基于梯度惩罚-生成对抗神经网络的页岩三维数字岩心重构

1

作者 李秉科 聂昕 +3 位作者 朱林奇 王晨晨 林伟 韩登林 《西安石油大学学报（自然科学版）》 CAS 北大核心 2023年第2期53-60,共8页

数字岩心技术在油气的勘探开发中发挥着越来越重要的作用。由于传统的数字岩心重构方法存在成本高、耗时长等问题,提出使用带有梯度惩罚的生成对抗神经网络(WGAN-GP)实现页岩的三维数字岩心重构。以三组分的页岩图像为训练样本进行模型... 数字岩心技术在油气的勘探开发中发挥着越来越重要的作用。由于传统的数字岩心重构方法存在成本高、耗时长等问题,提出使用带有梯度惩罚的生成对抗神经网络(WGAN-GP)实现页岩的三维数字岩心重构。以三组分的页岩图像为训练样本进行模型的训练,得到了可以生成三维页岩图像的生成器模型,进而重构了多个三维岩心图像。将重构岩心与原始岩心进行了各种参数的对比分析,结果表明重构岩心与原始岩心具有很好的一致性,证明了本文方法的可靠性。使用WGAN-GP进行岩心重构具有岩心生成速度快、重构图像尺寸不受限制等优点,具有广泛的应用前景。 展开更多

关键词 数字岩心 页岩 三维重构 生成对抗神经网络 梯度惩罚

下载PDF 职称材料

基于梯度惩罚生成对抗网络的过采样算法

2

作者 陶家亮 魏国亮 +2 位作者 宋燕 窦军 穆伟蒙 《上海理工大学学报》 CAS CSCD 北大核心 2023年第3期235-243,共9页

在不平衡数据分类问题中,为了更注重学习原始样本的概率密度分布,提出基于梯度惩罚生成对抗网络的过采样算法(OGPG)。该算法首先引入生成对抗网络(GAN),有效地学习原始数据的概率分布;其次,采用梯度惩罚对判别器输入项的梯度二范数进行... 在不平衡数据分类问题中,为了更注重学习原始样本的概率密度分布,提出基于梯度惩罚生成对抗网络的过采样算法(OGPG)。该算法首先引入生成对抗网络(GAN),有效地学习原始数据的概率分布;其次,采用梯度惩罚对判别器输入项的梯度二范数进行约束,降低了GAN易出现的过拟合和梯度消失,合理地生成新样本。实验部分,在14个公开数据集上运用k近邻和决策树分类器对比其他过采样算法,在评价指标上均有显著提升,并利用Wilcoxon符号秩检验验证了该算法与对比算法在统计学上的差异。结果表明该算法具有良好的有效性和通用性。 展开更多

关键词 不平衡数据 过采样算法 概率密度分布 生成对抗网络 梯度惩罚

下载PDF 职称材料

GP-WIRGAN:梯度惩罚优化的Wasserstein图像循环生成对抗网络模型 被引量：6

3

作者 冯永 张春平 +2 位作者 强保华 张逸扬 尚家兴 《计算机学报》 EI CSCD 北大核心 2020年第2期190-205,共16页

通常情形下,现有的图像生成模型都采用单次前向传播的方式生成图像,但实际中,画家通常是反复修改后才完成一幅画作的;生成对抗模型(Generative Adversarial Networks,GAN)能生成图像,但却很难训练.在保证生成图像质量的前提下,效仿作画... 通常情形下,现有的图像生成模型都采用单次前向传播的方式生成图像,但实际中,画家通常是反复修改后才完成一幅画作的;生成对抗模型(Generative Adversarial Networks,GAN)能生成图像,但却很难训练.在保证生成图像质量的前提下,效仿作画时的不断更新迭代,以提升生成样本多样性并增强样本语义,同时引入Wasserstein距离,提出了Wasserstein图像循环生成对抗网络模型,简称WIRGAN(Wasserstein Image Recurrent Generative Adversarial Networks Model).WIRGAN定义了生成模型和判别模型,其中,生成模型是由一系列结构相同的神经网络模型组成的循环结构,用时间步骤T控制生成模型的循环次数,用于迭代式生成图像,并以最后一个循环结构的生成图像作为整个生成模型的输出;判别模型也由神经网络构建,结合权重剪枝技术,用来判别输入图像是生成的还是真实的.WIRGAN利用Wasserstein距离作为目标函数,将生成模型和判别模型进行博弈对抗训练.另外,由于模型存在难以优化的问题,本文引入了梯度惩罚来解决此类问题,进一步提出了梯度惩罚优化的Wasserstein图像循环生成对抗网络模型(Gradient Penalty Optimized Wasserstein Image Recurrent Generative Adversarial Networks Model,GP-WIRGAN).最后,WIRGAN和GP-WIRGAN在MNIST、CIFAR10、CeUN四个数据集上进行了基础学习能力、模型间GAM自比较、模型内GAM自比较、初始得分比较、图像生成可视化、时间效率比较等6组实验,采用生成对抗矩阵(Generative Adversarial Metric,GAM)和起始分数(Inception Scores)进行评估,结果表明,本文提出的WIRGAN、GP-WIRGAN具有良好的稳定性,可以生成高质量的图像. 展开更多

关键词 图像生成 生成对抗网络 Wasserstein距离 深度学习 权重剪枝 梯度惩罚

下载PDF 职称材料

一种带梯度惩罚项的离散力学最优控制方法

4

作者 高磊 于文洁 《力学与实践》 北大核心 2015年第4期499-502,498,共5页

离散力学最优控制方法 (discrete mechanics and optimal control,DMOC)是最新提出的一种有效的优化控制模型.由于原始方法在求解优化问题时容易产生控制力的震荡,不利于控制力的稳定输出.该文首先对产生这种数值现象的原因进行了简单... 离散力学最优控制方法 (discrete mechanics and optimal control,DMOC)是最新提出的一种有效的优化控制模型.由于原始方法在求解优化问题时容易产生控制力的震荡,不利于控制力的稳定输出.该文首先对产生这种数值现象的原因进行了简单的分析,并提出了可行的解决路径——加入惩罚梯度项.最后采用数值算例对该方法进行验证,数值算例表明:改进的方法可以在保证力量最小化的前提下,使得控制力连续平滑. 展开更多

关键词 离散力学最优控制 梯度惩罚项 优化

下载PDF 职称材料

含有梯度惩罚的WGAN光伏功率场景生成方法 被引量：1

5

作者 胡石峰 朱瑞金 唐波 《电力系统及其自动化学报》 CSCD 北大核心 2022年第11期109-115,共7页

随着光伏发电在电力系统中的日益普及,表征其固有的不确定性变得越来越重要。针对现有光伏场景生成方法过分依赖统计假设和模型训练不稳定等问题,提出了一种含有梯度惩罚的改进生成对抗网络光伏功率场景生成方法。该方法首先以Wasserst... 随着光伏发电在电力系统中的日益普及,表征其固有的不确定性变得越来越重要。针对现有光伏场景生成方法过分依赖统计假设和模型训练不稳定等问题,提出了一种含有梯度惩罚的改进生成对抗网络光伏功率场景生成方法。该方法首先以Wasserstein距离作为损失函数设计生成器和判别器两个深度神经网络进行对抗训练,其次在损失函数中引入一种梯度惩罚策略增强模型的Lipschitz连续性约束并创新性地应用于光伏功率的场景生成,提高了场景生成模型的收敛速度和生成场景的质量。所提方法能够捕获光伏出力的非线性,且无需建模假设和复杂的采样技术。算例分析表明,该方法能够精准捕捉光伏功率的分布特性,具有很强的泛化能力,并且优于其他先进的场景生成方法。 展开更多

关键词 生成对抗网络 场景生成 深度学习 光伏功率 梯度惩罚

下载PDF 职称材料

PSWGAN-GP:改进梯度惩罚的生成对抗网络

6

作者 陈云翔 王巍 +3 位作者 宁娟 陈怡丹 赵永新 周庆华 《计算机与现代化》 2022年第4期21-26,共6页

生成对抗网络的出现对解决深度学习领域样本数据不足的研究起到了极大的促进作用。为解决生成对抗网络生成的图像出现轮廓模糊、前景背景分离等细节质量问题,提出一种改进梯度惩罚的Wasserstein生成对抗网络算法(PSWGAN-GP)。该算法在WG... 生成对抗网络的出现对解决深度学习领域样本数据不足的研究起到了极大的促进作用。为解决生成对抗网络生成的图像出现轮廓模糊、前景背景分离等细节质量问题,提出一种改进梯度惩罚的Wasserstein生成对抗网络算法(PSWGAN-GP)。该算法在WGAN-GP的Wasserstein距离损失和梯度惩罚的基础上,在判别器中使用从VGG-16网络的3个池化层中提取的特征,并通过这些特征计算得出风格损失(Style-loss)和感知损失(Perceptual-loss)作为原损失的惩罚项,提升判别器对深层特征的获取和判别能力,对生成图像的细节进行修正和提升。实验结果表明,在生成器和判别器网络结构相同,并保证超参数相同的情况下,PSWGAN-GP的IS评分和FID评分相对于参与对比的其他图像生成算法有所提升,且可有效改善生成图片的细节质量。 展开更多

关键词 深度学习 梯度惩罚的Wasserstein生成对抗网络 VGG-16网络

下载PDF 职称材料

基于带梯度惩罚深度卷积生成对抗网络的页岩三维数字岩心重构方法

7

作者 王先武 张挺 +1 位作者 吉欣 杜奕 《计算机应用》 CSCD 北大核心 2021年第6期1805-1811,共7页

针对传统数字岩心重构技术存在的成本高昂、复用性差和重构质量低等问题,提出了一种基于带梯度惩罚深度卷积生成对抗网络(DCGAN-GP)的三维页岩数字岩心重构方法。首先,利用神经网络参数来描述页岩训练图像的分布概率,并完成训练图像的... 针对传统数字岩心重构技术存在的成本高昂、复用性差和重构质量低等问题,提出了一种基于带梯度惩罚深度卷积生成对抗网络(DCGAN-GP)的三维页岩数字岩心重构方法。首先,利用神经网络参数来描述页岩训练图像的分布概率,并完成训练图像的特征提取;其次,保存训练后的网络参数;最后,利用生成器重构出页岩三维数字岩心。实验结果表明,相较于经典的数字岩心重构技术得到的图像,DCGAN-GP得到的图像在孔隙度、变差函数和孔隙大小及分布特征上都更接近训练图像,而且DCGAN-GP的CPU使用率不到经典算法的一半,内存峰值仅有7.1 GB,重构时间达到了每次42 s,体现出模型重构质量高、效率高的特点。 展开更多

关键词 重构 数字岩心 生成对抗网络 深度卷积 梯度惩罚

下载PDF 职称材料

可信的图神经网络节点分类方法

8

作者 刘彦北 马夕然 王雯 《天津工业大学学报》 CAS 北大核心 2024年第1期82-88,共7页

为了研究节点特征表示的不确定性对节点分类的影响,提出一种可信的图神经网络节点分类方法。算法使用径向基函数计算节点间距离,得到各类节点质心后,根据距离分配与未标记节点最近质心的类别标签提高节点分类性能,同时定义未标记节点和... 为了研究节点特征表示的不确定性对节点分类的影响,提出一种可信的图神经网络节点分类方法。算法使用径向基函数计算节点间距离,得到各类节点质心后,根据距离分配与未标记节点最近质心的类别标签提高节点分类性能,同时定义未标记节点和质心之间的距离为模型输出的不确定性,并使用梯度惩罚损失加强输入变化的可检测性,可以有效地检测分布外节点样本。在Cora、Citeseer和Pubmed这3个公开网络数据集上的结果表明:模型在分类任务的AUROC指标分别达到81.5%、76.2%和74.6%,在分布外样本检测任务中AUROC指标分别达到83.6%、72.8%和70.6%,证明了所提算法在提高节点分类性能的同时,可以有效检测分布外的节点样本,提高了节点分类的可信性。 展开更多

关键词 图神经网络 节点分类 分布外检测 不确定性估计 梯度惩罚

下载PDF 职称材料

基于深度全卷积神经弹性网络WCGAN-GP模型的语音增强研究

9

作者 许雯婷 龚晓峰 《计算机应用与软件》 北大核心 2024年第2期130-137,共8页

Wasserstein距离生成对抗网络(Wasserstein Generative Adversal Network,WGAN)模型^([1])在语音增强中运用广泛,但存在梯度易爆炸、性能不稳定等问题。引入梯度惩罚(Gradient Penalty,GP)和弹性网络条件约束,并将生成器和判别器优化成... Wasserstein距离生成对抗网络(Wasserstein Generative Adversal Network,WGAN)模型^([1])在语音增强中运用广泛,但存在梯度易爆炸、性能不稳定等问题。引入梯度惩罚(Gradient Penalty,GP)和弹性网络条件约束,并将生成器和判别器优化成深度全卷积神经网络(Deep Fully Convolutional Neural Networks,DFCNN)结构,提出一种基于DFCNN的弹性网络条件梯度惩罚(Wasserstein Conditional Generative Adversal Network Gradient Penalty,WCGAN-GP)模型。改进后的模型可以达到真实Lipschitz限制条件,提高了可控性、稳定性和特征提取能力,能更快优化训练。实验将改进后的模型与WGAN对不同噪声条件下的语音进行增强,结果证实了改进后的模型在语音增强方面的优越性。 展开更多

关键词 Wasserstein距离 深度全卷积神经网络 梯度惩罚 弹性网络 条件约束

下载PDF 职称材料

基于条件梯度Wasserstein生成对抗网络的图像识别 被引量：3

10

作者 何子庆 聂红玉 +1 位作者 刘月 尹洋 《计算机测量与控制》 2019年第6期157-162,共6页

生成式对抗网络GAN功能强大,但是具有收敛速度慢、训练不稳定、生成样本多样性不足等缺点;该文结合条件深度卷积对抗网络CDCGAN和带有梯度惩罚的Wasserstein生成对抗网络WGAN-GP的优点,提出了一个混合模型-条件梯度Wasserstein生成对抗... 生成式对抗网络GAN功能强大,但是具有收敛速度慢、训练不稳定、生成样本多样性不足等缺点;该文结合条件深度卷积对抗网络CDCGAN和带有梯度惩罚的Wasserstein生成对抗网络WGAN-GP的优点,提出了一个混合模型-条件梯度Wasserstein生成对抗网络CDCWGAN-GP,用带有梯度惩罚的Wasserstein距离训练对抗网络保证了训练稳定性且收敛速度更快,同时加入条件c来指导数据生成;另外为了增强判别器提取特征的能力,该文设计了全局判别器和局部判别器一起打分,最后提取判别器进行图像识别;实验结果证明,该方法有效的提高了图像识别的准确率。 展开更多

关键词 生成式对抗网络 条件模型 Wesserstein距离 梯度惩罚 全局和局部一致性 图像识别

下载PDF 职称材料

基于改进ACGAN的永磁同步电机数据扩张方法

11

作者 许小伟 韦道明 +3 位作者 严运兵 刘哲宇 敖金艳 占柳 《哈尔滨工业大学学报》 EI CAS CSCD 北大核心 2023年第10期114-121,共8页

永磁同步电机(permanent magnet synchronous motor,PMSM)的监测数据呈现出非平稳、非线性、多源异构性和价值低密度性等特点,而仿真数据难以准确地模拟电机故障类型和故障程度,使得正常数据与故障数据的样本呈现严重不均衡现象,导致故... 永磁同步电机(permanent magnet synchronous motor,PMSM)的监测数据呈现出非平稳、非线性、多源异构性和价值低密度性等特点,而仿真数据难以准确地模拟电机故障类型和故障程度,使得正常数据与故障数据的样本呈现严重不均衡现象,导致故障诊断的模型训练容易出现过拟合、精度低等问题。本文提出了一种改进辅助分类生成对抗网络(auxiliary classification generation adversarial network,ACGAN),通过对原始样本的分布特性进行学习,实现对PMSM实测故障数据的扩张,为电机的故障诊断和健康评估提供数据基础。首先,针对ACGAN网络收敛性差和梯度易消失或爆炸的问题,使用Wasserstein距离约束生成数据的重建损失,利用梯度惩罚代替权值剪裁对模型进行优化,解决模型训练不稳定问题;其次,剖析数据之间的变化关系和历史变化规律,在生成器中引入循环神经网络提高生成数据质量;最后,利用PMSM匝间短路的故障数据,对比分析ROS、SMOTE、ADASYN及改进ACGAN 4种数据扩张方法对提升故障诊断模型性能的有效性。分析结果表明,与其他数据扩张方法相比,改进ACGAN方法的模型训练较稳定、收敛速度较快,扩张数据质量较高。 展开更多

关键词 永磁同步电机 数据扩张 改进辅助分类生成对抗网络 梯度惩罚 循环神经网络

下载PDF 职称材料

改进条件对抗网络在小样本故障诊断中的研究 被引量：1

12

作者 谢由生 张军 《机械科学与技术》 CSCD 北大核心 2023年第11期1904-1911,共8页

在实际智能设备的故障诊断中,往往很难获得大量的故障样本,这对基于机器学习的故障诊断的分类精度造成不可估量的影响。为了提高小样本情况下的故障诊断精度,提出一种基于条件对抗网络的生成模型(Conditional generative adversarial ne... 在实际智能设备的故障诊断中,往往很难获得大量的故障样本,这对基于机器学习的故障诊断的分类精度造成不可估量的影响。为了提高小样本情况下的故障诊断精度,提出一种基于条件对抗网络的生成模型(Conditional generative adversarial networks-gradient penalty,CGAN-GP),用于数据增强来获得充足的故障样本。CGAN-GP利用二维卷积,学习预处理后获得的二维故障样本的分布特性,生成与真实样本相似的样本,并使用Wasserstein距离和梯度惩罚(Gradient penalty,GP)策略解决模型训练中的问题,同时将故障样本的标签信息输入模型引导模型生成特定的故障样本,实现一个模型可生成多种故障样本,并且在CWRU轴承数据集上得以验证。研究表明提出的模型可以生成与真实样本特征相似的高质量样本,能够有效提高小样本情况下故障诊断的识别率。 展开更多

关键词 故障诊断 生成对抗网络 小样本 梯度惩罚

下载PDF 职称材料

基于改进生成对抗网络与ConvLSTM的航空发动机剩余寿命预测方法 被引量：2

13

作者 陈维兴 常东润 李宗帅 《电子测量与仪器学报》 CSCD 北大核心 2023年第3期211-221,共11页

针对航空发动机运行周期内故障数据难以采集而造成的数据失衡等问题,提出一种基于Wasserstein距离与梯度惩罚措施的条件生成对抗网络与卷积长短时记忆网络相结合的预测模型。首先,使用WCGAN-GP模型学习预处理后的时序数据的深层分布特征... 针对航空发动机运行周期内故障数据难以采集而造成的数据失衡等问题,提出一种基于Wasserstein距离与梯度惩罚措施的条件生成对抗网络与卷积长短时记忆网络相结合的预测模型。首先,使用WCGAN-GP模型学习预处理后的时序数据的深层分布特征;然后,利用生成器生成故障样本并与真实样本混合,作为训练集输入到基于ConvLSTM网络的预测模型中进行训练。基于C-MAPSS数据集开展验证比较,结果表明:与单一真实样本训练预测模型相比,使用混合数据时性能指标RMSE和Score平均下降了12.65%和48.95%。 展开更多

关键词 航空发动机 Wasserstein距离 梯度惩罚项 条件式生成对抗网络 剩余寿命预测

原文传递

融合自注意力机制的入侵检测数据生成方法

14

作者 张宣琦 缪祥华 +1 位作者 张如雪 李响 《化工自动化及仪表》 CAS 2023年第2期199-206,共8页

针对传统入侵检测领域由于数据不平衡而出现少数类检测率低的问题,设计了一种基于条件生成对抗网络和CatBoost算法的数据生成模型(SA-WCGAN)。首先,采用CatBoost算法对原始数据集进行特征选择,减少模型训练时间。之后,利用SA-WCGAN生成... 针对传统入侵检测领域由于数据不平衡而出现少数类检测率低的问题,设计了一种基于条件生成对抗网络和CatBoost算法的数据生成模型(SA-WCGAN)。首先,采用CatBoost算法对原始数据集进行特征选择,减少模型训练时间。之后,利用SA-WCGAN生成模型进行数据扩充,解决数据不平衡问题,该生成模型引入自注意力机制(SA),提取攻击样本的全局特征,提高少数类攻击样本生成的质量;同时,引入Wasserstein距离和梯度惩罚,提高模型训练过程的收敛速度和稳定性。实验结果表明:在公开基准数据集NSL-KDD上,SA-WCGAN生成模型在只有少数样本的攻击类型上具有较高的精确率、召回率和F1分数。同时,与现有5种方法的比较分析也证实了该模型的优越性。 展开更多

关键词 入侵检测 SA-WCGAN生成模型 自注意力机制 数据增强 少数类攻击 数据不平衡 Wasserstein距离 梯度惩罚

下载PDF 职称材料

基于双判别器生成对抗网络的遮挡人脸图像修复算法

15

作者 布安旭 马驰 +2 位作者 胡辉 陈月乃 杨乐 《计算机与数字工程》 2023年第4期910-915,977,共7页

对于当前遮挡人脸图像修复中,大多存在修复后人脸图像不连续、纹理模糊及网络训练过中存在模型崩溃等问题,针对这些问题提出了一种基于双判别器生成对抗网络的图像修复方法。该方法在全局判别器的基础上引入局部判别网络,以保证局部修... 对于当前遮挡人脸图像修复中,大多存在修复后人脸图像不连续、纹理模糊及网络训练过中存在模型崩溃等问题,针对这些问题提出了一种基于双判别器生成对抗网络的图像修复方法。该方法在全局判别器的基础上引入局部判别网络,以保证局部修复结果与周围区域的一致性;将encoder-decoder结构的卷积神经网络作为生成器,并在层间加入跳跃连接,从而提高模型对结构信息的预测能力;在判别器中引入Wasserstein距离,并添加梯度惩罚来训练两个判别模型,最终利用泊松图像编辑得到更加真实自然的修复结果。在CelebA人脸数据集上进行验证,实验结果表明该方法相较于所对比的文献模型具有更好的修复效果。 展开更多

关键词 图像修复 生成对抗网络 跳跃连接 梯度惩罚

下载PDF 职称材料

求最小特征频率问题的分片常数水平集方法

16

作者 高祥静 张郑芳 董燕强 《杭州电子科技大学学报（自然科学版）》 2023年第2期96-102,共7页

通过引入虚拟材料,将线性弹性系统扩展到一个固定的背景域,研究结构振动最小特征频率的最大化问题。用分片常数水平集(Piecewise Constant Level Set, PCLS)方法表示不同材料区域,运用灵敏度分析得到PCLS函数最小特征频率的导数。提出... 通过引入虚拟材料,将线性弹性系统扩展到一个固定的背景域,研究结构振动最小特征频率的最大化问题。用分片常数水平集(Piecewise Constant Level Set, PCLS)方法表示不同材料区域,运用灵敏度分析得到PCLS函数最小特征频率的导数。提出一种重新启动的共轭梯度惩罚算法对二维及三维悬臂梁进行数值实验,实验结果表明,PCLS方法可以在迭代过程中自动成核和消除空洞,验证了共轭梯度惩罚算法的有效性。 展开更多

关键词 特征频率 分片常数水平集方法 灵敏度分析 共轭梯度惩罚算法

下载PDF 职称材料

一种融合模型和数据的全波形反演方法

17

作者 赵虹阳 硕良勋 +1 位作者 柴变芳 李晓玲 《计算机科学与应用》 2023年第7期1447-1453,共7页

全波形反演算法(Full Waveform Inversion, FWI)是一种强大的地球物理成像技术,它通过迭代最小化模拟和观测地震图之间的失配来生成高分辨率地下模型。近年来,随着机器学习方法和深度学习方法的发展,研究者提出了一些基于机器学习和深... 全波形反演算法(Full Waveform Inversion, FWI)是一种强大的地球物理成像技术,它通过迭代最小化模拟和观测地震图之间的失配来生成高分辨率地下模型。近年来,随着机器学习方法和深度学习方法的发展,研究者提出了一些基于机器学习和深度学习的全波形反演技术。其中有一种融合模型和数据全波形反演方法(physics-informed training-free frameworks for two-dimensional FWI, FWIGAN)引人瞩目,其使用生成对抗网络的思想与物理学相结合,使用无监督学习的方式来自动地估计出符合物理学规律的模型,但其网络生成图像的质量及稳定性还有待提升。本研究在此方法上引入零中心梯度惩罚(Zero-centered gradient penalty, 0-GP),它是一种用于生成对抗网络的正则化技术,通过将判别器推向理论最优判别器来提高网络的稳定性和样本质量。结合正则化的新方法称之为(Full Waveform Inversion with Zero-Centered Gradient Penalty, FWILP) FWILP。经过实验,证明了FWILP可以提高模型质量和收敛速度,使得网络更加具有稳定性。 展开更多

关键词 全波形反演 生成对抗网络 零中心梯度惩罚 正则化技术

下载PDF 职称材料

基于条件式Wasserstein生成对抗网络的电力变压器故障样本增强技术 被引量：52

18

作者 刘云鹏 许自强 +3 位作者 和家慧 王权 高树国 赵军 《电网技术》 EI CSCD 北大核心 2020年第4期1505-1513,共9页

数据非均衡问题是制约机器学习技术在电力变压器故障诊断领域中应用效果的关键因素。为克服传统过采样方法未考虑数据整体分布信息的缺陷,提出了一种基于深度学习的故障数据增强方法,以实现样本库的类别均衡化目标。首先,建立梯度惩罚... 数据非均衡问题是制约机器学习技术在电力变压器故障诊断领域中应用效果的关键因素。为克服传统过采样方法未考虑数据整体分布信息的缺陷,提出了一种基于深度学习的故障数据增强方法,以实现样本库的类别均衡化目标。首先,建立梯度惩罚优化的条件式Wasserstein生成对抗网络模型以指导多类别故障样本的生成过程,并克服了原始生成对抗网络模型的训练不稳定问题;然后,构建以油中溶解气体无编码比值为特征参量的栈式自编码器诊断模型,并进一步提出了基于数据增强方法的设备故障诊断技术框架;最后,选用由准确率、F1度量以及G-mean组成的评价指标体系对类别均衡化前后的模型诊断效果进行评估对比。算例研究结果表明,相较于传统过采样方法,提出的故障样本增强方法能够更为有效地改善诊断模型对于多数类的分类偏好问题,提升其整体分类性能,可作为电力变压器故障诊断的重要数据预处理环节。 展开更多

关键词 变压器故障诊断 非均衡数据集 数据增强 条件式Wasserstein生成对抗网络 梯度惩罚 栈式自编码器

原文传递

基于改进辅助分类生成对抗网络的风机主轴承故障诊断 被引量：25

19

作者 卢锦玲 张祥国 +2 位作者 张伟 郭鲁豫 闻若彤 《电力系统自动化》 EI CSCD 北大核心 2021年第7期148-154,共7页

基于振动信号的风电机组故障诊断方法是风电安全运维领域研究的重点之一。风电机组主轴承较少发生故障,给运用数据挖掘方法判断故障类型带来很大困难。针对该问题,文中提出了一种用于风电机组主轴承故障诊断的数据增强方法。通过对辅助... 基于振动信号的风电机组故障诊断方法是风电安全运维领域研究的重点之一。风电机组主轴承较少发生故障,给运用数据挖掘方法判断故障类型带来很大困难。针对该问题,文中提出了一种用于风电机组主轴承故障诊断的数据增强方法。通过对辅助分类生成对抗网络(ACGAN)的适应性进行改进,引入梯度惩罚,构建了改进ACGAN框架,以提高其学习稳定性;在判别器网络中引入池化层,以提升其在多分类场景下提取数据特征的能力。仿真结果表明,所提出的改进ACGAN框架能够实现对原始数据分布特征的有效学习,抗噪声干扰性强,相对于原框架训练过程更稳定,生成数据的质量更高;能够有效平衡风电机组主轴承故障振动数据,进一步提升了风电机组主轴承故障诊断的正确率。 展开更多

关键词 风电机组 故障诊断 数据增强 辅助分类生成对抗网络 梯度惩罚

下载PDF 职称材料

结合Pix2Pix生成对抗网络的灰度图像着色方法 被引量：8

20

作者 李洪安 郑峭雪 +3 位作者 张婧 杜卓明 李占利 康宝生 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2021年第6期929-938,共10页

针对神经网络在进行图像着色时容易出现物体边界不明确、图像着色质量不高的问题,提出结合Pix2Pix生成对抗网络的灰度图像着色方法.首先改进U-Net结构,采用8个下采样层和8个上采样层对图像进行特征提取和颜色预测,提高网络模型对图像深... 针对神经网络在进行图像着色时容易出现物体边界不明确、图像着色质量不高的问题,提出结合Pix2Pix生成对抗网络的灰度图像着色方法.首先改进U-Net结构,采用8个下采样层和8个上采样层对图像进行特征提取和颜色预测,提高网络模型对图像深层次特征的提取能力;然后使用L_(1)损失和smoothL_(1)损失度量生成图像与真实图像之间的差距,对比不同损失函数下的图像着色质量;最后加入梯度惩罚,在生成图像和真实图像分布之间构造新的数据分布,对每个输入数据进行梯度惩罚,改变判别器网络梯度限制方法,提高网络在训练过程中的稳定性.在相同实验环境下,使用Pix2Pix模型和summer2winter数据进行对比分析.实验结果表明,改进后的U-Net和使用smooth L_(1)损失作为生成器损失可以生成更好的着色图像;而L_(1)损失能更好地保持图像结构信息,使用梯度惩罚可以加速模型的收敛速度,提高模型稳定性和图像质量;该方法能更好地学习图像的深层次特征,减少图像着色模糊现象,在有效地保持图像结构相似性的同时提高图像着色质量. 展开更多

关键词 图像着色 生成对抗网络 损失函数 梯度惩罚

下载PDF 职称材料