基于深度学习的智能变电站通信网络故障诊断与定位方法

孙宇嫣; 蔡泽祥; 郭采珊; 马国龙; 戴观权, 电网技术 发表时间:2019-06-20 15:44 期刊

为提高智能变电站通信网络运维效率,提出了基于深度学习的智能变电站通信网络故障诊断与定位方法。从通信网络故障状态的冗余监测出发,分析基于不同监测节点的故障特征信息,提出了通信网络故障特征信息表征方式。基于涌现原理,根据通信网络物理连接、逻辑连接及报文订阅关系实现故障样本的自动生成,并结合深度学习理论中训练规则,建立基于深度置信网络的通信网络故障诊断模型,基于此给出实时故障分析处理流程。以典型110k V智能变电站过程层网络为例进行验证,仿真结果验证了所提故障诊断方法的有效性和...


基于深度学习模型的遥感图像分割方法

许玥;冯梦如;皮家甜;陈勇;, 计算机应用 发表时间:2019-06-21 10:37 期刊

...物的传统人工目视解译分割方法效率低下,现有基于深度学习的遥感图像分割在复杂场景下准确率不高、背景噪声多的问题,提出一种基于改进的U-net网络架构与全连接条件随机场的图像分割算法。首先,融合VGG16和U-net构建新的网络模型,以有效提取具有高背景复杂度遥感图像的特征;然后,通过选取适当的激活函数和卷积方式,提高图像分割准确率的同时显著降低模型预测时间;最后在保证分割精度的基础上,使用全连接条件随机场进一步优化分割结果,获得更加细致的分割边缘。在ISPRS提供的标准数据集...


基于深度学习的目标位姿估计文献综述

张德; 李国璋; 王怀光; 张峻宁, 飞航导弹 发表时间:2019-06-21 16:01 期刊

针对位姿估计在辅助维修中的重要性进行了说明,对比分析了位姿估计传统法和深度学习等国内外参考文献,梳理了传统方法、深度学习方法的优劣势,并进一步阐明了深度学习未来的发展方向。最后,指出了深度学习法是今后位姿估计领域的重要方法,也是提高辅助维修平台性能的关键技术。...


基于Mask-RCNN的建筑物目标检测算法

李大军; 何维龙; 郭丙轩; 李茂森; 陈敏强, 测绘科学 发表时间:2019-06-24 11:32 期刊

...物的类别,所以建筑物的检测会直接影响到地物提取的自动化水平这一问题。该文提出了一种基于Mask-RCNN的建筑物目标检测方法,是基于卷积神经网络思想,在深度学习框架下通过多线程迭代训练,将无人机影像作为训练样本,在卷积神经网络中得到目标特征再通过区域建议网络(RPN)与ROIAlign操作将特征输入不同的全连接分支。最后得到具优化的权重参数的目标检测模型。在不同场景图像中,该模型可以检测出建筑物目标。实验结果达到了预期要求,提高了航空影像中建筑物检测的准确性。...


基于深度学习的教室人数统计系统设计

陈久红;张海玉;, 软件导刊 发表时间:2019-06-24 13:59 期刊

教室是学生上课和自习的主要场所,由于学校教室有限,寻找没课或人少的教室往往需要花费学生较多时间。开发一个教室人数统计系统,帮助学生快速找到一个合适的自习室很有意义。在教室监控图像中学生个体是小目标,而现有的基于卷积神经网络的R-FCN目标检测算法对小目标检测困难。针对这一问题,在R-FCN基础上进行一系列改进,大大增加了R-FCN目标检测算法对小目标的识别能力。在自制的数据集上进行验证,准确率达到了89.4%。


基于机器学习的医疗大数据分析与临床应用

孙涛;徐秀林;, 软件导刊 发表时间:2019-06-24 13:59 期刊

...大、增长迅速、结构复杂、隐藏价值高的数据。机器学习技术能够有效分析医疗大数据的内部联系,对疾病的早期诊断及预后具有重要的临床指导意义。阐述了机器学习技术在医疗大数据中的应用及研究进展,包括在大数据分析中的回归分析、决策树、基于内核的算法、降低维度算法等浅层机器学习算法模型,卷积神经网络、循环神经网络、自动编码器、深度信念网络等深度学习算法模型,以及各个算法模型的临床应用,分析机器学习在医疗数据挖掘中的应用前景和存在的技术难题。...


基于LSTM等深度学习方法的股指预测研究

李佳;黄之豪;陈冬兰;, 软件导刊 发表时间:2019-06-24 13:59 期刊

...点,并提高股指预测精度,运用LSTM神经网络等深度学习方法对我国上证指数及沪深300指数进行预测分析,并将预测结果与RNN、CNN、ARMA等模型进行比较,然后在模型中加入百度指数测试其对预测精度的影响,最后检验LSTM模型对训练步长的敏感性。研究结果表明,LSTM能够实现对股指的精准预测,其预测评价指标MAE、MAPE、RMSE分别为0.008、0.025、0.011,预测误差低于其它模型,加入百度指数可进一步提升其预测能力,但改变LSTM模型训练步长对结果影响不大。因此...


协同KPCANet模型在人脸识别中的应用研究

杨翠萍;魏赟;, 软件导刊 发表时间:2019-06-24 14:00 期刊

为解决手工提取图像特征过程繁复和参数复杂问题,提出一种基于深度学习的协同KPCANet模型。该算法能够对现场采集到的人脸数据和特征进行提取和分类,通过提取分块直方图特征进行编码协同表示,将测试样本归于残差最小的类中对人脸数据进行识别和运算。实验结果表明,协同KPCANet模型在滤波器数量L1=10一层卷积层和L2=15二层卷积层的正确率分别达到99.17%和99.44%。协同KPCANet模型不仅能使运算过程简洁,还能提高识别结果准确度,提升识别效率。...


基于深度学习的视网膜分支动脉阻塞分割

郭超;张格致;周宁浩;施巍;王泽廷;朱伟芳;石霏;, 软件导刊 发表时间:2019-06-24 17:09 期刊

...医生更快、更准确地诊断视网膜疾病,提出一种基于深度学习的视网膜分支动脉阻塞分割的方法。首先,将三维视网膜光学相干断层扫描图像转换为二维B超扫描图像,通过二值化、仿射变换等方法提取视网膜区域作为感兴趣区域;然后将感兴趣区域送入条件生成对抗网络进行训练,实现BRAO病变区域分割;最后,采用腐蚀、闭运算等形态学运算排除假阳性。在20张来自20双眼睛、包含BRAO急性期和萎缩期视网膜OCT图像上进行四折交叉验证,平均正确率、真阳性率、假阳性率分别为94.7%、92.1%、5.0%,...


融合深度学习的无人驾驶多目标检测算法

朱玉刚;, 软件导刊 发表时间:2019-06-24 17:10 期刊

目标检测是目前计算机视觉领域非常热门的研究方向,是无人驾驶技术重要环节。为提高行车过程中目标检测精度并改善基于单发多目标检测器在训练时出现的正负样本失衡问题,基于车载视频,运用深度学习算法中具有强大性能的SSD模型,通过引入Focal Loss函数设计新的损失函数,解决样本失衡问题;同时在不降低检测速率的情况下,提高检测精度。基于自行采集的车载视频数据集进行实验,结果表明,改进后SSD模型的mAP相较于原始SSD模型提高了3%,达到74%。...


基于PCA-LSTM的盾构故障多标签预测模型研究

徐进,刘丽莎,章龙管,段文军,刘绥美, 山东农业大学学报(自然科学版) 2019年06期 , 期刊

...发生,本文针对盾构施工中出现的多故障问题,采用深度学习方法中的长短期记忆网络(LSTM),设计了可处理时序数据的盾构故障多标签预测模型。根据某城市地铁项目中的实际数据,首先利用主成分分析法(PCA)对盾构施工参数进行特征提取,然后利用LSTM模型从集成了外部环境数据的盾构施工时序数据中,挖掘盾构机故障的发生规律,并通过适应多标签学习的交叉熵损失函数进行模型参数的优化,最后用基于多标签的评估指标对模型结果进行评估。实验结果表明该方法在盾构单故障和多故障的预测中都有较好表现,能...


基于深度学习的单张图片超分辨率重构研究进展

张宁;王永成;张欣;徐东东;, 自动化学报 发表时间:2019-06-24 17:13 期刊

...改变现有硬件设备的前提下,有效提高图像分辨率.深度学习近年来在图像领域发展迅猛,它的引入为单张图片超分辨率重构带来了新的发展前景.本文主要对当前基于深度学习的单张图片超分辨率重构方法的研究现状和发展趋势进行总结梳理:首先根据不同的网络基础对十几种基于深度学习的单张图片超分辨率重构的网络模型进行分类介绍,分析这些模型在网络结构、输入信息、损失函数、放大因子以及评价指标等方面的差异;然后给出它们的实验结果,并对实验结果及存在的问题进行总结与分析;最后给出基于深度学习的单张图片超...


一种迁移学习和可变形卷积深度学习的蝴蝶检测算法

李策;张栋;杜少毅;朱子重;贾盛泽;曲延云;, 自动化学报 发表时间:2019-06-24 17:14 期刊

...检测效率低、精度差问题,本文提出了一种基于迁移学习和可变形卷积深度神经网络的蝴蝶检测算法(Transfer learning and deformable convolution deep learning network, TDDNET).该算法首先使用可变形卷积模型重建ResNet-101卷积层,强化特征提取网络对蝴蝶特征的学习,并以此结合区域建议网络(Region proposal network, RPN)构建二分类蝴蝶检测网络,以下简称DNET-base;然后在D...


基于递归神经网络与注意力机制的动态个性化搜索算法

周雨佳;窦志成;葛松玮;文继荣;, 计算机学报 发表时间:2019-06-25 10:46 期刊

个性化搜索已被证明可以有效提高搜素引擎检索质量。大部分个性化搜索算法都是先基于用户的历史行为构建用户模型,然后通过比较文档和用户模型的相似度来对原始结果进行个性化重排。本文认为用户查询需求具有动态性和随机性,因此近期的用户查询行为以及与当前查询相关的历史查询行为对个性化当前查询的贡献应当高于其他查询。本文运用递归神经网络来构建用户个性化偏好,对用户兴趣的动态性进行建模,再利用注意力机制根据当前查询动态地对历史用户行为进行加权。和以往对用户兴趣建模的方法不同,本文构建出来的


深度学习在地球物理中的应用现状与前景

王昊; 严加永; 付光明, 地球物理学进展 发表时间:2019-06-25 11:06 期刊

深度学习是机器学习的一个分支,是使用低维特征组合来表示高维特征组合,包含多重复杂结构或多个非线性变换的多个处理层对数据进行高维抽象的一种算法。深度学习的自我学习和适应能力使它在计算机视觉、语音识别、金融等领域得到了广泛应用。为分析深度学习在地球物理领域的应用前景,本文在介绍深度学习概况的基础上,结合实例分析了深度学习在地震探测定位、大地电磁数据处理、航空电磁数据解释等领域的应用现状。发现深度学习在处理海量数据在并行处理、进行模式识别特征提取、数据预测等方面都有巨大的优势。随...


深度卷积记忆网络时空数据模型

秦超;高晓光;万开方;, 自动化学报 发表时间:2019-06-25 16:46 期刊

...短时间间隔数据预测能力不足的问题,进而提高模型预测未来信息的能力。本文提出一个全新的时空数据模型——深度卷积记忆网络。深度卷积记忆网络是一个包含卷积神经网络和长短时间记忆网络的多元网络结构,可以提取数据的时间和空间属性信息,通过加入周期和镜像特征提取模块对网络进行修正。通过对两类典型时空数据集的验证,表明深度卷积记忆网络在预测短时间间隔的数据信息时,相较于传统的时空数据模型,不仅预测误差有了很大程度的降低,而且模型的训练速度也得到提升。...


基于YOLOv3目标跟踪方法

李晶; 黄山, 电光与控制 发表时间:2019-06-25 17:08 期刊

提出了一种基于深度学习检测算法YOLOv3的目标跟踪算法。该算法利用深度学习模型在目标特征提取上的优势,采用基于回归的YOLOv3检测模型提取候选目标,同时结合目标颜色直方特征和局部二值模式直方特征进行目标筛选,实现对目标的跟踪。同时,为了提高算法的性能,文中还提出了一种K邻域搜索方法,可以针对选定目标进行邻域检测。实验结果表明,文中提出的目标跟踪算法跟踪效果很好,综合表现比4种对比算法提高了80%左右,同时在目标物体光照变化、姿态变化、尺寸变化、旋转变化等复杂情况下有很好...


基于GRU-SVR的短时交通流量预测研究

潘伟靖;陈德旺;, 计算机技术与发展 2019年10期 , 期刊

...S)的研究方向之一。现有相关研究中所提及的基于深度学习的方法,需要较高的计算复杂度或模型的回归预测能力存在一定的不足。本文提出一种将门循环单元(Gated Recurrent Unit,GRU)与支持向量回归(Support Vector Regression,SVR)相结合的模型。该模型一方面借助深度学习模型的强大能力进行特征提取工作,并相较长短时记忆网络(Long Short Term Memory,LSTM)而言降低一定的计算量,同时,又以支持向量回归模型来增强整个模...


基于CEEMDAN分解的深度学习分位数回归电价预测

彭曙蓉; 李彬; 彭君哲; 许福鹿; 石亮缘, 电力系统及其自动化学报 发表时间:2019-06-26 11:32 期刊

...价策略的制定至关重要。针对电价预测问题,提出一种基于CEEMDAN分解的深度学习分位数回归电价预测方法。首先采用CEEMDAN方法对电价序列进行分解,得出各个模态分量;再采用深度学习中空洞因果卷积神经网络预测模型在不同分位数下对各个分量进行预测,并将预测结果重构;最后对预测结果采用核密度估计得到电价的概率密度函数。经过对美国PJM的实际数据仿真验证,所提出的组合预测方法对比其他分位数回归方法,不仅具有更高的预测准确度,且可以更多为供电商的有效信息。...


基于深度学习算法的藏文微博情感计算研究

孙本旺;田芳;, 计算机技术与发展 2019年10期 , 期刊

针对藏文文本情感计算研究,将CNN-LSTM深度学习模型引入到藏文微博情感计算,弥补了少数语言自然语言处理研究的缺乏,对藏文研究具有一定的推动作用。针对藏文语料的不公开,通过藏文同反义情感词典对标注好的藏文微博语料中情感词汇的同反义词进行替换,进一步扩充了藏文微博语料,以适合深度学习对大数据语料的要求。藏文微博分词后,利用Word2vec工具训练出藏文微博词向量模型,提高特征向量对文本深层次语义信息的表达;然后,将训练好的词向量和对应的情感倾向标签直接引到由卷积层、池化层、...


相关搜索
 找到 24,661 条结果 
首页上一页67891011121314下一页
关于iData
iData是第三方交流学术成果的公益互联网项目,旨在促进知识的传播和最新学术科技的共享,所有信息均来自公开、透明的互联网查询网站,iData重新对这些信息进行整合和优化,从而高效地输出有用信息,提高人与知识的连接效率。iData从创建之初便提供免费的学术文献浏览和下载。