检索结果-南通市图书馆

作者：王文月西南大学

学位级别：硕士

与传统的滤波器不同,自适应滤波器(AF,adaptive filter)可以根据信号的统计特点自适应地调整滤波器的参数,实现最佳的滤波性能。因此,即使噪声和信号分布在相近的频率范围内,AF也可以基于某种误差准则完成噪声消除或信号分离。而核自适... 详细信息

与传统的滤波器不同,自适应滤波器(AF,adaptive filter)可以根据信号的统计特点自适应地调整滤波器的参数,实现最佳的滤波性能。因此,即使噪声和信号分布在相近的频率范围内,AF也可以基于某种误差准则完成噪声消除或信号分离。而核自适应滤波器(KAF,kernel adaptive filter)作为一类新型的自适应滤波器,可以通过核方法将原始空间的非线性问题映射到高维的再生核希尔伯特空间(RKHS,reproduce kernel Hilbert space),以线性化的方式求解,对非线性的分类和回归问题提供了一种高效的解决方式。此外,近年来提出的超限学习机(ELM,extreme learning machine)也可以通过训练单/多隐层的前馈网络实现数据的分类和回归。在ELM的理论中,隐藏层的参数可以随机初始化且在后续的训练中无需改变,训练期间以调整隐藏层和输出层间的权重参数来降低估计误差,且能保证单隐层前馈网络的万能逼近能力。目前主要从误差准则、优化方法和滤波结构三方面对自适应滤波器进行研究和创新。常用的误差准则有最小均方误差准则(MMSE,minimum mean square error)、绝对值误差准则(MAE,mean absolute error)和最大相关熵准则(MCC,maximum correntropy criterion)等。其中MMSE简单且应用广泛,在高斯噪声环境下可实现最优估计;MAE和MCC具有一定的抵抗非高斯噪声的能力。优化方法包括梯度下降法、动量优化法、自适应矩估计法(Adam,adaptive moment estimation)等,可以根据应用的环境采用不同的优化方法。结构上主要分为前馈和反馈结构。反馈结构可以利用输出信息优化滤波参数,从而提高滤波性能。对于KAF的研究,由于它的网络结构随着迭代次数不断增长,会增加计算和存储负担,所以还需采用稀疏化方法缓解计算和存储负担。常用的稀疏化方法主要分为:设定阈值对输入数据的适当丢弃(即样本稀疏化)和固定滤波网络结构的尺寸(即结构稀疏化)。基于上述研究方向,本文的工作主要集中于提高算法稳健性、加快收敛速率和稀疏化网络结构三方面的研究。(1)从误差准则方面提高算法稳健性。超限学习机在线学习算法(OS-ELM,online sequential extreme learning machine)在高斯噪声环境下的收敛速度和滤波精度表现良好,但面对非高斯噪声环境其稳健性无法保证。MCC包含误差的高阶统计信息,能够消除异常值对滤波性能的影响。将MCC应用于OS-ELM,并结合定点迭代方法推导出了基于最大相关熵准则的超限学习机在线学习算法(OS-ELM-MCC,online sequential extreme learning machine based on maximum correntropy criterion),此算法面对α噪声等非高斯噪声展现了更稳健的滤波性能。此外进一步提出了约束型最大相关熵的超限学习机在线学习算法(COSELM-MCC,constraint online sequential extreme learning machine based on maximum correntropy criterion),在保证算法稳健性的同时比OS-ELM-MCC的泛化性能更好。(2)从优化方法和误差准则两方面改进算法。基于这两方面的考虑提出了基于自适应矩估计的最大相关熵算法(AdamMCC,adaptive moment estimation algorithm based on maximum correntropy criterion)。采用Adam方法作为滤波器参数的更新方式,通过对梯度的一阶矩和二阶矩的自适应估计实现了对每个权重分量的动态调整,加快收敛速率;进而结合MCC,保证了算法可以抗击非高斯噪声的干扰。(3)从稀疏化的角度优化算法。样本稀疏化虽然可以降低核自适应滤波器的网络结构尺寸,但仍存在网络尺寸不确定的问题,需要利用额外的计算达到固定网络尺寸的目的;采用结构稀疏化方法,本文提出用Nystr?m方法选取样本数据的子集,组成固定大小的列向量来近似由全部样本数据构成的核向量。将Nystr?m方法应用在最小均方算法上提出了Nystr?m近似的核最小均方算法(NysKLMS,kernel least mean square algorithm based on the Nystr?m method)。

关键词：自适应滤波超限学习机误差准则优化方法稀疏化

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

卷积神经网络的稀疏化方法

卷积神经网络的稀疏化方法

引用

作者：冯敬北京工业大学

学位级别：硕士

近年来,深度学习在计算机视觉,语音识别和自然语言处理等众多方面得到了广泛应用.随着深度学习受欢迎程度的增加,神经网络也受到了各大智能研究公司的青睐.但是,由于深层神经网络模型的巨大参数量使得网络无论是在计算速度还是存储方面... 详细信息

近年来,深度学习在计算机视觉,语音识别和自然语言处理等众多方面得到了广泛应用.随着深度学习受欢迎程度的增加,神经网络也受到了各大智能研究公司的青睐.但是,由于深层神经网络模型的巨大参数量使得网络无论是在计算速度还是存储方面都面临很大困难.因此,神经网络很难植入到一些移动设备上计算.当我们面对高维高数据量时,常见的批量处理的方式已经显得力不从心.传统的神经网络稀疏化方法,都是在神经网络在训练之后将一些不重要的参数“去掉”,然后再对剩下的参数重新学习训练.这样,虽然在新的模型中,参数达到了稀疏的效果,但是仍然需要训练一个庞大的网络模型之后才能得到稀疏网络模型.本文中介绍的正则对偶平均化方法是一种在线优化算法,神经网络每次训练都经过反向传播算法将小于某一阈值的参数设置为0,也就是在训练过程中对神经网络参数稀疏化.当网络训练完成之后,神经网络随之达到稀疏效果,这样的稀疏模型可以直接在之后的预测分类任务中使用.其次,本文对比分析了正则对偶平均化方法与随机梯度下降法的收敛性和稀疏效果,对这两种方法的迭代公式进行了比对,从理论上证明了这两种方法具有相同的收敛性.这类梯度下降算法的优点是精度比较高,而正则对偶平均化的方法是从另一个方面来求解损失函数和正则项,并且更有效的提升了特征权重的稀疏性.最后,文章通过数值实验验证了正则对偶平均化方法的稀疏效果在随机梯度下降法的基础上得到了提升,并且具有较好的结果.

关键词：神经网络稀疏化随机梯度下降法正则对偶平均化方法

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

立体视觉中稀疏化技术的研究

立体视觉中稀疏化技术的研究

引用

作者：罗翔湖南师范大学

学位级别：硕士

计算机视觉是用计算机去实现人类的视觉功能,来实现对周围三维场景的感知、识别和理解。立体视觉作为计算机视觉的一个重要分支,其基本原理是通过两幅或多幅二维图像,找到图像中的对应点计算其视差,从而获得所观测物体的三维空间信息。... 详细信息

计算机视觉是用计算机去实现人类的视觉功能,来实现对周围三维场景的感知、识别和理解。立体视觉作为计算机视觉的一个重要分支,其基本原理是通过两幅或多幅二维图像,找到图像中的对应点计算其视差,从而获得所观测物体的三维空间信息。在机器人视觉导航、虚拟现实、工业测量等众多领域具有广阔的应用前景。立体视觉系统包括图像获取、摄像机标定、图像预处理、立体匹配、三维重建等五个部分。本文对这五个部分做了简要的介绍,针对其中最为关键的立体匹配算法进行了深入的讨论。立体匹配算法分为局域算法和全局算法两种,局域算法所涉及信息量少,运算速度高,但匹配的准确率不高;全局算法能达到全局最优解,具有较高的匹配准确率,但计算效率低。针对以上问题,本文将图像稀疏化技术引入到立体匹配中,对全局算法做出改进,提出了一种使用二叉空间划分和遗传算法的方法构建自适应的网格,来实现图像的稀疏化表示。即在原始图像中仅保留少量的关键像素点,删去大量的冗余像素,这些少量的关键像素点就是白适应网格的节点,利用这些节点可以恢复这些被删去的像素。然后在稀疏化的图像上运用匹配效果最好的图割算法进行立体匹配,由于大量减少了图像中的像素点,图割算法所生成的三维网格图的规模得到大大地缩减,从而在运用最大流／最小割算法求解三维网格图中的最小割时,算法效率得到了很大的提升。最后通过实验实现了本文所提出的图像稀疏化方法,并在稀疏化的图像上运用图割算法进行立体匹配,实验结果证实了该方法的可行性和有效性,为进一步研究高质量立体视觉的实时性奠定了基础。

关键词：立体视觉稀疏化自适应网格立体匹配图割

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

数据同化中海洋观测资料的稀疏化方法研究

数据同化中海洋观测资料的稀疏化方法研究

引用

作者：郑娇珑哈尔滨工程大学

学位级别：硕士

随着海洋研究工作进入卫星时代,需要研究如何将高时空分辨率卫星遥感观测数据更好地应用于海洋学研究。卫星遥感观测数据量大,时空分辨率高,因受误差相关性和计算成本因素的限制,需要进行稀疏化处理。本课题为提高稀疏化算法对卫星遥感... 详细信息

随着海洋研究工作进入卫星时代,需要研究如何将高时空分辨率卫星遥感观测数据更好地应用于海洋学研究。卫星遥感观测数据量大,时空分辨率高,因受误差相关性和计算成本因素的限制,需要进行稀疏化处理。本课题为提高稀疏化算法对卫星遥感观测数据的稀疏化能力,对几种经典稀疏化算法进行研究和评估,提出更有效的稀疏化算法及评价指标,提高稀疏化结果的特征分辨率。首先,简要介绍了本课题研究卫星遥感观测资料稀疏化算法的背景及国内外研究现状;通过分析对比常用卫星遥感海表温度观测的手段及特点,对基础数据进行选取,并针对数据可能出现的异常问题设计了数据预处理方案。其次,本文引用了逐步稀疏化算法、基于估计误差分析的稀疏化算法、基于聚类的稀疏化算法三种主流稀疏化算法,对卫星遥感海表温度观测资料进行了研究及仿真实验。在控制结果观测数量的情况下,三种算法都降低了数据的冗余程度,其中:方法一,简便快捷,但相似性低;方法二,相似性较高,但计算效率低;方法三,最贴近原始数据信息,更准确的保留了有效信息。再次,为了多方面研究和评价稀疏化算法,本课题设计了估计误差信噪比指标、聚类平均梯度指标。对几种算法在不同阈值或参数分别进行了仿真和指标计算,分析结果表明,设计指标可以有效对稀疏化结果进行评估。同时发现基于聚类的稀疏化方法相似程度最高,保留有效信息最多,整体表现最好,但需进一步提高特征分辨力。最后,本课题为解决上述问题,设计了改进的基于聚类的稀疏化算法,加入了梯度度量对细节特征进行识别和保留。通过仿真及对比分析,改进算法结果保留点数增加幅度不大,但保留有效数据信息增加,数据相似性和特征分辨率提高,与原算法相比具有更好的稀疏化效果。

关键词：卫星遥感观测稀疏化数据同化 MODIS数据

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

稀疏化:神经网络计算新范式

引用

人工智能 2018年第2期 82-95页

作者：江帆李鑫梁爽韩松深鉴科技深鉴科技RNN/LSTM加速技术团队伦敦帝国理工学院清华大学电子工程系

一直以来,深度学习计算遇到的最大瓶颈其实是带宽问题,而非计算本身。为了实现高效的深度学习计算,我们必须软硬件同时进行优化,不仅算法上压缩到更小,硬件上更要支持好压缩后的深度学习算法。基于稀疏化的深度压缩技术正是能解决这个... 详细信息

一直以来,深度学习计算遇到的最大瓶颈其实是带宽问题,而非计算本身。为了实现高效的深度学习计算,我们必须软硬件同时进行优化,不仅算法上压缩到更小,硬件上更要支持好压缩后的深度学习算法。基于稀疏化的深度压缩技术正是能解决这个问题的最好方法,通过在算法侧进行稀疏化剪枝等操作,将深度神经网络模型压缩十几倍,让其计算更快、功耗更低。深鉴科技以其稀疏化压缩软件与硬件加速技术为核心,已经形成了包括端上人脸识别、视频结构化等技术在内的智能安防、自动驾驶产品,以及包括语音识别等技术在内的云端加速器产品,并与国内外超过100家企业达成合作并实现应用。

关键词：神经网络硬件加速压缩软件数据集 ESE 稀疏化新范式

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

面向船联网的高效隐私保护联邦学习方法

引用

中国舰船研究 2022年第6期17卷 48-58页

作者：张泽辉管聪高航高铁杠陈辉南开大学软件学院天津300350 武汉理工大学船海与能源动力工程学院湖北武汉430063 武汉理工大学高性能舰船技术教育部重点实验室湖北武汉430063 清华大学公共安全研究院北京100084

[目的]人工智能技术已经成为提升船舶航行安全水平、降低航运企业运营成本的重要手段。为打破不同船舶公司之间的数据壁垒,进一步提升船舶智能化水平,提出一种面向船联网的高效隐私保护联邦学习方法。[方法]采用联邦学习技术以实现多个... 详细信息

[目的]人工智能技术已经成为提升船舶航行安全水平、降低航运企业运营成本的重要手段。为打破不同船舶公司之间的数据壁垒,进一步提升船舶智能化水平,提出一种面向船联网的高效隐私保护联邦学习方法。[方法]采用联邦学习技术以实现多个船舶参与方协同训练一个深度学习模型,并且使用同态加密方案以保护参与方的本地数据信息。考虑船联网场景,引入稀疏化技术对船舶参与方上传的模型参数进行压缩,从而降低参与方上传的数据量。[结果]理论分析和实验结果表明,所提出的高效联邦故障诊断方法能够有效地降低密码学计算和数据通信的资源消耗,同时保护船舶参与方的本地数据信息。[结论]该学习方法能够为船舶智能化研究提供参考。

关键词：船联网深度学习联邦学习隐私保护稀疏化

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

L波段探空秒级资料稀疏化方案及检验方法

引用

气象科技进展 2018年第1期8卷 127-132页

作者：李庆雷远芳杨贵廖捷胡开喜姚爽周自江国家气象信息中心北京100081 内蒙古自治区二连浩特市气象局二连浩特011100

高垂直分辨率探空资料的稀疏化是资料同化应用过程中非常重要的技术环节。通过甄别L波段秒级探空不同气象要素的时空变化拐点,提出一套自适应的稀疏化方案。该方案可以显著增加温度、湿度、风特性层数目,使得单次探空廓线的层数较现行... 详细信息

高垂直分辨率探空资料的稀疏化是资料同化应用过程中非常重要的技术环节。通过甄别L波段秒级探空不同气象要素的时空变化拐点,提出一套自适应的稀疏化方案。该方案可以显著增加温度、湿度、风特性层数目,使得单次探空廓线的层数较现行台站业务软件提供的多近200%,既能精准地描述气象要素垂直变化特征,又能有效地被再分析同化系统应用。应用基于模式背景场(ERA-Interim再分析资料)的观测资料偏差评估技术,通过对比分析不同来源的探空要素数据量、偏差(Bias)和均方根误差(RMSE)等指标,对稀疏化方案的效果进行了量化检验。结果表明:该稀疏化方案不仅实现了再分析同化应用过程中的探空廓线层数的显著增加,而且其Bias和RMSE的大小及垂直分布较已有整合廓线数据更合理。该稀疏化方案为更有效地将我国高垂直分辨率L波段探空资料应用于大气再分析提供了必要保证。

关键词：秒级探空稀疏化量化检验再分析同化

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

光谱学中的稀疏化方法

引用

计算机与应用化学 2017年第8期34卷 588-596页

作者：朱新峰田叶徐琴扬州大学信息工程学院江苏扬州225127 扬州大学化学化工学院江苏扬州225002

传统的多元回归方法如偏最小二乘回归(PLSR)、主成分回归(PCA)等通常将所有的变量都用于建立回归模型,这导致模型比较复杂而且也难以解释。在高维或大样本的数据环境下,为了增强模型的可解释,通过找到显著影响模型的一小部分变量或小部... 详细信息

传统的多元回归方法如偏最小二乘回归(PLSR)、主成分回归(PCA)等通常将所有的变量都用于建立回归模型,这导致模型比较复杂而且也难以解释。在高维或大样本的数据环境下,为了增强模型的可解释,通过找到显著影响模型的一小部分变量或小部分样本来减少模型复杂性。因此需要引入"稀疏化"方法,将校正模型中许多特征对应的回归系数设为0,仅回归系数不为0的特征会出现最终的校正模型中,旨在找出一些对模型具有显著影响的特征,忽略对模型影响不大的特征。本文讨论了回归问题中稀疏化方法及其在光谱分析的应用,给出了稀疏化模型和求解算法的一个综述,介绍了稀疏化方法在光谱学中进行波段选择和样本选择中的应用。

关键词：稀疏化波段选择样本选择光谱学

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Laplacian的稀疏化特征选择方法

引用

苏州科技大学学报（自然科学版） 2020年第2期37卷 71-76页

作者：吴锦华万家山伍祥安徽信息工程学院计算机与软件工程学院安徽芜湖241000

为解决传统特征选择方法在处理高维数据经常遇到“维数灾难”问题,提出了一种基于Laplacian正则化项和稀疏理论的特征选择方法(Lap-Spa-Lasso)。所提方法引入Laplacian正则化项保存样本分布信息,用于获得更具判别力特征,而方法中引入的... 详细信息

为解决传统特征选择方法在处理高维数据经常遇到“维数灾难”问题,提出了一种基于Laplacian正则化项和稀疏理论的特征选择方法(Lap-Spa-Lasso)。所提方法引入Laplacian正则化项保存样本分布信息,用于获得更具判别力特征,而方法中引入的稀疏项用于去除冗余特征。通过实验表明,所提方法不仅在三类分类器上性能表现良好,而且与现有传统特征选择方法相比,能提升分类性能并对参数表现鲁棒。

关键词： Laplacian算子稀疏化特征选择正则化项

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

基于支持向量机模型的机场行李码放策略

引用

计算机应用与软件 2022年第7期39卷 44-51,66页

作者：洪振宇张聪中国民航大学天津300300

为了解决机场行李在转运过程中存在的装箱问题,从码放策略、学习算法模型两个方面进行研究,提出基于深度稀疏最小二乘支持向量机模型(Deep Sparse Least Squares Support Vector Machine, DSLSSVM)的行李码放策略。该策略包括评价和决... 详细信息

为了解决机场行李在转运过程中存在的装箱问题,从码放策略、学习算法模型两个方面进行研究,提出基于深度稀疏最小二乘支持向量机模型(Deep Sparse Least Squares Support Vector Machine, DSLSSVM)的行李码放策略。该策略包括评价和决策两个部分。在评价时,通过将行李车与行李离散化,建立两者的数学关系,从而得到评价行李码放位置优劣的评估参数;在决策时,利用深度稀疏最小二乘支持向量机模型学习工人的码放经验,将决策问题转化为二分类问题,选择最佳码放位置进行码放。仿真实验表明:该算法可以达到较高的分类精度,并且能够得到比较理想的装箱效果,具有较强的实用性,满足机场行李高效运输的要求。

关键词：支持向量机码放策略最小二乘稀疏化

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

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

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

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

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

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

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：