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：
基于深度稀疏自编码器的电抗器机械故障振动诊断方法
1
作者 刘锦伟 周杰 +2 位作者 李川 肖潇 伍惠铖 《电气传动》 2024年第9期83-89,共7页
为提高电抗器机械故障智能诊断的准确性,基于电抗器振动信号与机械状态之间的关联特性和规律,提出了一种基于深度稀疏自编码器(SAE)的电抗器机械故障振动诊断方法。首先,采用小波包分解算法对电抗器原始振动信号进行分解,提取信号的时... 为提高电抗器机械故障智能诊断的准确性,基于电抗器振动信号与机械状态之间的关联特性和规律,提出了一种基于深度稀疏自编码器(SAE)的电抗器机械故障振动诊断方法。首先,采用小波包分解算法对电抗器原始振动信号进行分解,提取信号的时频能量矩阵;然后,构建基于SAE网络的电抗器机械故障诊断模型,通过无监督自学习和有监督微调完成时频能量矩阵深层特征挖掘和电抗器机械故障识别分类;最后,以某10 kV油浸式电抗器为试验对象,使用不同机械状态下的振动数据对故障识别模型进行训练优化。算例结果表明,相比于传统振动诊断方法,所提方法能够更好地对电抗器机械故障进行识别分类,准确率可达98%。 展开更多
关键词 电抗器 机械故障 振动信号 小波包分解 深度稀疏自编码器
下载PDF
基于改进深度稀疏自编码器及FOA-ELM的电力负荷预测 被引量：26
2
作者 张淑清 要俊波 +2 位作者 张立国 姜安琦 穆勇 《仪器仪表学报》 EI CAS CSCD 北大核心 2020年第4期49-57,共9页
智能电网的发展使得电网获取的数据逐渐增多,为了从多维大数据中获取有用信息并对短期内电力负荷进行准确的预测,提出了一种基于改进的深度稀疏自编码器(IDSAE)降维及果蝇优化算法(FOA)优化极限学习机(ELM)的短期电力负荷预测方法。将L... 智能电网的发展使得电网获取的数据逐渐增多,为了从多维大数据中获取有用信息并对短期内电力负荷进行准确的预测,提出了一种基于改进的深度稀疏自编码器(IDSAE)降维及果蝇优化算法(FOA)优化极限学习机(ELM)的短期电力负荷预测方法。将L1正则化加入到深度稀疏自编码器(DSAE)中能够诱导出更好的稀疏性,用IDSAE对影响电力负荷预测精度的高维数据进行特征降维,消除了指标间的多重共线性,实现高维数据向低维空间的压缩编码。采用FOA优化算法优化ELM的权值和阈值,得到最优值,能够克服因极限学习机随机选择权值和阈值导致预测精度低的缺点。首先将气象因素通过IDSAE降维,得到稀疏后的综合气象因素特征指标,协同电力负荷数据作为FOA优化的ELM预测模型的输入向量进行电力负荷预测。通过与DSAE-FOAELM、DSAE-ELM和IDSAE-ELM等模型的对比实验,证明了提出的预测模型能有效提高预测精度,经计算得出预测精度提升大约8%。 展开更多
关键词 短期电力负荷预测 深度稀疏自编码器(DSAE) 降维 果蝇优化算法 极限学习机
原文传递
深度稀疏自编码器在ECG特征提取中的应用 被引量：9
3
作者 郑淋文 周金治 黄静 《计算机工程与应用》 CSCD 北大核心 2021年第11期156-161,共6页
针对心电(ECG)信号智能分析模型中,复杂波形的特征提取困难,人工设计特征造成源信号特征丢失,标签样本不足等问题,提出了一种基于深度稀疏自编码器(Deep Sparse Auto-Encoders,DSAEs)的ECG特征提取方法。该方法在DSAEs进行贪婪逐层训练... 针对心电(ECG)信号智能分析模型中,复杂波形的特征提取困难,人工设计特征造成源信号特征丢失,标签样本不足等问题,提出了一种基于深度稀疏自编码器(Deep Sparse Auto-Encoders,DSAEs)的ECG特征提取方法。该方法在DSAEs进行贪婪逐层训练时,采用适应性矩阵估计(Adaptive moment estimation,Adam)对网络权重进行寻优,以此获得最优参数组合,同时提取出高层隐含层的输出,并作为ECG高度抽象的低维特征。最后利用支持向量机(Support Vector Machines,SVM)构建分类模型,完成对ECG的特征分类。使用MIT-BIH心律失常数据库的ECG数据进行仿真实验,结果表明,提出的ECG特征提取方法能有效地分层抽取特征,提高分类识别准确率。 展开更多
关键词 心电信号 特征提取 深度稀疏自编码器 适应性矩阵估计 支持向量机
下载PDF
利用深度稀疏自动编码器预测miRNA与疾病的关联关系
4
作者 张树尧 刘立伟 《计算生物学》 2021年第3期37-47,共11页
microRNA (miRNA)是一类具有调控功能的内源性非编码RNA,在各种生物的生命发展过程中发挥着关键作用。许多生物学实验研究证明,miRNA与人类疾病密切相关,包括疾病的发生、流行、传播、诊断和治疗。但是生物实验既昂贵又耗时。因此,有效... microRNA (miRNA)是一类具有调控功能的内源性非编码RNA,在各种生物的生命发展过程中发挥着关键作用。许多生物学实验研究证明,miRNA与人类疾病密切相关,包括疾病的发生、流行、传播、诊断和治疗。但是生物实验既昂贵又耗时。因此,有效的计算模型变得越来越重要。在这项研究中,我们将稀疏性嵌入到现有的自动编码器中,形成一个新的计算框架(DSAEMDA)。首先,通过两种方式计算疾病语义相似度得到两个疾病语义相似度矩阵,计算miRNA功能相似度得到miRNA功能相似度矩阵,分别同疾病和miRNA的高斯相互作用谱核相似度矩阵融合。然后嵌入高维空间提取疾病和miRNA高维表达,利用已被证明的miRNA-疾病关联数据训练我们的深度稀疏自动编码器。此外,通过计算未知关系对的重建误差可用于预测某些疾病相关miRNA的相关值。实验结果表明,DSAEMDA可以有效地预测疾病相关的miRNA且准确率高。 展开更多
关键词 MICRORNA 疾病 关联预测 嵌入学习 深度稀疏自编码器
下载PDF
基于深度稀疏降噪自编码网络的局部放电模式识别 被引量：5
5
作者 郗晓光 何金 +3 位作者 曹梦 陈荣 宋晓博 李苏雅 《电气自动化》 2018年第4期115-118,共4页
由于变电站现场局部放电检测易于受到各类干扰的影响,造成检测数据中存在噪声,使数据中信号特征不明显,因此传统的基于统计特征的模式识别方法在应对现场检测数据时识别率较低。提出了一种基于深度稀疏降噪自编码器网络的模式识别方法... 由于变电站现场局部放电检测易于受到各类干扰的影响,造成检测数据中存在噪声,使数据中信号特征不明显,因此传统的基于统计特征的模式识别方法在应对现场检测数据时识别率较低。提出了一种基于深度稀疏降噪自编码器网络的模式识别方法。对试验检测出的典型特征图谱,利用深度稀疏降噪自编码器进行主动染噪学习训练,最后得到可以有效去噪的深度特征提取模型,并利用Softmax分类器输出识别结果。利用在变电站现场实测数据对方法进行验证,并与传统的识别方法进行对比,证明方法对含有噪声的局部放电信号有更好的识别效果。 展开更多
关键词 深度稀疏降噪自编码器 去噪 局部放电 特征提取 模式识别
下载PDF
互信息深度稀疏自编码融合DLSTM预测网络 被引量：5
6
作者 李江坤 黄海燕 《计算机工程与应用》 CSCD 北大核心 2022年第20期277-285,共9页
针对工业系统变量之间存在动态和相互关联特性导致关键变量预测精度降低问题,提出一种互信息深度堆叠稀疏自编码数据特征网络(mutual information-deep stack sparse auto-encoder,MI-DSSAE)结合深度长短期记忆(deep LSTM,DLSTM)预测模... 针对工业系统变量之间存在动态和相互关联特性导致关键变量预测精度降低问题,提出一种互信息深度堆叠稀疏自编码数据特征网络(mutual information-deep stack sparse auto-encoder,MI-DSSAE)结合深度长短期记忆(deep LSTM,DLSTM)预测模型。MI-DSSAE模型对稀疏编码器改进,采用堆叠稀疏编码器结构,引入互信息作为重构损失权重,对多个稀疏编码器隐层迁移并微调。预测部分采用深度DLSTM网络结构,用双层Bi-LSTM结构对序列数据的动态变化特性双向捕捉,将输出数据输入到普通LSTM进行记忆处理,进行全连接层加权预测关键质量变量。采用流程化工业案例脱丁烷塔的C4含量对提出的模型验证,同时对比RNN、LSTM、GRU模型以及MI-DSSAE-RNN、MI-DSSAE-LSTM、MI-DSSAE-GRU等模型,通过RMSE、R2和MAE多项回归误差指标对比分析,验证MI-DSSAE-DLSTM模型的有效性。 展开更多
关键词 深度稀疏自编码器 互信息 长短期记忆(LSTM) 脱丁烷塔 软测量
下载PDF
基于改进K-means聚类的电网抢修资源优化技术
7
作者 姚宗溥 张韶华 +2 位作者 余伟 杨宁 汪毅 《电子设计工程》 2024年第11期131-135,共5页
针对传统电网抢修资源配置中存在主观性强、处理突发状况能力较弱的问题,文中基于改进K-means聚类算法提出了一种电网抢修资源的分配策略。该策略采用改进算法分析平台的工单数据,以获得聚合数据包,并利用主成分分析法完成对数据的降维... 针对传统电网抢修资源配置中存在主观性强、处理突发状况能力较弱的问题,文中基于改进K-means聚类算法提出了一种电网抢修资源的分配策略。该策略采用改进算法分析平台的工单数据,以获得聚合数据包,并利用主成分分析法完成对数据的降维。降维后的数据经过深度稀疏自编码器的训练,得到的数据特征被K-means++算法聚类,进而输出工单任务的优先级。所提改进算法考虑了多种复杂因素的影响,相比传统算法其综合性能更为理想。多项实验结果表明,所提算法的聚类性能和数据训练性能在多个对比算法中均为最优,可以准确地识别出测试用例中的任务等级,为电网抢修资源的分配与决策提供技术支撑。 展开更多
关键词 K-MEANS聚类 主成分分析法 深度稀疏自编码器 资源配置 电网抢修
下载PDF
大坝渗流安全监测数据异常检测的改进DSAE模型 被引量：7
8
作者 余红玲 王晓玲 +3 位作者 程正飞 喻葭临 吴国华 郑鸣蔚 《水力发电学报》 CSCD 北大核心 2023年第10期128-138,共11页
针对现有大坝渗流安全监测数据异常检测方法存在检测效率和精度较低的不足,以及在异常阈值拟定过程中大多未能综合考虑监测数据随机性和模糊性的问题,提出大坝渗流安全监测数据异常检测的改进深度稀疏自编码器(deep sparse autoencoder,... 针对现有大坝渗流安全监测数据异常检测方法存在检测效率和精度较低的不足,以及在异常阈值拟定过程中大多未能综合考虑监测数据随机性和模糊性的问题,提出大坝渗流安全监测数据异常检测的改进深度稀疏自编码器(deep sparse autoencoder,DSAE)模型。在以奇异谱分析方法提取监测数据残差分量的基础上,采用基于混沌初始化和非线性飞行速率改进的天鹰优化(improved Aquila optimization,IAO)算法对DSAE的超参数进行优化,建立IAO-DSAE模型,实现对监测数据残差分量的高精度重构;然后,在异常阈值的拟定过程中,将逆向云算法中的期望和熵值分别替代传统3σ法中的均值和标准差,以综合考虑监测数据的随机性和模糊性对异常阈值拟定的影响,提高异常检测结果的可靠性。工程案例研究表明,相比于基于统计模型法和3σ法的异常检测方法,根据所提方法处理后的渗流安全监测数据建立的预测模型,预测精度的平均提高幅度分别为5.56%和6.99%,验证了所提方法的有效性。 展开更多
关键词 渗流安全 异常检测 深度稀疏自编码器(DSAE) 逆向云 改进天鹰优化(IAO)算法 奇异谱分析
下载PDF
基于DNSAE和随机森林的电力信息网络入侵检测模型 被引量：6
9
作者 潘羿 李彬 《电力信息与通信技术》 2022年第5期23-29,共7页
随着电力行业逐步跨入新型数字化全面互联时代,电力物联网在其中扮演着越来越重要的角色。在电力物联网快速发展的同时,负责承载数据流和信息流的电力信息网络存在遭受入侵的风险,而网络流量的异常检测将成为解决这一问题的重要手段。... 随着电力行业逐步跨入新型数字化全面互联时代,电力物联网在其中扮演着越来越重要的角色。在电力物联网快速发展的同时,负责承载数据流和信息流的电力信息网络存在遭受入侵的风险,而网络流量的异常检测将成为解决这一问题的重要手段。文章提出一种基于深度非对称稀疏自编码器(deep nonsymmetric sparse autoencoder,DNSAE)和随机森林(random forest,RF)的网络入侵检测模型,在保证准确率的同时,实现更快速高效的识别。首先由DNSAE对网络流量数据进行特征提取,再将得到的抽象特征数据训练随机森林。实验结果表明,与深度信念网络(deep belief network,DBN)和堆叠非对称自编码器(stacked nonsymmetric deep autoencoder,S-NDAE)相比,此模型具备更高的检测效率。 展开更多
关键词 入侵检测 电力信息网络 深度非对称稀疏自编码器 随机森林 网络安全
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