检索结果-南通市图书馆

基于多输入多输出-正交频分复用系统的动态马尔可夫链蒙特卡罗检测算法

在线全文

学校读者我要写书评

暂无评论

上海大学学报（自然科学版） 2011年第3期17卷 232-237页

作者：杨辉联杨建国石海上海大学通信与信息工程学院上海200072

在多输入多输出-正交频分复用系统中,基于马尔可夫链蒙特卡罗方法的贝叶斯多用户检测算法可以有效地抑制多径衰落、载波频偏以及相位噪声干扰,但因收敛速度较慢导致实时性较差.针对这一问题,提出一种动态马尔可夫链蒙特卡罗检测算法.该... 详细信息

在多输入多输出-正交频分复用系统中,基于马尔可夫链蒙特卡罗方法的贝叶斯多用户检测算法可以有效地抑制多径衰落、载波频偏以及相位噪声干扰,但因收敛速度较慢导致实时性较差.针对这一问题,提出一种动态马尔可夫链蒙特卡罗检测算法.该算法利用系统状态样本间的相关性和所设定的收敛阈值门限,实现动态选取系统状态采样值的迭代收敛区间,以求在确保算法检测性能的同时,进一步提高检测估计运算的实时性.仿真结果表明,该算法具有收敛速度快、误码率低等优点.

关键词：马尔可夫链蒙特卡罗贝叶斯算法收敛速度

基于辅助变量马尔可夫链蒙特卡罗方法的RBM学习算法

在线全文

学校读者我要写书评

暂无评论

统计与决策 2020年第10期36卷 18-22页

作者：丁毅涛胡俊英西京学院理学院西安710123 西安交通大学数学与统计学院西安710049

文章给出了一种训练受限玻尔兹曼机(RBM)的有效方法。提出基于辅助变量的马尔可夫链蒙特卡罗方法(MCMC),利用Swendsen-Wang(SW)算法构造辅助变量与感兴趣变量之间的条件概率,进而得到混合率更高的Gibbs链,从而使其更好地逼近对数似然梯... 详细信息

文章给出了一种训练受限玻尔兹曼机(RBM)的有效方法。提出基于辅助变量的马尔可夫链蒙特卡罗方法(MCMC),利用Swendsen-Wang(SW)算法构造辅助变量与感兴趣变量之间的条件概率,进而得到混合率更高的Gibbs链,从而使其更好地逼近对数似然梯度。最后,通过数据实验给出辅助变量MCMC的抽样效果和RBM模型在数据集下的对数似然,证实基于辅助变量的MCMC方法在学习RBM方面有良好效果。

关键词：受限玻尔兹曼机马尔可夫链蒙特卡罗对数似然条件概率分布

基于马尔可夫链蒙特卡罗方法的RBM学习算法改进

在线全文

学校读者我要写书评

暂无评论

基于马尔可夫链蒙特卡罗方法的RBM学习算法改进

作者：胡洋上海交通大学

学位级别：硕士

深度学习（Deep Learning）是近年来新兴的一门机器学习子领域。该领域的研究内容主要是探讨包含多层结点的人工神经网络的建模和学习问题。这种‘‘深度神经网络’’由于在信息处理方式上更加类似于人类大脑,因此被认为有希望更好地解... 详细信息

深度学习（Deep Learning）是近年来新兴的一门机器学习子领域。该领域的研究内容主要是探讨包含多层结点的人工神经网络的建模和学习问题。这种‘‘深度神经网络’’由于在信息处理方式上更加类似于人类大脑,因此被认为有希望更好地解决一些复杂的智能问题。目前最有效的深度学习算法是将一个深度神经网络视为多个限制玻尔兹曼机（Restricted Boltzmann Machine或RBM）的层叠进行逐层学习。由于RBM相对比较容易学习,因此这种算法克服了直接对多层网络进行训练的效率问题。可见,RBM的机器学习问题在深度学习领域占据着核心地位。在本课题中,我们将进一步探讨RBM的学习问题。本文的研究内容和创新性工作主要包括:（1）总结了近年来兴起的各种RBM学习算法,并发现马尔可夫链蒙特卡罗方法（MCMC）对提升RBM学习效果具有广阔的前景;（2）我们探讨了现有方法的主要缺点——仅仅将MCMC作为一个工具使用,并没有充分利用机器学习过程的特点反过来加强MCMC算法;（3）我们提出了一种MCMC和机器学习相互利用的思想,并设计了一种针对机器学习的MCMC算法;（4）我们的实验证明该算法在传统的效率、似然度评价指标上明显优于现有的方法;（5）我们提出了包括模式集内容和收敛性等多项独创的新指标。随着深度学习领域的兴起,基于MCMC的机器学习算法将变得越来越重要。随着MCMC和机器学习联系更加紧密,针对机器学习而专门设计的MCMC算法将成为未来的一个研究热点。而我们的工作首次提出和验证了这个思想,并证明了它的潜力,为这个新方向探索了一条可行的道路。

关键词：机器学习神经网络深度学习马尔可夫链蒙特卡罗限制玻尔兹曼机

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

超亮超新星光变特征和供能机制的统计分析

北京师范大学学报（自然科学版） 2024年第1期60卷 21-29页

作者：董晓菲刘良端高鹤北京师范大学天文与天体物理前沿科学研究所北京北京师范大学天文系北京华中师范大学天体物理研究所湖北武汉夸克与轻子物理教育部重点实验室(华中师范大学) 湖北武汉

统计了91颗贫氢超亮超新星的光变特征,并结合3种供能模型进行了蒙特卡罗模拟,以探究实际观测对其能源机制的约束.结果显示:这些超亮超新星在g波段的平均峰值绝对星等为(-21.34±0.8),上升和下降时标分别分布在7~79和14~114 d,并呈现显... 详细信息

统计了91颗贫氢超亮超新星的光变特征,并结合3种供能模型进行了蒙特卡罗模拟,以探究实际观测对其能源机制的约束.结果显示:这些超亮超新星在g波段的平均峰值绝对星等为(-21.34±0.8),上升和下降时标分别分布在7~79和14~114 d,并呈现显著正相关;模拟结果表明磁星和相互作用机制都可能为大部分超亮超新星供能,在相互作用模型中,基于壳层分布假设的模拟结果与观测符合得更好.国内各大巡天项目(如CSST、司天工程)未来将探测到更多高红移超亮超新星,以期为相关科研人员深入了解宇宙中的恒星演化和爆炸过程提供重要数据.

关键词：超新星光变曲线毫秒磁星马尔可夫链蒙特卡罗

在线全文

学校读者我要写书评

暂无评论

双层稀疏贝叶斯学习ISAR超分辨成像算法

系统工程与电子技术 2023年第5期45卷 1371-1379页

作者：杨磊夏亚波廖仙华毛欣瑶窦宇宸杨桓中国民航大学天津市智能信号与图像处理重点实验室天津300300 玛卡莱斯特学院明尼苏达明尼阿波利斯MN 55105 中国工程物理研究院电子工程研究所四川绵阳621999

传统贝叶斯成像常采用拉普拉斯分布进行成像特征表征,易使得成像结果过稀疏而容易丢失部分弱散射的结构特征,进而影响逆合成孔径雷达(inverse synthetic aperture radar,ISAR)成像精度提升。为实现高精度ISAR超分辨成像,本文采用伯努利... 详细信息

传统贝叶斯成像常采用拉普拉斯分布进行成像特征表征,易使得成像结果过稀疏而容易丢失部分弱散射的结构特征,进而影响逆合成孔径雷达(inverse synthetic aperture radar,ISAR)成像精度提升。为实现高精度ISAR超分辨成像,本文采用伯努利拉普拉斯混合稀疏先验对目标统计特性进行概率建模,利用双层稀疏对目标先验进行统计约束,从而有效模拟目标散射场统计先验。并在贝叶斯层级模型下,通过引入隐变量建模的方式对先验进行分层构建,在解决先验分布与高斯似然函数不共轭问题的同时简化贝叶斯推断,降低模型复杂度。为避免繁琐的手动参数调整,实现超参数的自调节,本文对各随机变量建立条件概率依赖模型,并利用马尔可夫链蒙特卡罗随机模拟估计算法解决高维积分和后验分布难以求解的问题,实现相关超参数的统计估计,提升算法自学习能力。仿真和实测数据均证明本文所提方法具有有效性和优越性。

关键词：逆合成孔径雷达稀疏成像伯努利拉普拉斯贝叶斯学习马尔可夫链蒙特卡罗

基于Logistic回归和MCMC方法评价地震滑坡敏感性

在线全文

学校读者我要写书评

暂无评论

水土保持研究 2022年第3期29卷 396-403,410页

作者：贺倩汪明刘凯北京师范大学地表过程与资源生态国家重点实验室北京100875 北京师范大学减灾与应急管理研究院地理科学学部北京100875 北京师范大学环境演变与自然灾害教育部国家重点实验室北京100875

Logistic回归模型(Logistic Regression,LR)在滑坡敏感性评价上应用广泛,但目前对于模型参数不确定性的研究较为缺乏。马尔可夫链蒙特卡罗(Markov Chain Monte Carlo,MCMC)方法能够结合参数的先验信息得到其后验分布,从而对估计参数的... 详细信息

Logistic回归模型(Logistic Regression,LR)在滑坡敏感性评价上应用广泛,但目前对于模型参数不确定性的研究较为缺乏。马尔可夫链蒙特卡罗(Markov Chain Monte Carlo,MCMC)方法能够结合参数的先验信息得到其后验分布,从而对估计参数的不确定性进行分析。为探索MCMC方法在Logistic滑坡敏感性模型构建中的有效性;量化模型参数估计值的不确定性,以西南地区2013年4·20芦山地震,2017年8·8九寨沟地震和2014年8·3鲁甸地震为例,基于MCMC方法对Logistic回归模型的回归系数进行估计。构建了区域的地震滑坡敏感性模型,对模型参数的估计值进行了不确定性分析,并绘制了区域的滑坡敏感性图。结果表明:在芦山地震案例中,模型参数估计值的不确定性都比较低;在九寨沟案例中,岩性因子的参数估计值不确定性较高;在鲁甸地震中,岩性、剖面曲率和平面曲率的参数不确定性较高。总的来说,模型中的大多数参数估计值不确定性都较低。所构建的Logistic回归模型在三次地震滑坡事件中的预测精度都较高,AUC(Area Under ROC Curve)值均在0.9以上,这证明了MCMC方法对Logistic模型参数估计的准确性。在三次地震滑坡事件中,因子相对重要性最大的为高程,其次为距离断层的距离以及修正麦卡利烈度。研究为利用LR模型进行滑坡敏感性评价提供了一种新的思路和方法。

关键词：马尔可夫链蒙特卡罗 Logistic回归不确定性地震滑坡滑坡敏感性

核环境中基于时空逻辑推理的作业机器人的轨迹跟踪方法

在线全文

学校读者我要写书评

暂无评论

核电子学与探测技术 2023年第2期43卷 242-249页

作者：张洁郑州旅游职业学院信息工程学院郑州451464

为了实现核环境中作业机器人(作业车辆)运动轨迹的跟踪估计,提出了一种基于时空逻辑推理的解决方案。首先,通过对作业机器人(作业车辆)建立起简化的运动学模型并考虑操纵员指令先前值和作业车辆先前值,得到一个用11个参数对作业车辆运... 详细信息

为了实现核环境中作业机器人(作业车辆)运动轨迹的跟踪估计,提出了一种基于时空逻辑推理的解决方案。首先,通过对作业机器人(作业车辆)建立起简化的运动学模型并考虑操纵员指令先前值和作业车辆先前值,得到一个用11个参数对作业车辆运动轨迹进行解释的状态模型。然后,采用马尔可夫链蒙特卡罗对解空间进行采样,并采用先前的操纵员行为和道路几何形状来有效地定义建议。最后,将作业车辆的一般3D模型投影到每幅图像中,再将其与视频序列的背景/前景图进行比较,同时采用线积分图像实现似然函数,从而从轨迹样本生成作业车辆进入视频序列的一组离散位置。在真实视频序列上的实验结果表明,提出的算法在跟踪误差和轨迹生成方面都优于常用的时序粒子滤波方法。

关键词：核环境作业机器人目标跟踪逻辑推理状态向量后验分布估计马尔可夫链蒙特卡罗跟踪误差

在线全文

学校读者我要写书评

暂无评论

中国广州市蚊虫密度估计

中国广州市蚊虫密度估计

作者：张娴东华大学

学位级别：硕士

蚊子是多种疾病的传播媒介。预测蚊虫密度的变化趋势对蚊虫疾病的早期预警和防控具有重要意义。在本文中,我们利用中国广州市在2014年监测白纹伊蚊的布雷图指数和叮咬指数数据以及在同一时期记录的包含平均温度、降水量、蒸发量和昼长... 详细信息

蚊子是多种疾病的传播媒介。预测蚊虫密度的变化趋势对蚊虫疾病的早期预警和防控具有重要意义。在本文中,我们利用中国广州市在2014年监测白纹伊蚊的布雷图指数和叮咬指数数据以及在同一时期记录的包含平均温度、降水量、蒸发量和昼长的天气数据拟合了一个由Gong等人在2011年开发的离散时间蚊虫模型。这个离散时间蚊虫模型考虑了蚊子的未成熟和成年两个阶段,以及依赖天气因子的模型参数,例如:与水分指数有关的成虫的产卵率,与温度有关的未成熟蚊子的成熟率和存活率以及成年蚊子的存活率,与昼长有关的成年蚊子的滞育率。我们使用马尔可夫链蒙特卡罗(MCMC)方法估计了模型参数。我们发现有许多模型参数是不能确定的。我们对模型进行了修正和简化以使我们的模型参数都是可以确定的。我们重新利用中国广州市在2014年的蚊子监测数据和天气数据对此经过修正和简化的模型进行了拟合,我们发现模型的参数都可以确定了。接着我们把估计出来的模型参数代入我们的改进的模型,从而绘制出预测的蚊虫密度,并与广州市在2014年的布雷图指数和叮咬指数数据进行比较。我们的结果表明,该改进的模型预测的蚊子的流行趋势与布雷图指数和叮咬指数数据能够很好的吻合。然后我们利用广州市在2017年和2018年的蚊子监测数据和天气数据分别验证我们已经估计出的参数值和改进的模型,从而相应地绘制出预测的蚊虫密度,并与广州市在2017年和2018年的布雷图指数和叮咬指数数据进行比较。结果表明,该改进的模型预测的蚊子的密度与布雷图指数和叮咬指数数据能够很好的吻合,由此说明,我们所估计出的参数值和改进的模型同样适用于广州市2017年和2018年。

关键词：天气蚊虫密度参数估计马尔可夫链蒙特卡罗

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

寿险精算多状态模型的高效蒙特卡罗模拟

寿险精算多状态模型的高效蒙特卡罗模拟

作者：吴敏华北电力大学(北京)

学位级别：硕士

改革开放以来,随着我国金融市场不断发展,人民群众对于经济保障的需求日趋增长,促进了我国保险业的蓬勃发展。寿险是建立在社会保险的基础上以被保险人寿命分布为核心的一种保险商品,关于寿险精算数值方法的研究具有重要的金融理论和实... 详细信息

改革开放以来,随着我国金融市场不断发展,人民群众对于经济保障的需求日趋增长,促进了我国保险业的蓬勃发展。寿险是建立在社会保险的基础上以被保险人寿命分布为核心的一种保险商品,关于寿险精算数值方法的研究具有重要的金融理论和实际应用价值。而多状态模型基于概率数学中的随机过程,可以直观表达寿险业务中不同生命状态以及状态之间的转化过程,其在连续时间离散状态场景下的应用优势给多状态模型在寿险精算中的应用带来了可能。本文通过总结前人关于寿险精算的研究方法和成果,使用两种较为高效的蒙特卡罗(Monte Carlo,MC)方法——拟蒙特卡罗(quasi Monte Carlo,QMC)和马尔可夫链蒙特卡罗(Markov Chain Monte Carlo,MCMC)进行寿险精算多状态模型的数值模拟研究。数值实验部分主要选取寿险精算多状态模型中的永久失能模型,以一个10年定期寿险合同为实例构造一个具体的寿险环境,对其责任准备金Thiele微分方程的死亡率参数分别进行QMC以及MCMC数值模拟,并通过模拟结果利用迭代方法计算出责任准备金,与其Thiele微分方程数值解进行对比,结果表明使用QMC以及MCMC方法进行数值模拟在被保险人处于状态0即健康状态的情况下责任准备金的模拟效率分别为82.64%和80.27%,在状态1即疾病状态的情况下责任准备金的模拟效率分别为89.05%和90.32%,模拟效果较好,验证了高效蒙特卡罗方法在寿险精算中的适用性和优越性。

关键词：寿险精算多状态模型拟蒙特卡罗马尔可夫链蒙特卡罗责任准备金 Thiele微分方程数值实验