DFS60B-TGEA00300基于VAE的編碼器DNA載體DFS60B-BEEA08192

DFS60B-BEEA08192針對目前未知工業(yè)控制網(wǎng)絡(luò)攻擊檢測方法處于初級階段,淺層次的選取特征分類導致檢測率較低的問題,提出一種稀疏自編碼-極限學習機入侵檢測模型。該文所提算法通過深度學習的稀疏自編碼器在訓練時結(jié)合編碼層的系數(shù)懲罰和重構(gòu)誤差對高維數(shù)據(jù)進行特征提取,再運用極限學習機對提取的特征進行快速有效地精準分類,使用工控入侵檢測標準數(shù)據(jù)集對算法準確性進行了驗證,通過和不同類型的入侵檢測模型進行比較。結(jié)果表明:該文方法可以有效提升入侵檢測系統(tǒng)性能,符合工業(yè)控制入侵檢測“高精度、低誤報”的要求。 是一個融合了計算機視覺和自然語言處理這兩個領(lǐng)域的研究方向,本文為圖像描述設(shè)計了一種新穎的顯著性特征提取機制(Salient Feature Extraction Mechanism,SFEM),能夠在語言模型預測每一個單詞之前快速地向語言模型提供價值的視覺特征來指導單詞預測,有效解決了現(xiàn)有方法對視覺特征選擇不準確以及時間性能不理想的問題. SFEM包含全局顯著性特征提取器和即時顯著性特征提取器這兩個部分:全局顯著性特征提取器能夠從多個局部視覺向量中提取出顯著性視覺特征,并整合這些特征到全局顯著性視覺向量中;即時顯著性特征提取器能夠根據(jù)語言模型的需要,從全局顯著性視覺向量中提取出預測每一個單詞所需的顯著性視覺特征.我們在MS COCO數(shù)據(jù)集上對SFEM進行了評估,實驗結(jié)果表明SFEM能夠顯著提升baseline生成圖像描述的準確性,并且SFEM在生成圖像描述的準確性方面明顯優(yōu)于廣泛使用的空間注意力模型,在時間性能上也大幅空間注意力模型. 循環(huán)冷卻水系統(tǒng)中冷卻供給量與工藝介質(zhì)冷卻需求量之間往往存在“大馬拉小車”現(xiàn)象,造成大量的冷卻資源浪費。為了匹配冷卻需求量與供給量,提高循環(huán)冷卻水系統(tǒng)能源利用率,給出一種基于多工藝介質(zhì)溫度目標循環(huán)冷卻水小壓差控制系統(tǒng),并將深度學習引入工藝介質(zhì)溫度預測研究中,提出了一種基于改進堆疊自動編碼器(Improved Stacked Auto Encoders,ISAE)的工藝介質(zhì)溫度預測方法。首先,對工業(yè)現(xiàn)場數(shù)據(jù)進行清洗;然后,將多個自動編碼器堆疊,構(gòu)建深度學習網(wǎng)絡(luò)結(jié)構(gòu),采用“逐層貪婪無監(jiān)督預訓練-參數(shù)微調(diào)”方法訓練網(wǎng)絡(luò)參數(shù),并基于均方根反向傳播(Root Mean Square Back Propagation,RMSProp)優(yōu)化方法對網(wǎng)絡(luò)參數(shù)進行微調(diào),減小陷入局部的概率;后,利用某化工廠歷史運行數(shù)據(jù)進行測試,與淺層神經(jīng)網(wǎng)絡(luò)、未改進的SAE方法所得結(jié)果進行比較,本文所提的ISAE方法的預測準確性高,預測的工藝介質(zhì)溫度平均百分比誤差僅為0.85%,且泛化能力優(yōu)于未改進的SAE算法。 

DFS60B-TGEA00300基于VAE的編碼器DNA載體DFS60B-BEEA08192

DFS60B-BEEA08192傳統(tǒng)子空間淺層聚類模型對于多視圖和非線性數(shù)據(jù)的聚類性能不佳。為此，提出一種基于深度自編碼器的多視圖子空間聚類網(wǎng)絡(luò)模型，通過在深度自編碼器中引入子空間聚類中的“自我表示”特性以及加權(quán)稀疏表示，提升了多視圖子空間聚類算法的學習能力。

 1064403    DFS60B-BGAA05000                                            
1064412    DFS60E-S4EB00250                                            
1064413    DFS60B-BGAA01250                                            
1064456    DFS60E-TDCK01024                                            
1064467    DFS60E-BHWA00500                                            
1064468    DFS60B-TGEA00300                                            
1064469    DFS60E-S1CC02048                                            
1064478    DKS40-R5K00020                                              
1064479    VFS60E-BDCJ00S01                                            
1064490    DBS36E-S3EP00500                                            
1064491    SFS60-HLAB0K02                                              
1064499    DFS60E-S1EK00720                                            
1064500    DFS60B-BHUB07200                                            
1064515    DBS36E-S3CK01000                                            
1064516    CFS50-AGV01X03                                              
1064520    DFS60B-BECK02048                                            
1064521    DFS60B-BECK04096                                            
1064522    DFS60B-BJEC00064                                            
1064523    AFS60B-TGAK016384                                           
1064524    AFM60B-S4AC001024                                           
1064526    AFM60A-BDPA262144