- 博客(48)
- 收藏
- 关注
原创 卷积神经网络特征可视化存在的难点是什么?
而单独对于“Cat”这一动物,实现的不同品种猫的细粒度图像分类,受限于分类网络自身准确性,可视化方法很难找到用于区分目标的细节特征,此时的解释效果非常有限,甚至对于不同的目标可视化效果始终相同。理论上看,一个完备可靠的解释可以使用户从中推理并得到被解释的预测结果,而目前的可视化方法仍不具备这一能力,仅能从预测结果中得到解释结果,而无法根据解释来推断出模型的预测,即两者之间的相互印证关系没有被建立起来。如果可以从“可解释性”的概念出发,统一数个可解释性的标准,那么对于可视化结果的评估也就有了依据。
2023-08-04 23:49:46
184
原创 深度学习模型特征可视化的应用有哪些?
表征可视化方法常用于对基于CNN的图像分类器的解释,例如AM方法用于可视化网络对输入图像的偏好, 从另一种角度揭示了网络对何种输入模式的依赖性较强。注意力掩码能够告诉设计者网络的关注点,这使其自身具有一定的可解释特性,因此基于注意力掩码的可视化方法不仅可以验证注意力机制自身的有效性, 也常用于观察网络的训练效果。此外, 表征可视化方法也可以应用在其他类型的数据,例如CAM这类方法具有较好的类别区分性, 能够用来确定与特定输出类别相关联的图像区域, 可在视觉问答模型中帮助定位与问题最相关的图像区域。
2023-08-04 22:35:57
211
原创 如何对深度学习模型可视化效果进行评估?
指向游戏只考虑热力图的最大值点, 无需突出特定目标的全部区域, 仅需对热力图最少量的后处理, 这样对不同特点的热力图更公平。视觉可分辨性对应于可视化方法的类别区分性特点, 用于评估热力图能否针对特定类别进行可视化, 以定位仅与该类别其相关的区域和特征。此外, 解释结果的客观性也应作为一种评价可视化方法有效性的标准,即解释结果是否真实的反映了模型的决策依据, 而非按照“预期”寻找到了人类所希望的决策依据。定量评估方法按照某种得分规则, 计算数据集上所有图像的可视化结果的平均得分, 从而定量比较各方法的优劣。
2023-08-04 19:32:12
270
原创 时间序列数据增强方法
基于RNN,用可学习的嵌入网络降低对抗学习空间的维度,引入监督学习让模型学习到每一时刻的条件分布。翻转、缩放、窗口规整、时间镜像、下采样、窗口切片、在时间域或频率域添加噪声等。使用一维卷积的 CGAN,条件输入是时间戳,时间戳可以是间隔不等的。将序列分解为不同成分,再为不同成分分配权重,组合新的时间序列。生成器和判别器都使用RNN,将每一时刻的音乐特征化为连续值。在时间-频率域的频谱上操作,包含时间规整/掩蔽、频域掩蔽。生成器使用多层RNN,判别器使用简单的多层感知机。混合不同强度且有时间差的声音序列。
2023-08-03 17:45:50
1011
原创 MATLAB环境下不同激活函数对深度信念网络故障诊断分类性能的影响
整个训练流程大体上可区分为以下两个主要部分:首先是预训练,主要是通过无监督的学习方式逐步的遍历RBM的每一级,对各层级神经网络的主要参数进行系数初始化,第二步是参数微调,利用反向传播的算法可以对整个神经网络中的参数进行微调。每个RBM的训练只会优化层内参数,要想使网络每个模型结构中的网络参数都达到全局最优化,还就必须要通过采用DNN、SVM算法或BP算法等来进行对网络参数的进行动态微调,实现网络全局的最优化的效果,使经过微调处理后得到的所有网络参数都成为了每个模型网络参数的最优参数。
2023-08-02 17:20:17
51
1
原创 MATLAB环境下基于神经网络的股票价格预测
1970年,诺贝尔经济学奖得主Fama提出了有效市场假说,该理论认为投资者都是理性的,在法律健全、功能良好、透明度高、竞争充分的证券市场中,一切有价值的信息已经及时、准确、充分地反映在股价走势之中。因此根据这一理论,股票价格是不可预测的,任何分析方法都不能有效地预知价格的趋势。1959年,Osborne以物理学的布朗运动原理作为研究视角提出了随机漫步理论,该理论认为股票价格形成是市场对随机到来的事件信息作出的反应,股票价格的变化类似于“布朗运动”,具有随机漫步的特点,其变动路径没有任何规律可循。
2023-08-02 16:15:56
158
1
原创 MATLAB环境下基于线性回归的快速充电锂离子电池剩余循环寿命预测
在过去的几十年中,众多研究人员已经开发了许多方法和技术来预测锂电池的RUL,这些方法大致可分为基于模型的方法和基于数据驱动的方法。还可以通过电化学模型研究锂电池的退化规律,来实现RUL的预测,但电化学模型参数难以估计,且模型受到多种因素的影响,例如电池状态和外部环境等。基于模型的方法是透过电池的内部机理,来搭建锂电池退化模型,然后进行优化求解的一类算法。例如基于可在线实现的分数阶等效电路模型的RUL预测算法,但是这类等效电路算法模型复杂,且是基于特定的测试条件和电池构造的模型,因此适应性较差。
2023-08-02 15:51:43
509
1
原创 MATLAB环境下基于指数退化模型的风力发电机轴承剩余使用寿命预测
基于模型的RUL预测方法很大程度上依赖于专家知识和人为经验,建立的预测模型通常具有较弱的泛化能力。同时在复杂的机械系统中,滚动轴承的性能退化机理较为复杂,很难建立准确的机理模型。而数据 驱动的RUL预测方法利用深度学习技术,从获取的设备数据中探索机械部件的退化过程,并构建神经网络来实现设备故障诊断或寿命预测,因此,数据驱动的 滚动轴承RUL预测方法更适用于复杂的机械系统。目前,关于滚动轴承的剩余使用寿命预测RUL预测方法可分两大类,即: 基于模型的RUL预测方法和基于数据驱动的RUL预测方法。
2023-08-02 15:22:13
681
1
原创 Python环境下基于机器学习的NASA涡轮风扇发动机剩余使用寿命RUL预测
Python环境下基于机器学习的NASA涡轮风扇发动机剩余使用寿命RUL预测
2023-08-02 11:40:19
379
1
原创 Python环境下基于VMD-Attention-LSTM模型收盘价预测深度学习模型
Python环境下基于VMD-Attention-LSTM模型收盘价预测深度学习模型
2023-08-02 09:20:14
635
5
原创 等变神经网络(equivariant neural network)相关论文
等变神经网络(equivariant neural network)相关论文
2023-08-01 13:10:03
483
原创 高阶神经网络(High-Order Neural Networks)的相关论文
高阶神经网络(High-Order Neural Networks)的相关论文
2023-07-30 16:44:38
60
原创 MATLAB环境下基于粒子群优化的LSTM网络预测
传统的RNN模型的有效信息与预测点相隔较远所以信息的持久性低,而LSTM时间序列模型有效地解决了这个问题。LSTM模型的核心主要由记忆元组和非线性的门单元这两个组成,其中记忆元组用于保持系统的状态,非线性的门单元用于在每一个时间点调节流入和流出记忆元组的信息。种群规模、学习率、迭代次数、维度等是选取最优效果的变量,通过不断更新粒子的速度,位置从而得到最优的模型参数。PSO优化神经网络的实质是利用粒子群算法找出最适合的惯性因子与权重,并将最合适参数赋给LSTM神经网络。(3)找到粒子及粒子群的最佳位置。
2023-07-18 06:27:16
108
1
原创 MATLAB环境下可视化卷积神经网络CNN的激活图
在某些领域中,“黑盒”特性可能无关紧要,但是在对可信度要求较高的领域中,如智能医疗诊断、无人驾驶、地震资料解释等领域,提供可解释的模型,来保证使用时的安全非常重要, 人们希望能够让模型的决策可以解释以确保其可靠性,如在医疗诊断的过程中,病人希望计算机的诊断是有充分理由的;而深度学习方法的隐层结构实现了对输入的图像、声音、文字等各类型数据从低级到高级的特征自动提取。现有的很多机器学习方法都属于浅层结构算法,相对于浅层结构的学习算法,深度学习对于复杂的问题有着更强大的泛化能力,能更好的逼近复杂函数。
2023-07-17 16:33:00
181
1
原创 Python环境下基于小波变换和机器学习的地震信号处理和识别
地震信号识别是判定地震类型的首要工作。 近年来,地震信号自动识别问题多集中在天然地 震与人工爆破的识别上,主要从信号时频分析、震相和波形特征等角度展开研究,基于大量数据的经验总结,可以实现较好的地震信号分类效果。 然而我国东部经济发达地区不仅地震偏少、震级偏小,而且存在人工爆破、塌陷等干扰,在样本量较小的情况下,需要进一步研究有效的地震识别方法,力求解决其他方法存在的样本库过大和局部地区样本不足的问题,提高地震监测、震后应急与地震科学研究的效率。
2023-07-17 14:30:16
639
1
原创 MATLAB环境下使用同态滤波方法进行医学图像增强
目前图像增强技术主要分为基于空间域和基于频率域2大方面,基于空间域图像增强的方法包括了直方图均衡化方法和Retinex方法等,基于频率域的方法包括同态滤波方法。
2023-07-17 13:06:16
347
1
原创 基于时间序列分解(信号处理)的深度学习预测有意义嘛?信号分解方法在工程中有什么应用?
基于时间序列分解(信号处理)的深度学习预测有意义嘛?信号分解方法在工程中有什么应用?
2023-07-15 08:08:16
395
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人