作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对不平衡数据集的在线监测与诊断问题,提出一种基于深度卷积生成对抗网络的算法模型.通过生成器与判别器之间的不断对抗,实现对数据训练网络参数的调整和优化,并得到近似分布数据,用以矫正数据集的不平衡性.利用深度卷积网络的转置卷积层替代池化层,在检测空间内实现上下同步采样,同时避免反复选择数据训练层参数而带来高成本计算.生成器的损失函数降低了生成数据与真实数据之间的差距.仿真实验结果显示,提出的算法具有较强的不平衡数据训练能力、分类能力和故障诊断性能.
推荐文章
基于生成对抗网络的乳腺癌组织病理图像样本均衡化
机器学习
样本均衡化
生成对抗网络
组织切片
数据增强
基于差分孪生卷积神经网络的大规模不平衡数据分类算法
深度学习
数据分类
不平衡数据集
卷积神经网络
深度神经网络
孪生神经网络
基于条件深度卷积生成对抗网络的图像识别方法
生成对抗网络
卷积神经网络
条件模型
特征提取
图像识别
基于深度卷积生成对抗网络的图像识别算法
生成对抗网络
深度卷积
特征提取
计算机视觉
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于深度卷积生成对抗网络的不平衡大数据监测与诊断
来源期刊 重庆科技学院学报(自然科学版) 学科 工学
关键词 深度卷积 生成对抗网络 不平衡大数据 损失函数
年,卷(期) 2022,(1) 所属期刊栏目 计算机与自动化技术
研究方向 页码范围 99-103
页数 5页 分类号 TP311
字数 语种 中文
DOI 10.3969/j.issn.1673-1980.2022.01.019
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2022(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
深度卷积
生成对抗网络
不平衡大数据
损失函数
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
重庆科技学院学报(自然科学版)
双月刊
1673-1980
50-1174/N
大16开
重庆大学城
1995
chi
出版文献量(篇)
4247
总下载数(次)
8
总被引数(次)
13371
论文1v1指导