【摘 要】
：
高频电气数据是提高电网态势感知准确度、监控水平和辅助服务质量等的数据基础之一，然而，传统重建算法难以实现高精度的数据重建。因此，文中利用改进生成式对抗网络将低频电气数据重建为高频。通过将时序数据转化为电气图像，实现神经网络方法对电气图像特征的高效提取。利用基于深层残差网络的生成器和改进的残差块结构，提高生成器的特征学习能力。此外，生成器损失函数考虑真实样本与生成样本在低维或高维特征的差别。以公开数
论文部分内容阅读
高频电气数据是提高电网态势感知准确度、监控水平和辅助服务质量等的数据基础之一，然而，传统重建算法难以实现高精度的数据重建。因此，文中利用改进生成式对抗网络将低频电气数据重建为高频。通过将时序数据转化为电气图像，实现神经网络方法对电气图像特征的高效提取。利用基于深层残差网络的生成器和改进的残差块结构，提高生成器的特征学习能力。此外，生成器损失函数考虑真实样本与生成样本在低维或高维特征的差别。以公开数据集为例进行算法验证。验证结果表明，相比于传统重建方法，所提方法具有更高的峰值信噪比、结构相似性和更低的
其他文献
镜质体反射率自动测试及煤岩显微组分智能识别需结合图像分析和深度学习算法，而图像分析一般在较大视域下采集图像，以获得全面的图像信息。本文利用蓝宝石、钇铝石榴石和钆镓石榴石3个光学各向同性的标准物质，研究煤岩显微镜光照对大视域下采集显微图像特征的影响，分别假设显微镜光源为点光源和面光源对其进行理论分析，采用基于低通滤波和顶帽变换的数字图像处理技术对非均匀光照产生的影响进行校正，并以实际样品测试结果进行
人体姿态估计通常使用高分表率表示的方法来实现对关键点的检测，但网络参数较大，运算较为复杂。首先，使用稠密连接网络（DenseNet）并进行轻量化改进，提出密集连接层，使得各层之间连接更加紧密，从而降低网络的运算参数，优化网络的运算速度；其次，在降低参数且精度保持不变的情况下，多尺度融合阶段提出上采样和反卷积模块结合的融合方式，使得输出的特征信息更加丰富，检测结果更加准确。最后，利用COCO 201
2021年05月22日02时04分在青海省果洛藏族州玛多县境内发生M_(S)7.4级地震，此次玛多M_(S)7.4级地震是2008年汶川M_(S)8.0级大地震之后中国震级最大的一次地震，及时查明其同震地表破裂展布及特征，对于正确认识发震构造和区域防震减灾具有重要意义。根据震后现场调查，结合高分辨率卫星遥感图像的解译分析、余震数据和典型地震地表破裂的无人机低空摄影测量等结果，初步获得了此次地震6处
目前工业线缆收卷采用收排线机和人工两种方式进行，收排线机工作效率高但缺少对线缆收卷缺陷的判断与修正，因此收卷质量远低于人工方式。因此提出一种仿人识别和收卷控制的方法，对人工收卷中的观察识别和手动校正等环节进行模仿。基于模糊控制理论提出收卷控制系统，模仿人工收卷的“决策”过程，利用基于深度学习的视觉系统实现人工“观测”环节，排线横移速度的微调实现人工“校正”环节。经实验检验，多种神经网络对缺陷的识别
目的：齿痕舌分类识别是目前中医舌诊客观化的重要研究内容之一。目前齿痕舌的的识别方法上存在效率低、准确率不高的问题。方法：提出了一种基于深度学习和随机森林的齿痕舌分类方法。首先分别准备齿痕舌样本，并利用深度学习分割模型进行舌体分割；在相关中医专家的指导下对每张舌图像的齿痕进行标注；基于YoloV5深度学习算法训练齿痕检测模型；根据检测出的齿痕区域，提取相关特征构建齿痕舌特征向量；建立随机森林（Ran
本文提出一种基于散斑联合相位混合光场调制的三维重建方法。该方法基于双目立体视觉原理，在被测物体表面投射两帧散斑和三帧相移条纹图案。首先，使用采集的散斑图像进行立体匹配得到粗视差图，并通过调整条纹频率顺序解析出两组截断相位，然后通过两组相位辅助粗视差进行精确匹配，最终完成高精度的三维重建。与传统方法相比，该方法不需要相位展开，且解决了当匹配点出现在截断相位周期分界处附近时容易导致匹配错误的问题。实验
针对工业配料人工操作劳动强度大、生产效率低、安全性可靠性差等问题，提出了一种基于射频识别（radio frequency identification， RFID）定位的卸料小车自动寻仓布料系统，包括读码器、定位标尺、料位计、料位采集器、PLC控制器、通信单元等，使用无源标签设计定位标尺，RFID输出功率自适应调整，用信号强度值检测方法提高定位精度，定位数据和料位数据采集通过无线通信传输，通过PL
准直系统用于高功率激光驱动器光路自动调整，同时也是保证光束质量的主要手段，其工作原理是在准直图像处理的基础上进行反馈控制，而激光光斑与准直基准中心的识别提取是图像处理的核心。通过将蚁群算法引入到准直基准轮廓提取及光斑轮廓中，以图像灰度梯度作为信息素，提高基准和光斑的边缘提取能力，同时针对准直图像的特性对算法进行优化处理，增强系统的自适应性。
飞行动作识别是飞行训练评估和空战智能决策等多项关键技术的基础，实现飞行动作的快速高效识别具有重大意义。对此，提出一种基于神经网络符号化模型的方法，实现对基本飞行动作和复杂飞行动作高效识别。首先利用微分分割的思想对飞行参数进行切片处理，然后通过卷积神经网络(Convolutional Neural Networks，CNN)和长短期记忆神经网络(Long-Short Term Memory，LSTM
提出一种基于三维卷积神经网络对肺部计算机断层扫描图像(CT)进行肺结节自动探测及定位的方法。基于开源数据集LUNA16开展研究,对数据进行像素归一化、坐标转换等预处理,对正样本使用随机平移、旋转和翻转的方式进行扩充,对负样本进行随机采样。搭建了三维卷积神经网络并在训练过程中调整网络参数,直到得到性能最佳的网络。此外还设计了模型在肺部的三维空间中标记肺结节的方法。经测试,模型的敏感性为93.03%,