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68篇文章
< 1 2 … 4 >
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GAN-CNN的电子血压计品牌型号识别技术研究
1
作者 江凯 杨凯 +3 位作者 颜迪新 李子印 倪军 陈灿 《中国计量大学学报》 2023年第3期429-436,共8页
目的:为了解决家用电子血压计自动检定系统因很难获取大量样本数据而导致品牌型号识别准确率不稳定的问题。方法:提出了一种基于生成对抗网络-卷积神经网络(GAN-CNN)的电子血压计品牌型号识别方法。在训练集中加入生成对抗网络(GAN)生... 目的:为了解决家用电子血压计自动检定系统因很难获取大量样本数据而导致品牌型号识别准确率不稳定的问题。方法:提出了一种基于生成对抗网络-卷积神经网络(GAN-CNN)的电子血压计品牌型号识别方法。在训练集中加入生成对抗网络(GAN)生成虚拟图像,利用卷积神经网络(CNN)提取特征并进行分类,利用数据增强、归一化等技术来提高模型准确性与稳健性。结果:实验表明,发现GAN-CNN模型采集响应成功并对电子血压计进行分类,而且准确度达到94.7%以上。相对于其他模型具有更高的识别准确度和更好的泛化能力。结论:本文所提出的基于GAN-CNN的电子血压计示数识别技术能够达到较高的准确率和鲁棒性,在智慧计量领域具有较好的应用前景。 展开更多
关键词 电子血压计 生成对抗网络 卷积神经网络 gan-cnn模型 信息识别
下载PDF
基于GAN-CNN的心律失常识别 被引量：3
2
作者 陈鹏 刘子龙 《电子科技》 2022年第3期45-50,共6页
心电图分析是医生诊断心律失常的重要依据。对心律失常的准确判断有助于患者及时了解身体状况并发现潜在疾病。然而,心电图分析不仅费时费力,而且还依赖于临床经验,因此心电图分析的效率一直受到医生数量和工作效率的限制。深度学习技... 心电图分析是医生诊断心律失常的重要依据。对心律失常的准确判断有助于患者及时了解身体状况并发现潜在疾病。然而,心电图分析不仅费时费力,而且还依赖于临床经验,因此心电图分析的效率一直受到医生数量和工作效率的限制。深度学习技术的发展为计算机辅助诊断系统的开发提供了基础。文中将一维心电信号转换为二维灰度图像,并采用一种GAN-CNN网络解决心电数据不平衡的问题,可同时实现7类心律失常类型和正常心搏的识别。实验使用MIT-BIH心律失常数据库进行验证,平均准确率达到了99.32%,敏感性和特异性分别为99.69%和98.91%。 展开更多
关键词 心电图 心律失常 深度学习 辅助诊断 心电信号 gan-cnn 二维图像 心电数据不平衡
下载PDF
GAN-CNN-GRU在光伏最大功率点跟踪中的应用
3
作者 王冉冉 高慧敏 《计算机时代》 2023年第6期119-123,共5页
光伏阵列在复杂光照强度条件下,出现局部遮荫现象,导致输出特性曲线呈现多峰值状态,造成光伏系统能量转化率低下。本文提出一种基于生成对抗网络(GAN)、卷积神经网络(CNN)和门控循环单元(GRU)的混合预测模型,预先使用GAN对光伏发电原始... 光伏阵列在复杂光照强度条件下,出现局部遮荫现象,导致输出特性曲线呈现多峰值状态,造成光伏系统能量转化率低下。本文提出一种基于生成对抗网络(GAN)、卷积神经网络(CNN)和门控循环单元(GRU)的混合预测模型,预先使用GAN对光伏发电原始环境数据进行数据扩充,再用CNN提取不同光伏太阳能板的环境数据特征,最后利用GRU进行最大功率点电压的预测。仿真结果表明,该混合预测模型可避免陷入局部极值的情况,可以有效提高复杂光照强度条件下的最大功率点跟踪效率。 展开更多
关键词 光伏电池 最大功率点跟踪 GRU神经网络 CNN神经网络 生成对抗网络 仿真
下载PDF
基于GAN-CNN的气味识别
4
作者 郭娟 骆德汉 +1 位作者 何启莉 詹灿坚 《现代计算机》 2021年第23期91-94,99,共5页
随着嗅觉技术的发展,电子鼻因其响应速度快、使用方便等特点被广泛的应用。然而,在实践中,很难获得足够的样本数据来训练气味识别模型。本文提出了一种将生成对抗网络(GAN)和卷积神经网络(CNN)相结合的模型GAN-CNN,首先,将电子鼻数据转... 随着嗅觉技术的发展,电子鼻因其响应速度快、使用方便等特点被广泛的应用。然而,在实践中,很难获得足够的样本数据来训练气味识别模型。本文提出了一种将生成对抗网络(GAN)和卷积神经网络(CNN)相结合的模型GAN-CNN,首先,将电子鼻数据转换为灰度图。然后,利用GAN学习真实样本的数据分布,通过生成器和判别器的对抗训练,生成具有相似数据分布的增强数据集。最后,将增强数据集输入CNN进行特征提取,并对气味类型进行分类。结果表明,GAN-CNN利用电子鼻采集响应成功对气味进行分类,并且准确度达到94.43%,这对于小样本的气味识别具有重要意义。 展开更多
关键词 电子鼻 生成对抗网络(GAN) 卷积神经网络(CNN) gan-cnn
下载PDF
基于Swin-Transformer与生成对抗网络的地震随机噪声压制方法
5
作者 周鸿帅 程冰洁 徐天吉 《石油物探》 CSCD 北大核心 2024年第1期116-128,共13页
目前深度学习类地震数据去噪方法大多基于卷积神经网络,而此类方法受限于卷积核的局部操作,缺少对地震数据全局特征的分析,因而降低了去噪效果。另外,以L 1,L 2损失函数为指标的网络模型容易出现过度平滑效应,产生虚假同相轴以及虚高的... 目前深度学习类地震数据去噪方法大多基于卷积神经网络,而此类方法受限于卷积核的局部操作,缺少对地震数据全局特征的分析,因而降低了去噪效果。另外,以L 1,L 2损失函数为指标的网络模型容易出现过度平滑效应,产生虚假同相轴以及虚高的峰值信噪比(PSNR)与结构相似性(SSIM)值。为此,提出一种基于Swin-Transformer(Swin-T)和生成对抗网络的去噪方法(ST-GAN)。该方法以Swin-Transformer作为生成对抗网络中的生成网络对地震数据去噪,判别网络基于卷积神经网络。Transformer的自注意力机制是全局操作,可以有效提取地震数据的全局特征,并能与卷积神经网络的局部操作互补,提升网络模型的特征提取能力。而对抗损失则提升了网络模型的细节恢复能力,有效避免因过度平滑效应产生的同相轴假象。将该方法应用于地震数据去噪,并与现有去噪方法进行对比分析,实验结果表明,该方法具有更加优异的特征提取能力,能在有效压制随机噪声的同时,恢复和保留更多的细节信息,提高了地震信号的信噪比。 展开更多
关键词 深度学习 噪声压制 Swin-Transformer 自注意力机制 生成对抗网络 卷积神经网络 损失函数
下载PDF
基于SeqGAN和Bi-GRU实施过采样的SVD方法
6
作者 刘元坤 宋礼鹏 +1 位作者 朱宇辉 石江雨 《计算机仿真》 2024年第2期500-506,共7页
近年来,基于深度学习的软件漏洞检测方法,在开源C/C++漏洞数据集上取得了97%的准确率。然而,由于漏洞样本占比较低而导致的类不平衡问题,以上方法的误报率和漏报率较高。鉴于SeqGAN的生成策略和Bi-GRU的表征学习能力,提出了基于SeqGAN、... 近年来,基于深度学习的软件漏洞检测方法,在开源C/C++漏洞数据集上取得了97%的准确率。然而,由于漏洞样本占比较低而导致的类不平衡问题,以上方法的误报率和漏报率较高。鉴于SeqGAN的生成策略和Bi-GRU的表征学习能力,提出了基于SeqGAN、Bi-GRU和TextCNN的软件漏洞检测方法。利用SeqGAN对开源C/C++漏洞数据集进行过采样处理以生成过采样漏洞样本,经Bi-GRU挖掘过采样漏洞样本和真实漏洞样本的共有潜在特征,最终提高TextCNN对真实漏洞样本的检测性能。实验结果表明,所提方法在7个开源软件项目的C/C++汇总漏洞数据集上取得了0.9538的F1 score,与TextCNN在应用降采样技术RUS处理后的数据集上的测试结果相比,提高了12.3%;与先进的基于深度学习的软件漏洞检测方法,如VulDeePecker相比,提高了82.5%。 展开更多
关键词 软件漏洞检测 深度学习 过采样 生成对抗网络 循环神经网络 卷积神经网络
下载PDF
基于GAN与CNN的煤机设备故障智能诊断方法研究
7
作者 郭军 《煤矿机械》 2023年第12期182-185,共4页
针对煤机设备现场难以获取有效故障数据样本进行智能诊断模型训练的问题,提出基于对抗网络生成(GAN)技术与卷积神经网络(CNN)相结合的智能诊断策略。将现场真实数据和实验室典型故障数据的特征进行融合,得到虚拟数据样本。通过CNN的模... 针对煤机设备现场难以获取有效故障数据样本进行智能诊断模型训练的问题,提出基于对抗网络生成(GAN)技术与卷积神经网络(CNN)相结合的智能诊断策略。将现场真实数据和实验室典型故障数据的特征进行融合,得到虚拟数据样本。通过CNN的模型训练建立煤机设备的故障智能诊断模型。试验结果表明,该方法在现场故障数据样本缺失、难以建立准确故障机理模型的条件下,具有较高的诊断准确率。 展开更多
关键词 GAN CNN 煤机设备 故障诊断
原文传递
基于CNN-GAN组合模型的可控源电磁反演方法 被引量：1
8
作者 马琰祁 李伟勤 +1 位作者 吴育涵 钟连诚 《大地测量与地球动力学》 CSCD 北大核心 2023年第10期1095-1100,共6页
提出一种基于卷积神经网络(CNN)和生成对抗网络(GAN)组合模型的可控源电磁反演方法。为突出异常体信息,将总场进行差分预处理,同时修改损失函数以增强GAN的稳定性。将差分总场送入CNN,得到地面接收电场与地下异常体电导率数据之间的结... 提出一种基于卷积神经网络(CNN)和生成对抗网络(GAN)组合模型的可控源电磁反演方法。为突出异常体信息,将总场进行差分预处理,同时修改损失函数以增强GAN的稳定性。将差分总场送入CNN,得到地面接收电场与地下异常体电导率数据之间的结构化因果关系;输出异常体的粗略电导率模型,再将其作为GAN的输入,在GAN中提取特征进行训练,得到高精准和高对比度的电导率反演结果,以达到工程应用的要求。通过将CNN-GAN组合模型与传统神经网络模型的预测结果进行对比发现,CNN-GAN组合模型优于传统神经网络模型,能够更好地预测地下异常体的电导率模型,相似度高达94.38%,比传统CNN和GAN模型分别提高约48%和78%。 展开更多
关键词 卷积神经网络 生成对抗网络 差分总场 可控源电磁法 网络结构 参数评价
下载PDF
融合GAN与深度神经网络的混合信用评估方法 被引量：1
9
作者 彭柏程 张安勤 张挺 《广西科学》 CAS 北大核心 2023年第1期121-131,共11页
随着信用卡和个人贷款业务在金融业的快速增长,如何在信息有限的情况下检测潜在违约或坏账业务已经变得极其重要。信用评分领域面临的主要困难是样本不平衡以及分类器性能不佳,为此本研究首先提出了一种基于表格数据的生成对抗网络Tab-G... 随着信用卡和个人贷款业务在金融业的快速增长,如何在信息有限的情况下检测潜在违约或坏账业务已经变得极其重要。信用评分领域面临的主要困难是样本不平衡以及分类器性能不佳,为此本研究首先提出了一种基于表格数据的生成对抗网络Tab-GAN,从原始数据中生成足够的违约样本;随后设计了一种基于CNN-LSTM的混合深度学习模型用于特征提取,该模型包含卷积神经网络(Convolutional Neural Networks,CNN)和长短期记忆神经网络(Long Short-Term Memory,LSTM)两个子模型,分别从用户数据中提取静态局部特征和动态时间特征,并加入时空注意力模块对模型的输出进行重要度计算,从而抽取更关键的信息;最后在分类器层面引入焦点损失函数改进轻量级梯度提升机(Light Gradient Boosting Machine,LightGBM)分类器,实现违约风险的概率输出。在两个真实世界数据集中验证风险预测模型,实验结果表明生成对抗网络可以有效解决样本不平衡问题,CNN-LSTM+LightGBM模型在各项分类评价指标上均优于信用评分领域的其他先进算法,证明了该模型在信用评分领域的有效性和可移植性。 展开更多
关键词 不平衡数据 信用评估 生成对抗网络 卷积神经网络 长短期记忆神经网络 焦点损失函数
下载PDF
基于CNN-GAN与半监督回归的电动汽车充电负荷预测 被引量：4
10
作者 闫威 李南 +3 位作者 沈月秀 施力欣 胡滨 周舟 《浙江电力》 2023年第2期83-89,共7页
随着电动汽车用户在交通用户中所占比例不断增大,其充电行为对于电力系统运行产生重要的影响,因此对电动汽车充电负荷进行准确预测具有重要意义。对此,提出了一种基于CNN-GAN(卷积神经网络-生成对抗网络)与半监督回归的充电负荷预测方... 随着电动汽车用户在交通用户中所占比例不断增大,其充电行为对于电力系统运行产生重要的影响,因此对电动汽车充电负荷进行准确预测具有重要意义。对此,提出了一种基于CNN-GAN(卷积神经网络-生成对抗网络)与半监督回归的充电负荷预测方法。采用GMM(高斯混合模型)对用户样本进行聚类分析,并提取典型用户行为特征。考虑历史数据及降雨量、温度等天气信息的影响,搭建各组基于CNNGAN的电动汽车负荷预测模型,并通过半监督回归得到预测结果。以华东某区域内实际电动汽车数据为例,对比多种方法的预测结果及评价指标。结果显示,CNN-GAN预测模型预测精度优于其他方法,验证了所提方法的可行性。 展开更多
关键词 CNN-GAN 半监督回归 电动汽车 充电负荷预测
下载PDF
浅析生成对抗网络及其在计算机视觉中的应用
11
作者 张晨曦 姚琼 +1 位作者 秦飞巍 葛瑞泉 《计算机时代》 2023年第8期11-15,共5页
大数据技术的飞速发展,促使海量数据的处理成本逐渐降低,因此在图像处理领域,建立在大量数据无监督训练基础上的生成对抗网络具有很大优势。本文围绕生成对抗网络的发展轨迹,对其本身与各类变种网络的研究进展进行追踪,进而对生成对抗... 大数据技术的飞速发展,促使海量数据的处理成本逐渐降低,因此在图像处理领域,建立在大量数据无监督训练基础上的生成对抗网络具有很大优势。本文围绕生成对抗网络的发展轨迹,对其本身与各类变种网络的研究进展进行追踪,进而对生成对抗网络在图像领域的原理及研究进展进行调研总结。对比分析了目前较为热门的典型生成对抗网络模型,并对其在计算机视觉领域的应用进行了分析和总结。 展开更多
关键词 生成对抗网络 图像识别 卷积神经网络 图像生成
下载PDF
多尺度语义学习的人脸图像修复
12
作者 左心悦 郝子娴 杨有 《南京信息工程大学学报（自然科学版）》 CAS 北大核心 2023年第5期534-540,共7页
针对卷积神经网络在图像修复过程中难以兼顾修复结果的局部细节和全局语义一致性问题,以生成对抗网络为基础,提出一种多尺度语义学习的编解码人脸图像修复模型.首先,将人脸图像用门控卷积分解为具有不同大小的感受野和特征分辨率的分量... 针对卷积神经网络在图像修复过程中难以兼顾修复结果的局部细节和全局语义一致性问题,以生成对抗网络为基础,提出一种多尺度语义学习的编解码人脸图像修复模型.首先,将人脸图像用门控卷积分解为具有不同大小的感受野和特征分辨率的分量,用不同尺寸的卷积核提取多尺度特征,通过提取合适的局部特征来提升修复结果的细节;其次,将提取的多尺度特征输入至语义学习模块,从通道和空间两个角度学习特征之间的语义关系,从而增强修复结果的全局一致性;最后,引入跳跃连接将编码端的特征补充到解码端中减少采样造成的细节信息损失,改善修复结果的纹理细节.在CelebA-HQ人脸数据集上进行实验,结果表明提出的模型在峰值信噪比、结构相似性、l_(1)三个性能指标上均有显著提升,修复的结果在视觉上局部细节和全局语义更合理. 展开更多
关键词 图像修复 多尺度 语义学习 卷积神经网络 生成对抗网络
下载PDF
基于多任务学习的火灾检测算法
13
作者 吕鹏 曹江涛 姬晓飞 《计算机技术与发展》 2023年第1期56-61,共6页
烟雾和火焰是相辅相成的,在火焰检测中充分利用火焰和烟雾的内在关系,将更好地提高火灾检测的准确性。目前,大多数的火灾检测算法只关注烟雾或火焰两者间的某一个任务来设计检测算法。该文提出了一种基于多任务学习的火灾检测算法。首先... 烟雾和火焰是相辅相成的,在火焰检测中充分利用火焰和烟雾的内在关系,将更好地提高火灾检测的准确性。目前,大多数的火灾检测算法只关注烟雾或火焰两者间的某一个任务来设计检测算法。该文提出了一种基于多任务学习的火灾检测算法。首先,将RGB视频序列作为网络的输入,运用CNN网络与LSTM网络提取空间特征和时序特征。然后,设计生成对抗网络将特征空间划分为共享特征空间和私有特征空间两个部分,共享特征空间用于提取烟雾和火焰内在联系中的共享特征,私有特征空间用于提取烟雾和火焰各自的私有特征。最终,将上述两部分特征通过concat方式结合,送到全连接层与softmax中,得到最终的识别结果。将多任务学习应用于火灾检测,其优势在于充分考虑到火灾发生时烟雾与火焰之间的关联性,利用这种关联性丰富烟雾与火焰的特征语义信息,进而提高检测的准确性。实验结果表明,在烟雾检测的准确率上提升2.2%,火焰检测的准确率上提升1.4%,提出的多任务学习模型性能上优于单任务学习模型。 展开更多
关键词 深度学习 多任务学习算法 生成对抗网络 卷积神经网络 长短时记忆网络
下载PDF
基于深度学习的两级室内火灾检测研究
14
作者 王晨旸 《宿州学院学报》 2023年第3期20-23,共4页
防止室内环境中火灾的发生与蔓延,降低火灾给人们生命财产安全带来的损失,对室内进行火焰检测是十分必要的。鉴于传统火灾识别过程中需要人工提取特征,且检测过程易受环境干扰,因而提出一种基于深度学习的火灾识别算法。首先将深度学习... 防止室内环境中火灾的发生与蔓延,降低火灾给人们生命财产安全带来的损失,对室内进行火焰检测是十分必要的。鉴于传统火灾识别过程中需要人工提取特征,且检测过程易受环境干扰,因而提出一种基于深度学习的火灾识别算法。首先将深度学习与计算机视觉相结合,提出一种基于两级分类器的火灾图像判断检测方法。为提高模型训练的泛化能力,在已有数据集的基础上使用GAN生成了大量数据,利用HOG+Adaboost分类器具备高召回率的特性对可能存在的火灾情况进行初判,利用CNN+SVM高精确度分类器对火灾区域进一步次级识别提高识别精度。实验结果表明,火灾图像识别方法较其他算法而言能够以较少的样本,经训练后获得较高的识别准确率,同时该方法对样本训练及检测所需硬件环境要求不高,训练环境也有明显优势。该方法对火灾图像的识别率可达92%以上,识别样本图片平均时间仅需0.87 s,具有较高的有效性及鲁棒性。 展开更多
关键词 机器学习 GAN CNN SVM 火灾识别
下载PDF
基于生成对抗网络的图像超分辨率重建
15
作者 王宥翔 《河南教育学院学报（自然科学版）》 2023年第4期47-52,共6页
借助深度学习方法,通过组合低层特征形成更加抽象的高层特征表示属性类别或特征,发现数据的分布式特征表示。采用生成对抗网络作为神经网络框架,实现了图像超分辨率的重建。
关键词 GAN 超分辨率 CNN 深度学习 图像重建
下载PDF
基于CNN-GAN数据增强网络的电厂锅炉管道温度压力及健康状态预测
16
作者 陈鸿鑫 马天霆 +3 位作者 周阳 简彦辰 高犇 戴明露 《电子器件》 CAS 北大核心 2023年第6期1593-1600,共8页
电厂锅炉管道系统随着机组参与深度调峰而承受的交变载荷不断增加,对管道温度、压力预测和健康状态评估提出了新的要求。基于电厂真实管道温度、压力数据,提出了多阶管道健康评价算法,搭建了CNN-GAN数据增强网络。通过CNN-GAN数据增强... 电厂锅炉管道系统随着机组参与深度调峰而承受的交变载荷不断增加,对管道温度、压力预测和健康状态评估提出了新的要求。基于电厂真实管道温度、压力数据,提出了多阶管道健康评价算法,搭建了CNN-GAN数据增强网络。通过CNN-GAN数据增强网络与管道真实运行数据,生成带管道健康评价函数的合成数据集。预测模型采用双层LSTM结构,对管道未来30步的温度、压力和健康状态进行预测。所提出的多阶管道健康评价算法能够准确判定温度、压力超额定和短期波动较大等非正常工况,对指导运维人员检修以及提前预警具有一定的价值。CNN-GAN算法比原始GAN能够生成更加真实的管道温度压力仿真数据集。未来30步的预测步长中,不同工况条件下,建立的预测网络最大绝对误差控制在6%以内。 展开更多
关键词 电厂锅炉管道 温度压力预测 CNN-GAN 健康评价 LSTM
下载PDF
数字化背景下基于深度学习的生成设计在视觉识别平台中的应用研究
17
作者 范家墁 《吉林化工学院学报》 CAS 2023年第3期62-67,共6页
在目前信息爆炸的时代,如何实现先进技术与艺术的高效联结,将视觉设计去中心化,得到了众多学者的广泛关注。研究以生成技术为设计流程的延展进行人机联合协作的方式,将卷积神经网络与生成对抗网络模型进行结合,同时引入条件的方式,在生... 在目前信息爆炸的时代,如何实现先进技术与艺术的高效联结,将视觉设计去中心化,得到了众多学者的广泛关注。研究以生成技术为设计流程的延展进行人机联合协作的方式,将卷积神经网络与生成对抗网络模型进行结合,同时引入条件的方式,在生成器结构的每层连接条件信息,利用谱归一化与组归一化相互配合的方式优化上述模型,最终构建条件深度卷积生成对抗网络模型(Conditional Depth Convolution to Generate Antagonism Network, CDCGAN)。研究结果表明,CDCGAN模型的平均准确率为97.28%,并且其在智能化视觉识别设计平台中的延展能力与学习能力非常优秀。综上所述,CDCGAN模型具有较好的性能与准确率,并能很好地应用于智能化视觉识别设计平台。 展开更多
关键词 CNN GAN 生成设计 视觉识别 谱归一化
下载PDF
基于上下文编码器的图像修复算法
18
作者 任鹏博 毛克彪 《高技术通讯》 CAS 2023年第9期947-956,共10页
基于数学的传统模型在纹理学习上的效果比较好,但是在图像内容和语义上有所缺失。近年来,随着深度学习的兴起,将深度学习应用于图像修复的方法十分热门,对各种残缺图像的修补也取得了较好的结果。本文使用的基于上下文编码器的图像修复... 基于数学的传统模型在纹理学习上的效果比较好,但是在图像内容和语义上有所缺失。近年来,随着深度学习的兴起,将深度学习应用于图像修复的方法十分热门,对各种残缺图像的修补也取得了较好的结果。本文使用的基于上下文编码器的图像修复方法,结合自编码器(AE)和生成对抗网络(GAN)。其中,使用AE进行图像特征的学习,生成待修补区域的预测图;使用GAN的对抗学习来优化模型;使用由重建损失和对抗损失组成的联合损失函数。经过训练后的卷积神经网络(CNN),能够根据图像周边的像素特征,对丢失的区域进行合理推断,生成缺失部分。最后,本文对比了使用联合损失函数和单独使用重建损失与对抗损失函数的效果,并将本文算法与另外2种模型对比,采用客观评价指标,即平均绝对误差(MAE)、峰值信噪比(PSNR)以及结构相似性(SSIM)进行评价,其结果表明本模型在修复残缺图像时效果均较好,普适性更强。 展开更多
关键词 图像修复 深度学习 卷积神经网络(CNN) 自动编码器(AE) 生成对抗网络(GAN)
下载PDF
基于条件生成对抗网络的信号生成技术
19
作者 陈昌美 李艳斌 +2 位作者 杨鸿杰 陈丽 杜宇峰 《信息技术》 2023年第10期136-140,146,共6页
通信信号生成通常也叫信号重构,信号重构在欺骗干扰、环境构建等方面具有广泛应用,而生成对抗网络的提出为通信领域中的信号重构带来了新思路。文中利用生成对抗网络,在不对通信信号进行参数测量与特征分析的情况下,实现通信模拟调制信... 通信信号生成通常也叫信号重构,信号重构在欺骗干扰、环境构建等方面具有广泛应用,而生成对抗网络的提出为通信领域中的信号重构带来了新思路。文中利用生成对抗网络,在不对通信信号进行参数测量与特征分析的情况下,实现通信模拟调制信号的生成,并加入监督学习,使用有标签的数据集,在WGAN-GP的基础上构建CGAN与ACGAN两种网络模型进行模拟调制信号的生成,并在训练完成的生成器中通过指定标签生成特定调制样式的通信信号,最后经过对比分析,基于ACGAN的模拟调制信号生成的质量更优。 展开更多
关键词 信号生成 信号重构 生成对抗网络 卷积神经网络 条件生成对抗网络
下载PDF
融合实体邻域信息的知识图谱嵌入负采样方法
20
作者 翟社平 张宇航 柏晓夏 《计算机工程》 CAS CSCD 北大核心 2023年第3期95-104,共10页
知识图谱嵌入的主要任务是将实体与关系嵌入低维、连续的向量空间。在模型训练过程中,必须同时提供正负三元组。已有的负采样方法多使用均匀随机采样方法构造负样本,通过这种方式获得的负样本对于模型的训练贡献很小。基于生成对抗网络... 知识图谱嵌入的主要任务是将实体与关系嵌入低维、连续的向量空间。在模型训练过程中,必须同时提供正负三元组。已有的负采样方法多使用均匀随机采样方法构造负样本,通过这种方式获得的负样本对于模型的训练贡献很小。基于生成对抗网络,生成器能够采样更多可信的负三元组,增强嵌入模型性能。然而,离散数据在使用遗传算法时存在梯度消失的问题。针对以上问题,提出一种融合实体邻域信息的知识图谱嵌入负采样方法。该方法基于生成对抗网络的框架,通过图卷积神经网络聚合实体在不同关系路径上的邻域信息,用以辅助生成器产生高质量的负样本,提高鉴别器的性能。同时,在鉴别器部分引入Wasserstein距离代替传统的散度,解决梯度消失问题,加速模型收敛。在链接预测任务和三元组分类任务上对所提方法的有效性进行验证,结果表明,该方法在链接预测任务中MR、MRR、Hits@10较基线模型分别平均提升4.18、9.19、10.18个百分点,在三元组分类任务中准确率平均提升4.50个百分点,充分证明实体邻域信息的融入能够进一步提升负样本质量,显著提升模型性能。 展开更多
关键词 知识图谱嵌入 生成对抗网络 邻域信息 图卷积神经网络 Wasserstein距离
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 2 … 4 下一页 到第 页
使用帮助 返回顶部