基于生成对抗网络的无监督护层电流数据挖掘系统.pdf
Ch****75
在线预览结束,喜欢就下载吧,查找使用更方便
相关资料
基于生成对抗网络的无监督护层电流数据挖掘系统.pdf
本发明公开了一种基于生成对抗网络的无监督护层电流数据挖掘系统。其中,该挖掘系统包括:建立测试数据库并确立关联规则模型库的保护测试等,测试数据库,用于接收电流数据,并对电流数据进行挖掘处理得到目标数据;云端服务器,与测试数据库通讯连接,用于获取目标数据,并对目标数据进行备份,得到备份数据;客户端服务器,与测试数据库和云端服务器通讯连接,用于访问测试数据库和云端服务器,对测试数据库所挖掘的目标数据和云端服务器所存储的备份数据进行监控处理。本发明解决了由于电力设备与电缆的运行状态数据具有海量、复杂性以及不完整的
基于用户偏好挖掘生成对抗网络的推荐系统.docx
基于用户偏好挖掘生成对抗网络的推荐系统基于用户偏好挖掘生成对抗网络的推荐系统摘要:随着互联网的快速发展,推荐系统在人们的日常生活中起着越来越重要的作用。传统推荐系统主要通过分析用户的历史行为来预测用户的偏好,但这种方法存在一些问题,如数据稀疏性、冷启动问题等。为了克服这些问题,本文提出基于用户偏好挖掘的生成对抗网络推荐系统。通过挖掘用户对特定内容的偏好,生成对抗网络可以为用户提供更精准、个性化的推荐。1.引言推荐系统是为用户提供个性化推荐的一种信息过滤技术。从早期的基于内容推荐系统到后来的协同过滤推荐系统
基于文本对抗生成网络的无监督图像描述生成方法.pdf
本发明公开了一种基于文本对抗生成网络的无监督图像描述生成方法,其步骤包括:1、对图像数据库进行图像特征提取,对辅助文本库进行文本数据清洗;2、构建基于语言‑图像对比学习预训练模型的文本对抗生成网络;3、构造图像特征‑图像描述伪标签,并利用伪标签训练生成器进行预热;4、使用自批判的强化学习驱动的对抗学习方式训练构建的网络模型;5、使用训练好的生成网络进行推断,实现无监督的图像描述生成。本发明能充分利用语言‑图像对比学习预训练模型CLIP的能力实现图像信息的提取,并能在没有人工成对标注的情况下进行自主训练,从
基于生成对抗网络的缺陷检测数据生成、检测方法及系统.pdf
本发明公开了基于生成对抗网络的缺陷检测数据生成、检测方法及系统,该方法包括:获取目标对象的图像及缺陷标签;进而训练分类模型用于输出缺陷标签;再构建基于高斯模型组的生成对抗网络模型,并对生成器和判别器进行交替式训练。其中,生成器的第2‑N个全连接层分别连接一组高斯模型,即将每一组高斯模型采样的缺陷向量和对应高斯模型的系数乘积,与对应全连接层的权重系数进行线性运算;最后将目标对象的图像的像素网格坐标输入训练好的生成对抗网络模型,通过控制高斯模型组的系数生成各类缺陷图像。本发明通过上述方法生成大量具有用户所需缺
基于生成对抗网络的交通数据修复及生成.docx
基于生成对抗网络的交通数据修复及生成基于生成对抗网络的交通数据修复及生成摘要:交通数据对于城市交通规划、交通控制以及交通安全等方面至关重要。然而,真实的交通数据往往包含缺失、异常和噪声等问题,影响了数据的准确性和可用性。为此,本论文提出了一种基于生成对抗网络(GAN)的方法,用于交通数据的修复和生成。通过实验证明,该方法能够有效地修复缺失数据,并生成真实且具有准确性的交通数据,为进一步的交通研究提供可靠的数据支持。关键词:交通数据修复,交通数据生成,生成对抗网络,缺失数据,异常数据1.引言随着城市交通的不