检索结果-南通市图书馆

基于BP神经网络的爆炸用激波管峰值压力预测方法

维普期刊数据库

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

爆炸与冲击 2024年第5期44卷 130-139页

作者：陈梓薇王仲琦曾令辉北京理工大学爆炸科学与技术国家重点实验室北京100081

针对爆炸用激波管缺乏相应的经验公式和数值模拟时效性差的问题,同时为了快速得到激波管内的峰值压力,建立预测爆炸用激波管试验段峰值压力的四层反向传播(back propagation,BP)神经网络。采用数值模拟方法计算激波管试验段峰值压力,计... 详细信息

针对爆炸用激波管缺乏相应的经验公式和数值模拟时效性差的问题,同时为了快速得到激波管内的峰值压力,建立预测爆炸用激波管试验段峰值压力的四层反向传播(back propagation,BP)神经网络。采用数值模拟方法计算激波管试验段峰值压力,计算结果与激波管爆炸试验结果进行对比,平均相对误差为2.69%。证明激波管数值模型的准确性后,将数值模拟得到的195组激波管测得的峰值压力作为输出层,激波管驱动段TNT的药量、药柱的长径比以及爆炸比例距离作为神经网络的输入层。为了加快神经网络迭代速度和提高预测精度,使用自适应矩估计(adaptive moment estimation,ADAM)算法作为神经网络误差梯度下降的优化算法。结果表明,训练好的神经网络得到的预测结果与模拟值基本吻合,预测结果与数值模拟结果的平均相对误差为3.26%。BP神经网络模型能够反映激波管爆炸的峰值压力与影响因素之间的映射关系,采用BP神经网络模型计算时比数值模拟节约了大量运算时间。

关键词： BP神经网络激波管峰值压力自适应矩估计

维普期刊数据库

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

MC＿SVR滚动模型对股票价格的预测研究

计算机工程与应用 2024年

作者：陈梓海黄香香东莞理工学院计算机科学与技术学院

为了解决单一的马尔可夫链（MC）模型在预测股价时出现预测状态不准确，使得其预测股价与实际股价相对误差过大，从而导致模型预测效果较差等问题，在此基础上引入支持向量回归（SVR）模型，并结合滚动预测的思想，形成MC＿SVR滚动模型... 详细信息

为了解决单一的马尔可夫链（MC）模型在预测股价时出现预测状态不准确，使得其预测股价与实际股价相对误差过大，从而导致模型预测效果较差等问题，在此基础上引入支持向量回归（SVR）模型，并结合滚动预测的思想，形成MC＿SVR滚动模型。首先，通过海泰发展的股票价格数据构建MC＿SVR滚动模型，采用网格搜索法确定高斯核函数，惩罚系数C = 204.003906，核函数参数γ= 0.003906和损失函数参数ε= 0.1。实验结果表明：MC＿SVR滚动模型有效提高了预测结果的精度，其相比于SVR模型和LSTM模型，平均绝对百分比误差δ分别降低了0.16%和0.01%，均方根误差RMSE分别降低了0.0007和0.0016，决定系数R2分别提高了0.0008和0.0018，DA统计量比SVR模型的低了1.9087，比LSTM模型高了8.2278，从整体上表面MC＿SVR滚动模型具有不错的预测精度。此外，在新增10只股票的预测研究中，MC＿SVR滚动模型均具有可行性和有效性。

关键词：马尔可夫链核函数支持向量回归股票收盘价股价预测

企鹅珍珠贝转录组测序和Hox基因的克隆、表达分析

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

企鹅珍珠贝转录组测序和Hox基因的克隆、表达分析

作者：陈梓萌北部湾大学

学位级别：硕士

基于ELM模型的B站食品安全科普视频的传播效果影响因素研究

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于ELM模型的B站食品安全科普视频的传播效果影响因素研究

作者：陈梓漫浙江传媒学院

学位级别：硕士

“民以食为天,食以安为先”,食品安全一直是公众关注的重点问题。当前,我国大力鼓励科技创新以推动食品工业快速发展,也格外重视食品安全科普工作的推进。在这种关键时刻,“海克斯科技”“科技与狠活”此类食品安全谣言的广泛传播,说明... 详细信息

“民以食为天,食以安为先”,食品安全一直是公众关注的重点问题。当前,我国大力鼓励科技创新以推动食品工业快速发展,也格外重视食品安全科普工作的推进。在这种关键时刻,“海克斯科技”“科技与狠活”此类食品安全谣言的广泛传播,说明当前公众的食品安全知识仍存在不足。B站是中国年轻世代高度聚集的综合性视频社区,拥有对知识科普充满兴趣的年轻受众群体,互动性强、对创作友好的平台特性,为食品安全科普视频在B站的传播奠定了基础。在这种背景下,研究食品安全科普视频在B站传播的影响因素,对扩大食品安全科普视频的传播效果,提高青年群体的健康素养具有重要意义。本研究基于ELM模型,对B站平台上1000条食品安全科普视频进行内容分析,从中心线索和边缘线索构建B站的食品安全科普视频传播效果的影响因素模型。分析发现,主题内容、信息来源、标题类型、封面类型和内容表达形式都能在不同程度上影响食品安全科普视频的传播效果。为了有效提高B站食品安全科普视频的传播效果,科普传播者在进行科普视频制作时可以从辟谣食品谣言入手,视频传播效果更佳;同时通过机构背书加强科普内容严谨性,精准表达以防止问题被泛化;并且要结合B站平台特性,创新展现形式;最后要让用户聚焦科普知识,去除分散注意力的因素。

关键词： B站食品安全科普视频传播效果影响因素

基于小波变换与迁移学习的岩石岩性及含水状态超声波检测

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

地球物理学进展 2024年

作者：张胜黄宁陈梓浓凌同华张亮湖南城市学院土木工程学院长沙理工大学土木工程学院

在智能隧道设计与建设中，迅速而准确地识别隧道围岩的岩石岩性与含水状态至关重要。本文针对现有识别方法智能化程度低、主观性强以及识别周期长等问题，提出了一种基于超声波检测信号时频图像与轻量级卷积神经网络的识别方法。该方法... 详细信息

在智能隧道设计与建设中，迅速而准确地识别隧道围岩的岩石岩性与含水状态至关重要。本文针对现有识别方法智能化程度低、主观性强以及识别周期长等问题，提出了一种基于超声波检测信号时频图像与轻量级卷积神经网络的识别方法。该方法通过分析岩石超声波检测信号与小波基波形的相似性，选取最优小波基，利用连续小波变换构建岩石超声波信号时频图像数据集；再通过预训练和迁移学习建立岩石岩性及含水状态的识别模型。与GoogLeNet、AlexNet以及SqueezeNet等模型相比，本方法在岩石超声波检测信号的识别上更为精确，具有高准确率、稳定性好以及低计算存储需求等优点，适合应用于移动和嵌入式设备，为复杂环境下的岩石岩性及含水状态快速在线识别提供了新方案。

关键词：岩石超声波检测小波变换迁移学习含水状态

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于机器学习算法的股价预测研究

基于机器学习算法的股价预测研究

作者：陈梓海东莞理工学院

学位级别：硕士

股票作为人们常见的理财工具,已成为投资者投资理财的重要工具。对股价较为准确地预测有助于减少投资者的盲目性和从众性,更好地促进企业和我国经济的健康持续发展。由于股价存在随机性、非线性和时序性等特点,使得股票市场错综复杂。... 详细信息

股票作为人们常见的理财工具,已成为投资者投资理财的重要工具。对股价较为准确地预测有助于减少投资者的盲目性和从众性,更好地促进企业和我国经济的健康持续发展。由于股价存在随机性、非线性和时序性等特点,使得股票市场错综复杂。机器学习的马尔可夫链(MC)模型由于具备随机特征,对股价的预测具有很好地理论优势,但其实验结果往往会受到特定因素的影响。通过引入能够更充分利用现有数据的加权方法、非线性回归能力强的支持向量回归(SVR)模型以及能够学习时间序列数据中的模式和趋势的长短期记忆神经网络(LSTM)模型,构建了加权MC模型,并提出了MC＿SVR滚动模型和MC＿SVR＿LSTM组合模型对股价进行拟合预测。另外,针对SVR模型在大数据集样本上的训练时间过长的问题,将迁移学习应用到组合模型的研究中具有一定的研究意义。首先我们将加权的思想引入到MC模型中进行研究,并对该模型的状态划分区间做了优化改进,使得该模型能更好地应用于股票预测的同时,发现MC模型在预测更远日期的结果上表现不佳,为引入SVR模型提供了可能。同时,结合滚动预测的思想,通过网格搜索法确定模型的核函数类型以及相应参数值,形成MC＿SVR滚动模型,对海泰发展的股票周数据进行预测研究,并增加股票只数验证模型的泛化能力。最后,利用迁移学习的参数迁移法,将MC＿SVR滚动模型在周数据上训练得到的核函数类型和相应参数值迁移到对股票日数据的预测研究上,并结合LSTM模型,形成MC＿SVR＿LSTM组合模型。实验结果表明:相比MC模型,加权MC模型对短期数据的预测状态的准确率提高了两倍,平均绝对误差δ降低了4.98%。MC＿SVR滚动模型则在周数据上有效提高了预测结果的精度,其相比于MC模型、SVR模型和LSTM模型,δ分别降低了68.17%、0.19%和1.15%,均方根误差RMSE分别降低了2.1425、0.0017和0.0379。MC＿SVR＿LSTM组合模型更是在日数据上进一步提高了股价预测的精度,相比SVR模型、MC＿SVR滚动模型和LSTM模型,MC＿SVR＿LSTM组合模型的RMSE分别降低了0.0189、0.0016和0.0236,δ分别降低了0.85%、0.02%和0.65%。此外,在扩展实验中,加权MC模型、MC＿SVR滚动模型和MC＿SVR＿LSTM组合模型均表现出更强的泛化能力和更高的预测准确性。

关键词：机器学习马尔可夫链模型支持向量回归模型长短期记忆神经网络模型股价预测

基于MS-VAR模型的中国创新质量演化阶段性与区域异质性研究

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

区域经济评论 2024年第3期 52-60页

作者：张林陈梓慕广西大学经济学院南宁530004

创新是高质量发展的第一动力,但是,创新质量本身缺少系统研究。从投入产出过程角度看,创新质量分为研发投入的知识产出质量和知识投入的经济产出质量两个阶段,基于马尔可夫区制转换向量自回归模型(MS-VAR)对中国及其分区1995-2021年时... 详细信息

创新是高质量发展的第一动力,但是,创新质量本身缺少系统研究。从投入产出过程角度看,创新质量分为研发投入的知识产出质量和知识投入的经济产出质量两个阶段,基于马尔可夫区制转换向量自回归模型(MS-VAR)对中国及其分区1995-2021年时间序列数据进行检验,揭示投入产出过程创新质量演化阶段性及其区域异质性。研究发现:目前我国处于新的创新质量快速提升期。R&D投入强度的增加会促进专利产出质量,专利产出质量的增加也会促进新产品销售收入。前者在创新质量快速提升期更显著,后者在创新质量稳定发展期更显著。四大地区①的创新周期具有时间先后性,东部地区最早进入创新质量稳定发展期,西部地区最晚;两次过程中,创新投入产出质量之间正向效应的区域异质性和区制异质性并存;但处于创新质量稳定发展期的西部地区两种投入产出效应都为负。

关键词：创新质量投入产出过程马尔可夫区制转换向量自回归模型

维普期刊数据库

在线全文

学校读者我要写书评

暂无评论

基于神经切线核的学件RKME规约

计算机学报 2024年第6期47卷 1232-1243页

作者：谭志豪史浩宇陈梓轩姜远南京大学计算机软件新技术国家重点实验室南京210023

当前机器学习技术已经在大量领域得到广泛应用,然而仍面临许多亟待解决的问题:依赖大量的训练数据和训练技巧、难以适应环境变化、数据隐私/所有权的保护、灾难性遗忘等等.最近,学件范式使得上述问题同时得到系统性地解决成为可能.在该... 详细信息

当前机器学习技术已经在大量领域得到广泛应用,然而仍面临许多亟待解决的问题:依赖大量的训练数据和训练技巧、难以适应环境变化、数据隐私/所有权的保护、灾难性遗忘等等.最近,学件范式使得上述问题同时得到系统性地解决成为可能.在该范式下,用户面临新的机器学习任务时可以通过学件基座系统方便地复用他人的结果,而不必从头开始.学件范式的核心在于规约,规约使得学件基座系统在不接触原始数据的情况下,可以根据用户的需求快速识别出对用户任务有帮助的学件.近期研究均通过缩略核均值嵌入(Reduced Kernel Mean Embedding,RKME)为模型构造规约,并通过构建学件原型系统验证了范式的有效性.在实际中,学件基座系统中往往包含在各种领域任务、数据类型上构建的机器学习模型,而传统的RKME规约面临维度灾难的问题,难以适用于高维数据,例如图像场景.为了拓展RKME规约的适用范围,本文引入神经切线核进行RKME规约构造.为提升方法的高效性,本文进一步通过神经网络高斯过程与随机特征近似,快速为各种模型生成RKME规约.最后,本文在真实数据构建的销量预测、图像分类场景的学件基座系统中进行大量实验验证了所提出方法的有效性和高效性,所提出方法相比于传统RKME规约查搜准确率显著提升近9%,且实验结果表明改进后的规约在图像任务上具有良好的隐私保护性质.代码见:.

关键词：学件学件基座系统规约神经切线核缩略核均值嵌入

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

基于神经切线核的学件RKME规约

计算机学报 2024年

作者：谭志豪史浩宇陈梓轩姜远南京大学计算机软件新技术国家重点实验室

当前机器学习技术已经在大量领域得到广泛应用，然而仍面临许多亟待解决的问题：依赖大量的训练数据和训练技巧、难以适应环境变化、数据隐私/所有权的保护、灾难性遗忘等等．最近，学件范式使得上述问题同时得到系统性的解决成为可能... 详细信息

当前机器学习技术已经在大量领域得到广泛应用，然而仍面临许多亟待解决的问题：依赖大量的训练数据和训练技巧、难以适应环境变化、数据隐私/所有权的保护、灾难性遗忘等等．最近，学件范式使得上述问题同时得到系统性的解决成为可能．在该范式下，用户面临新的机器学习任务时可以通过学件基座系统方便地复用他人的结果，而不必从头开始．学件范式的核心在于规约，规约使得学件基座系统在不接触原始数据的情况下，可以根据用户的需求快速识别出对用户任务有帮助的学件．近期研究均通过缩略核均值嵌入 (reduced kernel mean embedding， RKME) 为模型构造规约，并通过构建学件原型系统验证了范式的有效性．在实际中，学件基座系统中往往包含在各种领域任务、数据类型上构建的机器学习模型，而传统的RKME规约面临维度灾难的问题，难以适用于高维数据，例如图像场景．为了拓展RKME规约的适用范围，本文引入神经切线核进行RKME规约构造．为提升方法的高效性，本文进一步通过神经网络高斯过程与随机特征近似，快速为各种模型生成RKME规约．最后，本文在真实数据构建的销量预测、图像分类场景的学件基座系统中进行大量实验验证了所提出方法的有效性和高效性，所提出方法相比于传统RKME规约查搜准确率显著提升近9%，且实验结果表明改进后的规约在图像任务上具有良好的隐私保护性质．代码见：https://***/tanzh-lamda/RKME-NTK.

关键词：学件学件基座系统规约神经切线核缩略核均值嵌入