绑定机构
扫描成功 请在APP上操作
打开万方数据APP,点击右上角"扫一扫",扫描二维码即可将您登录的个人账号与机构账号绑定,绑定后您可在APP上享有机构权限,如需更换机构账号,可到个人中心解绑。
欢迎的朋友
万方知识发现服务平台
获取范围
  • 1 / 100
  (已选择0条) 清除 结果分析
找到 28214 条结果
[博士论文] 李文钰
计算数学 大连理工大学 2018(学位年度)
摘要:人工神经网络由于其超强的非线性映射能力,卓越的学习能力以及其广泛的用途,成为许多领域的研究热点.为了提高网络泛化能力,产生更经济的稀疏网络,克服梯度型神经网络学习算法收敛速度慢,容易过快陷入局部极小点,且易产生振荡现象的缺陷.为此本文主要研究带光滑L1/2正则项的批处理共轭梯度型学习方法.首先提出基于修正割线方程的共轭梯度法,并验证了该方法求解标准优化测试问题的有效性.其次提出双自适应参数的共轭梯度法,并对XOR问题搭建神经网络进行测试来验证算法的有效性.然后将双自适应参数的混合共轭梯度法引入BP前馈神经网络训练,提出带光滑L1/2正则项的共轭梯度学习方法.最后针对零阶Takagi—Sugeno模糊推理系统,提出带光滑L1/2正则项的常值学习率共轭梯度学习方法.本文对于这些方法均进行了收敛性分析,它们在数值结果上也展示出了不俗表现.本文的主要内容概括如下:
  1.第一章绪论部分回顾了神经网络的相关背景知识,介绍了本文的研究目的和研究意义,提出了本文的研究内容.
  2.第二章针对Dai-Yuan(DY)共轭梯度方法具有优良的收敛性质但数值表现一般的特点,结合修正的割线方程,改进某类参数DY型共轭梯度法,提出了双参数DY型共轭梯度算法.结合Wolfe线搜索,算法总能产生下降的搜索方向.由于算法充分的利用修正割线方程中包含的梯度信息和函数值的信息,提高了目标函数二阶曲率的近似精度,在参数选择为恰当常数的条件下,算法表现出优异的数值性能.在合理的假设下,证明了该方法的全局收敛性.
  3.第三章主要分析双参数共轭梯度方法中参数的自适应问题.基于在最优解附近选择共轭梯度方向为拟牛顿方向这一假定,充分利用已经计算得到的梯度、搜索方向和学习率等信息来设计自适应的参数,并利用强Wolfe线搜索来计算学习率,算法产生新的搜索方向既为下降方向又具有拟牛顿性质.对于XOR问题搭建神经网络进行数值实验,结果显示双自适应参数共轭梯度法明显改善了DY框架下的其他三个参数共轭梯度法,并且与经典的梯度算法和共轭梯度算法相比较,同样显示了良好的性能.
  4.第四章主要研究将双自适应参数共轭梯度方法用于前馈神经网络训练,并用于分类任务.我们依据DY框架下的共轭梯度混合策略,提出了光滑L1/2正则化双自适应参数的混合共轭梯度学习方法,进一步改善学习算法的性能.该方法利用强Wolfe条件来计算学习率,使得该混合算法产生的搜索方向依然具有拟牛顿性和充分下降性质.如在UCI数据集中五个基准分类问题的数值实验所示,与其他经典的共轭梯度训练算法相比,新的学习算法具有与其他算法大致相同或更好的学习能力,但同时又具有更好的泛化性、网络稀疏性和更高的稳健性.在合理的假设下,证明了该方法的全局收敛性.
  5.第五章针对零阶Takagi-Sugeno模糊推理系统,提出一种具有光滑L1/2正则项的共轭梯度方法来训练模糊神经网络,得到了较为经济的稀疏网络结构.该方法中,采用了常值学习率,以此来降低计算成本,并提高学习效率.数值实验表明,该算法具有较强的稀疏性和较快的学习效率.此外,在合理的假设下,得到该方法的全局收敛性结果.
[硕士论文] 杨博
机械制造及其自动化 兰州交通大学 2018(学位年度)
摘要:随着现代制造业的发展,市场越来越趋向于产品个性化和多样化定制,生产调度管理者对车间运作效率、生产模式的标准化和精细化要求也在日益提高,因此,越来越多的企业开始转型,采用多品种小批量混流作业方式,以达到优化生产调度、缩短生产周期、降低生产成本和提高企业利润的目的。然而在产品生产过程中,经常出现许多突发状况,如紧急订单插入、机器故障、加工延迟等,不仅严重干扰正常生产秩序,而且增加了车间运作的不确定性。
  基于柔性制造车间常用评价指标,以最大完工时间、机床总负荷、最大加工成本和最大单个机器负荷为优化目标,建立多品种小批量混流作业车间静态调度模型,并将机器故障、紧急订单插入和普通订单插入三种常见的干扰因素转换成为模型约束条件,获得更加适应车间调度实际状况的动态调度模型。
  针对车间多目标调度模型的求解,在多目标布谷鸟搜索算法(Multi-objective CuckooSearch Algorithm,简称MOCS)的基础上,自适应调整部分参数和莱维飞行步长,加入双向搜索策略,并引入模拟退火思想,形成计算性能更加优越的改进多目标布谷鸟搜索算法(Improved Multi-objective Cuckoo Search Algorithm,简称IMOCS)。此外,采用双层规划编码方式,以原始和改进多目标布谷鸟算法以及改进非支配排序遗传算法(Non—dominated Sorting Genetic Algorithm,简称NSGAⅡ),分别对动态调度模型予以求解,并从收敛效率方面对三种智能优化算法作以评价,选择出更加适合四目标动态调度模型的优化算法,证明了改进算法的可行性。在利用智能算法求解车间调度模型得到Pareto解集后,运用层次分析法(Analytic Hierarchy Process,简称AHP)建立判断矩阵,并分别计算得到四项优化目标的权重值,在Pareto解集中选择出最优加工顺序和机器排序。
  最后,以某多品种小批量混流生产企业调度信息为例,经过计算和结果对比,证明了车间动态调度模型的合理性,以及改进多目标布谷鸟搜索算法的优越性。
[硕士论文] 德吉
计算机应用技术 兰州交通大学 2018(学位年度)
摘要:随着国家大力发展中国的铁路网,不断提高铁路建设投入,我们已经在轨道电路等领域实现了自给自足,国家自主研发的ZPW-2000A型轨道电路已经被广泛应用到国内多个铁路和高铁专线。轨道电路故障出现频率高,原因查找困难,对行车安全造成严重威胁。目前广泛使用的方法是专业人员对微机监测数据和报警信息进行分析,根据经验判别故障,这种方法判别周期长,有时甚至需要专家亲临现场,尤其在雨、雪、雷、电等极端天气时更增加了诊断难度,威胁乘客和铁路工作人员的生命安全。为此许多科研人员都在研究更为便捷高效的故障诊断方法,并取得了一定成果,为预警系统的研究提供了参考。本文主旨在于建立一个预警系统,根据关键部位电压值的变化趋势,在故障发生之前提出预警,及时发现潜在故障,避免发生安全事故。
  论文基于现场常见故障案例,比较了现有轨道电路故障诊断的方法,总结了各自的特点。提出了预警系统的概念,预警系统是一种事先预测故障发生可能性的系统,它是一个多输入多输出,非线性的系统,选取对故障敏感的三处电压作为系统的输入参数,分析了四种常见故障的输出数据,得出了模糊系统(Fuzzy System,FS)和神经网络(NeutralNetwork, NN)结合起来具有非线性、学习能力强和多输入多输出的优点。建立好模糊神经网络(Fuzzy Neutral Network,FNN)模型和学习规则及学习算法之后,把训练样本数据输入进去通过FNN训练产生满足系统要求的输出,Matlab仿真结果表明该方法可行。模糊神经网络预警系统的具体实现由以下四个步骤构成:
  第一,论文针对ZPW-2000A型移频轨道电路的基本原理,详细分析了具有代表性的补偿电容、调谐区各部件等故障。发现故障发生前、中、后期,轨道电路电压均有明显变化。根据电压值对故障的敏感程度筛选出主轨道电路接收端电压、小轨道电路接收端电压和相邻后区段主轨道接收端电压作为系统输入参数。系统的输出是四种常见故障的可信度:补偿电容故障、调谐单元发送端断线、调谐单元接收端断线和空心线圈断线。
  第二,模糊系统和神经网络两者的结合充分解决了轨道电路预警非线性、复杂性、不确定性的问题。建立模糊规则时引入隶属函数使模糊的概念被数学化,将每个输入参数模糊化为高、中、低(H、N、L)三个子集,用三分法确定子集的隶属函数。将每个输出参数模糊化为四个可信度子集:很高、较高、较低、很低(A、B、C、D)。根据专家经验将这些可能发生的情况组合起来,建立模糊推理规则集。
  第三,加入神经网络算法调节模糊系统,这样参考模糊规则的同时也增加了系统的自学习能力,更加贴合现实中专家诊断的情形。采用改进的反向传播算法对模型学习进行训练,在梯度达到最小时寻找最优训练结果,直到输出满足系统阈值。
  第四,参考Matlab对仿真的结果,从若干个满足系统精度的训练结果之中选取训练的最成功的一次,此时测试样本的均方误差曲线和训练样本的均方误差曲线拟合程度高;系统输出的数据非常接近于期望输出,表明系统泛化能力强,即使是在样本数量较小的情况下,依然能做出准确的判断。所有试验结果均表明建立的FNN预警系统具有可操作、精度高、输出稳定的特点。
[硕士论文] 赵畅
模式识别与智能系统 兰州交通大学 2018(学位年度)
摘要:基于全球定位系统(Global Positioning System,GPS)在室内定位过程中信号易受干扰传播不佳,定位效果较差等问题。本文采用无线传感网络(Wireless sensor networks,WSN)中传感器定位的经典方法,该方法主要基于无线电位置指纹识别和机器学习,共同建立接收信号强度(Received Signal Strength,RSS)与传感器所在的物理位置之间关系模型。针对室内环境的不断变化以及时变的RSS对室内定位的影响,本文提出了一类基于核自适应滤波算法的WSN室内定位方法。本文提出的核自适应滤波方法具体包括量化核最小均方(Quantized Kernel Least Mean Square,QKLMS)算法和核递推最小二乘(KernelRecursive Least-Squares,KRLS)方法。QKLMS算法是通过利用一种简单的在线矢量量化方法来替代稀疏化方法,从而抑制核矩阵中径向基函数结构的增长。核递推最小二乘方法分别应用基于近似线性依赖(Approximate Linear Dependence,ALD)的稀疏化算法、正则化L2范数结合滑动窗口(Sliding-Window,SW)的算法以及固定预算(Fixed-budget,FB)算法,构建RSS位置指纹信息与物理位置之间的非线性映射关系。ALD-KRLS是基于ALD的在线稀疏技术抑制核矩阵的不断增长。SW-KRLS考虑“滑窗”以及常规的正则化技术,固定了核矩阵的规模而不是限制其大小。FB-KRLS与SW-KRLS的“滑窗”技术不同,每次新数据到来时并不会“修剪”最老旧的数据,而是“修剪”意义最小的数据,这样才能抑制核矩阵的不断增长。这些核学习方法均为核自适应滤波方法,其在线学习的能力使得本文所提出的室内定位算法能够自适应动态环境的变化,从而提高定位精度与运算速度。
  本文的主要研究内容如下:
  (1)研究位置指纹定位的定位原理,通过对国内外现状的分析考察位置指纹定位的可行性以及实用性。分析现有的核学习方法的定位性能,同时分析极限学习机(ExtremeLearning Machine,ELM)等一系列位置指纹定位算法的定位性能。
  (2)研究ALD-KRLS算法、SW-KRLS算法的基本理论。利用以上两种核自适应滤波算法建立室内定位模型,获得一类基于核自适应滤波方法的无线传感网络室内定位算法。将所提出的两种室内定位算法应用在仿真及物理实例中,在相同的情况下将与KPCA-SVM、KPCA-LSSVM、ELM、KELM、KPLS、OS-ELM等算法进行比较。实验结果表明,本文所提出的以上两种定位算法具有较高的定位精度,优于其他定位方法。
  (3)研究QKLMS算法以及FB-KRLS算法的基本理论。利用以上两种核自适应滤波方法建立室内定位模型,获得一类基于核自适应滤波方法的无线传感网络室内定位算法。将所提出的两种室内定位算法应用在仿真及物理实例中,在相同的情况下将与KPCA-SVM、 KPCA-LSSVM、 ELM、 KELM、 KPLS、OS-ELM、ALD-KRLS、SW-KRLS等算法进行比较。实验结果表明,QKLMS、FB-KRLS两种定位算法均能够缩短模型的训练时间,且具有较高的定位精度。更为重要的是,其在线序列学习的能力使得所提出的定位算法能自动地适应环境动态的变化。
[硕士论文] 朱琦
设计学 浙江大学 2018(学位年度)
摘要:面对面沟通一直是人类高质量传递情感、建立融洽关系的有效途径。在这个过程中,非语言因素(诸如音色音调、面部表情以及肢体语言)对沟通的质量起到了决定性的作用。有鉴于此,为了尽可能还原面对面沟通的效果,前人将以机器人为媒介的沟通系统(Robot-Mediated Communication)应用在远程沟通领域,该系统凭借在视频通信和移动能力上的优势并能为对话双方塑造出一种真实的存在感,而得到了广泛的应用。然而,对于机器人身体运动能力的研究大多集中在路径规划、自动导航等算法领域,从非语言因素的角度对机体运动进行的系统研究很少,尚无针对机体运动影响沟通效果的相关研究成果,在实际应用中也未有取得创新性突破,一定程度上,阻碍了以机器人为媒介的沟通系统和相关人机交互领域的发展。
  机体的运动是正在参与远程交流的操控者在主观意识下执行的结果,若要以非语言因素的角度深入研究机体运动,考虑参与者的心理和情感因素进行研究是有必要的。因此,作者基于心理学、计算机科学、设计学等交叉学科背景,对情感轨迹化表达的概念创新和应用场景进行了系统的研究。
  本文的主要研究成果包括:
  (1)证明了在以机器人为媒介的沟通中,运动轨迹这一非语言因素对情感传递具有影响,并且为进一步研究不同情感类型下的影响效果奠定了理论基础。本文基于人际交往中有关形体动作、面部表情、语音语调等非语言因素的研究,在以机器人为媒介沟通的人机交互领域中,提出了情感轨迹化的概念,并通过实验验证了情感可以通过机体的运动轨迹进行可视化表达。其次,证明了针对不同的情感类型,轨迹化的感知效果具有差异。并且,指出情感轨迹的感知效果在性别上具有普适性。最后,基于社交性格的差异,给出了对情感轨迹感知效果具有影响的性格因子。
  (2)提出了以机器人为媒介的沟通系统在家庭场景下的创新应用方案。本文深入研究该系统以往的应用场景,如办公环境、医疗看护、养老照料和学校教育等,提出了在家庭场景下应用的可能,弥补了在家庭环境下该应用的空白。最后通过EmoWalker这款产品,在实际场景中进行返景验证,验证了该系统在满足家庭情感交流方面的可行性。
  (3)提出了改进的远程聊天效果评估方法。本文基于家庭交流的应用场景,综合基本情感、社交情感和自我情感各自的特点,结合用户研究,在MRP系统的传统评估方式(相似度和亲密度)中引入情感的维度,并通过实验验证了情感维度作为评估指标的可行性。
  本文结合跨学科的研究思路,突破传统研究中局限于复杂的机械结构和晦涩的运行算法等方向的研究,将设计思维中的经典方法融入实验设计与产品设计当中。情感轨迹化表达的研究成果,可以进一步扩展到更多的非语言因素和远程聊天的途径中,对于处理“人-机器人交互、人-计算机交互、人-人交互”三位一体的复杂交互场景的方法完善和发展具有重要的价值。
[博士论文] 吴森森
地图学与地理信息系统 浙江大学 2018(学位年度)
摘要:地理关系回归分析是地理时空建模的研究热点。发展新的时空回归分析方法,提升地理关系的分析挖掘能力,对于深入理解社会过程和地理现象具有重要的理论价值与实践意义。时空非平稳性是地理关系描述的固有特性,其解算精度决定了地理关系回归建模的准确性与可靠性。
  以地理加权回归和时空地理加权回归为核心的现有非平稳关系回归方法,由于无法充分拟合现实地理关系的复杂非线性特征,导致其在解算时空非平稳性时面临时空邻近关系表达不充分、核函数权重计算不准确等突出问题,极大限制了复杂地理关系的时空分析与建模表达能力。
  针对以上问题,本文综合利用现代人工智能方法优越的拟合与计算能力,将地理关系中复杂非线性问题的构造求解转换为深度神经网络的拓扑设计与优化学习问题,初步建立了地理时空神经网络加权回归理论与方法体系,并以浙江近岸海域赤潮灾害的地理时空关系建模为例,进行了核心方法的测试、应用与验证。本文的研究内容概况如下:
  (1)以“时空邻近关系的统一表达”和“权重核函数的精确构建”为目标,提出了时空邻近关系的多层次深度神经网络表达方法,设计了具有动态学习能力的地理时空加权神经网络,建立了时空非平稳性的精准解算训练框架,并进一步构建了统计诊断分析方法,初步形成了地理时空神经网络加权回归理论。
  (2)给出了地理时空神经网络加权回归理论在空间关系范畴下的模型定义与设计实现,提出了地理神经网络加权回归模型。以浙江近岸海域赤潮灾害过程的空间非平稳关系建模为例,充分论证了该模型理论方法的可行性与有效性,并证明了空间加权神经网络比空间权重核函数具有更强的适用性。
  (3)给出了地理时空神经网络加权回归理论在时空关系范畴下的模型定义与设计实现,提出了地理时空神经网络加权回归模型。以浙江近岸海域赤潮灾害过程的时空非平稳关系建模为例,充分论证了该模型理论方法的可行性与有效性,并证明了时空邻近关系神经网络能够有效拟合时间邻近和空间邻近的非线性融合作用,显著提升了时空非平稳关系的建模性能。
  (4)给出了地理时空神经网络加权回归理论在复杂时空关系范畴下的广义模型定义与设计实现,提出了广义地理时空神经网络加权回归模型。以浙江近岸海域赤潮灾害过程的复杂周期性时空非平稳关系建模为例,充分论证了该模型理论方法的可行性与有效性,并着重论证了时空邻近关系深度神经网络对复杂地理过程时空邻近关系的拟合能力。
  本文研究有望实现地理关系智能建模方法的理论创新与模型突破,进而提升地理关系回归分析方法的建模准度与应用能力,促进空间统计与时空推理方法的研究与发展。
[硕士论文] 吴雪琪
机械制造及其自动化 兰州交通大学 2018(学位年度)
摘要:近年来,多智能体系统合作控制是复杂系统领域的研究热点,环绕控制是其中的基本问题之一,其控制目标是使得多个跟随者智能体能够跟踪领导者智能体并在其周围以圆形编队的方式运动。针对这一问题的研究,不仅能够揭示自然界中类似的群体行为,也有助于构建用于目标围捕和保护等领域的人工系统,因此具有重要的理论研究与现实意义。论文针对具有切换拓扑的多智能体系统在三维空间中的环绕控制问题展开研究,主要内容包括:
  1.研究了平面内二阶多智能体系统的环绕控制问题。考虑由一个静态领导者和多个追随者组成的多智能体系统,控制目标是所有追随者最终收敛到以领导者为圆心的圆周上,并均匀分布在该圆周上做环绕运动。为此,首先给出了一个追随者估计静态领导者位置的分布式控制协议,并得出了所有追随者收敛到指定圆周上的充分条件。其次,设计了追随者在圆周上运动的分布式控制协议,使系统在满足前述充分条件时,所有追随者均匀分布在圆周上并做环绕运动。仿真结果验证了所提方法的有效性。
  2.研究了二阶多智能体系统在三维空间内的环绕编队控制问题。考虑由一个静态领导者和多个追随者组成的二阶多智能体系统,首先引入古典欧拉角描述各智能体在三维空间中的位姿,进而给出了一种基于个体的分布式协议,证得当通信拓扑含有联合生成树时,所有的跟随者收敛到以领航者为圆心的环绕平面内并以圆形编队方式绕其做圆周运动。与此同时,跟随者在编队中的相对位姿可以任意调整。当欧拉角为零时,所得结果退化为二维平面环绕控制问题,仿真结果验证了方法的有效性。
  3.考虑了同时具有时滞和切换拓扑情形下的多智能体系统三维空间环绕控制问题。考虑由一个静态领导者和多个追随者组成的二阶多智能体系统,在通信拓扑弱连通条件下,考虑智能体之间信息传递存在通信时滞,在此种情况下针对每一个智能体设计了一种具有通信时滞的分布式的协议来估计目标的位置,在所提出的协议下,使所有智能体能在有限时间内就静态目标几何中心达成一致,且通信延迟不影响收敛而延长了汇合时间。最终实现所有追随者均匀分布在圆周上并做环绕运动。数值仿真结果验证了算法的有效性。
[硕士论文] 黄翔霖
计算机技术 成都理工大学 2018(学位年度)
摘要:认知科学综合了心理学、脑科学、电生理学、化学、语言学、计算机科学等多门科学,通过研究人类的认知系统,并将其原理应用在人工系统中,一直是许多研究人员探索的重点。近年来,随着脑科学的发展,人类对神经系统的研究取得了很大的进展,这些进展为工程上的仿真实现提供了重要的理论依据。
  首先,大脑的层级结构和信息处理机制反映出了一些重要的拓扑性质。Navon、陈霖等人在研究视觉初期对图像信息的处理时,发现人类视觉系统具有优先处理几何图形拓扑性质的特点,即大范围优先性原则和拓扑知觉理论。拓扑性质虽然最初是表征几何图形在连续变化下的不变性质,但究其本质还是变化中的不变性的体现。因此既然视觉具有拓扑性质,根据已有的经验推而广之,人类的整个认知系统应该也具有拓扑性质。本文的内容也是在验证由导师提出的“认知统一结构存在性猜想”,即包括五种知觉在内的认知系统应当可以被包含拓扑不变性在内的认知结构统一起来。这也是对人工智能的第五个基本问题,所有的认知系统是否具有统一的结构的一个肯定回答,为智能科学(Intelligence Science)基础理论确立打下了基础。
  其次,本论文以拓扑性为切入点,结合视觉通路和听觉通路的拓扑结构,将视觉的拓扑性质逐渐推广到听觉系统。利用点集拓扑学中拓扑空间的思想,对视觉、听觉通路的信息处理过程进行了论证。接着对视觉、听觉、语言这三者到心理空间的拓扑映射过程做了神经生物学上的剖析,并最终结合心理空间,将拓扑性质推广到人类的整个认知系统中,构造了一个人类拓扑认知的结构图。
  然后,本文以视觉的拓扑性质为切入点,结合早期视觉的计算模型,通过归一化模型、能量模型来模拟视觉通路中相同层级之间细胞的信息交互机制。本文提出使用Gabor滤波器来模拟简单细胞的响应过程作为视觉初期的局部几何性质的计算模型,又使用卷积神经网络来模拟视觉后期的整体几何性质的计算过程。
  最后,结合Gabor滤波器、视觉信息交互模型、卷积神经网络这三种模型,构造出了一个早期视觉的拓扑认知模型,并将此模型运用在手写汉字识别上。本文提出细化汉字并去除角点的方式来提取汉字的整体拓扑结构。最终的实验结果显示,本文构造的视觉拓扑认知模型优于单一的卷积神经网络模型,在手写汉字识别上具有更好的鲁棒性。这表明了拓扑性应当是视觉系统处理信息的一个基本性质,从视觉层级上对“认知统一结构存在性猜想”做出了初步验证,也开始了对人工智能的第五个基本问题的回应。
[硕士论文] 李洪朋
交通运输工程 兰州交通大学 2018(学位年度)
摘要:目前,铁路信号设备新技术、新装备不断投入使用,自动化、智能化程度不断提升,维修制度不断完善,维修人员的素质不断提高。总的来说,铁路信号设备的维修质量和维修水平已经得到了巨大的提升。但是,随着铁路信号设备逐渐增加、铁路信号设备对铁路运输安全保障措施的逐步加强,铁路信号设备的多样性、铁路运行环境的复杂性,造成铁路信号设备故障的原因也具有随机性、多样性、复杂性,这些都对铁路信号设备的检修和故障时的应急处置提出了更高的要求,要求铁路信号设备维修要具有实效性,应急处置要快速高效。
  本文根据铁路信号设备的发展需求,在现有的信号集中监测系统上结合人工智能(AI)、设备故障诊断分析、图形化实时交互与监控、报警信息集中管理等几项新技术,为面向铁路信号维护管理人员的信号集中监测智能综合分析系统,提供可行性的方案。该系统旨在分析现场信号设备故障,并指导现场及时处置电务设备潜在的安全隐患,给出故障范围和处理流程,排除设备故障,压缩故障延时,提高电务设备故障时的应急处置能力。系统分为电务段终端、电务处终端两层,实现基于知识库平台和案例库平台的故障回放展示、案例库相似度拟合分析等功能,为铁路运输安全及畅通服务。系统根据既有信号集中监测采集信息,对信号设备故障前、故障后的信息进行综合分析,通过知识库、案例库和推理机这三个部分来实现。知识库存储专家知识,案例库存储历史发生故障案例,推理机根据当前发生的问题,完成案例库的检索,并输出检索结果。为了提高故障诊断的准确性,功能使用基于故障案例的推理技术,将故障案例中各类信息元素导入综合分析系统历时案例库,进一步完善智能分析诊断逻辑,实现系统的自学习功能。通过专家团队不断完善知识库和案例库以及用户不断的使用,案例库不断的积累,铁路信号集中监测智能综合分析系统将会为快速诊断、处置设备故障提供有力支持。虚拟设备实景图形化功能实现了室内信号设备工作状态的实时监督,监测分析人员在监测终端即可随时查看信号设备运行状态。为了提高故障诊断的准确性,功能使用基于故障案例的推理技术,将故障案例中各类信息元素导入综合分析系统历时案例库,进一步完善智能分析诊断逻辑,实现系统的自学习功能。
[博士论文] 戴江涛
控制理论与控制工程 大连理工大学 2018(学位年度)
摘要:在实际中,由于障碍物,外部扰动以及通信范围等限制,智能体之间的通信拓扑可能会发生随机改变。为了描述智能体之间的这种随机时变拓扑,一个常用的方式就是将时变拓扑假设成在几个已知的拓扑之间切换并且拓扑之间的切换过程建模成马尔科夫过程。应该指出的是,由马尔科夫过程描述的时变拓扑在应用时有许多限制,这是因为在马尔科夫过程中驻留时间一般服从指数分布,由此得到的带有马尔科夫切换拓扑的结果相对较保守。最近,带有半马尔科夫切换拓扑的复杂网络同步问题已经吸引了一些关注。和经典马尔科夫切换拓扑相比,半马尔科夫切换拓扑中驻留时间服从更一般的概率分布。因此半马尔科夫切换拓扑比经典马尔科夫切换拓扑有着更广泛的应用。然而,带有半马尔科夫切换拓扑多智能体系统的一致性还未得到关注。鉴于此,本课题针对这一问题展开研究。具体包括以下几个方面:
  (1)研究了半马尔科夫切换拓扑下非线性多智能体系统的领航跟随型一致性问题。首先将领航者智能体和跟随者智能体的动力学建模成一般线性系统。其次将马尔科夫切换拓扑推广到半马尔科夫切换拓扑。由于半马尔科夫切换拓扑中的转移率是时变的,它更加一般。针对所研究的多智能体系统,提出了一个新的基于过去状态信息的一致性协议。通过一个系统模型转化,将多智能体的一致性问题转化成半马尔科夫切换系统的稳定性问题。利用半马尔科夫切换系统理论和代数图理论,得到一个充分条件并给出了控制器的具体表达式,在该控制器下,多智能体系统能够达成带有指数衰减率的一致性。
  (2)研究了半马尔科夫切换拓扑下带有执行器饱和的多智能体系统领航跟随型一致性问题。首先,将动态网络拓扑的切换建模成半马尔科夫过程并且考虑到执行器饱和的影响,提出了一个新的一致性协议。分别利用扇区方法和凸组合方法研究了带有执行器饱和的多智能体系统一致性问题。在此基础上得到了两个充分条件,它们能够保证领航跟随型多智能体系统在均方意义下达成局部一致性。基于获得的充分条件,两个优化问题被提出来,用以计算一致性反馈增益矩阵以及找到一致性吸引域的最大估计。
  (3)研究了半马尔科夫切换拓扑下基于事件触发的领航跟随型一致性问题。首先给出一个基于采样数据的事件触发传输策略,其中事件触发条件仅需要在每次采样时刻测量和计算。在此基础上,通过将动态网络拓扑的切换建模成半马尔科夫过程并且考虑事件传输策略的影响,一个新的一致性协议被提出来了。应该指出的是,此处考虑的切换拓扑的拉普拉斯矩阵并不需要是对称的。通过构造一个模态依赖的李雅普洛夫函数并利用往复凸组合方法,一些充分条件被得到了,上述条件可以保证领航跟随型一致性在均方意义下是可达的。而且,一致性增益矩阵和事件触发参数可以同时求出。
  (4)研究了半马尔科夫切换拓扑下带执行器饱和的领航跟随型自适应一致性问题。利用低增益反馈技术和自适应技术,一个新的带有自适应耦合权重的完全分布式控制协议被提出来了。假设每个可能的切换拓扑包含一个有向生成树且带有领航者作为根节点,在此基础上利用半马尔科夫切换系统理论和一个合适的李雅普洛夫函数,一个半全局一致性充分条件被得到了。应该指出的是这里考虑的智能体要求是输入有界的渐近零可控系统。
  (5)研究了带有半马尔科夫切换拓扑和执行器饱和的二阶多智能体系统基于事件触发的一致性问题。通过模型变换,一致性问题被转化成误差系统的稳定性问题。利用分段连续李雅普洛夫函数,对带有半马尔科夫切换拓扑的二阶多智能体系统,给出系统达成一致性的一个充分条件。上述分段连续李雅普洛夫函数的使用充分考虑了锯齿型时滞的特点,因此所得的结论具有较小的保守性。另外,研究结果表明二阶一致性依赖于采样周期,网络拓扑以及事件触发参数。而且,这里提供了一个有效的方法可以协同设计事件触发参数矩阵和一致性控制器增益矩阵。
[硕士论文] 景亮亮
电子与通信工程 成都理工大学 2018(学位年度)
摘要:人工智能概念始于1956年,然而直到最近两三年,人工智能的应用才呈爆炸性发展,归结原因,主要是对海量数据的存储与应用技术的发展和具有高并行计算能力的GPU得到了广泛的使用。机器学习是一种实现人工智能的方法。机器学习最本质的思想,是通过算法对数据解析,归纳出一定的规则,然后依据上述规则再做出相应的决策和预测。机器学习需要用大量的数据进行训练,通过各种算法从数据中获取对未来信息预测的策略。深度学习作为一种实现机器学习的技术,是具有深度的人工神经网络,即在神经网络中具有很多的层结构。深度学习使得机器学习能够实现众多复杂应用,拓宽了人工智能的概念范围。语音识别,图像识别,机器翻译,数据分析,自然语言处理,智能购物推荐,医疗预测,无人驾驶等功能都可以通过深度学习实现,并取得了可观的效果。
  尽管并行计算能力逐渐强大的GPU可以在多层的神经网络中处理海量数据,但是受限于没有针对深度学习网络拓扑结构的硬件结构,以及研发专业芯片的周期、成本高居不下等因素,使得对深度学习的研究门槛依旧很高。如何高性能、针对性、短周期实现深度学习算法的硬件结构,在深度学习相关研究领域的作用也逐渐凸现出来。
  在硬件加速领域,因为现场可编程门阵列FPGA具有高性能、并行性、可编程等特点,所以常被用来做硬件加速开发。本文提出使用FPGA设计深度学习硬件加速功能,主要针对卷积神经网络学习算法部分的加速任务,主要工作有:
  1)介绍人工神经网络和深度学习概念,分析深度学习网络拓扑结构,这里以卷积神经网络为例。
  2)分析深度学习中卷积神经网络的相关算法,重点分析在卷积神经网络中加入深度压缩算法进行网络压缩,然后分析总结训练过程和预测过程中的算法特性,以此设计FPGA硬件运算单元。
  3)根据训练过程和预测过程算法的特点,使用xilinx公司的高级集成开发环境Vivado HLS设计编写相关代码。包括前向计算模块和反向计算模块,运算单元参数可以进行配置和适用并行计算的流水线设计,以满足不同规模深度神经网络的高吞吐率,达到最优化的程度。
  4)分析FPGA加速器的数据通路与控制通路,即AXI通信控制协议,编写相关控制程序以便简单易用的调用程序使用FPGA加速器进行加速。
  5)通过实验测试分析加速器性能,分别测试CPU、FPGA的性能、功率、能耗、资源使用情况,分析FPGA实现的优劣性。
  随着移动设备的需求量增多以及对人工智能功能的广泛需求,降低深度学习过程中的计算量是一个创新突破口。因此,使用深度压缩算法以及在FPGA上实现卷积神经网络,可以得出在速度、功耗以及计算量上都有明显的改善。
[硕士论文] 郑皓
通信与信息工程 兰州交通大学 2018(学位年度)
摘要:随着城市居民的机动车保有数量逐年持续增加,城市交通的压力也越来越大,交通污染现象已经成为了一个不可忽视的问题。汽车鸣笛噪声作为交通污染的重要组成部分已经对人们的生产和生活产生了巨大的影响,我国相关执法部门也颁布了相应的法律来制止和减少此现象的发生,但是人工执法不但效率低下,且浪费了大量的人力物力,所以如何能高效的对城市交通中的违法鸣笛行为进行定位和识别成为了该领域待研究的关键问题。
  现有的汽车鸣笛声识别方案在实际应用的过程中存在识别效率低,计算过程复杂,过于依赖人工复核等问题。针对这些问题,本文将深度学习技术应用于汽车鸣笛声识别领域作了深入研究,重点研究了用深度信念网络作为生成性模型对汽车鸣笛声进行识别;并且研究了用卷积深度信念网络对鸣笛声信号进行特征提取,得到了相比传统特征分类效果更好的特征。
  分析了汽车鸣笛声识别领域现有的方法以及存在的问题。对现有的识别算法进行了对比研究,以及深度学习技术相比于传统识别算法的优势。
  本文将深度信念网络作为生成性模型用于汽车鸣笛声识别。对传统声学特征MFCC的原理及提取过程进行了详细阐述;将得到的MFCC参数作为DBN网络的输入层进行训练,从而得到MFCC特征中更深层的特征,在网络的输出层加入soft-max分类器完成对数据的分类。通过进行仿真实验,论证了当输入的MFCC特征维数不同时,其对识别准确率的影响;以及不同的测试样本长度对识别准确率的影响;同时与MFCC特征直接训练GMM模型的识别结果相比,证明了DBN在汽车鸣笛声上的优越性。
  为了得到相比传统特征更具代表性的声学特征,本文在深度信念网络的基础上加入卷积操作,研究了使用卷积深度信念网络对鸣笛声信号进行特征提取。对汽车鸣笛声信号提取频谱特征,将频谱特征作为CDBN网络的输入对网络进行训练,得到CDBN特征,用得到的CDBN特征对GMM模型进行训练,对数据进行识别,通过仿真实验,论证了选取特征参数不同的统计值对识别结果的影响;以及不同测试样本长度对识别结果的影响。同时与MFCC特征直接训练GMM模型的识别结果相比,CDBN特征的识别准确率优于传统MFCC特征。
[硕士论文] 何星宇
控制科学与工程 北京化工大学 2018(学位年度)
摘要:近些年复杂物理、力学、生物学和工程上的建模问题的出现使得整数阶模型不再适用,而使用分数阶模型来描述系统更能表现系统的特性。目前关于分数阶系统的控制策略的研究已经有了很多的成果。但是这些研究都是基于单输入单输出的分数阶对象,而对于分数阶多输入多输出的系统的控制的研究就比较少了。然而众所周知实际过程中大多数的被控对象都是多输入多输出的系统。所以针对分数阶多输入多输出系统的控制方法的研究是很有意义很有必要的。本课题以此为切入点,针对分数阶多输入多输出时滞系统,研究了其解耦方法、解耦条件;对于解耦后的系统将分数阶多变量系统和多变量内模结合起来设计了基于反向解耦的分数阶多变量内模控制器,理论证明了系统稳定性。
  本文的主要创新点包括以下几点:
  1.对于整数阶的多变量系统,根据解耦思路的不同大体有三种方法:理想解耦、简化解耦、反向解耦。理想解耦的基本思想是构造理想的广义传递函数矩阵,简化解耦的思想是构造形式简化的解耦矩阵使得广义传递函数矩阵的非对角线元素为0,反向解耦的思路是构造特殊的解耦结构使得广义传递函数矩阵和解耦矩阵的形式能都得到简化。根据这三种解耦思想,在分数阶多变量时滞系统的前提下推导了解耦环节的表达式,然后讨论了解耦环节能实现时,系统相对阶和时滞所要满足的条件。最后实验表明解耦的效果很理想。
  2.在对分数阶多变量时滞系统解耦的前提下,将多变量内模控制方法与分数阶多变量系统相结合提出了基于反向解耦的分数阶多变量内模控制策略。灵敏度函数最大值被用来作为控制器参数整定的依据。在仿真部分将分数阶多变量PID控制作为对比方法,对比两种方法的动态特性和静态特性。最后仿真结果表明两种方法都有很好的动态、静态特性和抗扰性。但是本课题提出的基于反向解耦的分数阶多变量内模控制更胜一筹。
  3.基于李雅普诺夫第二法,分析了本课题提出方法的控制系统稳定性。
[硕士论文] 张智琦
控制科学与工程 北京交通大学 2018(学位年度)
摘要:随着智能交通系统(Intelligent Transportation System,ITS)的快速发展,短程无线通信(Dedicated Short Range Communication,DSRC)技术广泛应用于城市道路交通中,为出行者出行提供及时的交通信息服务,可有效缓解城市交通拥堵、改善出行效率。作为DSRC技术的重要应用领域之一,无线定位技术可用于实现车辆位置的跟踪,成为城市道路GPS信号遮挡环境中弥补其定位功能不足的有效手段。深度学习理论的发展也为无线定位技术用于车辆轨迹跟踪提供了大数据处理方法支撑,可有效提高车辆的无线定位精度,满足智慧城市环境下局域范围内高定位精度的需求。
  本文在对经典无线定位理论分析基础上,基于卷积神经网络对城市道路环境下的车辆智能无线定位算法进行研究。首先,在对车辆无线定位方法国内外相关研究现状进行综述基础上,提出了本文的主要研究内容和研究思路。在对基于测距无线定位方法和非测距定位方法介绍基础上,对经典的无线定位方法优缺点进行了对比分析。同时,在对四种经典的深度学习方法进行论述和对比分析基础上,研究了卷积神经网络(Convolutional Neural Networks,CNN)用于无线定位的适用性。然后,在对车辆无线定位实验数据结构和提取方法进行介绍基础上,通过对比矩阵分解和移动平均两种数据预处理方法效果,确定使用移动平均数据预处理方法对缺失数据进行填充。从路侧节点信号覆盖范围、距离-损耗模型适用性两个角度,对充填后完备实验数据的无线定位适用性进行了分析。接着,结合CNN网络处理图像能力较强特性,将车辆实时接收到的多个路侧节点信号强度绘制成雷达图作为输入数据,用于CNN网络的训练和测试。在分析确定卷积核尺寸、池化方式、网络层数、特征图数量、激活函数等特征参数基础上,设计了基于CNN网络的车辆智能无线定位算法,并给出了算法的网络模型。最后,基于实际实验数据对所设计的定位算法进行了实验验证,对比分析了定位算法的定位精度。同时,从车辆行驶状态参数、网络输入形式和网络参数敏感性等角度,研究了所设计定位算法的鲁棒性。
  验证结果显示,相对于经典的三边定位算法和加权最小二乘定位算法,本文所设计的无线定位算法具有更好的定位精度,平均定位误差为45.31m。对于鲁棒性分析,车辆行驶速度与行驶方向角与定位误差存在弱相关关系,相比而言,行驶方向角与定位误差相关性更强;相比于矩阵作为网络输入形式,雷达图输入形式具有更高的定位精度,定位误差降低64.8%;过大或过小的学习率会影响定位算法的定位精度,在学习率为0.05左右时,可获得较好的定位精度;迭代次数超过80次,定位算法定位精度趋于稳定。
[硕士论文] 余胜龙
应用数学 闽南师范大学 2018(学位年度)
摘要:在大数据时代,特征选择在数据挖据和机器学习中占有不可或缺的地位。传统的特征选择分类算法是通过获得高分类精度来说明算法的有效性。然而,在现实中,数据样本的获取具有不同的价格,错误分类也会产生相应的惩罚代价。基于此,本文从数据相关性出发重点研究了基于代价敏感学习的特征选择方法,具体研究内容包括:
  1.提出了一种基于样本邻域保持的代价敏感特征选择算法。首先,根据样本的邻域信息计算得到样本的邻域矩阵;然后,根据邻域矩阵及代价矩阵来计算每个特征的重要度并得到特征选择算法。
  2.提出了一种结合粗糙集和拉普拉斯打分的代价敏感特征选择算法。首先,利用粗糙集计算出所有特征的核;然后,使用三种不同的分布得到测试代价;最后,结合拉普拉斯打分和测试代价来计算特征重要度并得到特征选择算法。
  3.提出了一种基于l2,1-范数的代价敏感特征选择算法。首先,通过权衡测试代价及误分类代价来构造损失函数;其次,利用l2-范数保证模型的旋转不变性和对离群点的鲁棒性;然后,通过增加正交约束条件来保证每个特征的独立性;最后给出了模型的求解的近似算法并证明了其收敛性。
[硕士论文] 王宇婷
控制科学与工程 北京化工大学 2018(学位年度)
摘要:强化学习是机器学习研究中一个重要的方向,是智能体通过与环境交互来学习如何行为的方法。强化学习过程是一个以寻找最优策略为最终目标的过程。策略评价是对策略好坏的评定,是强化学习重要的研究内容之一。一般策略评价算法是基于值函数进行的。值函数通常是通过线性参数化的值函数逼近器估计的。以往的函数逼近方法仅仅通过调节网络权值来改进近似精度,而没有考虑网络中基函数的参数。事实上,值函数逼近器的基函数对算法的性能也有很大的影响。一般来说,基函数中的中心点可以根据所要解决的问题确定,而基函数的宽度则较难选择,经常要经过多次实验,通过经验设定。本研究利用神经网络结构来实现强化学习算法,使网络中基函数的宽度可以自适应选取,论文的主要研究内容包括:
  1、提出了一种基函数自适应的带有梯度修正作用的强化学习网络算法。在本算法中,值函数逼近器中的基函数的参数(主要是指基函数的宽度)是自动调节直到最优的。其中时域差分误差和值函数由函数逼近器和带有梯度修正作用的递推最小二乘时域差分算法进行估计。同时,时域差分误差反传来更新值函数逼近器的参数,也就是网络权值和基函数宽度。这样就可以通过一个自适应的方法,使算法在学习的过程中逐渐达到最优的性能。实验证明,该方法无论在策略评价还是策略迭代方面都有较好的性能。在策略评价时,本算法可以较精确地对值函数进行近似。在策略迭代时,也就是解决学习控制问题时,本算法相比于传统的算法可更快更稳定地找到最优策略。
  2、提出一种基函数自适应的增量式的强化学习网络算法,进一步说明本课题提出的网络结构实现强化学习的可行性。本算法利用神经网络的结构来对值函数和时域差分误差进行估计,而时域差分误差又反传到网络的基函数中调节宽度,同时更新网络权值。其中时域差分误差和值函数由函数逼近器和增量式最小二乘时域差分算法进行估计。这样,通过依次调节网络的参数,逐步优化网络,直到近似的性能达到最优。这时,利用最优的网络来进行策略评价和策略迭代。仿真实验证明,该算法在策略评价和策略迭代两方面都有较好的性能,同时每步的计算时间大大减少。
[硕士论文] 刘文静
软件工程 北京交通大学 2018(学位年度)
摘要:基于空间位置的服务在个人安全、旅游、医疗、运输、公安、通信等领域应用广泛,极大程度满足了人们对信息消费的需求。人们在享受这种便捷性的同时,也对定位系统的精确度提出了新的要求。机器学习作为人工智能的核心,被越来越多的运用在定位技术中。目前统计人流量主要依靠基站定位,定位精度低导致人流量统计误差大,不能很好的支撑精细化的园区管理。实时定位系统的建立,将初步用于精细化网优分析以及景区人流量分析与公共安全预警中,势必具有广泛的应用价值和现实意义。
  本文通过对比分析国内外关于定位技术的研究成果及现状,选出了本系统适用的位置指纹定位技术。进而研究系统特点与用户特征,对主要功能模块做详细分析,给出用例说明。结合机器学习在此领域的运用,设计了基于机器学习的实时智能定位系统的架构与定位流程,并对系统进行数据库设计、接口设计,提供系统解决方案。接着,对系统的主要模块进行类设计并描述其逻辑实现的同时,按功能模块对影响定位性能的关键因素进行分析,比如指纹特征选取、指纹间隔、模型超参数、匹配规则、平滑噪音数据等。根据定位精确度、算法实时性、系统稳定性和系统扩展性四个方面对算法模型进行选取。并提出了根据ECI的指纹搜索技术,避免全局指纹数据库的搜索,缩短在线指纹匹配时间。通过局部聚类取最小对定位结果进行降噪,以及对近邻进行不同权重的赋予等。
  在模型算法开发阶段,采用redis集群、kafka集群以及多进程机制实现系统的实时高并发。通过在实际环境中对系统功能以及性能的验证,表明其平均定位数据处理量可达到1M/s,定位精确平均可达60米80%,基本满足系统定位要求。
[硕士论文] 李利
概率论与数理统计 山东科技大学 2018(学位年度)
摘要:时滞神经网络在信号处理、遥感、量子神经设备和系统等方面有着广泛的应用,从而吸引了世界各国学者和研究者的注意.成功实现这些实际应用依赖于所设计的神经网络模型的动力学行为.因此,研究时滞神经网络的非线性动力学行为,包括稳定性、分岔、同步、振动和混沌等,具有重要的意义.
  本文主要探究了时滞神经网络和复值时滞神经网络的动力学行为,包括稳定性和分岔.除此之外,也对分数阶复值时滞神经网络的自适应同步问题进行了深入研究.通过Matlab仿真实例证明了理论分析和结果的正确性.本文共分为五个章节,安排如下:
  第一章,主要介绍了关于时滞神经网络的相关概念和定理,包括分数阶微积分理论、中心流形定理、规范形理论等,并阐述了本文的主要内容.
  第二章,对具有多个离散和分布式时滞的三神经元网络的动力学行为进行研究.首先,对所研究的系统进行线性化处理并分析超越特征方程的特征值分布,得到了系统在平衡点稳定和产生分岔的临界条件;其次,利用Hopf分岔理论,对系统在平衡点处发生Hopf分岔的方向进行了分析并确定了分岔周期解的稳定性和周期特性.
  第三章,对具有多个离散和分布式时滞的复值神经网络的动力学行为进行研究.首先,是分离变量,通过假设激活函数可以分离为实部和虚部,得到了时滞神经网络渐近稳定和产生分岔的临界条件;其次,利用Hopf分岔理论,研究了系统在平衡点处发生分岔的方向并确定了分岔周期解的稳定性条件和周期特性.
  第四章,对具有离散和分布式时滞的分数阶复值神经网络的自适应同步问题进行分析研究.基于自适应控制方法和Lyapunov函数理论,设计了一个控制器并给出了实现分数阶复值时滞神经网络信息同步的充分条件.
  第五章,概括了本文的主要研究工作,对研究内容和得到的结果进行了阐述,并展望了未来的研究方向.
[硕士论文] 贾佳
控制理论与控制工程 山东科技大学 2018(学位年度)
摘要:忆阻器是除电阻、电容和电感之外的第四类基本电路元件,能够记忆过去的时间内流过它的电荷,具有非易失性存储的特点,与传统的电阻相比,能更准确地模拟人类大脑中突触的功能。分数阶微积分可以看作经典整数阶微积分的阶次在有理数范围内的推广,与整数阶微分不同,分数阶微分具有非局部特性和无限记忆功能,在描述许多材料和过程的记忆和遗传特性方面有强大的优势。用分数阶微分描述人工神经网络(Artificial Neural Network,ANN)的动态特性,用忆阻器作为神经元之间连接的突触,便构建出了分数阶忆阻神经网络(Fractional-order Memristor-based Neural Network,FMNN)模型。通过设计镇定控制器使FMNN稳定,可以用于求解优化问题;通过设计同步控制器实现两个FMNN的同步,可以用于保密通信。
  本文主要研究内容包括:(1)用一个由光滑二次非线性函数描述的磁控忆阻器与一个负电导替换蔡氏电路中的蔡氏二极管,构建了一个具有不对称阶次的分数阶(和整数阶)忆阻系统,并利用分数阶(和整数阶)系统稳定性理论,结合Lyapunov指数、分岔图、Poincaré截面和相图等数值方法,进行了动力学分析,确定了(逆)倍周期分岔、瞬态混沌、状态转移等动力学现象;(2)针对时滞阈值型FMNN的全局渐近镇定问题,设计了两类控制律(延时状态反馈控制和耦合状态反馈控制),相应地建立了两类镇定判据(代数形式和LMI形式);在延时状态反馈控制中有两组可调参数,实际中可以任意选择以实现期望的全局渐近镇定或全局Mittag-Leffler镇定;基于耦合状态反馈控制并结合新建立的分数阶微分不等式,首次建立了LMI镇定判据;(3)提出了一类斜率切换型多时变时滞FMNN模型并研究了其全局渐近同步问题,设计状态反馈控制器并基于区间矩阵的范数估计方法得到了LMI形式的同步判据;设计不含时滞项的自适应状态反馈控制器并证明了同步误差系统的全局渐近稳定性。
[硕士论文] 叶豪
计算机科学与技术 浙江大学 2018(学位年度)
摘要:分解机作为一种监督式学习方法,在线性回归模型的基础上,增加了二阶的特征交互。尽管相比多项式回归等传统模型分解机已十分出色,然而由于并非所有特征交互的价值都是相等的,其对所有特征交互的一视同仁对模型的表达能力造成了很大的限制。举个例子,一些不太重要的特征交互对预测结果非但没有太多贡献,反而可能引入噪声从而降低模型的整体性能。在本文的研究工作里,通过区分不同特征交互重要性的差异来提升原始分解机模型的表达能力。提出了一个改进后的新模型“注意力分解机”(Attentional Factorization Machine,简称AFM),其通过注意力神经网络从数据中自动学习每个特征交互的重要性。进而,还提出名为“深层注意力分解机”(DAFM)的变体,其在AFM的基础上增加了额外的全连接层,从而在一定程度上引入了对高阶特征交互的捕捉和利用能力。两个公开数据集上的大量实验充分证明了AFM和DAFM的有效性。经实验分析,AFM在回归任务上比传统分解机平均提高了约8.5%,并以更简单的结构和更少的网络参数,超越了当前顶尖的深度学习方法Wide&Deep和DeepCross,相关研究成果已收录于IJCAI-2017。在分类任务上,注意力机制的加入同样带来了平均8.5%的提高并超越了Wide&Deep和DeepCross;而DAFM由于在利用高阶特征交互上的优势,在部分数据集上相比AFM还取得了进一步提升。
  (已选择0条) 清除
公   告

北京万方数据股份有限公司在天猫、京东开具唯一官方授权的直营店铺:

1、天猫--万方数据教育专营店

2、京东--万方数据官方旗舰店

敬请广大用户关注、支持!查看详情

手机版

万方数据知识服务平台 扫码关注微信公众号

万方选题

学术圈
实名学术社交
订阅
收藏
快速查看收藏过的文献
客服
服务
回到
顶部