期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到9篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于多源域迁移学习的行人重识别探讨
1
作者 张孟思 《移动信息》 2024年第4期301-304,共4页
文中以多源域迁移学习方法作为支持,对行人重识别策略的应用进行了分析,包括多源域迁移学习算法、行人重识别现状及其发展需求、多源域迁移学习方法下的行人重识别策略。以期为多源域迁移学习方法的合理应用与行人重识别质量的提升提供... 文中以多源域迁移学习方法作为支持,对行人重识别策略的应用进行了分析,包括多源域迁移学习算法、行人重识别现状及其发展需求、多源域迁移学习方法下的行人重识别策略。以期为多源域迁移学习方法的合理应用与行人重识别质量的提升提供科学参考,对提高监管区域监控效能具有积极意义。 展开更多
关键词 多源域迁移学习 行人重识别 监控效能
下载PDF
基于特征差异增强的工程装备知识跨项目多源域迁移学习研究
2
作者 徐进 赵慧祺 +1 位作者 张泽慧 刘盾 《系统工程理论与实践》 EI CSCD 北大核心 2024年第3期1097-1113,共17页
工程装备智能化是发展智能建造的重要基础,项目知识是工程装备智能化的知识源泉,因此,工程装备知识跨项目的有效共享与利用是实现智能建造的重要环节.为了增强工程装备知识的跨项目利用效率与效果,本文提出了一种基于特征差异增强的多... 工程装备智能化是发展智能建造的重要基础,项目知识是工程装备智能化的知识源泉,因此,工程装备知识跨项目的有效共享与利用是实现智能建造的重要环节.为了增强工程装备知识的跨项目利用效率与效果,本文提出了一种基于特征差异增强的多源域迁移学习框架.该框架利用混合深度神经网络提取源项目的通用时空特征表示,基于项目相似度度量筛选可迁移源项目,通过所设计的特征差异增强方法挖掘多源域的域特殊特征表示并进行集成,在避免负迁移的同时实现工程装备知识的跨项目有效转移.本文使用多个隧道工程项目的数据进行了实验,在六个盾构设备姿态预测知识转移任务的两个预测目标上,该框架相较于基线模型的预测准确性平均提升度分别为86.48%、117.01%,并具有良好的稳健性和情景适应性.实验结果表明:本文所设计的新框架可以挖掘多个源域项目的特性知识并整合其共性知识,通过集成多源域迁移学习的知识来提高知识利用率,为大型工程装备知识的跨项目转移提供了有效的方法和工具,有助于提升施工项目的知识管理与智能建造水平. 展开更多
关键词 工程项目 项目知识转移 工程装备知识 多源域迁移学习 深度学习
原文传递
多源域分布下优化权重的迁移学习Boosting方法 被引量：1
3
作者 李赟波 王士同 《计算机科学与探索》 CSCD 北大核心 2023年第6期1441-1452,共12页
深度决策树迁移学习Boosting方法(DTrBoost)仅能适应一个源域与一个目标域的训练数据,无法适应多个不同分布的源域的样本。此外,DTrBoost方法同步地从源域中学习数据至目标域模型,并没有根据重要程度量化学习知识的权重。在实践中,对于... 深度决策树迁移学习Boosting方法(DTrBoost)仅能适应一个源域与一个目标域的训练数据,无法适应多个不同分布的源域的样本。此外,DTrBoost方法同步地从源域中学习数据至目标域模型,并没有根据重要程度量化学习知识的权重。在实践中,对于某数据集的数据按照某一或某些特征划分出来的数据往往分布不一致,并且这些不同分布的数据对于最终模型的重要性也不一致,知识迁移的权重也因此不平等。针对这一问题,提出了多源域优化权重的迁移学习方法,主要思想是根据不同分布的源域空间计算出到目标域的KL距离,利用KL距离的比值计算出不同分布的源域样本的学习权重比例,从而优化整体梯度函数,使学习方向朝着梯度下降最快的方向进行。使用梯度下降算法能使模型较快收敛,在确保迁移学习效果的同时,也能确保学习的速度。实验结果表明,提出的算法在整体上实现了更好的性能并且对于不同的训练数据能够实现自适应效果,分类错误率平均下降0.013,在效果最好的OCR数据集上下降0.030。 展开更多
关键词 深度决策树迁移学习Boosting方法(DTrBoost) 多源域迁移学习 KL距离 决策树
下载PDF
基于多源域深度迁移学习的机械故障诊断 被引量：8
4
作者 杨胜康 孔宪光 +2 位作者 王奇斌 程涵 李中权 《振动与冲击》 EI CSCD 北大核心 2022年第9期32-40,共9页
针对不同工况下的机械故障诊断问题,迁移学习方法相比于深度学习具有明显的成效,单源域迁移故障诊断仍会出现负迁移和模型泛化能力差的问题。因此,本文提出一种基于多源域深度迁移学习的机械故障诊断方法。首先,进行锚适配器的构建,获... 针对不同工况下的机械故障诊断问题,迁移学习方法相比于深度学习具有明显的成效,单源域迁移故障诊断仍会出现负迁移和模型泛化能力差的问题。因此,本文提出一种基于多源域深度迁移学习的机械故障诊断方法。首先,进行锚适配器的构建,获得多源域-目标域适配器数据对。其次,建立基于深度域适应的迁移学习网络模型获得每个数据对的分类器与预测结果。最后,采用加权集成的方式进行分类器集成,用于最终的故障诊断识别。所提方法充分集成多源域故障特征信息,提取域不变特征,避免负迁移的问题,提高模型的泛化能力。通过一个滚动轴承数据来验证提出方法的性能,结果表明,多工况迁移故障诊断分类精度明显高于其中任意单一工况迁移,最高可提高8.78%,与其他方法相比,所提方法具有较好的精度和泛化能力。 展开更多
关键词 故障诊断 多源域迁移学习 锚适配器集成 深度神经网络
下载PDF
基于多源域深度迁移学习的液晶面板缺陷检测算法 被引量：1
5
作者 彭大芹 刘恒 许国良 《广东通信技术》 2019年第3期57-62,共6页
针对液晶面板缺陷检测中现有的基于深度神经网络的方法所面临训练数据不足、模型泛化性能差和模型稳定性能差等问题,提出了一种基于多源域深度迁移学习的缺陷检测算法,该算法利用多种相似任务的数据集构建了多源域的训练数据,以Mask R-... 针对液晶面板缺陷检测中现有的基于深度神经网络的方法所面临训练数据不足、模型泛化性能差和模型稳定性能差等问题,提出了一种基于多源域深度迁移学习的缺陷检测算法,该算法利用多种相似任务的数据集构建了多源域的训练数据,以Mask R-CNN为基础框架,采用混淆域的迁移学习方法对模型进行知识迁移,实现了对液晶面板缺陷的检测。另外,本文还提出一种参数更新的方法,以保证多源域数据知识的正向迁移。为验证所提方法的有效性和实用性,本文以四个源域数据集为基础,在液晶缺陷数据集上进行了实验。实验结果表明,该算法达到了79.6%的mAP,相比于非迁移学习的方式提升了23.8%。模型训练稳定后的检测效率符合工业生产的要求,证明了算法的有效性和实用性。 展开更多
关键词 缺陷检测 多源域深度迁移学习 液晶面板 深度学习
下载PDF
基于多源域深度迁移学习的舵机在线故障诊断
6
作者 吕丞辉 程进军 +2 位作者 胡阳光 文斌成 李剑峰 《兵器装备工程学报》 CAS CSCD 北大核心 2022年第9期60-67,共8页
针对航空武器不同舵机轴承在不同负载力矩下呈现特征数据与工作状态映射关系难以定量表达,开展未知领域的状态识别是一条可行的技术路线;引入多源域深度迁移学习的思想,提出具有多核MMD的MSFAN故障诊断方法。采用傅里叶变换提取不同域... 针对航空武器不同舵机轴承在不同负载力矩下呈现特征数据与工作状态映射关系难以定量表达,开展未知领域的状态识别是一条可行的技术路线;引入多源域深度迁移学习的思想,提出具有多核MMD的MSFAN故障诊断方法。采用傅里叶变换提取不同域原始数据的时频域特征,通过多核MMD距离度量方式减小源域和目标域之间的特征分布差异;利用特定域分类器降低不同域对目标样本在类边界附近的分类损失,提高模型在目标域中的分类精度。试验分别采用公开轴承数据集作为源域数据,使用该方法对目标域数据进行状态识别,与Alxnet、Rexnet18等诊断算法相比,所提方法获得较好的转移性能,基本达到100%的故障识别率。 展开更多
关键词 舵机 轴承 多源域深度迁移学习 MSFAN 故障诊断
下载PDF
小样本下滚动轴承故障的多源域迁移诊断方法 被引量：8
7
作者 陈保家 陈学力 +3 位作者 肖文荣 陈法法 肖能齐 刘强 《电子测量与仪器学报》 CSCD 北大核心 2022年第2期219-228,共10页
为了减小神经网络在机械设备故障预示与健康管理(PHM)过程中对大量完备数据的依赖,针对数据稀少情况下的滚动轴承故障诊断问题,提出了一种多源域迁移学习方法。模型采用一维卷积神经网络(1D-CNN),以原始振动信号作为模型的输入,利用两... 为了减小神经网络在机械设备故障预示与健康管理(PHM)过程中对大量完备数据的依赖,针对数据稀少情况下的滚动轴承故障诊断问题,提出了一种多源域迁移学习方法。模型采用一维卷积神经网络(1D-CNN),以原始振动信号作为模型的输入,利用两个不同的源域数据依次对模型进行预训练,使用目标域数据对预训练模型进行微调,提高对目标域的识别精度。采用频询实验台实测数据及西储大学数据集,在目标域故障样本不足的情况下分别对模型的分类精度、训练速度、结果稳定性、多源域有效性进行验证,并与卷积神经网络(CNN)、迁移成分分析(TCA)、联合分布适配(JDA)、支持向量机(SVM)的诊断结果进行对比。实验结果表明,在故障数据稀少时,模型能达到较高的分类精度,在目标域样本数量不同的3种情况下,多源域迁移方法分类精度分别达到了97.71%、96.28%、94.18%,并且模型有着较快的收敛速度,较好的稳定性。 展开更多
关键词 多源域迁移学习 卷积神经网络 滚动轴承 故障诊断
原文传递
基于多图核的迁移学习方法 被引量：3
8
作者 江悠 张道强 张俊艺 《模式识别与人工智能》 EI CSCD 北大核心 2020年第6期488-495,共8页
医学数据标注成本高昂,不同研究中心提供的脑影像数据间存在分布差异,无法有效整合,影响预测模型性能.针对此问题,文中提出基于多图核的迁移学习方法,将不同的图核用于挖掘脑网络结构信息并衡量脑网络间的相似性.提出多核学习框架,提高... 医学数据标注成本高昂,不同研究中心提供的脑影像数据间存在分布差异,无法有效整合,影响预测模型性能.针对此问题,文中提出基于多图核的迁移学习方法,将不同的图核用于挖掘脑网络结构信息并衡量脑网络间的相似性.提出多核学习框架,提高迁移模型的性能.在自闭症谱系障碍(ASD)多中心数据集上验证文中方法可有效利用脑网络数据的结构信息.多核学习框架也可综合不同图核的优点,进一步提高方法在脑网络数据上的分类性能. 展开更多
关键词 脑网络 图核 多中心数据 多源域迁移学习 多核学习
下载PDF
基于GCN的多源变工况滚动轴承故障诊断
9
作者 谢锋云 王玲岚 +3 位作者 宋明桦 樊秋阳 孙恩广 朱海燕 《铁道科学与工程学报》 EI CAS 2024年第5期2109-2118,共10页
滚动轴承是旋转机械的关键部件,其健康状况的识别非常重要。迁移学习作为一种有效工具被广泛应用于故障诊断领域,但单源迁移学习方法可能存在泛化性能较差甚至引起负迁移,造成识别效果不佳的问题。提出一种基于多感受野图卷积网络(GCN)... 滚动轴承是旋转机械的关键部件,其健康状况的识别非常重要。迁移学习作为一种有效工具被广泛应用于故障诊断领域,但单源迁移学习方法可能存在泛化性能较差甚至引起负迁移,造成识别效果不佳的问题。提出一种基于多感受野图卷积网络(GCN)的多源迁移学习方法(MS-GCN),通过在多个源域数据上学习迁移知识,实现变工况下滚动轴承的故障诊断。该方法首先利用小波变换将振动数据样本转换为二维时频图样本,将获得的N组源域样本和目标域样本进行构建得到N组源域-目标域样本数据对;其次,先利用深度卷积网络学习每组数据对的高维特征,再由多感受野图卷积网络学习所提特征的数据结构,使得自适应方法能充分学习域不变特征,更有效地将源域与目标域特征进行对齐,训练得到N组分类器;最后,取N组分类器分类结果的平均值为目标域样本的状态识别结果。基于江南大学轴承数据集对所提方法展开实验验证,在3组不同的变工况轴承故障诊断任务中,所提方法对4种不同状态(正常、内圈故障、外圈故障及滚动体故障)的分类准确率均在99%以上,与其他方法相比诊断准确率提升了0.22~8.27个百分点。对比结果表明:所提方法对变工况下滚动轴承的故障进行识别,可以有效地诊断出轴承的故障类型,具有一定的工程实用价值。 展开更多
关键词 故障诊断 多感受野图卷积网络 多源域迁移学习 深度卷积网络 滚动轴承
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部