2023年3月15日

Codes of electricity theft detection

摘要： Codes for paper:Simple Data Augmentation Tricks for Boosting Performance on Electricity Theft Detection Tasks The dataset can be downloaded in : https 阅读全文

posted @ 2023-03-15 04:48 南海金雕 阅读(132) 评论(0) 推荐(0)

2023年2月22日

可解释性学习LIME在图像分类中的应用

摘要： 参考文献 #加载需要的包#https://blog.csdn.net/weixin_42347070/article/details/106455763#https://lime-ml.readthedocs.io/en/latest/lime.html?highlight=explanation. 阅读全文

posted @ 2023-02-22 18:26 南海金雕 阅读(176) 评论(0) 推荐(0)

2020年4月21日

改进生成对抗网络的变压器数据增强

该文被密码保护。 阅读全文

posted @ 2020-04-21 19:18 南海金雕 阅读(0) 评论(0) 推荐(0)

2019年10月4日

以前的博客（在简书）

摘要： 这里是以前的博客，3个原因离开简书。一是因为里面太多鸡汤文，虽然简书的曝光率很高，但是用它写博客的人大部分是写鸡汤文……二是因为左右两面有广告，看着难受。虽然博客园也有但是在最后面，不影响前期阅读，而且贴代码特方便。三是简书要审核，写个技术博客还要审核，受不了。 懒得一个一个地把他们搬过来，附一个连 阅读全文

posted @ 2019-10-04 20:41 南海金雕 阅读(196) 评论(0) 推荐(0)

2019年9月26日

BiGAN的复现

摘要： 数据集是10000个样本，前8000个训练集，后面的用来测试。每个样本是1*144(重构成12*12的矩阵)，将原始BiGAN有编码器、判别器和生成器，将里面的全连接层全部替换成了卷积。 阅读全文

posted @ 2019-09-26 15:54 南海金雕 阅读(782) 评论(1) 推荐(0)

2019年9月25日

无监督异常检测之LSTM组成的AE

摘要： 我本来就是处理时间序列异常检测的，之前用了全连接层以及CNN层组成的AE去拟合原始时间序列，发现效果不佳。当利用LSTM组成AE去拟合时间序列时发现，拟合的效果很好。但是，利用重构误差去做异常检测这条路依旧不通，因为发现异常曲线的拟合效果也很好……算了，这次先不打算做时间序列异常检测了。在这里把“基 阅读全文

posted @ 2019-09-25 23:10 南海金雕 阅读(4218) 评论(0) 推荐(0)

2019年9月22日

无监督异常检测之卷积AE和卷积VAE

摘要： 尝试用卷积AE和卷积VAE做无监督检测，思路如下： 1.先用正常样本训练AE或VAE 2.输入测试集给AE或VAE，获得重构的测试集数据。 3.计算重构的数据和原始数据的误差，如果误差大于某一个阈值，则此测试样本为一样。 对于数据集的描述如下： 本数据集一共有10100个样本，每个样本是1行48列的 阅读全文

posted @ 2019-09-22 11:17 南海金雕 阅读(2720) 评论(1) 推荐(1)

2019年9月18日

窃电负荷曲线

摘要： 窃电负荷曲线一般都是难以大规模的获取，但是在电力系统仿真中可能需要用到相关的数据集，相关的论文一般都采用“攻击模型”以获取对应的偷电曲线。我查看了好几个论文最后，编写了6种不同类型窃电负荷曲线的模型。 很想吐槽，原本想查找窃电模型，却无意中发现一篇疑似“抄袭”的论文，中文期刊连图估计都是截的，不管如 阅读全文

posted @ 2019-09-18 15:43 南海金雕 阅读(521) 评论(0) 推荐(0)

2019年9月10日

条件DCGAN（2019/09/10）

摘要： 最近看到keras的官方GAN代码中有CGAN（全连接层）和卷积GAN(DCGAN),但他并没有给出“条件卷积GAN”，预测就把这两者结合了一下。虽然很多人用其他框架（e.g.TensorFlow）写出了条件卷积GAN，但代码没有keras简洁，作为keras爱好者，就做了简单地结合就完成了。 参考 阅读全文

posted @ 2019-09-10 09:05 南海金雕 阅读(587) 评论(0) 推荐(0)

用CapsNets做电能质量扰动分类(2019-08-05)

摘要： 当下最热神经网络为CNN，2017年10月，深度学习之父Hinton发表《胶囊间的动态路由》（Capsule Networks），最近谷歌正式开源了Hinton胶囊理论代码，提出的胶囊神经网络。本文不涉及原理，只是站在巨人的肩膀人，尝试把胶囊网络应用与分类问题。 原理和代码的参考文献是：https: 阅读全文

posted @ 2019-09-10 08:43 南海金雕 阅读(679) 评论(5) 推荐(1)

导航