检索结果-南通市图书馆

基于机器学习的Domany-Kinzel模型的相变性质研究

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

基于机器学习的Domany-Kinzel模型的相变性质研究

作者：范竑锐华中师范大学

学位级别：硕士

近来,运用于机器学习研究物理学引起了人们极大的兴趣。本文主要用机器学习方法研究Domany-Kinzel(DK)模型相变和临界行为。本文主要研究内容和结果:采用监督学习研究1+1维Domany-Kinzel模型相变。采用卷积神经网络的方法,研究发现训练... 详细信息

近来,运用于机器学习研究物理学引起了人们极大的兴趣。本文主要用机器学习方法研究Domany-Kinzel(DK)模型相变和临界行为。本文主要研究内容和结果:采用监督学习研究1+1维Domany-Kinzel模型相变。采用卷积神经网络的方法,研究发现训练后的神经网络可以识别DK模型的活性相和吸收相,可以估测出临界点,并用数据塌缩的方法,估测出临界指数,和理论值符合的很好。同时,我们发现,在DK模型的小尺寸晶格下,训练后的神经网络识别出临界点的准确性很高,随着尺寸的增加,神经网络的准确性更高。采用非监督学习研究1+1维Domany-Kinzel模型相变。分别采用主成分分析(PCA)、自编码(Autoencoder)和t分布随机近邻嵌入(t-SNE)的方法。在不知道DK模型相变的物理信息的情况下,PCA、自编码和t-SNE能够学习到DK位型的主要特征,对DK模型的活性相和吸收相分类,通过对比发现t-SNE能更好的区分DK位型活性相和非活性相。把DK位型压缩成一维,把自编码的输出结果归一化,发现自编码的输出结果可以类比DK模型的粒子数密度,并估测出了临界概率。监督学习和非监督学习都可以较好地研究DK模型,但监督学习的准确性更高,之后进一步提高非监督学习的准确性。

关键词：相变机器学习 Domany-Kinzel模型监督学习非监督学习

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

用于故障检测的集成核主分量分析

控制与决策 2013年第11期28卷 1691-1696页

作者：甘良志刘海宽张士诚江苏师范大学电气工程及自动化学院江苏徐州221116 江苏师范大学数学科学学院江苏徐州221116

针对复杂环境下的多变量工业过程在线故障检测问题,提出基于集成核主分量分析的解决方法.该方法首先求出样本映射后的无限维空间的多组近似基,将主分量分析问题特征向量的解空间限定在近似基张成空间求解;然后集成特征向量和特征值,并计... 详细信息

针对复杂环境下的多变量工业过程在线故障检测问题,提出基于集成核主分量分析的解决方法.该方法首先求出样本映射后的无限维空间的多组近似基,将主分量分析问题特征向量的解空间限定在近似基张成空间求解;然后集成特征向量和特征值,并计算Hotelling 2统计量和平方预报误差;最后据此判断检测结果.该方法对Tennessee Eastman过程故障检测样本进行测试,并与其他两种方法进行对比.测试结果表明了所提出方法的有效性.

关键词：集成学习非监督学习核主分量分析故障检测

复杂场景下基于深度学习的MIMO信号检测算法研究

在线全文

学校读者我要写书评

暂无评论

复杂场景下基于深度学习的MIMO信号检测算法研究

作者：何科广州大学

学位级别：硕士

在无线网络系统的物理层中,一个基本的科学问题是研究如何在接收端更好更快地恢复信源传输的信息。在实际生产环境中,无线网络系统物理层的接收端所面对的系统噪声和干扰十分复杂。造成这样的现象有多方面的原因,其中之一是频谱资源的... 详细信息

在无线网络系统的物理层中,一个基本的科学问题是研究如何在接收端更好更快地恢复信源传输的信息。在实际生产环境中,无线网络系统物理层的接收端所面对的系统噪声和干扰十分复杂。造成这样的现象有多方面的原因,其中之一是频谱资源的过度重用引起了严重的无线网络信号干扰。这些干扰往往呈现出时域或频域上的动态相关特性。此外,对于长波、水下通讯和多接入系统等场景来说,系统噪声或干扰还具有一定的冲击性。这类冲击性噪声干扰通常是复杂动态和难以分析的非高斯噪声干扰。复杂的业务环境的噪声深刻地影响了系统的信号检测方式,使得传统的信号检测方案难以适应复杂环境的变化,已成为系统的瓶颈。由于现有的多输入多输出（MIMO）信号检测方案主要致力于分析特定的噪声模型（如高斯白噪声）,并据此构建相应的信号检测方案,因此传统的信号检测方案并不能很好的适应复杂环境的切换。因此,我们亟需针对复杂未知动态噪声干扰环境,重新设计MIMO系统的智能信号检测方案,使得系统能够更好地适应各类复杂业务场景的切换。为了解决这一关键科学问题,本文首先针对未知独立复杂动态噪声干扰环境下的信号检测问题提出了一个新的基于最大正则流估计（MANFE）的信号检测框架,以执行有效的最大似然估计,从而恢复所需的信号。该框架是一个基于全概率生成模型的框架,可以有效地通过正则流神经网络来近似未知的噪声分布。更重要的是,这个框架是由无需标签数据的无监督学习方法驱动的,因此它只需要噪声样本而无需分析噪声的统计特性。为了降低最大似然估计的计算复杂度,我们进一步提出了该框架的低复杂度版本,该低复杂度框架利用给定的检测器进行初始估计,并利用该初始估计有效的减少了搜索空间的大小。仿真结果表明,该框架在误码率方面优于现有的其他算法,并且在高斯噪声下能够达到最大似然估计的性能边界。而且,在非高斯冲击性噪声环境下,低复杂度版本的性能可以优于基于欧氏距离的最大似然估计。其次,本文针对相关动态噪声干扰环境下的信号检测问题还提出了一个联合深层卷积神经网络（DCNN）与常规信号检测算法的迭代式框架,用以捕捉不同符号噪声之间的局部相关性,以此来降低相关噪声干扰对信号检测算法的影响。该框架作为一个通用框架,可以提高常规信号检测算法在相关噪声环境下的检测性能。在该迭代式检测框架中,信号检测算法用于对传输信号进行初始估计,然后通过DCNN利用噪声之间的局部相关性对传输信号进行相关性消除和噪声干扰消除以便后续进行更精确的估计。这种迭代过程可以持续进行,且有助于提高信号检测算法在此场景下的检测性能。此外,仿真结果验证了所提出的检测框架在该场景下的有效性。

关键词：信号检测多输入多输出系统冲击性噪声未知噪声统计量非监督学习生成模型

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

卷积自编码器中粗粒度池化特征提取研究

电子学报 2017年第10期45卷 2390-2401页

作者：罗畅王洁王鹏飞肖军肖红空军工程大学防空反导学院 94691部队

卷积自编码器(Convolutional Auto Encoder,CAE)提取的粗粒度池化特征具有一定范围内旋转和平移的不变性,因而得到广泛使用.然而,目前CAE仍主要依靠经验调节内部参数以获取满足要求的粗粒度池化特征.本文将CAE看作一个整体,从概率上分... 详细信息

卷积自编码器(Convolutional Auto Encoder,CAE)提取的粗粒度池化特征具有一定范围内旋转和平移的不变性,因而得到广泛使用.然而,目前CAE仍主要依靠经验调节内部参数以获取满足要求的粗粒度池化特征.本文将CAE看作一个整体,从概率上分析了影响其表现的具体原因,构建了一个通用框架用于调节其中的主要参数以获取更好的粗粒度特征.首先从概率上权衡了粗粒度特征在池化层上的判别性与不变性,并在CAE中选择合适的卷积范围和白化参数.然后通过分析池化域内特征的稀疏度选择相应的池化方法以获取具有更好可分离性的粗粒度池化特征.在两个公开数据库(STL-10和CIFAR-10)的实验结果表明本文提出的方法可以指导CAE提取到更好的粗粒度池化特征并在多类分类任务中表现得更好.

关键词：粗粒度特征池化卷积自编码器非监督学习深度学习

基于D-S证据理论的敞开式断路器局部放电检测技术

在线全文

学校读者我要写书评

暂无评论

广东电力 2023年第7期36卷 77-83页

作者：王录亮李炳康吴育毅徐钟祝李岩海南电网有限责任公司电力科学研究院海南海口571900 海南省电网理化分析重点实验室海南海口570311 华北电力大学电力工程系河北保定071003

敞开式断路器的典型故障是由内部填充的绝缘硅脂性能下降而导致的真空灭弧室闪络,该故障早期会引发沿瓷套表面的沿面局部放电,对该局部放电的检测易受到外界噪音信号干扰,降低故障诊断精度。针对敞开式断路器这种放电类型明确而干扰信... 详细信息

敞开式断路器的典型故障是由内部填充的绝缘硅脂性能下降而导致的真空灭弧室闪络,该故障早期会引发沿瓷套表面的沿面局部放电,对该局部放电的检测易受到外界噪音信号干扰,降低故障诊断精度。针对敞开式断路器这种放电类型明确而干扰信号不明的特点,提出基于非监督学习的敞开式断路器异常局部放电检测方法,解决传统监督学习样本不均衡且难获取的问题。该方法以4种局部放电图谱为对象,使用基于卷积神经网络的自编码器对输入图谱进行重构分析,将重构输出和原始输入之间的差异最小化作为学习目标,使模型学习局部放电特征。学习完成后,当新的放电图谱重构误差大于设定的阈值时,放电被认定为异常干扰。为进一步提升检测效果,采用D-S证据理论对4种局部放电图谱的结果进行融合。算例结果表明,该方法可以有效提升对断路器内部放电和干扰信号的区分准确率。所提方法可用于实时高效辨识敞开式断路器瓷套内部局部放电,剔除电晕干扰,为该设备的带电检测提供技术支撑。

关键词：断路器局部放电异常检测重构误差非监督学习

在线全文

学校读者我要写书评

暂无评论

面向数据中心的服务器能耗模型综述

计算机测量与控制 2023年第11期31卷 7-15页

作者：王东清李道童彭继阳叶丰华张炳会浪潮电子信息产业股份有限公司北京100085

伴随着云计算技术的快速发展,数据中心的服务器能耗日益激增,带来了严重的经济和环境问题,降低数据中心能耗,对缩减数据中心运营成本、实现全球“双碳”战略目标具有重要意义;因此,不同层面的服务器能耗模型构建和预估成为了近年来研究... 详细信息

伴随着云计算技术的快速发展,数据中心的服务器能耗日益激增,带来了严重的经济和环境问题,降低数据中心能耗,对缩减数据中心运营成本、实现全球“双碳”战略目标具有重要意义;因此,不同层面的服务器能耗模型构建和预估成为了近年来研究的热点;据此,从硬件、软件层面系统地总结了服务器能耗模型的相关工作;在硬件层面,对服务器的整体能耗按加法模型、基于系统利用率模型和其他模型分类;同时,还总结了服务器部件粒度的能耗模型,涵盖CPU、内存、磁盘和网络接口;在软件层面,按机器学习的类别将服务器能耗模型归纳为监督学习、非监督学习、强化学习;此外,还比较了不同能耗模型的优缺点、适用场景,展望了能耗模型的未来研究方向。

关键词：云计算数据中心能耗模型监督学习非监督学习强化学习

基于SOM和K均值聚类的谐振接地系统故障选线及区段定位方法

在线全文

学校读者我要写书评

暂无评论

电气技术 2023年第10期24卷 23-30页

作者：欧逸哲术茜国网福建省电力有限公司漳州供电公司福建漳州363000

谐振接地系统发生单相接地故障时的故障电流微弱,环境噪声会进一步弱化故障电流,导致现场数据不易获取。本文提出一种基于自组织神经网络(SOM)和K均值聚类的故障选线及区段定位方法。该方法是非监督学习算法,与监督学习算法相比,其能更... 详细信息

谐振接地系统发生单相接地故障时的故障电流微弱,环境噪声会进一步弱化故障电流,导致现场数据不易获取。本文提出一种基于自组织神经网络(SOM)和K均值聚类的故障选线及区段定位方法。该方法是非监督学习算法,与监督学习算法相比,其能更快地提取故障特征且不需要大量训练样本。将利用SOM算法提取的故障特征作为K均值聚类的输入,无需设置阈值来识别故障线路及定位故障区段。考虑不同接地电阻、故障角、故障距离,以及环境噪声和采样不同步的影响,进行仿真分析和实验数据验证。仿真和实验结果表明,该方法能够有效识别故障线路并定位故障区段。

关键词：谐振接地系统单相接地故障故障选线故障区段定位非监督学习

在线全文

学校读者我要写书评

暂无评论

基于非监督学习的恶意欠费用电客户识别

信息技术 2019年第3期43卷 33-36页

作者：李汉巨广东电网有限责任公司东莞供电局

恶意欠费用户识别对供电企业有重要意义,有利于供电企业提前介入,避免电费回收风险。由于用户电费数据缺少标签以区分用户是否恶意欠费,因此需要采取非监督学习方式建立识别模型。文中借鉴信息安全风险评估的风险值概念,综合欠费的恶意... 详细信息

恶意欠费用户识别对供电企业有重要意义,有利于供电企业提前介入,避免电费回收风险。由于用户电费数据缺少标签以区分用户是否恶意欠费,因此需要采取非监督学习方式建立识别模型。文中借鉴信息安全风险评估的风险值概念,综合欠费的恶意程度和欠费造成的经济损失程度来评估用户的欠费风险值,建立基于经验阀值的动态更新的恶意欠费用户识别模型。案例分析表明,该模型具备良好的识别能力,符合人们对恶意欠费用户的经验理解。

关键词：恶意欠费用电客户非监督学习信息安全风险评估聚类算法

无监督学习在临床实验室自动审核规则制定中的实践价值

在线全文

学校读者我要写书评

暂无评论

国际检验医学杂志 2018年第23期39卷 2941-2945页

作者：宋毅王家驷孙良丽重庆市江北区中医院检验科重庆400020 四川省达州市中心医院医学检验科四川达州635000 四川省达州市中心医院风湿免疫科四川达州635000

目的探索自编码机算法对临床实验室自动审核规则制定的临床价值。方法通过机器学习算法中的自编码机算法对四川省达州市中心医院检验科过去3年已经人工审核的涉及血清总蛋白(TP)、血清清蛋白(ALB)以及免疫球蛋白的结果进行无监督学习,... 详细信息

目的探索自编码机算法对临床实验室自动审核规则制定的临床价值。方法通过机器学习算法中的自编码机算法对四川省达州市中心医院检验科过去3年已经人工审核的涉及血清总蛋白(TP)、血清清蛋白(ALB)以及免疫球蛋白的结果进行无监督学习,评估选择合理模型的部分指标,以及对模型分组后的数据进行分布分析,进而探讨模型的合理性。结果通过增加合适的范围内隐层和隐层内神经元的数量,以及采用dropout技术会对最终模型的MSE带来积极的效果;本文模型认为TP介于44.59～94.56g/L之间,ALB位于27.14～52.88g/L之间,A/G值位于0.65～4.86之间,IgA位于0.01～18.74g/L之间,IgG位于1.34～36.81g/L之间,及IgM位于0.001～10.715g/L之间的结果可以无需关注,该判断规则与部分实验室已公布的自动审核规则极为接近,本试验数据显示将近90%判定为无需关注,进而大大提高检验人员对极少数异常数据的关注度。结论无监督学习中的自编码机算法能够在实验室自动审核规则制定中产生积极的价值,但需要进一步对模型产生的规则进行深入解读和分析。

关键词：非监督学习自动审核临床实验室实践价值