基于梯度加权类激活热力图的卷积神经网络故障诊断模型鲁棒性分析

深度学习近年来在故障诊断领域受到广泛应用,但基于深度学习的故障诊断模型缺乏工程上的物理解释性,难以保证其故障诊断结果的稳定性。以轴承为例,建立了以小波时频图像为故障诊断依据的卷积神经网络模型(convolutional neural network, CNN),提出了一种基于梯度加权类激活热力图(gradient-weighted class activation map, Grad-CAM)的网络模型鲁棒性分析方法,并利用美国凯斯西储大学(Case Western Reserve University, CWRU)轴承数据集进行验证。首先,将故障直径轴承数据以不同方式混合并训练大、小多个模型。其次,利用Grad-CAM方法,建立时频区域与故障模式之间的联系。最后,利用其他工况下的轴承故障数据,以及含噪数据进行测试,并根据结果结合模型最注重的时频区域进行分析。结果表明,基于深度学习的轴承故障诊断模型在参数较少时更加注重低频区域,并能使其具有更好的鲁棒性。     

基于词-标签概率的多标签文本分类研究

针对多标签文本分类任务中如何有效地提取文本特征和获取标签之间潜在的相关性问题,提出一种CNN(convolutional neural networks)结合Bi-LSTM (bi-directional long short-term memory)的模型.首先,通过CNN网络和最大池化提取文本的特征;然后,利用训练的Labeled-LDA(labeled latent dirichlet allocation)模型获取所有词与标签之间的词-标签概率信息;接着,使用Bi-LSTM网络和CNN网络提取当前预测文本中每个词的词-标签信息特征;最后,结合提取的文本特征,预测与当前文本相关联的标签集.实验结果表明,使用词-标签概率获取文本中词与标签之间的相关性信息,能够有效提升模型的F1值.     

基于图像去噪和图像生成的对抗样本检测方法

针对现有对抗样本检测方法存在检测准确率低和训练收敛速度慢等问题,提出一种基于图像去噪技术和图像生成技术实现的对抗样本检测方法.该检测方法将对抗样本检测问题转换为图像分类问题,无须事先得知被攻击模型的结构和参数,仅使用图像的语义信息和分类标签信息即可判定图像是否为对抗样本.首先,采用基于swin-transformer和vision-transformer实现的移动窗口式掩码自编码器去除图像中的对抗性噪声,还原图像的语义信息.然后,使用基于带有梯度惩罚的条件生成式对抗网络实现的图像生成部分根据图像分类标签信息生成图像.最后,将前两阶段输出的图像输入卷积神经网络进行分类,通过对比完成去噪的图像和生成图像的分类结果一致性判定检测图像是否为对抗样本.在MNIST、GTSRB和CIAFAR-10数据集上的实验结果表明,相比于传统检测方法,本文提出的对抗样本检测方法的平均检测准确率提高6%~36%,F1分数提高6%~37%,训练收敛耗时缩减27%~83%,存在一定优势.     

基于时空图注意力的短期电力负荷预测方法

准确的电力负荷预测对现代电力系统的安全经济运行至关重要.电力负荷预测可以表述为一个具有一定潜在空间依赖性的多变量时序预测问题.然而,大多数现有的电力负荷预测工作未能探索这种空间依赖关系.基于此,本文提出了一种基于时空图注意网络的短期电力负荷预测方法.提出一种基于时空图注意网络模块,该模块使用图注意层实现自适应的捕捉各用户间的潜在空间依赖性,同时使用门控卷积注意力层对各用户用电量在时间维度上进行自适应拟合,以提高网络的预测精度.实际数据实验表明,本文提出的模型整体预测精度提高明显,特别是在一定程度上缓解了长程预测精度恶化的问题,验证了所提方法的有效性与可行性.     

基于正弦信号调制的灵巧干扰技术

线性调频雷达在接收信号时采用脉冲压缩处理,使传统的压制式干扰在进入雷达接收机时无法获得脉冲压缩增益,从而造成干扰效果大幅下降。针对这一问题,建立了时域卷积调制的灵巧干扰信号的数学模型,根据这一模型设计了基于非完全正弦函数卷积调制的灵巧干扰信号,来实现对线性调频信号的干扰,对这一干扰信号的干扰效果进行了仿真分析。仿真结果表明:这一干扰信号可以产生假目标群来实现对一定距离单元的遮盖性干扰,并能利用脉冲压缩时旁瓣的非线性叠加覆盖真实目标回波,解决了卷积干扰信号滞后于真实目标回波的缺陷。     

基于卷积型变分原理的半解析法及其在热传导中的应用

本文基于积型变分原理提出了瞬态热传导问题的半解法,该方法在空间域内作有限元离散,在时间上用纵数表示,吸取了现有求解瞬态问题方法的优点,又克服了其缺陷,一维和二维算例结果表明。该方法进求解热传导问题的一种新型、有效的方法。     

THE TYPE OF A CLASS OF VILENKIN CONVOLUTION OPERATORS

在满足第二个数公理的零紧Ａｂｅｌ群Ｇ的空间Ｌ（Ｇ）中研究了一类Ｖｉｌｅｎｋｉｎ卷积算子的性质．该类算子包括Ｖｉｌｅｎｋｉｎ－Ｆｏｕｒｉｅｒ级数的部份和、Ｆｅｊｅｒ平均等作为特例．文中证明了这类算子是弱（１,１）型和强（ｑ,ｑ）型的,１＜ｑ＜∞．     

CPML截断2.5维问题中圆柱波导开放边界的应用

为了解决高功率微波(HPM)源模拟中圆柱波导开放边界的截断问题，研究了柱坐标系下卷积完全匹配层(CPML)吸收边界，给出了CPML中电磁场的差分方程和轴边界条件，并进行了数值验证．在不同频率和模式的激励源作用下，模拟了2．5维问题中CPML截断圆柱波导开放边界的性能，相对误差最大值都小于-90dB在2．5维电磁PIC软件中引入CPML方法，模拟计算了相对论返波管．结果表明，CPML在截断波导开放边界方面的性能远好于Mur型吸收边界条件。     

基于OpenGL的线积分卷积的实现

基于 OpenGL实现了科学计算可视化中传统的线积分卷积算法,因 OpenGL能达到的数据精度较高,此方法取得了和快速线积分卷积算法相似的效果,在矢量场可视化中仍有重要的实用价值.     

卷积积分的几种方法

卷积积分是信号与线性系统课程中的重要运算工具。本介绍卷积积分的图解法和性质法以外，又讨论了卷积积分的定义法和数值计算法。