检索结果-南通市图书馆

基于受限玻尔兹曼机的Web服务质量预测方法

在线全文

学校读者我要写书评

暂无评论

中南大学学报（自然科学版） 2018年第11期49卷 2745-2752页

作者：王兴菲万健陈璐殷昱煜俞立峰杭州电子科技大学计算机学院浙江杭州310018 复杂系统建模与仿真教育部重点实验室浙江杭州310018 浙江科技学院信息与电子工程学院浙江杭州310023 杭州核新同花顺网络信息股份有限公司浙江杭州310023

针对协同过滤算法无法有效处理数据稀疏的问题,提出1种基于受限玻尔兹曼机的Web服务质量(QoS)预测方法;第1阶段使用受限玻尔兹曼机模型对所有缺失的QoS值进行预测,并对原始的QoS矩阵进行填充;在第2阶段基于该QoS矩阵进行全局邻居筛选,... 详细信息

针对协同过滤算法无法有效处理数据稀疏的问题,提出1种基于受限玻尔兹曼机的Web服务质量(QoS)预测方法;第1阶段使用受限玻尔兹曼机模型对所有缺失的QoS值进行预测,并对原始的QoS矩阵进行填充;在第2阶段基于该QoS矩阵进行全局邻居筛选,同时将受限玻尔兹曼机引入到用户近邻的协同过滤模型中,以预测目标QoS值。研究结果表明:该方法能提高QoS预测精确度,在一定程度上降低数据稀疏对预测的影响。

关键词： Web服务服务质量预测协同过滤受限玻尔兹曼机

基于改进深度受限玻尔兹曼机算法的光伏发电短期功率概率预测

在线全文

学校读者我要写书评

暂无评论

电力自动化设备 2018年第5期38卷 43-49页

作者：王继东冉冉宋智林天津大学智能电网教育部重点实验室天津300072

光伏发电功率受自然环境影响具有明显的波动性、间歇性与随机性,对光伏发电进行短期功率的概率预测可以有效缓解给电网调度、能量管理等方面带来的诸多不利影响。提出一种基于改进深度受限玻尔兹曼机(RBM)算法的光伏发电短期功率概率预... 详细信息

光伏发电功率受自然环境影响具有明显的波动性、间歇性与随机性,对光伏发电进行短期功率的概率预测可以有效缓解给电网调度、能量管理等方面带来的诸多不利影响。提出一种基于改进深度受限玻尔兹曼机(RBM)算法的光伏发电短期功率概率预测模型,通过灰色关联系数法寻找待预测日的相似日,并利用遗传算法对RBM算法进行参数优化,避免模型参数寻优陷入局部最优,以提高预测模型的预测精度。仿真算例表明,所提模型可以更好地反映光伏发电功率的概率分布。

关键词：光伏发电概率预测受限玻尔兹曼机灰色关联系数法遗传算法

基于受限玻尔兹曼机的专家乘积系统的一种改进算法

在线全文

学校读者我要写书评

暂无评论

电子与信息学报 2018年第9期40卷 2173-2181页

作者：沈卉卉李宏伟中国地质大学数理学院武汉430074 湖北经济学院信息管理与统计学院武汉430205 中国地质大学地球内部多尺度成像湖北省重点实验室武汉430074

深度学习在高维特征向量的信息提取和分类中具有很强的能力,但深度学习训练时间也比较长,超参数搜索空间大,从而导致超参数寻优较困难。针对此问题,该文提出一种基于受限玻尔兹曼机(RBM)专家乘积系统的改进方法。先将专家乘积系统原理与... 详细信息

深度学习在高维特征向量的信息提取和分类中具有很强的能力,但深度学习训练时间也比较长,超参数搜索空间大,从而导致超参数寻优较困难。针对此问题,该文提出一种基于受限玻尔兹曼机(RBM)专家乘积系统的改进方法。先将专家乘积系统原理与RBM算法相结合,采用全是真实概率值的参数更新方式会引起模型识别效果不理想和带来密度问题,为此将其更新方式进行改进;为加快网络收敛和提高模型识别能力,采取在RBM预训练阶段和微调阶段引入不同组合方式动量项的一种改进算法。通过对MNIST数据库中的0~9的手写数字体的识别和CMU-PIE数据库的人脸识别实验,提出的算法减少了学习时间,提高了超参数寻优的效率,进而构建的深层网络能获得较好的分类效果。试验结果表明,提出的改进算法在处理高维大量的数据时,计算效率有较大提高,其算法有效。

关键词：深度学习专家乘积神经网络受限玻尔兹曼机动量

在线全文

学校读者我要写书评

暂无评论

受限玻尔兹曼机结合聚类的特异点挖掘方法

软件导刊 2020年第2期19卷 136-139页

作者：董鑫夏文瀚倪健黄强聂斌江西中医药大学计算机学院江西南昌330004

为了减少高维数据“维数灾难”对聚类效果的影响,将高斯受限玻尔兹曼机与DBSCAN算法相结合。首先利用高斯受限玻尔兹曼机对训练数据进行降维,然后采用DBSCAN算法识别降维后的数据特异点,最后利用UCI数据集中的数据进行实验验证,并开发... 详细信息

为了减少高维数据“维数灾难”对聚类效果的影响,将高斯受限玻尔兹曼机与DBSCAN算法相结合。首先利用高斯受限玻尔兹曼机对训练数据进行降维,然后采用DBSCAN算法识别降维后的数据特异点,最后利用UCI数据集中的数据进行实验验证,并开发了相应演示系统。实验选取UCI数据集中的3组数据进行验证,结果发现,该方法准确率分别为0.778、0.714、0.900,分别比DBSCAN算法提高了0.19、0.514、0.186,效果优于DBSCAN算法。因此高斯受限玻尔兹曼机与DBSCAN算法结合不仅能提高识别结果准确度,而且能提升识别效率。

关键词：受限玻尔兹曼机聚类算法特异点

结合受限玻尔兹曼机的递归神经网络电力系统短期负荷预测

在线全文

学校读者我要写书评

暂无评论

电力系统保护与控制 2018年第17期46卷 83-88页

作者：李若晨朱帆朱永利翟羽佳国网河北省电力有限公司平山县供电分公司河北平山050400 首都师范大学哲学系北京100037 华北电力大学控制与计算机工程学院河北保定071000 华北电力大学电力工程系河北保定071000

短期负荷预测的重要性随着电力企业的发展不断提高。传统的负荷预测虽然已经发展相对成熟,但现阶段对负荷预测的准确性要求逐渐提高。为满足发展需要,则要对现有的方法进行改进或建立新的预测方法。通过分析负荷预测数据周期性及周期内... 详细信息

短期负荷预测的重要性随着电力企业的发展不断提高。传统的负荷预测虽然已经发展相对成熟,但现阶段对负荷预测的准确性要求逐渐提高。为满足发展需要,则要对现有的方法进行改进或建立新的预测方法。通过分析负荷预测数据周期性及周期内的特征,结合递归神经网络在分析时间序列数据的独特优势和受限玻尔兹曼机的强大的无监督学习能力,对结合受限玻尔兹曼机的递归神经网络的工作原理及训练过程进行了阐述。利用该网络进行了电力负荷数据预测实验验证并与其他神经网络进行了比较性实验。结果表明,所提出的神经网络较其他网络在电力短期负荷预测实验中有更高的准确性。

关键词：负荷预测递归神经网络受限玻尔兹曼机时间序列

在线全文

学校读者我要写书评

暂无评论

基于受限玻尔兹曼机的语音带宽扩展

电子与信息学报 2016年第7期38卷 1717-1723页

作者：王迎雪赵胜辉于莹莹匡镜明北京理工大学信息与电子学院北京100081

语音带宽扩展是为了提高语音质量,利用语音低频和高频之间的相关性重构语音高频的一种技术。高斯混合模型法是语音带宽技术中被广泛应用的一种方法,但是,由于该方法假设语音高频、低频服从高斯分布,且只表征了语音低频、高频之间的线性... 详细信息

语音带宽扩展是为了提高语音质量,利用语音低频和高频之间的相关性重构语音高频的一种技术。高斯混合模型法是语音带宽技术中被广泛应用的一种方法,但是,由于该方法假设语音高频、低频服从高斯分布,且只表征了语音低频、高频之间的线性关系,从而导致合成的高频语音出现失真。因此,该文提出一种基于受限玻尔兹曼机的方法,该方法利用两个高斯伯努利受限玻尔兹曼机提取语音低频和高频中蕴含的高阶统计特性;并利用前馈神经网络将语音低频高阶统计特性参数映射为高频高阶统计特性参数。这样,通过提取语音低频和高频中蕴含的高阶统计特性,该方法可以深层挖掘语音高频和语音低频之间的实际关系,从而更加准确地模拟频谱包络分布,合成质量更高的语音。客观测试、主观测试结果表明,该方法性能优于传统的高斯混合模型方法。

关键词：语音带宽扩展受限玻尔兹曼机前馈神经网络高斯混合模型

利用社交关系的实值条件受限玻尔兹曼机协同过滤推荐算法

在线全文

学校读者我要写书评

暂无评论

计算机学报 2016年第1期39卷 183-195页

作者：何洁月马贝东南大学计算机科学与工程学院南京210096 东南大学计算机网络和信息集成教育部重点实验室南京210096

利用受限玻尔兹曼机(Restricted Boltzmann Machine,RBM)解决推荐问题已成为一个很有意义的研究方向.目前用于推荐的RBM模型中使用的仅仅是用户评分数据,但用户评分数据存在着严重的数据稀疏性问题.随着互联网对人们生活的不断渗透,社... 详细信息

利用受限玻尔兹曼机(Restricted Boltzmann Machine,RBM)解决推荐问题已成为一个很有意义的研究方向.目前用于推荐的RBM模型中使用的仅仅是用户评分数据,但用户评分数据存在着严重的数据稀疏性问题.随着互联网对人们生活的不断渗透,社交网络已经成为人们生活中不可缺少的一部分,利用社交网络中的好友信任关系,有助于缓解评分数据的稀疏性问题,提高推荐系统的性能.因此,该文首先提出基于实值的状态玻尔兹曼机(Real-Valued Conditional Restricted Boltzmann Machine,R_CRBM)模型,此模型不需要将评分数据转化为一个K维的0-1向量,并且R_CRBM模型在训练过程中使用了训练数据中潜在的评分/未评分信息;同时该文将最近信任好友关系应用到R_CRBM模型推荐过程中.在百度数据集和Epinions数据集上的实验结果表明R_CRBM模型和引入的最近信任好友关系均有助于提高推荐系统的预测精度;最后,针对大数据环境下,普通平台很难完成R_CRBM模型训练的问题,该文提出基于Spark的并行化方案,较好地解决了该问题.

关键词：受限玻尔兹曼机数据稀疏性 R_CRBM 社交网络信任关系大数据

基于高斯受限玻尔兹曼机的工业产品质量智能异常检测

在线全文

学校读者我要写书评

暂无评论

工业工程 2022年第6期25卷 152-159页

作者：黄聪农英雄张毅广西中烟信息中心广西南宁530001 清华大学自动化系北京100018

为了提升基于复杂数据特征的工业产品质量异常检测性能,利用高斯受限玻尔兹曼机在高维数据非线性建模和计算复杂性上的综合优势,提出一种智能异常检测方法FE-GRBM。利用GRBM模型中自由能量与边缘概率自然对数的数学关系,设计基于自由能... 详细信息

为了提升基于复杂数据特征的工业产品质量异常检测性能,利用高斯受限玻尔兹曼机在高维数据非线性建模和计算复杂性上的综合优势,提出一种智能异常检测方法FE-GRBM。利用GRBM模型中自由能量与边缘概率自然对数的数学关系,设计基于自由能量的模型训练及检测策略。通过真实烟支成品质量检测案例开展实验验证。结果显示,FE-GRBM平均性能高于3个传统方法最高分0.29,高于RE-GRBM 0.04,验证了方法的有效性和优越性。

关键词：异常检测受限玻尔兹曼机自由能量函数质量检测烟支产品

基于受限玻尔兹曼机的频谱建模与单元挑选语音合成方法

在线全文

学校读者我要写书评

暂无评论

模式识别与人工智能 2015年第8期28卷 673-679页

作者：宋阳凌震华戴礼荣中国科学技术大学语音及语言信息处理国家工程实验室合肥230027

提出基于受限玻尔兹曼机的频谱建模与单元挑选语音合成方法.在模型训练阶段,采用受限玻尔兹曼机对包含丰富细节的频谱特征建模,如谱包络、短时幅度谱,取代传统的使用对角方差单高斯模型和梅尔倒谱特征的频谱建模方法,改善声学模型对于... 详细信息

提出基于受限玻尔兹曼机的频谱建模与单元挑选语音合成方法.在模型训练阶段,采用受限玻尔兹曼机对包含丰富细节的频谱特征建模,如谱包络、短时幅度谱,取代传统的使用对角方差单高斯模型和梅尔倒谱特征的频谱建模方法,改善声学模型对于频谱特征的描述能力.在语音合成阶段,使用训练得到的受限玻尔兹曼机模型计算备选样本频谱特征的对数似然值,并通过分段线性映射构建单元挑选的目标代价函数.实验表明文中方法可有效提高合成语音的自然度.

关键词：语音合成单元挑选隐马尔可夫模型受限玻尔兹曼机