机器鱼-CSDN博客

原创 tensorflow.keras下粒子群优化BP网络初始权重用于分类模型

基于tensorflow.keras，采用粒子群算法对多层神经网络的权重实现寻优

2023-04-28 22:17:51 465 1

原创 Yolov8实例分割Tensorrt部署实战

在github发布了yolov8模型，可实现快速分类、目标检测与实例分割，采用官方yolov8s-seg.pt效果如下图所示：本文依旧对其中的实例分割模型进行加速推理实战，开发c++版本的推理代码，没有过多的文件依赖，就3个cpp程序文件，不夹带私货，可以算是最简单的推理版本了，直接上链接:Yolov8-instance-seg-tensorrt，本人环境为：cuda10.2、cudnn8.2.4、Tensorrt8.0.1.6、Opencv4.5.4。

2023-01-14 15:27:03 12943 38

原创基于Transformer的多变量风电功率预测TF2

Transformer目前大火，作为一个合格的算法搬运工自然要跟上潮流，本文基于tensorflow2框架，构建transformer模型，并将其用于多变量的风电功率负荷预测。实验结果表明，相比与传统的LSTM，该方法精度更高，缺点也很明显，该方法需要更多的数据训练效果才能超过传统方法，而且占用很高的gpu资源（测试阶段，一次性输入所有测试集数据直接会OOM，需要分批输入）

2023-01-05 15:27:56 5727 15

原创基于自注意力机制的LSTM多变量负荷预测

在之前使用长短期记忆网络构建电力负荷预测模型的基础上，将自注意力机制 (Self-Attention)融入到负荷预测模型中。具体内容是是在LSTM层后面接Self-Attention层，在加入Self-Attention后，可以将负荷数据通过加权求和的方式进行处理，对负荷特征添加注意力权重，来突出负荷的影响因数。结果表明，通过自注意力机制，可以更好的挖掘电力负荷数据的特征以及变化规律信息，提高预测模型的性能。

2023-01-01 10:49:39 4669 7

原创 Python-实战：基于白鲸BWO算法的VMD超参数优化

其灵感来源于白鲸的群体觅食行为，具有3个阶段，分别是：探索、开发、鲸落，如下。当分解数K较小时，可能导致信号分解不足，趋势项中混入其他干扰项，导致包络熵值变大。因此，将分解出的IMF中的最小的那个熵（局部包络熵）最小化时，VMD分解为最佳。因此，应用VMD对信号进行分解后，计算每个子序列的包络值，包络最小的序列为所分解序列的趋势项。那么如何去找到局部包络熵，就需要用到白鲸优化算法，当前其他的优化算法都是可以实现的。的基础上，本文利用白鲸优化算法对VMD的参数进行优化，采用python实现。

2022-12-21 14:09:30 4839 5

原创 Python的有趣用法

记录python中一些有趣的用法

2022-11-23 14:02:19 281

原创 Pytorch实战：基于鲸鱼WOA优化1DCNN的轴承故障诊断

采用1DCNN进行轴承故障诊断建模，并基于鲸鱼优化算法WOA对1DCNN的超参数进行优化，以实现更高的精度。建立一个两层的1DCNN，优化的参数包括学习率、训练次数、batchsize，卷积层1的核数量、核大小，池化层1的核大小，卷积层2的核数量、核大小，池化层2的核大小，全连接层1、全连接层2的节点数，总共11个超参数。

2022-11-11 08:27:34 4684 1

原创 Yolov5旋转框(斜框)检测tensorrt部署(C++)从入门到入坟

本博客将从标图到最终采用tensorrt部署(用于斜框目标检测的yolov5框架)，一步一步手把手教你如何成为一个合格的算法搬运工。

2022-11-10 11:30:42 12917 55

原创 MATLAB实战：人工大猩猩部队GTO优化共振稀疏分解RSSD超参数

共振稀疏分解是振动信号中脉冲成分提取的方法。与基于频率的信号处理方法不同，该方法同时参考频率和带宽两个因素，从而在分离信号不同成分的过程中能够很好处理信号不同成分的重叠问题。然而共振稀疏分解的分解效果受到品质因子Q、权重系数A以及拉格朗日乘子mu的主观选择影响。针对共振稀疏分解RSSD在振动信号分解过程中，分解效果受到多参数随机选择影响的缺陷，提出基于人工大猩猩部队优化算法的共振稀疏分解超参数优化算法，运用最小化相关峭度指标来作为适应度函数。

2022-11-10 08:14:38 1424 2

原创 Python-实战：基于鲸鱼WOA的VMD超参数优化

在VMD--变分模态分解的使用中，他的k和alpha对分解结果影响很大，大量文章对这两个参数进行了优化选择，比如通过分析模态的fft频谱，有通过优化算法的优化选择，网上也有少量matlab案例，但python的基本上没有，针对这个，本人写了一个python版本的。

2022-11-09 08:34:41 6189 5

原创 Yolov5实例分割Tensorrt部署实战

基于ultralytics最新发布的yolov5，6.2版本，本文对其中的实例分割模型，采用cpp与tensorrt加速推理

2022-11-09 00:22:46 6396 14

原创 BBAVectors斜框检测网络更换轻量型主干网络

本文将会手把手教会帅比看官如何更换BBAVectors斜框检测模型骨干网络。本博客假设各位看官帅比已经能利用BBAVectors训练自己的数据，但是不知道如何更换其主干网络。原始代码中采用的resnet101做为骨干网络，这个网络训练的时候对资源要求较高，那么如何换为更轻量的resnet18、mobilnet呢？

2022-10-27 21:42:47 949 1

原创 Tensorrt部署BBAVectors从入门到入坟

本博客将从标图到最终采用tensorrt部署BBAVectors，一步一步手把手教你如何成为一个合格的算法搬运工

2022-10-26 21:42:16 1882 9

原创麻雀优化CNN超参数用于回归MATLAB

MATLAB采用麻雀优化算法优化CNN超参数用于回归预测

2022-10-26 19:58:12 3468 3

原创 Pytorch基于小波时频图与SwinTransformer的轴承故障诊断

基于小波时频图与当前火热的swintransformer进行轴承故障诊断

2022-09-12 10:14:40 6497 3

原创 MATLAB人工大猩猩部队GTO优化CNN-LSTM用于多变量负荷预测

基于MATLAB2020b的深度学习框架，提出了一种基于CNN-LSTM的多变量电力负荷预测方法，该方法将历史负荷与气象数据作为输入，输出一天96个时刻负荷值，建模学习特征内部动态变化规律，即多变量输入多输出模型。同时，针对该模型超参数选择困难的问题，提出利用人工大猩猩部队GTO算法实现该模型超参数的优化选择。

2022-09-09 16:27:20 3224 1

原创 Opencv根据USB摄像头PID\VID号，获取对应摄像头索引

1.引言电脑插多个USB摄像头时，当插拔或者开机之后，Opencv对应的摄像头索引会发生改变，导致Opencv打开摄像头会开错，比如笔记本自带一个摄像头，插上一个USB摄像头时，有时自带的摄像头索引是0，有时是1。十分困扰，因此本文通过获取摄像头设备的VID与PID号（这两个号是出厂自带的，不会发生改变），获取对应的Opencv索引值，打开摄像头。为了方便使用，本人将其导出动态库文件，并采用C++或Python调用该动态库。2.C++程序导出动态库windows下获取所有摄像头VIDPID，及其

2022-05-09 15:36:19 9616 2

原创基于EMD-HHT包络谱与堆栈降噪自编码SDAE轴承故障诊断

0.引言针对滚动轴承故障问题，提出一种基于经验模态分解–希尔伯特(empirical mode decomposition-Hilbert ，简称EMD-Hilbert)包络谱和堆栈自动编码器(Stack denoise auto-encoder，简称SDAE)的滚动轴承故障识别方法。该方法首先对滚动轴承各状态振动信号进行 EMD，然后选取前5个敏感本征模态函数 (intrinsic mode function，IMF)，并对其进行 Hilbert 变换求取包络谱。最后将各状态振动信号的...

2022-03-12 16:31:55 3753 8

原创基于鲸鱼优化深度混合核极限学习机的故障诊断方法

目录1-算法原理1.1 深度核极限学习1.2 深度混合核极限学习机1.3问题引出2-应用2.1 数据准备2.2 数据处理2.3 DHKELM分类2.4 WOA-DHKELM分类3-还有更多在博客（这里）里我们讲述了粒子群优化深度核极限学习机，今天我们继续对其进行改进：原始的深度核极限学习机顶层采用核极限学习机进行分类，现在我们将其改成混合核的极限学习机（线性核、RBF、多项式、小波核两两组合），因为应用了多个核函数，相比于之前的超参数更多，手工调参较为困难..

2022-03-12 12:07:00 5088 1

转载 PCA-LPP的MATLB实现

PCA-LPP代码实现文章目录PCA-LPP代码实现0.引言1.原理1.1 PCA目标函数1.2 LPP目标函数1.3 PCA-LPP原理2.方案验证3.结论0.引言提出集合主成分分析与局部保持嵌入的流形学习特征降维方法。该方法通过结合主成分分析(PCA)与局部保持嵌入(LPP)各自优点，兼具最大化保留数据的全局结构特性与局部结构特性，更利于提取原始数据集中的低维流行有效信息。最后，采用UCI数据集进行降维可视化分析。1.原理1.1 PCA目标函数 PCA的核心是通过投影矩阵A将高维数

2021-10-08 19:50:26 744 2

转载 KPCA-KLPP的MATLAB实现

KPCA-KLPP代码实现文章目录KPCA-KLPP代码实现0.引言1.原理1.1 KPCA目标函数1.2 KLPP目标函数1.3 KPCA-KLPP原理2.方案验证3.结论0.引言传统基于核主成分分析 (Kernel principal component analysis, KPCA) 的数据降维方法在提取有效特征信息时只考虑全局结构保持而未考虑样本间的局部近邻结构保持问题, 本文提出一种改进全局结构保持算法的特征提取与降维方法，改进的特征提取与降维方法将流形学习中核局部结构保持 (Kern

2021-10-08 19:49:38 1706

转载正交KPCAKLPP的MATLAB实现

正交KPCAKLPP代码实现文章目录正交KPCAKLPP代码实现0.引言1.原理1.1 KPCA目标函数1.2 KLPP目标函数1.3 CVKPCAKLPP原理2.方案验证3.结论0.引言传统基于核主成分分析 (Kernel principal component analysis, KPCA) 的数据降维方法在提取有效特征信息时只考虑全局结构保持而未考虑样本间的局部近邻结构保持问题, 本文提出一种改进全局结构保持算法的特征提取与降维方法，改进的特征提取与降维方法将流形学习中核局部结构保持 (K

2021-10-08 19:48:33 667 1

转载正交PCALPP的MATLAB实现

正交PCALPP代码实现文章目录正交PCALPP代码实现0.引言1.原理1.1 PCA目标函数1.2 LPP目标函数1.3 CVPCALPP原理2.方案验证3.结论0.引言传统基于主成分分析 (Principal component analysis, PCA) 的数据降维方法在提取有效特征信息时只考虑全局结构保持而未考虑样本间的局部近邻结构保持问题, 本文提出一种改进全局结构保持算法的特征提取与降维方法，改进的特征提取与降维方法将流形学习中局部结构保持 ( Locality preservin

2021-10-08 19:46:33 1098

原创 MATLAB麻雀优化CNN超参数分类

在CNN分类器模型的构建中，涉及到特别多的超参数，比如：学习率、训练次数、batchsize、各个卷积层的卷积核大小与卷积核数量（feature map数），全连接层的节点数等。直接选择的话，很难选到一组满意的参数，因此可以用优化算法进行超参数优化，虽然过程比较慢，但是总比自己无脑试的效果好。基于此思想，本文采用麻雀优化算法，对CNN上述9个超参数进行优化。1，麻雀优化算法原理麻雀优化是2020年提出来得，具体原理：原理点这里2、麻雀优化CNN的...

2021-07-26 00:07:02 7292 24

原创 Python的遗传算法GA优化深度置信网络DBN超参数回归预测

DBN超参数众多，包括隐含层层数、各层节点数、无监督预训练阶段的训练次数及其学习率、微调阶段的训练次数及其学习率、与Batchsize，如果采用SGD相关优化器，还有动量项这个超参数。总之就是特别多，手动选择的话很难选到最佳超参数组合，为此采用遗传算法对上述超参数进行优化。之前写过MATLAB版本的DBN超参数优化，今天这个是python/torch版本的DBN超参数优化。具体运行环境python36、torch1.2。话不多说，直接上结果。数据结构是...

2021-07-22 11:41:27 7398 19

原创 Window10手把手带你YOLOV5的火焰烟雾检测+tensorrt量化加速+C++动态库打包

0.引言本人配置：win10，python3.6、 torch1.7+cu110 、cuda11.0、 cudnn8.0.4.30、TensorRT-7.2.3.4、 vs2019，cmake3.15.5整篇博客包括以下几个方面1）基于python的yolov5实现火焰烟雾模型的训练 2）将训练好的模型转为tensorrt所需要的engine文件 3）基于c++实现模型推理与动态库打包1.yolov5模型训...

2021-07-14 11:55:49 6206 11

原创基于布谷鸟优化LSTM的短时电力负荷预测

短期电力负荷预测是电力系统安全调度、经济运行的重要依据 , 随着电力系统的市场化 , 负荷预测的精度直接影响到电力系统运行的可靠性、经济性和供电质量。LSTM 为短期电力负荷预测提供了一个新的研究方向。本文将LSTM用于短期电力负荷预测 , 提出基于LSTM的短期电力负荷预测模型 , 同时建立布谷鸟算法模型对 LSTM进行参数优化以提高预测精度, 并以浙江某地区的历史负荷数据和气象数据为例进行验证 , 实例验证表明 , CS-LSTM 模型的预测效果明显提高。布谷鸟搜索（Cu...

2021-07-13 11:57:27 11513 43

原创基于粒子群优化深度核极限学习机的故障诊断方法

在博客（https://blog.csdn.net/qq_41043389/article/details/100089826）里我们讲述了深度极限学习机，今天我们对其进行改进：原始的深度极限学习机顶层采用极限学习机进行分类，我们将其改成核极限学习机，因为应用了核函数，将低维非线性不可分的数据特征映射到高维线性可分，因此能够划分的更加精准。其主要步骤如下：步骤1：利用极限学习机与自动编码器相结合，形成极限学习机-自动编码器(ELM-AE)，结构如图1，将ELM-AE作为无监督学习的基础单元对输入数据

2021-07-13 10:58:49 3051 4

原创贝叶斯优化混合核极限学习机回归预测

目前人工智能和深度学习越趋普及，构建一个回归或者分类模型十分容易，但是想要得到更好的精度却较为困难，其主要原因是模型超参数的选择。那么要想模型效果好，手动调参少不了，机器学习算法如SVM就有gamma、kernel、ceof等超参数要调，而神经网络模型有learning_rate、optimizer、L1/L2 normalization等更多超参数可以调优。目前大多数关于超参数选择的文献主要采用一些自动调参算法进行优化，比如Grid search（网格搜索）、Random search（随机搜索），还有.

2021-06-20 19:02:05 3532 2

原创鲸鱼WOA优化注意力机制的BiLSTM用于负荷预测

本文提出基于注意力机制的双向LSTM用于负荷预测，简称BiLSTM-Attention，提出了一种基于 Attention 机制的BiLSTM短期电力负荷预测方法，该方法将历史负荷数据作为输入，建模学习特征内部动态变化规律，并引入Attention 机制通过映射加权和学习参数矩阵赋予Bilstm隐含状态不同的权重，减少历史信息的丢失并加强重要信息的影响，简称BiLSTM-Attention短期负荷预测模型。同时，针对该模型超参数选择困难的问题，提出利用ssa算法实现该模型超参数的优化选择。简单的介.

2021-06-04 14:29:54 8037 31

原创基于麻雀搜索算法优化深度置信网络的分类方法（SSA-DBN）

随着装备日趋复杂化，依靠专家经验或信号处理技术人工提取和选择故障特征变得越来越困难。此外，以 BP 神经网络、SVM为代表的浅层模型难以表征被测信号与装备健康状况之间复杂的映射关系，且面临维数灾难等问题。结合深度置信网络（DBN）在提取特征和处理高维、非线性数据等方面的优势，提出一种基于深度置信网络的故障诊断方法。该方法通过深度学习利用原始时域信号的傅里叶频谱（FFT）训练深度置信网络并完成智能诊断，其优势在于能够摆脱对大量信号处理技术与诊断经验的依赖，完成故障特征的自适应提取与健康状况的智...

2021-06-04 13:19:57 10988 21

原创基于注意力机制的 CNN-BiGRU 短期电力负荷预测方法

提出了一种基于 Attention 机制的卷积神经网络(convolutional neural network，CNN)-GRU (gated recurrent unit)短期电力负荷预测方法，该方法将历史负荷数据作为输入，搭建由一维卷积层和池化层等组成的 CNN 架构，提取反映负荷复杂动态变化的高维特征；将所提特征向量构造为时间序列形式作为 GRU 网络的输入，建模学习特征内部动态变化规律，并引入 Attention 机制通过映射加权和学习参数矩阵赋予 GRU 隐含

2021-06-03 11:04:48 15423 15

原创基于MATLAB的深度自动编码器的无监督轴承异常检测

基于MATLAB的DeepLearnToolbox工具箱（https://github.com/rasmusbergpalm/DeepLearnToolbox），本文在此基础上改成深度自动编码器用于无监督学习，即含有多个隐含层的自动编码器，其输入=输出，简称DAE。后续将其用于轴承故障的异常检测中。1.相关原理图1 DAE初始化示意图对于一个含n个隐含层的DAE，训练时分为预训练与微调两个阶段。预训练阶段时，相邻两层可以通过采用一个单隐层的自动编码器(AE)进...

2021-05-23 12:52:45 3504 10

原创基于贝叶斯优化混合核支持向量机的回归方法

2021-05-21 11:40:25 2924 4

原创基于小波时频图与MLP-Mixer的轴承故障诊断

特征提取部分用到了matlab时频图变换工具箱，故障诊断采用新出的MLP-Mixer分类,这一部分用的是pytorch1.6 传统轴承故障诊断是采用各种特征提取方法对一维轴承信号进行特征提取，如HHT包络谱，FFT频谱，小波能量谱等，变换后的特征依旧是一维数据。本文采用小波时频图将一维轴承信号转换为2维（3通道真彩图）的时频图，然后以60*60*3作为MLP-Mixer的输入实现故障诊断分类，测试集精度有99.5%。 1，数据准备采用西储大学轴承故障诊断数...

2021-05-21 07:26:14 2785 3

原创基于小波时频图与VIT vision transformer的轴承故障诊断

特征提取部分用到了matlab时频图变换工具箱，故障诊断采用Google 新出的MLP-Mixer 分类,这一部分用的是pytorch1.6 传统轴承故障诊断是采用各种特征提取方法对一维轴承信号进行特征提取，如HHT包络谱，FFT频谱，小波能量谱等，变换后的特征依旧是一维数据。本文采用小波时频图将一维轴承信号转换为2维（3通道真彩图）的时频图，然后以60*60*3作为CNN的输入实现故障诊断分类，测试集精度有99.5%。 1，数据准备采用西储大......

2021-05-20 17:16:39 6466 10

原创基于同步挤压小波降噪与贝叶斯优化长短时记忆网络的时间序列预测

长短时记忆网络LSTM在针对短时时间序列预测问题上近来年受到大家的关注，但由于该方法为深度学习方法，通常面临着众多超参数的影响，而众所周知，关于深度学习超参数的设置并没有一直明确的指导方针，大多采用经验方法，比如学习率1e-3,1e-4啥的，迭代次数根据loss曲线的变化等进行设置，这种方法说简单的就是无限尝试，找到效果比较好的一组，耗时耗力。为此，本文将采用贝叶斯框架对 LSTM进行参数优化 , 同时采用同步挤压小波SWT对原始数据进行滤波降噪，并采用降噪会的数据进行建模，最后用实例验证...

2021-02-24 14:19:52 2058 2

原创基于同步挤压小波降噪与改进麻雀优化长短时记忆网络的时间序列预测

长短时记忆网络LSTM在针对短时时间序列预测问题上近来年受到大家的关注，但由于该方法为深度学习方法，通常面临着众多超参数的影响，而众所周知，关于深度学习超参数的设置并没有一直明确的指导方针，大多采用经验方法，比如学习率1e-3,1e-4啥的，迭代次数根据loss曲线的变化等进行设置，这种方法说简单的就是无限尝试，找到效果比较好的一组，耗时耗力。为此，本文将采用改进的麻雀搜索算法ISSA对 LSTM进行参数优化 , 并用实例验证表明 , ISSA-LSTM 模型的预测效果。 ...

2021-01-28 11:02:36 5086 9

原创手把手实现MATLAB的CNN回归

基于MATLAB的深度学习工具箱（推荐2018以上），实现CNN回归。网上的例子比较少，这里简单的说一下传统的多输入单输出怎么做。手把手的教（PS:MATLAB自带一个回归教程，竟然还是有学生不知道对照着写）1、首先加载数据与数据集划分clc;clear;close allload datan=700;train_x=input(:,1:n);train_y=output(:,1:n);test_x=input(:,n+1:end);test_y=output(:,n+1:end

2020-11-08 00:13:14 32962 86

原创麻雀SSA优化深度极限学习机用于回归

原理1：深度极限学习机也叫多层极限学习机ML-ELM，其首先采用多个极限学习机-自动编码器(ELM-AE)进行无监督预训练，然后利用各ELM-AE的输出权重用于初始化整个DELM。相比于其他深度方法，DELM具有训练速度快的优点，但是ELM-AE在预训练的过程中，输入层权重与偏置是随机产生的正交随机矩阵；同时，ELM-AE无监督预训练过程中采用最小二乘法更新参数，但只有输出层权重参数会更新，而输入层权重与偏置是不进行更新的，这就导致了最终DELM的效果受各ELM-AE的随机...

2020-10-03 22:03:04 8817 18