检索结果-南通市图书馆

作者：范颖南京大学

学位级别：硕士

随着数据收集能力的提高,我们可以获得越来越多的多模态数据。在实际应用场景中,往往存在着模态不平衡现象:不同模态对于任务的重要性不同,与任务强相关的模态称作强模态;与之对应的,与任务弱相关的模态称其为弱模态。在模态不平衡环境... 详细信息

随着数据收集能力的提高,我们可以获得越来越多的多模态数据。在实际应用场景中,往往存在着模态不平衡现象:不同模态对于任务的重要性不同,与任务强相关的模态称作强模态;与之对应的,与任务弱相关的模态称其为弱模态。在模态不平衡环境中,会出现不同模态的预测精度不同、不同模态的抽取代价不同等现象。本文基于模态不平衡环境下的多模态学习问题做出以下工作:第一,本文提出一种带有敲除技术的固有模型复用框架FMR（Fixed Model Reuse）。固定模态抽取代价,统一使用弱模态进行预测,FMR通过利用在强模态上提取好的特征（固定特征）以及训练好的模型（固定模型）指导弱模态模型的构建,从而提高弱模态所对应的模型的判别性。训练阶段,在固定模型及固定特征的辅助下,弱模态利用深度网络同时学习类别标记和固定特征信息,来增强模型的判别能力,通过敲除技术逐渐削弱固定模态和网络之间的关联,从而在训练的最后阶段,得到和测试阶段一致的网络。测试阶段,仅输入弱模态即能进行预测。固有模型的复用能够有效减少训练阶段所需带标记样本数,减少训练时间开销,同时减少对专家知识的需求。第二,本文提出了一个端到端的样本自适应序列化模态选择方法DMP（Discriminative Modal Pursuit）。给定模态抽取代价预算,根据样本特点自适应地增加强模态,从而提高模型的判别性。DMP利用长短期记忆网络LSTM（Long Short-Term Memory）进行模态提取,在LSTM的每一次循环中,根据预测模态与当前模态之间的距离以及当前模态预测的好坏来进行模态选择。如果当前模态预测效果好则选择与其相近的模态,进一步肯定预测,反之,选择差异大的模态来多样化模态输入,从而提升预测效果。如果当前预测置信度达到设定阈值,或者所选模态开销达到设定的代价预算,则停止进一步的模态选择。DMP可以针对每个样本,自适应地抽取模态子序列,从而减少预测阶段模态收集开销。

关键词：多模态学习模态不平衡模型复用模态选择

来源：

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

辐射沙洲陆岸潮滩表层沉积特征遥感研究

辐射沙洲陆岸潮滩表层沉积特征遥感研究

引用

作者：刘兴兴南京师范大学

学位级别：硕士

江苏省是中国拥有潮滩资源最多的省份,岸外发育有巨大的辐射沙洲,受其掩蔽的陆岸潮滩具有丰富的物质来源及强水动力条件,是江苏潮滩的重要组成部分,具有重要的研究价值。但由于辐射沙洲陆岸长约200km,南北跨度大,不同区域水动力环境差... 详细信息

江苏省是中国拥有潮滩资源最多的省份,岸外发育有巨大的辐射沙洲,受其掩蔽的陆岸潮滩具有丰富的物质来源及强水动力条件,是江苏潮滩的重要组成部分,具有重要的研究价值。但由于辐射沙洲陆岸长约200km,南北跨度大,不同区域水动力环境差异明显。受制于淤泥质潮滩恶劣的现场调查条件,目前针对整个辐射沙洲陆岸潮滩沉积特征研究较少。遥感技术的应用弥补了传统调查方法的局限性,促进了潮滩沉积物分布和输运规律的研究,但现有遥感方法的反演精度有待提高。据此,选取辐射沙洲陆岸岸段作为研究区,综合运用野外实地采样与多光谱遥感影像数据,结合主成分分析法(PCA,Principal Components Analysis)和小波神经网络模型(WNN,Wavelet Neural Network),获得2019年辐射沙洲陆岸潮滩表层沉积物信息的空间分布特征与粒径输运趋势;进一步选取冲淤变化频繁、开发强度较大的江苏中部海岸(斗龙港口-王港河口)为典型区,选择2002、2008、2014和2019年4个年份的多期遥感影像,结合历年沉积物数据,开展了长时间尺度潮滩表层沉积特征变化分析;并验证了利用已建模型在不同年份进行沉积物信息反演时可能的误差效应,以期为扩展海岸带潮滩沉积物遥感应用,合理开发及保护潮滩资源提供方法支撑和参考依据。主要研究结论如下:(1)影像PCA主成分分析结合WNN小波神经网络建模,是定量遥感反演淤泥质潮滩表层沉积物特征信息及粒径输运趋势的有效方法。该方法在研究区和典型区的精度验证结果表明:研究区沉积物粒度参数(平均粒径、分选系数、偏态)模型检验组的平均绝对误差均值分别位于0.41Φ、0.24、0.32以下,平均粒径的平均相对误差均值最小,分选系数次之,偏态最大,可见随着粒度参数阶数的增加,反演精度呈逐渐下降趋势,但三个粒度参数的变异系数值变化范围保持稳定;三个沉积物组分含量(黏土、粉砂、砂)中,平均绝对误差、平均相对误差、变异系数最大值分别为5.89%、19.33%和21.49%,表明反演值与实测值总体差距比较稳定,沉积物组分反演效果较好。典型区沉积物粒度参数中,仍是平均粒径反演结果最理想,分选系数及偏态反演结果较差;沉积物组分中,砂与粉砂组分的反演结果最理想,黏土的反演结果较差。(2)辐射沙洲陆岸潮滩表层沉积物平均粒径主要位于4-5Φ之间,分选系数大多处于分选较差状态,偏态以正偏与极正偏为主;自陆向海砂组分含量增加而粉砂组分含量降低,黏土含量一般不超过10%,沉积物类型以砂质粉砂与粉砂质砂为主;沉积物粒径运移趋势与当地的水动力条件、人类活动的影响等因素较为吻合。(3)对辐射沙洲陆岸的四个分区来说,北翼及内缘区的大部分沉积物平均粒径位于4-5Φ之间,分选系数多处于分选较差情况,偏态情况主要为极正偏,而沉积物类型主要以砂质粉砂为主,北翼沉积物粒径运移趋势多呈偏北向,内缘区的两大潮波系统交汇之处,呈现明显的由南北两侧向中心汇聚的粒径运移趋势;中部沉积物颗粒在四个区域中属于较粗水平,分选情况整体分选较差,偏态呈现自陆向海极正偏更加明显趋势,沉积物类型中粉砂质砂最多,砂沉积物类型所占比重也较高,沉积物粒径运移趋势也因港口建设、渔业养殖等人类活动的影响,表现较为复杂;南翼沉积物在四个区域中处于较细水平,分选系数全部属于分选较差的情况,偏态值大都处于正偏的情况,沉积物类型绝大部分为粉砂,其沉积物粒径运移趋势除潮滩近海一侧外大多呈西北或东北方向。(4)斗龙港口—王港河口岸段从2002年以来至今,潮滩表层沉积物平均粒径的平均值均为4Φ左右,总体呈现略有细化趋势;分选系数均值都处于分选较差状态,且数值略有增大;偏态均值都属于正偏或极正偏状态,处极正偏情况的沉积物比例上升,极正偏情况更加明显;沉积物类型主要为粉砂质砂和砂质粉砂,且砂质粉砂逐渐超越粉砂质砂,在分布中占主要地位,也表明沉积物存在细化的趋势,这与沉积物平均粒径变化趋势相吻合。沉积物多处于偏北向粒径运移趋势,与当地水动力条件吻合,主要是受潮余流的搬运作用。(5)将2019年的沉积物反演模型应用于不同年份的沉积物信息提取,从反演效果对比来看,在一定精度上,模型应用可反映当年沉积物情况。三个粒度参数中,平均粒径的模型可复用性效果最好,平均绝对误差、平均相对误差以及变异系数的最大值分别为:1.28Φ、32.17%,32.86%;分选系数与偏态的模型可复用性效果略差。根据沉积物类型反演结果综合来看,随着年份的增加,模型可复用性精度呈现下降趋势,砂质粉砂沉积物类型反演效果最好。影响模型可复用性精度的因素包括:遥感数据源的一致性、时间序列的相近性以及样品采集的代表性等,遥感模型应用时需注意多源遥感影像的归一化处理问题,且注意采集样品的代表性,以提高模型复用的精度。

关键词：淤泥质潮滩遥感粒度参数沉积物类型粒径运移趋势小波神经网络主成分分析模型复用

来源：

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

利用未标记数据的机器学习方法研究

利用未标记数据的机器学习方法研究

引用

作者：郭翔宇南京大学

学位级别：硕士

机器学习需要有标记数据来训练模型进行预测,有标记数据的获取通常需要人工参与,因此价格非常昂贵。在很多实际应用中,未标记数据可以较为容易地大量获取,如何利用廉价的未标记数据一直以来都是机器学习领域中的研究热点。目前出现了两... 详细信息

机器学习需要有标记数据来训练模型进行预测,有标记数据的获取通常需要人工参与,因此价格非常昂贵。在很多实际应用中,未标记数据可以较为容易地大量获取,如何利用廉价的未标记数据一直以来都是机器学习领域中的研究热点。目前出现了两种利用未标记数据的方法:一种是自动利用未标记数据辅助有标记数据提升学习性能的半监督学习;虽然该类方法大多能够提升学习性能,但都基于潜在的模型假设,当模型假设与数据分布存在偏差时可能会降低学习性能;另一种是通过众包以较低的代价给数据提供标记,进而可以精确利用未标记数据以降低学习风险。本文主要围绕半监督学习和众包进行研究,取得了以下进展:第一,针对半监督学习中的重要风范协同训练易受不充分视图的影响这一问题,提出了一种新型的加权协同训练算法。视图不充分时协同训练过程中会出现与最优分类器不一致的样本,该算法通过检测潜在的不一致样本并降低其权值以减少这些样本对训练过程的影响。实验结果表明,与标准的协同训练算法相比该算法有更好的泛化性能与更强的鲁棒性。第二,针对众包过程中任务标记依赖于任务难度这一特点,提出了一种新型的任务分配算法。该算法通过估计部分任务的难度构建训练集学得预测难度的模型,将任务分为简单和困难两类。对于简单的任务可利用众包进行标记;而对于困难的任务,则需雇佣专家为其提供高质量标记。实验结果表明该算法能够在提高标记质量的同时降低标记代价。此外,本文还对利用未标记数据的模型复用进行了研究,该场景中用户需要集成多个无法修改的预训练模型,针对这一问题,本文提出了一种新型的多视图模型复用算法。该算法通过信念传播估计预训练模型的可靠性,并基于未标记数据上的多视图一致性指导这一估计过程,进而利用估计得到的可靠性加权集成多个预训练模型。实验结果表明该方法能够显著提升分类精度。

关键词：机器学习半监督学习协同训练众包任务分配模型复用

来源：

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

可再生能源发电制氢系统仿真软件开发

引用

分布式能源 2021年第4期6卷 47-55页

作者：卓俊威沈小军同济大学电子与信息工程学院上海市嘉定区201804

设计并开发了一款集电气稳定性分析、经济可行性分析于一体的可再生能源发电制氢系统综合仿真软件,从快速建模、多维仿真、并行提速等多个角度设计软件功能,旨在为研究人员提供快速、全面、低门槛的可再生能源发电制氢系统仿真工具。基... 详细信息

设计并开发了一款集电气稳定性分析、经济可行性分析于一体的可再生能源发电制氢系统综合仿真软件,从快速建模、多维仿真、并行提速等多个角度设计软件功能,旨在为研究人员提供快速、全面、低门槛的可再生能源发电制氢系统仿真工具。基于MVC模式设计软件架构,分别在模型层、视图层和控制层进行开发;设计通用接口框架,以PSCAD为例开发应用接口,借助PSCAD进行电气仿真;基于模型复用思想开发电气模型库,缩小用户建模成本;基于成本效益分析法搭建全生命周期经济模型;基于PyQt5开发图形化操作界面。此外,还引入多套参数并行方法提高仿真速度。算例分析表明,该软件电气仿真能有效模拟系统特性,相较传统仿真方法显著减少了建模时间和仿真运行时间;经济仿真结果能有效评估系统经济性,为容量配置优化提供有力支持。

关键词：可再生能源制氢综合仿真模型复用应用接口可视化并行仿真

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于HLA的图形化控制系统仿真预案管理系统的研究与开发

引用

江汉大学学报（自然科学版） 2015年第4期43卷 340-344页

作者：朱国华王凯曹栋江汉大学数学与计算机学院湖北武汉430056

针对控制系统并行仿真的需求,在基于高层体系结构(HLA)的仿真模型复用与模型组合技术的基础上,提出了一个图形化的预案管理系统框架,讨论了关键实现技术,通过所见即所得的操作方式,屏蔽了HLA底层的技术细节,降低仿真预案开发难度,从而... 详细信息

针对控制系统并行仿真的需求,在基于高层体系结构(HLA)的仿真模型复用与模型组合技术的基础上,提出了一个图形化的预案管理系统框架,讨论了关键实现技术,通过所见即所得的操作方式,屏蔽了HLA底层的技术细节,降低仿真预案开发难度,从而提高仿真开发效率。

关键词：仿真预案模型复用可视化编辑

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

PID控制的阀控缸系统的Modelica建模与仿真实现

引用

机械工程师 2024年第2期 70-73页

作者：王瑞梁全沈阳工业大学机械工程学院沈阳110870

针对PID控制的阀控缸系统基于Modelica语言在开源仿真环境OpenModelica中进行了建模和仿真。给出了一套完善的阀控缸系统的建模思路,且所建立的模型具有很好的模型复用性。通过与AMESIM中建立的相同系统在相同参数下的仿真结果进行对比... 详细信息

针对PID控制的阀控缸系统基于Modelica语言在开源仿真环境OpenModelica中进行了建模和仿真。给出了一套完善的阀控缸系统的建模思路,且所建立的模型具有很好的模型复用性。通过与AMESIM中建立的相同系统在相同参数下的仿真结果进行对比。结果表明,二者仿真结果基本一致,验证了所建立模型的正确性。由于整套系统均在开源环境下建模并仿真,因此解决了在实际工程中仿真PID控制的阀控缸系统时由于商业软件价格昂贵而造成的仿真成本过高的问题。

关键词： Modelica PID 阀控缸系统模型复用

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：