关键词autoencoder neural network
搜索结果 - 4
- WWW深度部分多重网络嵌入
本文提出了一种新颖的深度部分多重网络嵌入方法,利用自编码器神经网络,共同的潜在子空间学习和图 Laplacian 的方法学习网络嵌入,以处理不完整的多重数据,并在节点分类,链接预测和聚类任务中展示了卓越的性能。
- 利用自编码器方法检测虚假数据注入攻击
本文提出了一种基于自动编码器神经网络的检测方法,通过训练数据依赖性有效地克服了电力系统攻击检测中固有的训练数据不平衡性,实现了对假数据注入攻击的检测,并在 IEEE 118 节点电力系统上进行了实验验证性能表现良好。
- 从数据中学习哈密顿系统
本文提出一种全数据驱动的方法,利用自编码神经网络组件估计哈密顿系统的相空间,通过另一个神经网络组件来逼近其哈密顿函数并在两个组件之间进行联合训练,提取了摆锤的相空间和生成哈密顿函数。
- 基于自编码器的超声默读口形与声学映射
通过对超声图像训练自编码神经网络,将神经网络的输入特征从像素级别转移为自编码器的瓶颈层激活,以更高的效率和准确性估计语音合成所需的频谱参数。