受限玻尔兹曼机
受限玻尔兹曼机的相关文献在2007年到2022年内共计259篇,主要集中在自动化技术、计算机技术、无线电电子学、电信技术、电工技术
等领域,其中期刊论文188篇、会议论文4篇、专利文献2493262篇;相关期刊124种,包括电子学报、电子与信息学报、现代电子技术等;
相关会议4种,包括2016中国计算机辅助设计与图形学会大会、第十九届网络新技术与应用年会、2016年第27届中国过程控制会议 等;受限玻尔兹曼机的相关文献由718位作者贡献,包括刘凯、杨杰、尹宝才等。
受限玻尔兹曼机—发文量
专利文献>
论文:2493262篇
占比:99.99%
总计:2493454篇
受限玻尔兹曼机
-研究学者
- 刘凯
- 杨杰
- 尹宝才
- 张立民
- 凌震华
- 孔德慧
- 戴礼荣
- 李敬华
- 王立春
- 田鹏宇
- 史明哲
- 吴国栋
- 孙庆强
- 宋执环
- 葛志强
- 陈凌辉
- 万开方
- 乔俊飞
- 刘洋
- 吴琼
- 李宏伟
- 李梦雅
- 李正权
- 李飞
- 林媛
- 桂小林
- 毛勇华
- 汪西莉
- 沈卉卉
- 沈学利
- 熊庆宇
- 王健
- 王适之
- 赵力
- 赵博
- 高晓光
- 黄志良
- 丁世飞
- 丁军
- 代兆胜
- 余华
- 余星
- 余春艳
- 冉冉
- 刘仁义
- 刘侍刚
- 刘冬兰
- 刘利娟
- 刘国亮
- 刘惠义
-
-
罗鸿宇
-
-
摘要:
医疗建筑施工轴承出现故障,会影响设备正常运行,导致施工速度降低,为此提出基于受限玻尔兹曼机的医疗建筑施工轴承故障定位技术,利用受限玻尔兹曼机中隐含层单元以及可视单元,计算轴承的观察数据和观测轴承变量之间依赖的特性,确认轴承是否出现故障,再计算滚道和滚动体的局部缺陷位置,得出整体故障的频率,同时分别计算外圈、内圈以及滚动体故障的特征频率,最后采用自相关的函数区分故障信号种类,完成故障区域精准定位。实验结果表明,所提方法定位精度高、计算量小,不会随着定位数据增加导致定位精度降低。
-
-
-
杨晨;
刘心声
-
-
摘要:
神经元通过尖峰模式传递有关刺激的信息,多个神经元通过突触相互联系,构成了复杂的神经回路。在过去的一个世纪中,多电极记录技术的进步使科学家们能够获取一个完整神经回路的细胞响应。这些记录表明,神经元的活动之间存在显著相关性。因此,本文提出利用受限玻尔兹曼机模型描述神经元响应活动之间的相关性,建立神经元群体响应的编码模型,并利用贝叶斯定理构建了基于受限玻尔兹曼机模型的解码器,将它应用于模拟的小鼠视觉皮层神经元的响应序列中。实验结果表明,此解码器在准确率方面优于不考虑神经元之间相关性的独立模型解码器。
-
-
胡铭菲;
左信;
刘建伟
-
-
摘要:
通过学习可观测数据的概率密度而随机生成样本的生成模型在近年来受到人们的广泛关注,网络结构中包含多个隐藏层的深度生成式模型以更出色的生成能力成为研究热点,深度生成模型在计算机视觉、密度估计、自然语言和语音识别、半监督学习等领域得到成功应用,并给无监督学习提供了良好的范式.本文根据深度生成模型处理似然函数的不同方法将模型分为三类:第一类方法是近似方法,包括采用抽样方法近似计算似然函数的受限玻尔兹曼机(Restricted Boltzmann machine,RBM)和以受限玻尔兹曼机为基础模块的深度置信网络(Deep belief network,DBN)、深度玻尔兹曼机(Deep Boltzmann machines,DBM)和亥姆霍兹机,与之对应的另一种模型是直接优化似然函数变分下界的变分自编码器以及其重要的改进模型,包括重要性加权自编码和可用于半监督学习的深度辅助深度模型;第二类方法是避开求极大似然过程的隐式方法,其代表模型是通过生成器和判别器之间的对抗行为来优化模型参数从而巧妙避开求解似然函数的生成对抗网络以及重要的改进模型,包括WGAN、深度卷积生成对抗网络和当前最顶级的深度生成模型BigGAN;第三类方法是对似然函数进行适当变形的流模型和自回归模型,流模型利用可逆函数构造似然函数后直接优化模型参数,包括以NICE为基础的常规流模型、变分流模型和可逆残差网络(i-ResNet),自回归模型(NADE)将目标函数分解为条件概率乘积的形式,包括神经自回归密度估计(NADE)、像素循环神经网络(PixelRNN)、掩码自编码器(MADE)以及WaveNet等.详细描述上述模型的原理和结构以及模型变形后,阐述各个模型的研究进展和应用,最后对深度生成式模型进行展望和总结.
-
-
黄波;
杨正;
王超
-
-
摘要:
为了提高医院网络异常流量识别的精度,提出一种基于灰狼算法优化DBN的医院网络异常流量识别方法。针对DBN模型性能受权值和偏置参数的影响,运用灰狼算法对DBN模型的权值和偏置进行优化选择,将医院网络流量特征数据作为DBN模型的输入向量,网络异常流量的类型作为DBN模型的输出向量,建立GWO-DBN的医院网络异常流量识别模型。研究结果表明,GWO-DBN进行医院网络异常流量识别具有更高的准确率、检测率和更低的误报率。
-
-
方正;
丁群;
李静宇;
王孝超;
华莹;
陈燕
-
-
摘要:
为提高华北油田冀中坳陷束鹿凹陷页岩油储层压后产量预测的符合率,基于受限玻尔兹曼机(RBM)的深度置信网络学习(DBN)模型,利用压裂停泵数据获得分段裂缝半长、改造后渗透率、SRV面积等动态数据,结合测录井等静态数据和压裂规模、试采等生产数据,通过数值模拟构建动态数据库,建立了束鹿凹陷的页岩油产量预测方法。该方法在ST1H、ST2X和ST3页岩井的应用,产量符合率达到80%,预测结果合理可靠,具有一定的可行性,能够为该地区页岩油井压裂评估和方案调整提供技术指导。
-
-
石波;
于然;
朱健
-
-
摘要:
针对安全威胁情报存在来源复杂、不易理解、难以共享等问题,基于受限玻尔兹曼机实现威胁情报特征深度学习,将原始威胁情报特征从高维空间逐层向低维空间映射,构建网络空间安全威胁知识图谱.进而利用网络空间安全威胁知识图谱,结合当前上下文情境,基于事件流处理进行安全威胁路径演化和追踪溯源,精准感知网络空间安全威胁.实验验证了构建网络空间安全威胁知识图谱的可行性,并通过与传统威胁检测方法对比,验证了基于知识图谱的安全威胁感知方法更适用于对高强度安全威胁的感知.
-
-
李哲;
胡胜;
张守京;
李文
-
-
摘要:
针对纺纱生产过程影响因素多、监测维度广导致的过程波动难以分析和纱线质量难以预测的难题,课题组提出一种基于多关联参数特征子空间的纺纱质量波动预测方法。首先分析影响纱线质量的关联参数之间关系,构造能够表征纱线质量波动的特征子空间;然后构建面向特征子空间的纱线质量深度学习预测模型,实现纱线质量智能预测。通过实例进行分析,结果显示提出的方法能够有效分析纱线质量的多关联参数波动规律,并能准确对纱线质量进行预测。
-
-
程超;
武静凯;
陈梅
-
-
摘要:
针对以通信节点为基础的无线传感器网络作为物联网基础设施开始临越来越多的信息安全威胁,提出一种基于RBM特征提取和多层SVM检测的无线传感网络入侵检测方法,将收集到的高维网络数据进行特征信息提取并结合网络拓扑结构及攻击流量相似性分层检测入侵行为。实验仿真采用NSL_KDD公共入侵检测数据集,实验结果表明该模型对网络流量检测准确率为99.06%。
-
-
胡鹏翔
-
-
摘要:
传统的网络舆情监控通常采用人工或简易图片识别软件辅以自然语言理解算法进行,针对这些舆情异常检测识别方法中存在的效率较低、准确率不足及难以处理海量舆情信息等问题,文中提出一种基于自编码网络特征降维的舆情异常检测方法。该方法采用多层受限玻尔兹曼机(RBM)将原始数据中的高维、非线性数据映射至相应的低维空间。同时,还通过重构与权重微调算法将低维空间中的数据在高维空间进行最优化的高维表示,进而获得原始数据的最优低维表示,以实现数据的特征降维。最后,利用SVM算法对降维后的数据进行分类,实现对网络舆情的异常检测。实验结果表明,所提方法的网络舆情异常检测准确率以及检测率均可达到97%以上,充分验证了该方法的有效性。
-
-
-
Zhou Bing;
周兵;
Peng Shujuan;
彭淑娟;
Liu Xin;
柳欣
- 《2016中国计算机辅助设计与图形学会大会》
| 2016年
-
摘要:
针对人体运动捕获数据底层特征和高层语义之间常常存在语义鸿沟的问题,结合深度学习思想,提出一种融合受限玻尔兹曼机生成模型和判别模型的运动捕获数据语义识别算法.该算法采用双层受限玻尔兹曼机,分别对运动捕获数据进行判别性特征提取(特征提取层)和风格识别(语义判别层),首先考虑到自回归模型对时序信息具有出色的表达能力,构建一种基于单通道三元因子交互的条件限制玻尔兹曼机生成模型,用于提取运动捕捉数据的时空特征信息;然后将提取出的特征与对应的风格标签相耦合,作为语义判别层中受限玻尔兹曼机判别模型的当前帧数据层输入,进行单帧风格识别的训练;最后,在获得各帧参数的基础上,在模型顶部加入投票空间实现对运动捕捉序列的风格语义的有效识别.实验结果表明,文中算法具有良好的鲁棒性和可扩展性,能够满足多样化运动序列识别的需求,便于数据的有效重用。
-
-
WANG-Gongming;
王功明;
LI-Wenjing;
李文静;
QIAO-Junfei;
乔俊飞
- 《2016年第27届中国过程控制会议》
| 2016年
-
摘要:
针对连续型深度信念网(Continuous Deep Belief Network,CDBN)隐含层层数难以确定的问题,提出一种基于重构误差的CDBN网络深度确定方法.多个连续型受限玻尔兹曼机(Continuous Restricted BoltzmannMachine,CRBM)叠加构成CDBN,通过分析CRBM的重构误差与CDBN网络能量的相关性,设定重构误差阈值并设计网络深度决策机制,实现对CDBN隐含层层数进行自组织调整.仿真实验验证,基于重构误差的CDBN网络深度确定方法能够对CDBN的最优隐含层层数进行确定,有效提高了网络深度决策的效率.
-
-
-
-