导读:本文包含了自编码论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:卷积,深度,神经网络,特征,稀疏,网络,过电压。
自编码论文文献综述
冯嘉良,朱定局,廖丽华[1]（2019）在《基于多尺度空洞卷积自编码神经网络的森林烟火监测》一文中研究指出森林火灾范围大距离远,火灾图像中有效特征提取尺寸较大,传统卷积网络难以有效学习,另外火灾中烟雾和雾气较为相似,容易造成错误识别。针对上述问题,提出一种基于多尺度空洞卷积自编码器(Multi-Scale Dilated Convolution Auto Encoder,MSDCAE)的深度网络,通过空洞卷积获得不同尺寸的感受野特征并连接输出来优化特征学习,再基于Softmaxwithloss设计改进的损失函数(Improved Softmaxwithloss,ISWL)来提升烟雾、雾气等相似图像的分类性能。实验验证了MSDCAE自编码器和ISWL损失函数的有效性,结果证明在森林火灾的烟火图像识别中,新方法对比普通深度网络算法更具优越性。(本文来源于《计算机与数字工程》期刊2019年12期）
杨勇,刘家祥,黄淑英,张迎梅,吴嘉骅[2]（2019）在《卷积自编码融合网络的红外可见光图像融合》一文中研究指出可见光图像能够充分反映场景的细节信息,红外图像能够反映目标的热度信息,利用两者的互补信息进行融合,可以得到具有目标信息和场景细节的图像.本文提出一种基于卷积自编码融合网络的红外与可见光图像融合的方法.首先利用卷积编码网络从两类源图像中提取相应特征,产生在不同维度上包含源图像各项信息的特征图;接着对两类图像的特征图利用等权重相加的融合规则将其进行融合,得到包含两类源图像信息的特征图,然后利用卷积解码网络对其进行重建,最终得到一张包含两类源图像信息的融合图像.通过对多组红外与可见光图像进行实验,实验结果证明本文提出的方法可以得到较好的融合结果.该方法的融合结果无论从主观视觉效果还是客观定量评价,都优于一些主流的红外与可见光图像融合方法.(本文来源于《小型微型计算机系统》期刊2019年12期）
朱宝,乔俊飞[3]（2019）在《基于自编码神经网络特征提取的回声状态网络研究及过程建模应用》一文中研究指出在复杂化工建模过程中,由于过程数据的时序性、高非线性以及高维数的特点,导致传统的静态神经网络建模无法满足一定的精度。为了解决该问题,提出一种基于自编码神经网络特征提取的回声状态网络模型(features extracted from auto-encoder based echo state network, FEAE-ESN)。传统回声状态网络(echo state network, ESN)方法中,储备池的节点数目很多,输出的维数很高,数据间存在共线性。为解决上述问题,待回声状态网络训练好之后,使用自编码神经网络对其储备池输出进行特征提取。通过自编码网络特征提取,一方面可以有效地降低储备池输出的维数,从而降低数据的复杂度;另一方面提取的特征去除了原有储备池输出的共线性,能够进一步提高广义逆的计算性能;最终提高回声状态网络的建模精度。所提方法 FEAE-ESN用于田纳西-伊斯曼复杂过程建模,仿真结果验证了所提方法的有效性。(本文来源于《化工学报》期刊2019年12期）
解争龙,弋改珍[4]（2019）在《基于深度自编码网络的激光制导混合信号分选系统设计》一文中研究指出针对当前设计方法无法实现激光制导混合信号准确分选的问题,提出一种基于度自编码网络的激光制导混合信号分选系统设计方法,设计了包括激光制导信号接收、处理、分选、合并编批以及分选结果发送模块,形成了一套完整的系统软件操作流程;并对包含译码电路、锁存电路、信号缓存电路、及激光制导信号上传电路,以及外围辅助电路的系统分选器进行设计,实现了激光制导混合信号分选系统最终设计.实验结果证明,所提方法能够准确实现普通激光制导信号以及包括载频信号、脉宽信号、重频信号叁种特殊激光制导信号的分选.(本文来源于《微电子学与计算机》期刊2019年12期）
赵淑欢,万品哲,郭昌隆[5]（2019）在《深度稀疏自编码网络融合多LBP特征用于单样本人脸识别》一文中研究指出单样本人脸识别的关键在于充分挖掘单样本判别性信息,采用深度稀疏自编码网络与空频域多LBP特征融合进行特征提取。首先利用部分样本训练深度稀疏自编码网络,利用训练好的网络分别提取训练及测试集的特征;其次,利用二维离散小波变换将时域样本变换到频域,实现样本扩展,增加单样本信息并分别提取各域上的多LBP特征;最后利用协同表示对深度自编码网络及多LBP特征进行分类识别,融合识别结果获取最终分类结果。在AR及PIE数据库上的实验结果表明,该融合算法能提高样本判别性信息的提取,提高单样本人脸识别性能。(本文来源于《物联网技术》期刊2019年11期）
毛君,郭浩,陈洪月[6]（2019）在《基于深度自编码网络的采煤机截割部减速器故障诊断》一文中研究指出为了准确诊断采煤机截割部减速器故障,提出基于深度自编码网络(Deep Auto-Encoder Networks,DAENs)的故障诊断方法。DAENs模型以减速器箱体内油位、油液杂质量、齿轮磨损量、截割部电动机工作温度、冷却水流量、冷却水压力、油中水分7个特征参数作为可视输入,通过非监督逐层贪婪学习得到更好的高层特征表示,避免人工特征提取的繁琐与不准确,增强识别过程的智能性。最后对所提出的方法进行测试,测试结果表明该方法相比于BP神经网络,收敛速度快、避免了局部最优,且诊断精度及稳定性方面优越,可以对采煤机截割部减速器的故障进行准确诊断。(本文来源于《煤炭科学技术》期刊2019年11期）
方华强,颜寒祺,陈波,程承旗[7]（2019）在《基于自编码网络的移动轨迹异常检测》一文中研究指出移动轨迹异常检测是指从一群轨迹中寻找偏离一般模式的轨迹。基于聚类的异常检测依赖成对轨迹的距离计算,其计算实时性差且异常检测准确率低。提出面向移动轨迹异常检测的自编码网络,该模型对一般模式的轨迹有鲁棒的向量化表达能力,能够重构出与原始轨迹相近的输出;而对于偏离一般模式的轨迹敏感,重构后的输出与原始轨迹的差异大。根据该差异可直接检测异常,无需计算轨迹间的距离。以出租车轨迹为研究对象,试验结果表明该模型有更高的F Score,并且在数据量较大时检测时间低于参照方法,因此在高动态、大数据量的场景具有更好的适用性。(本文来源于《地理信息世界》期刊2019年05期）
刘明军,张涵,熊浩,张煌竟,陈铁[8]（2019）在《基于稀疏自编码的过电压特征提取与分类方法》一文中研究指出随着智能电网的发展,识别和处理各种类型的过电压和故障具有越来越重要的意义。文中提出了一种基于稀疏自编码的过电压智能分类识别框架,依靠多层自编码器,实现了电力系统中实测铁磁谐振过电压波形的特征自提取,然后利用Softmax分类器完成精确分类,调节模型参数实现最优分类结果。该框架可应用到实际应用中,为建立过电压智能分类识别系统提供了一个全新的思路与方法。(本文来源于《高压电器》期刊2019年10期）
任亚婧,张宏立[9]（2019）在《融合TDA的深度自编码网络车辆目标检测》一文中研究指出针对在雪天环境下交通监控检测实时性差和准确率低的问题,提出了融合TDA的深度自编码网络车辆目标检测方法.该方法首先将监控视频帧的图像转化为点云数据;进而通过分割后提取车辆目标的点云数据并利用拓扑数据分析对车辆目标的点云数据进行处理;最后利用量化后的拓扑数据分析得到的车辆目标数据的单纯复形表示作为输入样本,对深度自编码网络进行训练,以栈式自编码结构的最后两层隐藏层作为输出构建车辆目标的特征模型,通过全连接层输入Softmax分类层做分类,使网络可以更加快速精确地对雪天环境下的目标和背景进行分类.实验结果表明,该方法能有效在雪天复杂环境下检测车辆目标并在精度以及速度上均有所提高.(本文来源于《信息与控制》期刊2019年05期）
李松江,苏瑀,王鹏,黄春雨[10]（2019）在《一种自编码组合优化的成绩预测模型》一文中研究指出针对现有成绩预测方法不能有效利用学生成绩数据本质特征的问题,提出一种自编码组合优化的成绩预测模型。该模型采用边缘降噪自编码与堆栈稀疏自编码组合优化的混合式自编码器(HSAE),从历史成绩数据与学生行为数据中,经过无监督的网络训练,学习更具鲁棒性和稀疏性的深层特征。在顶层连接BP神经网络,构成HSAE-BP神经网络模型,实现学生成绩预测。实验结果表明:所提出预测模型的预测准确率相比其他未进行特征学习的浅层预测模型都得到了较好的改善。(本文来源于《企业科技与发展》期刊2019年10期）
自编码论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
可见光图像能够充分反映场景的细节信息,红外图像能够反映目标的热度信息,利用两者的互补信息进行融合,可以得到具有目标信息和场景细节的图像.本文提出一种基于卷积自编码融合网络的红外与可见光图像融合的方法.首先利用卷积编码网络从两类源图像中提取相应特征,产生在不同维度上包含源图像各项信息的特征图;接着对两类图像的特征图利用等权重相加的融合规则将其进行融合,得到包含两类源图像信息的特征图,然后利用卷积解码网络对其进行重建,最终得到一张包含两类源图像信息的融合图像.通过对多组红外与可见光图像进行实验,实验结果证明本文提出的方法可以得到较好的融合结果.该方法的融合结果无论从主观视觉效果还是客观定量评价,都优于一些主流的红外与可见光图像融合方法.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
自编码论文参考文献
[1].冯嘉良,朱定局,廖丽华.基于多尺度空洞卷积自编码神经网络的森林烟火监测[J].计算机与数字工程.2019
[2].杨勇,刘家祥,黄淑英,张迎梅,吴嘉骅.卷积自编码融合网络的红外可见光图像融合[J].小型微型计算机系统.2019
[3].朱宝,乔俊飞.基于自编码神经网络特征提取的回声状态网络研究及过程建模应用[J].化工学报.2019
[4].解争龙,弋改珍.基于深度自编码网络的激光制导混合信号分选系统设计[J].微电子学与计算机.2019
[5].赵淑欢,万品哲,郭昌隆.深度稀疏自编码网络融合多LBP特征用于单样本人脸识别[J].物联网技术.2019
[6].毛君,郭浩,陈洪月.基于深度自编码网络的采煤机截割部减速器故障诊断[J].煤炭科学技术.2019
[7].方华强,颜寒祺,陈波,程承旗.基于自编码网络的移动轨迹异常检测[J].地理信息世界.2019
[8].刘明军,张涵,熊浩,张煌竟,陈铁.基于稀疏自编码的过电压特征提取与分类方法[J].高压电器.2019
[9].任亚婧,张宏立.融合TDA的深度自编码网络车辆目标检测[J].信息与控制.2019
[10].李松江,苏瑀,王鹏,黄春雨.一种自编码组合优化的成绩预测模型[J].企业科技与发展.2019
论文知识图
