基于卷积神经网络的多层域自适应滚动轴承故障诊断

针对基于卷积神经网络(CNN)的域自适应技术在提取可迁移特征的训练过程中,存在内部协变量移位的问题,提出一种多层域自适应滚动轴承故障诊断方法.首先,利用CNN提取原始振动数据的可迁移特征;其次,提出了多层域自适应和权重正则化项约束CNN参数,进一步减少可迁移特征的分布差异,从而解决域移位问题;最后,利用凯斯西储大学的滚...     

基于YOLO的钢缆表面损坏检测

为了解决检测钢缆表面损坏时检测设备资源有限、时间过长等问题,将深度学习的先进技术以及卷积神经网络(CNN)应用于钢缆表面损坏检测.提出了一种基于YOLO的缺陷检测网络模型,将GhostNet融入主干网络,并基于ShuffleNet及注意力机制提出了新的特征提取模块(ShuffleC3),再对Head部分进行剪枝改进.实验结果表明,改进后网络相比基线YOLOv5s的平均精度提高1.1%,参数量和计算量分别降低了43.4%和31%,模型大小减少了42.3%.可以在降低网络计算成本的同时,保持较高的识别精确度,更好地满足了对钢缆材料表面损坏检测的要求.     

基于改进UNETR++的肝脏分割

肝脏MRI影像的脂肪定量标准化过程中常需要对肝脏感兴趣区域进行手工采样, 但手工采样策略耗时且结果多变. 基于深度学习方法的全肝分割与手工勾勒的感兴趣区域在进行脂肪定量分析时, 变异性误差和不确定性程度更低, 性能更优越. 在进行全肝分割任务时, 为了提升分割性能, 本文在UNETR++模型的基础上, 进行改进. 该方法融合卷积神经网络和Transformer结构各自的优点, 增加卷积结构分支用于补足局部特征, 同时引入门控注意力机制, 抑制不相关的背景信息, 使模型更为突出分割区域的显著特征. 相比于UNETR++及其他分割模型, 改进的方法具有更优的DCS及HD₉₅指标.     

A data mining method based on constructive neural networks

~~A DATA MINING METHOD BASED ON CONSTRUCTIVE NEURAL NETWORKS[1] Jiawei Han, Micheline Kamber. Data Mining Concept and Techniques. Beijing, Higher Education Press, chapters 1 and 7. [2] Simon Haykin. Neural Networks: A Comprehensive Foundation. 2nd ed. Beijing, Tsinghua University Press, chapters 1, 4, 12 and 14. [3] Zhang Ling, Zhang Bo. A geometrical representation of McCulloch-Pitts neural model and its applications. IEEE Trans, on Neural Networks, 10(19…     

瓷砖表面非常规尺寸瑕疵的检测

与普通目标检测任务不同,瓷砖表面瑕疵检测的困难之处在于检测小尺寸和大长宽比等非常规尺寸的目标.为了解决这两个问题,本文提出了一种基于改进Cascade R-CNN的新型瓷砖表面瑕疵检测算法.为了提高模型对小瑕疵的检测能力,本文模型利用侧向连接结构进行上下层语义信息的融合,使用可切换空洞率的空洞卷积来增加模型的感受野;为了提高模型对于大长宽比瑕疵的检测能力,本文模型在标准卷积上引入偏移域以更好提取目标特征信息.此外,本文模型调整Cascade R-CNN框架中预选锚框的大小和长宽比例.实验结果表明,在从瓷砖工厂收集的数据集上,本文所提出算法的平均精度均值(mean average precision, mAP)达到了73.5%,比改进前的Cascade RCNN模型提高了9.7%.本文实验代码可从以下链接获取:https://github.com/mashibin/Ceramic-tile-defect-detection.     

基于改进卷积神经网络的非侵入负荷辨识方法研究

非侵入式负荷监测作为客户侧泛在电力物联网重要技术之一,不仅有助于电力公司加强负荷管理,还可以引导用户合理安排负荷的使用,为实现以家庭电力用户为主体的需求侧响应和满足居民用户对精准精益用电服务需求提供了重要的技术支持。对非侵入式负荷监测中低频采样信号分辨率低,负荷特征易重叠,以及卷积神经网络不能有效辨识具有相似波形特征负荷的问题,提出了融合暂态电流波形和时域特征的改进方法,将暂态电流值均方根融合到电流波形图像以提升相似波形特征负荷的辨识正确率。通过实测数据和负荷识别参考数据集(REDD)测试,验证了所提方法的可行性和有效性。     

Single‐layer perceptron and dynamic neuron implementing linearly non‐separable Boolean functions

This paper presents a single‐layer perceptron (SLP) scheme with an impulse activation function (IAF) and a dynamic neuron (DN) with a trapezoidal activation function (TAF). Combining with some interesting properties of the offset levels, it is shown that many linearly non‐separable Boolean functions can be realized by using only one SLPwIAF or one DNwTAF. In the present work, a few appropriate IAF and TAF are adopted, and the inverse offset level method is used for the design of the SLPwIAF synaptic weights and the DNwTAF templates. The XOR and NXOR Boolean operations with two inputs and all 152 non‐separable Boolean functions with three inputs can be easily implemented by one SLPwIAF or one DNwTAF. Finally, the entire set of 152 DNwTAF templates associated with 152 non‐separable Boolean functions of three inputs is completely listed. Copyright © 2008 John Wiley & Sons, Ltd.     

眼睛运动模型的设计

现阶段，生物模式识别系统主要有两种实现方案，且这些方案的实现都与眼睛的运动有关，因此这里利用细胞神经网络（CNN），基于欧氏距离的质心（COG）搜索算法以及距离权重选择模型（RSDW）的思想建立了一个眼睛运动模型。该模型输出的眼睛运动轨迹图特性与实际仪器测试的眼睛运动轨迹图特性具有较好的一致性，同时该模型能直接作为生物模式识别系统中信息获取模块的重要组成部分。     

细胞神经网络在通信信号处理中的应用

描述了细胞神经网络的基本理论及其在通信信号处理中的应用和发展趋势，并指出其今后在通信信号处理中的进一步研究方向。     

基于混沌神经网络模型的查询扩展

针对传统的信息检索模型只能进行精确匹配的问题，提出一种基于混沌神经网络模型的查询扩展方法，利用混沌神经网络较强的记忆性、学习性和联想性，对用户查询行为进行学习，从而对用户的初始查询进行扩展和重构，以得到符合不同用户的检索结果。与传统的神经网络信息检索模型的对比实验表明，新模型具有更高的查全率和查准率。