基于栈式降噪自编码神经网络的车牌字符识别 被引量：16

1

作者 贾文其 李明 +1 位作者 朱美强 王军 《计算机工程与设计》 北大核心 2016年第3期751-756,共6页

为解决复杂自然场景下车牌字符受噪声等影响识别困难的问题,提出一种基于栈式降噪自编码神经网络的车牌识别方法。基于降噪自编码模型重构思想自动提取相关特征,通过使用无监督逐层贪婪预训练和有监督微调的方法对深度自编码神经网络进... 为解决复杂自然场景下车牌字符受噪声等影响识别困难的问题,提出一种基于栈式降噪自编码神经网络的车牌识别方法。基于降噪自编码模型重构思想自动提取相关特征,通过使用无监督逐层贪婪预训练和有监督微调的方法对深度自编码神经网络进行训练,对复杂环境下低质量的车牌字符图像具有较好的鲁棒性能。与浅层的机器学习算法、传统栈式自编码神经网络和卷积神经网络相比,栈式降噪自编码神经网络有较好的字符识别性能。基于实际道口电子警察采集的车牌图像测试集的实验结果验证了该方法的有效性。 展开更多

关键词 车牌字符识别 栈式降噪自编码神经网络 重构 逐层贪婪预训练 微调

下载PDF 职称材料

基于栈式降噪自编码的故障诊断 被引量：11

2

作者 朱煜奇 黄双喜 +1 位作者 杨天祺 孙洁香 《制造业自动化》 CSCD 2017年第3期152-156,共5页

提出一种基于栈式降噪自编码网络的故障诊断方法,把深度学习应用于设备故障诊断。建立深层网络模型,采取逐层贪婪编码的方式进行预训练,实现高维深层故障特征的自适应提取和挖掘,再使用反向传播算法对模型进行监督式微调。方法集成了特... 提出一种基于栈式降噪自编码网络的故障诊断方法,把深度学习应用于设备故障诊断。建立深层网络模型,采取逐层贪婪编码的方式进行预训练,实现高维深层故障特征的自适应提取和挖掘,再使用反向传播算法对模型进行监督式微调。方法集成了特征提取和状态分类两大步骤,摆脱了传统机器学习方法对人为提取样本特征的依赖,并有效克服梯度消失、局部极值等问题。通过滚动轴承数据实验,验证该方法对故障的识别能力和泛化能力。 展开更多

关键词 故障诊断 栈式降噪自编码 深度学习 滚动轴承

下载PDF 职称材料

基于栈式降噪自编码和词嵌入表示的维吾尔语零指代消解

3

作者 秦越 禹龙 +4 位作者 田生伟 冯冠军 吐尔根.依布拉音 艾斯卡尔.艾木都拉 赵建国 《中文信息学报》 CSCD 北大核心 2018年第5期56-64,共9页

针对维吾尔语零指代现象,提出采用栈式降噪自编码的深度学习机制进行维吾尔语零指代消解。首先由大规模无标注维吾尔语语料训练得到富含语义和句法信息的词嵌入表示,将其作为候选先行语和缺省零代词的语义特征;其次根据维吾尔语语言特点... 针对维吾尔语零指代现象,提出采用栈式降噪自编码的深度学习机制进行维吾尔语零指代消解。首先由大规模无标注维吾尔语语料训练得到富含语义和句法信息的词嵌入表示,将其作为候选先行语和缺省零代词的语义特征;其次根据维吾尔语语言特点,抽取14项针对零指代消解任务的手工设计特征;然后融合word embedding特征和14项hand-crafted特征作为栈式降噪自编码的输入,最后经过无监督逐层贪婪的预训练和有监督的微调过程,使用softmax进行分类完成维吾尔语零指代消解任务。实验结果表明,与传统栈式自编码、浅层机器学习的支持向量机和人工神经网络相比,栈式降噪自编码的F值分别提高了4.450%、10.032%和8.140%,实验结果验证了该方法的有效性及栈式降噪自编码在任务中具备挖掘高层面鲁棒性语义特征的优势。 展开更多

关键词 维吾尔语 零指代消解 栈式降噪自编码 词嵌入表示

下载PDF 职称材料

基于无监督栈式降噪自编码网络的显著性检测算法 被引量：9

4

作者 李庆武 马云鹏 +1 位作者 周亚琴 邢俊 《电子学报》 EI CAS CSCD 北大核心 2019年第4期871-879,共9页

针对现有的显著性检测算法检测目标类型单一、通用性差的问题,提出一种基于无监督栈式降噪自编码网络的显著性检测算法.该算法利用无监督栈式降噪自编码网络(Stacked Denoising Auto Encoder,SDAE)在多个尺度对原始图像进行稀疏重构,将... 针对现有的显著性检测算法检测目标类型单一、通用性差的问题,提出一种基于无监督栈式降噪自编码网络的显著性检测算法.该算法利用无监督栈式降噪自编码网络(Stacked Denoising Auto Encoder,SDAE)在多个尺度对原始图像进行稀疏重构,将原始图像与SDAE网络重构图像之间的差作为显著图,二值化后的显著图作为显著性目标检测结果.在SDAE网络训练过程中,将原始图像作为原始数据,网络重构的图像作为观察数据.为了提升网络训练效率,首先利用无监督逐层贪婪方法训练同结构的深度信念网络(Deep Belief Network,DBN),将训练得到的DBN网络参数设为SDAE网络的初始参数,再计算原始数据与观察数据之间的互信息作为网络收敛代价,利用反向传播进行网络参数微调.实验表明,该网络模型可以完成多类型目标的显著性检测,具有通用性好,准确度高等优点. 展开更多

关键词 显著性检测 无监督网络 栈式降噪自编码 深度信念网络 互信息

下载PDF 职称材料

栈式降噪自编码网络在变压器故障诊断中的应用 被引量：10

5

作者 许倩文 吉兴全 +2 位作者 张玉振 李军 于永进 《电测与仪表》 北大核心 2018年第17期62-67,共6页

为提高变压器故障诊断的准确率,提出了一种新型的变压器故障诊断网络,该网络以基于栈式降噪自编码网络为基础,把深度学习用在诊断变压器设备故障方面,建立深层网络模型,采取逐层贪婪编码的方式进行自适应的非监督式预训练,实现高维深层... 为提高变压器故障诊断的准确率,提出了一种新型的变压器故障诊断网络,该网络以基于栈式降噪自编码网络为基础,把深度学习用在诊断变压器设备故障方面,建立深层网络模型,采取逐层贪婪编码的方式进行自适应的非监督式预训练,实现高维深层故障特征的自适应提取和挖掘,进而使用反向传播算法对模型进行监督式微调。最后利用Softmax分类器,对故障进行分类输出。最后通过实例验证表明,提出的栈式降噪自编码网络能准确、有效地对变压器进行故障诊断,与传统方法相比,该方法提高了变压器故障诊断的准确率。 展开更多

关键词 变压器 故障诊断 深度学习 栈式降噪自编码 Softmax分类器

下载PDF 职称材料

基于栈式降噪自编码的变压器“快速发展型”沿面放电状态评估

6

作者 程林 杨旭 +3 位作者 刘正阳 张静 聂德鑫 张晓星 《南昌大学学报（理科版）》 CAS 北大核心 2022年第2期226-231,238,共7页

超、特高压变压器结构紧凑、绝缘裕度低,在高电压作用下场强集中区易引发“快速发展型”放电故障。本文通过搭建基于“针-板”缺陷的变压器油纸绝缘“快速发展型”沿面放电试验平台,获取了其不同放电发展状态下的高频脉冲电流信号,根据... 超、特高压变压器结构紧凑、绝缘裕度低,在高电压作用下场强集中区易引发“快速发展型”放电故障。本文通过搭建基于“针-板”缺陷的变压器油纸绝缘“快速发展型”沿面放电试验平台,获取了其不同放电发展状态下的高频脉冲电流信号,根据其相位-幅值和相位-放电次数图谱的差异将其放电过程分成了“前期”(稀疏放电)、“中期”(大幅值剧烈放电)和“后期”(小幅值密集放电)三个发展阶段。在根据其PRPD图谱提取的特征参量基础上,构建了栈式降噪自编码联合支持向量机的评估方法,对变压器“快速发展型”沿面放电的发展状态进行了评估,取得了良好的效果。 展开更多

关键词 变压器 快速发展型 沿面放电 高频脉冲电流 栈式降噪自编码

下载PDF 职称材料

基于栈式降噪自动编码器的中文短文本分类 被引量：1

7

作者 邱爽 姜明洋 +2 位作者 张智丰 卢奕南 裴志利 《内蒙古民族大学学报（自然科学版）》 2017年第5期400-405,共6页

深度学习技术已经广泛应用到大数据处理中,并在很多方面获得了可观的成绩.其中,自编码神经网络作为一种特征降维算法已被广大专家学者所应用.本文主要讨论一种改进的自动编码器——栈式降噪自编码神经网络(The Stacked Denoising Auto E... 深度学习技术已经广泛应用到大数据处理中,并在很多方面获得了可观的成绩.其中,自编码神经网络作为一种特征降维算法已被广大专家学者所应用.本文主要讨论一种改进的自动编码器——栈式降噪自编码神经网络(The Stacked Denoising Auto Encoder,SDAE),该算法使学习到的特征更加具有鲁棒性.并研究了该算法基于Re LU激活函数的中文短文本分类.与KNN,SVM,BP对比,无论召回率还是准确率,SDAE均优于KNN、BP、SVM. 展开更多

关键词 栈式降噪自编码 文本分类 深度学习 降维

下载PDF 职称材料

基于改进的降噪自编码药物透血脑屏障预测 被引量：2

8

作者 周兴发 禹龙 +2 位作者 田生伟 李莉 王梅 《计算机应用研究》 CSCD 北大核心 2018年第5期1355-1359,共5页

药物透血脑屏障是新药研发的一个重要因素。在传统栈式降噪自编码(stacked denoising autoencoder,SDAE)基础上,提出一种改进的SDAE药物透血脑屏障预测方法。利用主成分分析(principal components analysis,PCA)无监督训练一组权值初始... 药物透血脑屏障是新药研发的一个重要因素。在传统栈式降噪自编码(stacked denoising autoencoder,SDAE)基础上,提出一种改进的SDAE药物透血脑屏障预测方法。利用主成分分析(principal components analysis,PCA)无监督训练一组权值初始化SDAE,避免随机初始化权值造成模型收敛速度较慢的问题;然后为降噪自编码(denoising autoencoder,DAE)增加一层隐藏层,构造双隐层DAE,提高单个DAE提取药物分子抽象特征的能力;融合SDAE最后两个DAE的第一层隐藏层输出作为softmax分类器的输入,最终实现药物透血脑屏障预测。实验表明,与传统的SDAE及浅层机器学习模型SVM相比,改进后的模型对药物透血脑屏障具有更好的预测效果。 展开更多

关键词 血脑屏障 栈式降噪自编码 PCA 双隐层 融合输出

下载PDF 职称材料

基于深度降噪自编码神经网络的近红外光谱去噪 被引量：4

9

作者 雷勇 闫晓剑 《自动化技术与应用》 2021年第4期15-18,共4页

近红外光谱仪在数据采集时,由于受到多种因素的影响,光谱数据常常被一系列噪声所污染,对光谱建模与分析产生巨大的影响。在建模前必须要对数据进行预处理,本文提出一种基于栈式降噪自编码神经网络的光谱信号去噪方法,基于降噪自编码模... 近红外光谱仪在数据采集时,由于受到多种因素的影响,光谱数据常常被一系列噪声所污染,对光谱建模与分析产生巨大的影响。在建模前必须要对数据进行预处理,本文提出一种基于栈式降噪自编码神经网络的光谱信号去噪方法,基于降噪自编码模型重构的思想来实现特征的自动提取,使用无监督逐层贪婪预训练和有监督微调的方法对深度自编码神经网络进行训练,对光谱信号具有良好的噪声滤除效果。与目前比较流行的小波去噪等相比,栈式降噪自编码神经网络有较好去噪性能。最后,本文基于实际光谱仪采集数据进行实验,实验结果验证了该方法的有效性。 展开更多

关键词 光谱去噪 栈式降噪自编码 神经网络 重构

下载PDF 职称材料

基于CEEMD-MPE与SDAE的局部放电模式识别

10

作者 蒋伟 赵显阳 +3 位作者 樊汝森 徐鹏 沈道义 杨俊杰 《计算机应用与软件》 北大核心 2024年第8期175-181,195,共8页

针对变压器局部放电故障信息提取困难以及局部放电类型识别准确率低等问题,提出一种基于CEEMD-MPE与SDAE相结合的局部放电模式识别算法。对局部放电原始信号进行CEEMD分解,得到多个固有模态分量(IMF),根据相关系数筛选出系数最大的IMF... 针对变压器局部放电故障信息提取困难以及局部放电类型识别准确率低等问题,提出一种基于CEEMD-MPE与SDAE相结合的局部放电模式识别算法。对局部放电原始信号进行CEEMD分解,得到多个固有模态分量(IMF),根据相关系数筛选出系数最大的IMF作为最优分量,计算其不同尺度下的排列熵值;将有效排列熵值作为特征数据集输入到SDAE中进行无监督学习训练;利用Softmax分类器输出放电类型。实验结果表明,该算法识别精准率为98%,召回率为96.67%,F1得分为97.17%,能够快速、准确地识别局部放电类型。 展开更多

关键词 互补集合经验模态分解 多尺度排列熵 栈式降噪自编码 局部放电 特征提取 模式识别

下载PDF 职称材料

基于AGA-SSAE和SDP域转换的暂态电能质量扰动识别方法 被引量：1

11

作者 朱雅魁 赵莎莎 李争 《中国测试》 CAS 北大核心 2023年第8期28-35,66,共9页

针对复杂电能质量扰动信号非平稳性和非线性导致的信号特征难以直接提取和识别的问题,该文提出一种基于自适应遗传算法优化(adaptive genetic algorithm,AGA)的栈式稀疏自编码器(stacked sparse autoencoder,SSAE)和对称点模式(symmetri... 针对复杂电能质量扰动信号非平稳性和非线性导致的信号特征难以直接提取和识别的问题,该文提出一种基于自适应遗传算法优化(adaptive genetic algorithm,AGA)的栈式稀疏自编码器(stacked sparse autoencoder,SSAE)和对称点模式(symmetrized dot pattern,SDP)域转换的暂态电能质量扰动识别方法。首先,通过Matlab仿真随机生成6种单一扰动信号和9种复合扰动信号,通过SDP方法将原始时域扰动信号转换至极坐标域,实现扰动信号可视化并生成对应的扰动图谱,对扰动图谱进行参数优化;然后,基于Tensorflow开源框架搭建SSAE识别模型,并由AGA算法完成模型结构及其参数的优化,实现扰动图谱的深度特征提取与挖掘;最后,由末端分类器进行无监督学习分类,比较常见扰动识别方法的优劣。结果表明:该文提出的基于AGA-SSAE和SDP域转换的暂态电能质量扰动识别方法能够对暂态扰动进行高效、准确的识别分类,平均测试准确率为97.89%,优于传统方法10%左右;同时所提方法的架构清晰,且具有较好的收敛性和泛化能力,适用于电力系统电能质量暂态扰动的快速、精确识别。 展开更多

关键词 电能质量 对称点模式 栈式降噪自编码 暂态系统

下载PDF 职称材料

基于深度学习的无人机故障诊断方法研究 被引量：7

12

作者 李炜 崔佳佳 《计算机与数字工程》 2019年第5期1249-1253,共5页

由于四旋翼无人机(quadrotor UAV)系统耦合性较高,难以建立准确的系统模型,致使故障诊断准确率较低,同时由于无人机工作环境复杂,易受外界和内部噪声影响,使得大多数方法存在鲁棒性不足的问题。所以,论文提出栈式降噪自编码(Stacked Den... 由于四旋翼无人机(quadrotor UAV)系统耦合性较高,难以建立准确的系统模型,致使故障诊断准确率较低,同时由于无人机工作环境复杂,易受外界和内部噪声影响,使得大多数方法存在鲁棒性不足的问题。所以,论文提出栈式降噪自编码(Stacked Denoising Autoencoder,SDA)的故障诊断方法,不仅不过分依赖系统模型,而且增强其方法的鲁棒性,提升故障诊断的准确率。仿真结果表明,基于SDA的无人机故障诊断方法,能准确可靠地判断执行器的故障类型,并有效提升了四旋翼无人机的安全可靠性。 展开更多

关键词 四旋翼无人机 栈式降噪自编码 鲁棒性

下载PDF 职称材料

基于OS-ELM和SDAE的Wi-Fi入侵检测方法 被引量：3

13

作者 刘明峰 侯路 +2 位作者 郭顺森 韩然 赵宇飞 《北京交通大学学报》 CAS CSCD 北大核心 2019年第5期87-93,101,共8页

为解决大多数Wi-Fi网络入侵检测方法实时性差、误报率高等问题,提出一种基于在线序列极限学习机(OS-ELM)的实时Wi-Fi网络入侵检测系统模型.首先,考虑到实验样本数据中正常与异常数据极不平衡的问题,采用SMOTE算法对数据样本中的异常数... 为解决大多数Wi-Fi网络入侵检测方法实时性差、误报率高等问题,提出一种基于在线序列极限学习机(OS-ELM)的实时Wi-Fi网络入侵检测系统模型.首先,考虑到实验样本数据中正常与异常数据极不平衡的问题,采用SMOTE算法对数据样本中的异常数据和正常数据进行平衡处理操作,使分类器的分类效果不受样本数据集中多数类样本的影响.然后使用栈式降噪自编码网络(SDAE)对平衡后的数据进行降维,消除无关或冗余特征降低检测建模规模,避免维度灾难.最后,在AWID数据集进行处理并输入到OS-ELM分类器中,结果表明:与其他基于浅层学习算法的检测方法相比,所提方法可有效地精简数据特征,降低了检测时间,同时在检测精度和误报率方面也体现出了更优性能. 展开更多

关键词 在线序列极限学习机 栈式降噪自编码网络 数据降维 入侵检测 WI-FI网络

下载PDF 职称材料

基于深度学习的兵棋演习数据特征提取方法研究 被引量：21

14

作者 郑书奎 吴琳 贺筱媛 《指挥与控制学报》 2016年第3期194-201,共8页

为使基于机器学习的兵棋演习战场态势分析理解取得更好结果,围绕兵棋演习数据特征提取问题,以深度学习方法为手段,提出了一种栈式稀疏降噪自编码网络模型,输入真实的兵棋演习数据进行了特征提取实验,通过分类精度表征了方法的效果,并进... 为使基于机器学习的兵棋演习战场态势分析理解取得更好结果,围绕兵棋演习数据特征提取问题,以深度学习方法为手段,提出了一种栈式稀疏降噪自编码网络模型,输入真实的兵棋演习数据进行了特征提取实验,通过分类精度表征了方法的效果,并进行了多种不同方法的对比实验,证明了深度学习方法的优势. 展开更多

关键词 深度学习 兵棋演习数据 特征提取 栈式稀疏降噪自编码网络

下载PDF 职称材料