习方法中的深度信念网络进行全局训练,利用图像的LBP... 以往的人脸识别定位方法因受外界环境因素的干扰较大,存在定位误差较大的弊端。为实现高精度、高效率的人脸关键点识别定位,提出基于深度学习的人脸关键点识别定位方法。首先对深度学习方法中的深度信念网络进行全局训练,利用图像的LBP纹理特征得到人脸测试样本的关键点类标值,完成对人脸关键点的识别;设计人脸关键点定位的并行网络结构,结合并行卷积神经网络完成对人脸关键点的精准定位。仿真结果显示,上述方法在不同隐藏单元数、不同训练样本数情况下,对人脸关键点的识别精度和效率均较高;在不同样本数目的情况下,对人脸关键点的定位精度较高,可应用于人脸关键点识别定位工作中,具有很强的应用性。 展开更多
关键词 深度学习 深度信念网络 并行卷积神经网络 人脸关键点 识别
在线阅读 下载PDF
基于深度学习的多模态医学图像融合方法研究进展 认领
8
作者 薛湛琦 王远军 《中国医学物理学杂志》 CSCD 2020年第5期579-583,共5页
医学图像融合方法可以将有用的信息整合到一张图像上,提高单张图像的信息量。对多模态医学图像进行融合时,如何对图像进行有效的变换,提取到不同图像中独有的特征,并施以适当的融合规则是医学图像融合领域研究的重点。近年随着深度学习... 医学图像融合方法可以将有用的信息整合到一张图像上,提高单张图像的信息量。对多模态医学图像进行融合时,如何对图像进行有效的变换,提取到不同图像中独有的特征,并施以适当的融合规则是医学图像融合领域研究的重点。近年随着深度学习的快速发展,深度学习被广泛应用于医学图像领域,代替传统方法中的一些人工操作,并在图像表示、图像特征提取以及融合规则的选择方面显示出独特优势。本文针对基于深度学习的医学图像融合进展予以探讨,介绍卷积神经网络、卷积稀疏表示、深度自编码和深度信念网络这些常用于医学图像融合的框架,对一些应用于融合过程不同步骤的深度学习方法进行分析和总结,最后,分析当前基于深度学习的融合方法的不足并展望了未来的研究方向。 展开更多
关键词 医学图像 图像融合 深度学习 卷积神经网络 深度信念网络
在线阅读 免费下载
基于深度迁移学习的滚动轴承剩余使用寿命预测 认领
9
作者 汪立雄 王志刚 +1 位作者 徐增丙 林辉 《制造技术与机床》 北大核心 2020年第12期130-134,137,共6页
针对轴承剩余使用寿命(RUL)预测模型训练样本少导致预测精度低的问题,提出一种基于深度迁移学习的滚动轴承剩余使用寿命预测方法。首先利用深度信念网络(DBN)和自组织映射神经网络(SOM)直接对原始振动信号构建轴承健康因子(HI),然后以... 针对轴承剩余使用寿命(RUL)预测模型训练样本少导致预测精度低的问题,提出一种基于深度迁移学习的滚动轴承剩余使用寿命预测方法。首先利用深度信念网络(DBN)和自组织映射神经网络(SOM)直接对原始振动信号构建轴承健康因子(HI),然后以长短时记忆网络(LSTM)模型为基础,通过共享隐含层的迁移方法训练RUL预测模型,最后利用LSTM-DT进行RUL预测。实验证明,构建HI能够精确反映轴承的健康状态,LSTM-DT算法有效提高RUL预测精度。 展开更多
关键词 剩余使用寿命预测 深度信念网络 自组织映射神经网络 轴承健康因子 长短时记忆网络 共享隐含层迁移
在线阅读 下载PDF
基于深度特征的轴承剩余寿命预测 认领
10
作者 邵佳颖 张星泽 《机械工程师》 2020年第8期81-84,87,共5页
为保障机械设备工作的安全性与可靠性,剩余寿命预测技术是设备轴承维护中的重要环节。由于深度学习具有强大的数据处理能力,提出通过使用深度学习的数据驱动方法来提高预测的准确度。首先,将来自轴承的原始振动信号用作深层网络的输入,... 为保障机械设备工作的安全性与可靠性,剩余寿命预测技术是设备轴承维护中的重要环节。由于深度学习具有强大的数据处理能力,提出通过使用深度学习的数据驱动方法来提高预测的准确度。首先,将来自轴承的原始振动信号用作深层网络的输入,深度置信网络和深度自编码器用于提取深度特征;其次,基于提取的特征选择不同的回归模型进行回归;最后,用测试轴承进行测试,比较两种深度特征及传统特征在不同的回归模型上的表现。实验结果表明,深度置信神经网络特征准确性更高,支持向量回归模型效果较其他模型更优。 展开更多
关键词 深度置信网络 深度自编码器 剩余寿命预测 轴承 支持向量回归
在线阅读 下载PDF
基于深度置信网络的深孔加工刀具状态监测 认领
11
作者 沈明瑞 厉大维 +4 位作者 张贺清 任慧民 秦波 刘阔 王永青 《组合机床与自动化加工技术》 北大核心 2020年第10期172-175,共4页
针对深孔加工过程中刀具状态不易观察、更换刀具的时机依赖经验等问题,提出了一种基于深度置信网络的深孔加工刀具状态监测方法。通过三向压电加速度传感器和传声器采集加工过程的振动信号和噪声信号,并进行数据预处理,利用处理后的数... 针对深孔加工过程中刀具状态不易观察、更换刀具的时机依赖经验等问题,提出了一种基于深度置信网络的深孔加工刀具状态监测方法。通过三向压电加速度传感器和传声器采集加工过程的振动信号和噪声信号,并进行数据预处理,利用处理后的数据训练深度置信网络对刀具状态进行辨别。刀具状态监测的实例表明,利用预处理后的数据对深度置信网络进行训练,刀具状态监测在测试集上的平均准确度可以达到98.54%,证明了深孔加工刀具状态监测方法的有效性。 展开更多
关键词 深度置信网络 深孔加工 特征提取
在线阅读 下载PDF
改进深度信念网络的转炉耗氧量预测 认领
12
作者 李爱莲 赵多祯 +2 位作者 郭志斌 张帅 解韶峰 《中国测试》 CAS 北大核心 2020年第6期1-6,共6页
为降低炼钢能耗,提高炼钢的产量、质量及炼钢过程中的耗氧量预测精度,针对某钢厂的转炉,基于海量历史数据,提出一种基于深度学习的改进深度信念网络(DBN)转炉耗氧量预测模型。通过引入高斯伯努利受限玻尔兹曼机(GBRBM),解决传统DBN中受... 为降低炼钢能耗,提高炼钢的产量、质量及炼钢过程中的耗氧量预测精度,针对某钢厂的转炉,基于海量历史数据,提出一种基于深度学习的改进深度信念网络(DBN)转炉耗氧量预测模型。通过引入高斯伯努利受限玻尔兹曼机(GBRBM),解决传统DBN中受限玻尔兹曼机(RBM)所引起的在连续输入时造成的信息丢失问题。首先经过数据预处理,再采用灰色关联度法,找出影响耗氧量的主导因素,最后将其作为GBRBM-DBN模型的输入,建立GBRBM-DBN模型,并通过仿真验证该方案的可行性。结果表明:该方案能够准确地预测炼钢过程中的耗氧量,预测精度高,泛化性强,可为实际生产提供理论指导。 展开更多
关键词 转炉 深度学习 深度信念网络 受限玻尔兹曼机
在线阅读 下载PDF
基于集成深度置信网络的精细化电力系统暂态稳定评估 认领 被引量:2
13
作者 李宝琴 吴俊勇 +2 位作者 邵美阳 张若愚 郝亮亮 《电力系统自动化》 EI CSCD 北大核心 2020年第6期17-26,共10页
为了进一步提高电力系统暂态稳定的预测精度及给出更精细化的评估结果,将深度学习与电力系统暂态稳定相结合,根据故障切除后发电机功角"轨迹簇"特征,提出一种基于集成不同结构的深度置信网络(DBN)的精细化电力系统暂态稳定评... 为了进一步提高电力系统暂态稳定的预测精度及给出更精细化的评估结果,将深度学习与电力系统暂态稳定相结合,根据故障切除后发电机功角"轨迹簇"特征,提出一种基于集成不同结构的深度置信网络(DBN)的精细化电力系统暂态稳定评估模型。该模型的基分类器DBN能够有效地利用深层架构所具有的特征提取能力,充分挖掘出输入特征与暂态稳定评估结果之间的非线性映射关系。在新英格兰10机39节点系统上的实验结果表明,该方法不仅优于浅层学习框架,也比部分深度学习模型的性能更加优越。除此之外,该集成DBN算法不仅有较高的预测精度,而且可以有效地评估系统的稳定裕度和不稳定程度等级;在部分同步相量测量装置信息缺失以及含有噪声时,表现出较强的鲁棒性。 展开更多
关键词 深度学习 电力系统 暂态稳定评估 深度置信网络 集成学习 机器学习
深度置信网络算法反演Landsat 8 OLI气溶胶光学厚度 认领
14
作者 贾臣 孙林 +3 位作者 陈允芳 张熙空 王伟燕 王永吉 《遥感学报》 EI CSCD 北大核心 2020年第10期1180-1192,共13页
传统的气溶胶遥感反演算法在地表反射率较低、结构较为均一的海洋及浓密植被等区域的气溶胶反演可以达到较高的精度,而在城市、矿区等高亮度、高异质性区域的气溶胶反演中仍面临较大的挑战。当地表反射率较高时,卫星传感器获取的对气溶... 传统的气溶胶遥感反演算法在地表反射率较低、结构较为均一的海洋及浓密植被等区域的气溶胶反演可以达到较高的精度,而在城市、矿区等高亮度、高异质性区域的气溶胶反演中仍面临较大的挑战。当地表反射率较高时,卫星传感器获取的对气溶胶具有标识性的信息不足,导致了气溶胶反演的困难。为更大程度地挖掘卫星信号中对气溶胶具有标识性的信息,本文提出使用深度学习技术的气溶胶遥感反演算法,用于Landsat 8 OLI传感器的气溶胶反演。选择全球不同区域的AERONET站点气溶胶实测数据以及对应区域的Landsat 8 OLI传感器的观测几何角度和表观反射率数据,根据合理的时空匹配原则构建样本数据。选择深度置信网络,在合理设置训练批次和训练次数的基础上对网络进行训练和测试,生成关于卫星传感器数据的气溶胶光学厚度拟合网络模型,实现气溶胶遥感反演。使用独立的AERONET站点气溶胶实测数据对反演结果进行了验证,结果表明:该方法可反演不同地表类型区域连续空间覆盖的气溶胶光学厚度,且达到了较高的精度(R=0.8745,RMSE=0.0391,MAE=0.0616,EE=87.94%)。与传统的方法相比,本方法基于单时相卫星遥感数据即可实现气溶胶的高精度反演,简化了气溶胶反演的步骤,提高了气溶胶反演的稳定性和时空适应性。 展开更多
关键词 遥感 气溶胶光学厚度 遥感反演 Landsat 8 OLI 深度学习 深度置信网络
基于DL和TSVM的入侵检测方法研究 认领
15
作者 魏明军 彭宁 《计算机应用与软件》 北大核心 2020年第12期328-333,共6页
为解决网络环境下大量高维数据给入侵检测造成的数据特征提取不当、检测速度慢、检测率低的问题,提出一种基于深度置信网络(Deep Belief Network,DBN)和孪生支持向量机(Twin Support Vector Machine,TSVM)的入侵检测模型(DBN-TSVM-5)。... 为解决网络环境下大量高维数据给入侵检测造成的数据特征提取不当、检测速度慢、检测率低的问题,提出一种基于深度置信网络(Deep Belief Network,DBN)和孪生支持向量机(Twin Support Vector Machine,TSVM)的入侵检测模型(DBN-TSVM-5)。利用五层受限玻尔兹曼机的DBN对归一化后的标准数据集进行特征降维,以获得入侵检测数据的最优低维表示,构造多分类TSVM-5分类器,对降维后的数据进行识别。经过KDDCUP99数据集的仿真实验,结果表明,该模型是一种有效的入侵检测模型。 展开更多
关键词 深度学习 入侵检测 深度置信网络 孪生支持向量机
在线阅读 下载PDF
基于深度置信网络的互联网流量预测方法 认领
16
作者 孟智慧 《电信工程技术与标准化》 2020年第10期42-47,共6页
本文提出了基于深度置信网络的3种不同架构的网络流量预测模型来预测互联网流量。首先,介绍了深度置信网络的网络结构,然后构建了3种不同架构的深度置信网络拓扑结构,最后通过实验对比,发现隐层的神经元数量对更深层次的网络至关重要,... 本文提出了基于深度置信网络的3种不同架构的网络流量预测模型来预测互联网流量。首先,介绍了深度置信网络的网络结构,然后构建了3种不同架构的深度置信网络拓扑结构,最后通过实验对比,发现隐层的神经元数量对更深层次的网络至关重要,该模型被证明是一种有效的预测模型。本文所采用的方法在模拟流量数据模式和随机要素的同时,提供了准确的网络流量预测,使测试数据集的均方根误差值为0.028。 展开更多
关键词 深度学习 深度置信网络 互联网流量预测
在线阅读 下载PDF
基于DBN-LSSVM的热连轧带钢厚度预测 认领
17
作者 张笑雄 苗宇 +1 位作者 刘新忠 武凯 《冶金自动化》 2020年第2期17-22,共6页
为提高热连轧带钢精轧厚度预测精度,建立了通过深度置信网络(deep belief network,简称DBN)提取特征的最小二乘支持向量机回归模型(DBN-LSSVM),并且利用粒子群优化算法(particle swarm optimization,简称PSO)优化最小二乘支持向量机(lea... 为提高热连轧带钢精轧厚度预测精度,建立了通过深度置信网络(deep belief network,简称DBN)提取特征的最小二乘支持向量机回归模型(DBN-LSSVM),并且利用粒子群优化算法(particle swarm optimization,简称PSO)优化最小二乘支持向量机(least squares support vector machine,简称LSSVM)相关超参数。通过采集某热连轧带钢生产线实时现场数据,对所提出厚度预测模型进行训练和离线仿真。结果表明,基于DBN-LSSVM的预测模型具有良好的学习能力和泛化性,DBN-LSSVM模型的预测精度较传统BP算法和DBN-BP算法有显著提高,该厚度预测模型在生产实践中具有很好的应用前景。 展开更多
关键词 热连轧 厚度预测 深度置信网络 最小二乘支持向量机 粒子群优化算法 深度学习
动态组合深度学习模型在短期负荷及光伏功率预测中的应用 认领
18
作者 熊图 赵宏伟 +3 位作者 蔡智洋 陈明辉 刘丽新 刘铭铭 《可再生能源》 CAS 北大核心 2020年第4期458-463,共6页
人工智能的快速发展为预测问题提出了崭新的解决途径。文章在深入分析深度学习算法发展的基础上,建立了基于深度学习模型动态组合的短期负荷及光伏功率预测模型,在该模型中使用两种深度学习算法(长短记忆网络和深度置信网络)分别对输入... 人工智能的快速发展为预测问题提出了崭新的解决途径。文章在深入分析深度学习算法发展的基础上,建立了基于深度学习模型动态组合的短期负荷及光伏功率预测模型,在该模型中使用两种深度学习算法(长短记忆网络和深度置信网络)分别对输入数据进行训练,并使用线性模型对各个深度学习的训练结果进行动态结合,而后输出最终的预测结果。此外,文章使用广州的光伏功率数据与短期负荷数据对模拟结果的准确性进行验证。分析结果表明,文章所建立的预测模型具有良好的预测精度。 展开更多
关键词 深度学习 动态组合 深度置信网络 长短记忆网络 光伏预测 负荷预测
在线阅读 下载PDF
基于级联与深度信念网络的恶意代码分层检测 认领 被引量:1
19
作者 段玉莹 王凤英 《计算机工程与设计》 北大核心 2020年第7期1815-1820,共6页
为提高恶意代码检测准确率,增强网络空间的信息安全性,提出一种恶意代码自动检测判定方法,基于同种恶意代码同源性特征,融合级联操作与深度信念网络。分析不同类型下的恶意代码的显著特征,从样本集中提取图像、语令等基本数据信息,构建... 为提高恶意代码检测准确率,增强网络空间的信息安全性,提出一种恶意代码自动检测判定方法,基于同种恶意代码同源性特征,融合级联操作与深度信念网络。分析不同类型下的恶意代码的显著特征,从样本集中提取图像、语令等基本数据信息,构建恶意代码检测模型,对基于限制波尔兹曼机算法的模型进行训练。实验结果表明,相比其它检测方案,所提模型检验恶意代码的准确率有显著提高。 展开更多
关键词 恶意代码 深度学习 深度信念网络 级联操作 信息安全
在线阅读 下载PDF
基于深度学习的无绝缘轨道电路故障诊断研究 认领
20
作者 谢旭旭 戴胜华 《铁道学报》 EI CAS CSCD 北大核心 2020年第6期79-85,共7页
针对无绝缘轨道电路故障的复杂性及随机性,提出一种基于深度学习的故障诊断方法。根据无绝缘轨道电路的结构,选取12个电压电流监测量作为故障数据特征集。运用深度信念网络的无监督学习对故障数据进行训练,得到最优参数值并提取出故障... 针对无绝缘轨道电路故障的复杂性及随机性,提出一种基于深度学习的故障诊断方法。根据无绝缘轨道电路的结构,选取12个电压电流监测量作为故障数据特征集。运用深度信念网络的无监督学习对故障数据进行训练,得到最优参数值并提取出故障数据高层的分布式特征。选择BPNN作为分类器,以无监督学习输出的参数作为BPNN的初始值,完成反向调优,实现轨道电路的15种故障分类。利用ZPW-2000A无绝缘轨道电路数据对模型进行了多次实验分析,仿真结果表明,该模型的分类准确度可达95.34%,验证了此方法的有效性。 展开更多
关键词 故障诊断 深度学习 无绝缘轨道电路 深度信念网络
在线阅读 下载PDF
上一页 1 2 28 下一页 到第
使用帮助 返回顶部 意见反馈