期刊文献+
任意字段
题名或关键词
题名
关键词
摘要
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到33篇文章
< 1 2 >
每页显示 20 50 100
已选0条
引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
多尺度融合dropout优化算法 认领 引用 被引量：4
1
作者 钟忺 陈恩晓 +1 位作者 罗瑞奇 卢炎生 《华中科技大学学报（自然科学版）》 EI CAS CSCD 北大核心 2018年第9期35-39,共5页
为了改善传统标准dropout无法根据特定数据集确定合适尺度的不足,提出了多尺度融合dropout（MSF dropout）方法.利用验证数据集对多个不同尺度的网络模型进行训练,通过学习得到符合该数据集特征的最佳尺度组合,让MSFdropout具备自适应... 为了改善传统标准dropout无法根据特定数据集确定合适尺度的不足,提出了多尺度融合dropout（MSF dropout）方法.利用验证数据集对多个不同尺度的网络模型进行训练,通过学习得到符合该数据集特征的最佳尺度组合,让MSFdropout具备自适应数据集的能力,从而使网络能够使用最佳尺度来进行高精确度的预测.首先训练若干组不同尺度的网络模型,使用遗传算法求出各网络模型的最优尺度;然后通过最优尺度对对应的网络参数进行缩小得到预测子模型;最后以一定的权重将这些子模型融合成为最终的预测模型.使用MSFdropout在标准数据集MNIST和CIFAR-10中进行实验,实验表明：当选择了合适的尺度数量和尺度梯度后,预测精度获得了明显的提升,同时很好地控制了计算时间,验证了多尺度融合方法的有效性. 展开更多
关键词 神经网络 正则化 多尺度融合 遗传算法 dropout 深度学习
暂未订购 下载PDF
基于混合残差网络的煤矿带式输送机托辊在线故障诊断 认领 引用
2
作者 郑赢 《煤矿机械》 2026年第5期176-181,共6页
针对传统带式输送机托辊故障诊断方法存在的检测精确率较低等问题,设计了一种基于混合残差网络的在线诊断方法。首先通过中值滤波和小波阈值降噪降低噪声对数据集的干扰,再以卷积神经网络为框架嵌入残差网络模块提升模型的训练能力并抑... 针对传统带式输送机托辊故障诊断方法存在的检测精确率较低等问题,设计了一种基于混合残差网络的在线诊断方法。首先通过中值滤波和小波阈值降噪降低噪声对数据集的干扰,再以卷积神经网络为框架嵌入残差网络模块提升模型的训练能力并抑制深度增加产生的梯度问题;在神经网络参数训练和参数组合寻优中引入了灰狼群智能算法,提升模型输出结果的预测精度;最后,通过Dropout层输出最终检测结果,降低模型的复杂度和冗余度。实验测试结果显示,该方法在测试集的精确率和召回率分别为97.3%和96.9%,其ROC曲线与坐标轴包围的面积最大。 展开更多
关键词 混合残差网络 带式输送机 托辊 灰狼算法 Dropout层
暂未订购 下载PDF
基于Bi-LSTM-Dropout的蓄电池剩余使用寿命预测方法 认领 引用 被引量：5
3
作者 黄晓智 张华明 +1 位作者 黄艺航 许志杰 《自动化与信息工程》 2024年第1期42-46,60,共5页
蓄电池剩余使用寿命预测对能源的安全性和可持续发展至关重要。该文提出一种蓄电池剩余使用寿命的预测方法,利用蓄电池的历史运行数据和充放电周期,构建Bi-LSTM-Dropout网络模型。利用Bi-LSTM提取时间序列中蓄电池长期依赖的特征,采用Dr... 蓄电池剩余使用寿命预测对能源的安全性和可持续发展至关重要。该文提出一种蓄电池剩余使用寿命的预测方法,利用蓄电池的历史运行数据和充放电周期,构建Bi-LSTM-Dropout网络模型。利用Bi-LSTM提取时间序列中蓄电池长期依赖的特征,采用Dropout优化算法降低Bi-LSTM网络模型的复杂度,提高模型的泛化能力。实验结果表明,该方法在测试集上的准确率达96.2%,实现了蓄电池剩余使用寿命的精确预测。 展开更多
关键词 蓄电池 剩余使用寿命预测 Bi-LSTM Dropout优化算法
暂未订购 下载PDF
基于ABC-LSTM模型的锂离子电池剩余使用寿命预测 认领 引用 被引量：4
4
作者 刘勇 于怀汶 +3 位作者 刘大鹏 穆勇 王瀛洲 张秀宇 《储能科学与技术》 CAS CSCD 北大核心 2025年第1期331-345,共15页
为了保证储能系统的安全稳定运行,准确预测锂离子电池的剩余使用寿命(remaining useful life,RUL)至关重要。本工作提出了一种基于人工蜂群算法(artificial bee colony,ABC)和结合dropout技术的长短期记忆网络(long short-term memory,L... 为了保证储能系统的安全稳定运行,准确预测锂离子电池的剩余使用寿命(remaining useful life,RUL)至关重要。本工作提出了一种基于人工蜂群算法(artificial bee colony,ABC)和结合dropout技术的长短期记忆网络(long short-term memory,LSTM)相结合的综合预测模型,可有效提高锂离子电池RUL预测的准确性。首先,利用dropout正则化方法有效减轻过拟合现象的优势,提高预测模型的泛化能力。其次,引入针对容量回升及数据噪声问题的激活层网络结构,显著提升模型对复杂非线性数据的处理能力。然后,结合ABC算法优化LSTM综合预测模型的超参数,避免模型陷入局部最优解,提高RUL预测精度。最后,通过NASA研究中心及CALCE的公开数据集验证所提模型的预测准确性和鲁棒性。本工作对基于40%和60%训练数据的不同算法预测性能进行实验分析验证,并与麻雀优化算法、座头鲸优化算法等群体优化算法进行比较。实验结果表明,所提出的ABC-LSTM综合预测模型可以更加准确地捕获锂离子电池容量退化的全局趋势及局部特征,其中60%比例的RUL预测结果的均方根误差平均保持在1.02%以内,平均绝对误差平均保持在0.86%以内,拟合系数高达97%以上。 展开更多
关键词 锂离子电池 剩余使用寿命预测 长短期记忆网络 人工蜂群算法 dropout技术
暂未订购 下载PDF
类dropout的具有新型栈式结构的层次支持向量机 认领 引用
5
作者 卢剑伟 《计算机应用与软件》 北大核心 2021年第2期270-277,共8页
基于对抗学习提出一种类dropout的具有新型栈式结构的层次支持向量机(D-S-SVM)。随机抽取一定比例的样本攻击其标签类型使其成为对抗样本,利用支持向量机对包含对抗样本的训练集进行对抗学习生成对抗支持向量机(A-SVM)。通过栈式结构原... 基于对抗学习提出一种类dropout的具有新型栈式结构的层次支持向量机(D-S-SVM)。随机抽取一定比例的样本攻击其标签类型使其成为对抗样本,利用支持向量机对包含对抗样本的训练集进行对抗学习生成对抗支持向量机(A-SVM)。通过栈式结构原理逐层级联一定数量的子分类器(即A-SVM)构建D-S-SVM。在该模型中计算子分类器输出误差对输入样本的一阶梯度信息,并结合dropout将部分一阶梯度信息嵌入到原输入样本特征中生成新样本作为下一个子分类器的输入。该模型不仅提供了一种新颖的层次结构级联方式,且实验结果表明它能够逐层提高数据分类精度且具有较强的泛化性能。 展开更多
关键词 支持向量机 对抗样本 对抗学习 堆栈结构原理 dropout 分类算法
暂未订购 下载PDF
人工智能在陆相低渗油田地质甜点预测的深度应用 认领 引用
6
作者 王宗俊 《同济大学学报（自然科学版）》 EI CAS CSCD 北大核心 2025年第8期1285-1299,共15页
为解决传统地球物理方法无法有效预测深层陆相低渗透甜点分布的局限性问题,提出了一套基于人工智能的高精度地质甜点预测方法流程,为压裂方案优化和开发井位部署提供可靠依据。通过多步骤人工智能算法,包括:XGBoost算法构建改进的低渗... 为解决传统地球物理方法无法有效预测深层陆相低渗透甜点分布的局限性问题,提出了一套基于人工智能的高精度地质甜点预测方法流程,为压裂方案优化和开发井位部署提供可靠依据。通过多步骤人工智能算法,包括:XGBoost算法构建改进的低渗储层经验性品质指数(RQI)、蜂群算法深度神经网络实现一维井点RQI曲线预测、基于随机失活策略的改进CNN算法,实现空间三维RQI展布预测,突破了传统甜点预测的局限性,实现了由一维到三维的多尺度智能预测,显著提升了低渗储层表征精度。某油田应用表明,该方法克服各不利因素影响,地质甜点预测精度较传统方法有明显提升。 展开更多
关键词 改进储层经验性品质指数 人工智能(AI) XGBoost 蜂群算法 随机失活(DropOut)
暂未订购 下载PDF
基于双重去噪与ResNet的农业机械故障检测研究 认领 引用
7
作者 李培东 《计算机测量与控制》 2025年第7期72-80,89,共9页
针对现有农业机械故障检测算法存在的检测率低、不同故障分类精度差等不足,设计了一种基于优化ResNet模型的检测方案;先通过布置高精度传感器动态采集农业机械的工作状态数据集,采用样本熵和小波阈值的双重降噪方案对故障集进行降噪处理... 针对现有农业机械故障检测算法存在的检测率低、不同故障分类精度差等不足,设计了一种基于优化ResNet模型的检测方案;先通过布置高精度传感器动态采集农业机械的工作状态数据集,采用样本熵和小波阈值的双重降噪方案对故障集进行降噪处理,以更好地降低噪声干扰;构建以残差块为核心的ResNet网络模型,并增加BN层提高改进模型数据标准化处理能力,同时提升模型的过拟合控制能力;利用优化的麻雀搜索算法确定模型的最优参数集,显著提升了深度网络的性能,同时引入SVM模型提升模型特征分类能力;在模型的数据输出环节引入Dropout层和支持向量机工具降低模型复杂度,同步提升对多种不同故障的分类精度;实验结果显示,提出故障检测算法模型的降噪能力较强,在训练集和测试集的故障定位精度分别为99.2%和99.1%,同时对不同故障的分类精度也优于传统故障检测算法,消融实验结果验证了优化ResNet网络模型各组成部分的有效性。 展开更多
关键词 优化ResNet模型 农业机械 麻雀搜索算法 Dropout层 支持向量机
暂未订购 下载PDF
一种基于分段驱动的双环路数模混合LDO 认领 引用
8
作者 罗金伟 黄晓宗 +1 位作者 万瑞捷 廖鹏飞 《微电子学》 CAS 北大核心 2025年第1期127-133,共7页
设计了一种可适用于数字负载的双环路数字辅助模拟低压差线性稳压器(Low Dropout Regulator, LDO)电路架构。数字逻辑控制器采用分段和二分搜索的混合算法,当发生瞬态事件时,以数字环路控制为主,快速搜索确定功率管组导通数量,提供粗调... 设计了一种可适用于数字负载的双环路数字辅助模拟低压差线性稳压器(Low Dropout Regulator, LDO)电路架构。数字逻辑控制器采用分段和二分搜索的混合算法,当发生瞬态事件时,以数字环路控制为主,快速搜索确定功率管组导通数量,提供粗调电流,实现快速瞬态响应,然后进入稳态,以模拟环路控制为主,提供微调电流,实现高精度直流电压输出。提出的混合LDO基于55 nm CMOS工艺设计,具有最大52 mA负载能力,数字逻辑控制器工作时钟为50 MHz。仿真结果表明,负载电流在200 ns内在2~52 mA之间跳变时,混合LDO电路的最大过冲电压和上冲电压分别为121 mV和154 mV,瞬态恢复时间<1μs。 展开更多
关键词 低压差线性稳压器 混合算法 数字逻辑 瞬态响应
暂未订购 下载PDF
基于改进SAE的提升机制动系统故障诊断 认领 引用 被引量：3
9
作者 李娟莉 闫方元 +1 位作者 苗栋 刘怡梦 《北京理工大学学报》 EI CAS CSCD 北大核心 2022年第9期928-934,共7页
为了减少传统故障诊断方法人工主观干预对诊断结果的影响,使用无监督学习方式提取提升机监测数据的故障特征,提出了一种基于稀疏自编码器的故障诊断方法.首先分析了制动系统的故障机理,采集了提升机正常运行和故障模拟状态下的监测数据... 为了减少传统故障诊断方法人工主观干预对诊断结果的影响,使用无监督学习方式提取提升机监测数据的故障特征,提出了一种基于稀疏自编码器的故障诊断方法.首先分析了制动系统的故障机理,采集了提升机正常运行和故障模拟状态下的监测数据,生成了故障诊断数据集;然后建立了SAE故障诊断模型,并使用Dropout和Adam算法对其进行了优化;最后使用测试数据集对模型的性能进行了测试.试验结果表明,提出的方法较好地避免了稀疏数据的训练误差,减少了过拟合现象,降低了稀疏数据局部最优点的影响,故障类型的平均分类精度达到94%,能有效地进行矿井提升机的故障诊断. 展开更多
关键词 故障诊断 稀疏自编码器(SAE) Dropout算法 制动系统 矿井提升机
暂未订购 下载PDF
边缘智能背景下的手写数字识别 认领 引用 被引量：12
10
作者 王建仁 马鑫 +1 位作者 段刚龙 薛宏全 《计算机应用》 CSCD 北大核心 2019年第12期3548-3555,共8页
随着边缘智能的快速发展,现有手写数字识别卷积网络模型的发展已越来越不适应边缘部署、算力下降的要求,且存在小样本泛化能力较差和网络训练成本较高等问题。借鉴卷积神经网络(CNN)经典结构、Leaky_ReLU算法、dropout算法和遗传算法及... 随着边缘智能的快速发展,现有手写数字识别卷积网络模型的发展已越来越不适应边缘部署、算力下降的要求,且存在小样本泛化能力较差和网络训练成本较高等问题。借鉴卷积神经网络(CNN)经典结构、Leaky_ReLU算法、dropout算法和遗传算法及自适应和混合池化思想构建了基于LeNet-DL改进网络的手写数字识别模型,分别在大样本数据集MNIST和小样本真实数据集REAL上与LeNet、LeNet+sigmoid、AlexNet等算法进行对比实验。改进网络的大样本识别精度可达99.34%,性能提升约0.83%;小样本识别精度可达78.89%,性能提升约8.34%。实验结果表明,LeNet-DL网络相较于传统CNN在大样本和小样本数据集上的训练成本更低、性能更优且模型泛化能力更强。 展开更多
关键词 边缘智能 卷积网络 手写数字识别 Leaky_ReLU 混合池化 自适应 dropout 遗传算法
暂未订购 下载PDF
一种基于3D-CNN的微表情识别算法 认领 引用 被引量：5
11
作者 吴进 闵育 +1 位作者 李聪 张伟华 《电讯技术》 北大核心 2019年第10期1115-1120,共6页
微表情是一种持续时间很短暂的面部表情。针对其识别率低的问题,提出了一种基于三维卷积神经网络(3D Convolutionnal Neural Network,3D-CNN)的微表情识别算法。使用Keras作为网络框架,在3D-VGG-Block(3Dimension Visual Geometry Group... 微表情是一种持续时间很短暂的面部表情。针对其识别率低的问题,提出了一种基于三维卷积神经网络(3D Convolutionnal Neural Network,3D-CNN)的微表情识别算法。使用Keras作为网络框架,在3D-VGG-Block(3Dimension Visual Geometry Group Block,3D-VGG-Block)的基础上加入批量归一化算法以及丢弃法,提升网络深度与训练速度的同时有效地防止过拟合;针对数据集稀少的问题,采取随机设置起始帧的位置,提前设定每次读取帧序列的长度,循环操作,在将所有数据均遍历的同时,达到数据增广的目的。该算法在CASME II数据集上的识别率最高达68.85%,在识别率上有一定优势。 展开更多
关键词 微表情识别 深度学习 三维卷积神经网络 批量归一化算法 丢弃法
暂未订购 下载PDF
基于多域特征的扰动辨识方法研究 认领 引用 被引量：2
12
作者 张振宇 张明龙 +2 位作者 高源 罗翔 朱珂 《电力系统保护与控制》 EI CSCD 北大核心 2021年第22期137-144,共8页
扰动波形的辨识是基于扰动开展特征提取和信息挖掘等研究工作的前提,而噪声、扰动间干扰以及特征提取方法的影响,都有可能导致针对不同扰动提取出的同一域下典型特征间边缘重叠,进而影响扰动辨识的准确性。提出一种利用多域典型特征来... 扰动波形的辨识是基于扰动开展特征提取和信息挖掘等研究工作的前提,而噪声、扰动间干扰以及特征提取方法的影响,都有可能导致针对不同扰动提取出的同一域下典型特征间边缘重叠,进而影响扰动辨识的准确性。提出一种利用多域典型特征来识别扰动类型的辨识方法。首先,利用多域特征样本和单域特征样本先后训练神经网络,进而结合DS证据理论融合各域输出以建立面向多域特征的辨识算法。其次,在对三种因素影响下的单域特征开展分析的基础上,对所提出的辨识算法与各种传统的基于单域特征辨识算法的正确率进行对比,以论证所提出辨识算法的有效性。该方法克服了待辨识扰动单域下异常特征对辨识精度的影响,受噪声影响小,算法稳定性好。 展开更多
关键词 扰动辨识 多域特征样本 改进dropout算法 DS证据理论 配电网
暂未订购 下载PDF
结合产品特征的评论情感分类模型 认领 引用 被引量：5
13
作者 喻涛 罗可 《计算机工程与应用》 CSCD 北大核心 2019年第16期108-114,共7页
结合不同产品的评论词信息来构建智能化的情感分类器,提出一种结合产品特征的在线商品评论情感分类模型PWCNN(Product Weight Convolution Neural Network)。模型首先进行产品词特征的词向量训练,将评论文本以及产品信息进行向量乘法组... 结合不同产品的评论词信息来构建智能化的情感分类器,提出一种结合产品特征的在线商品评论情感分类模型PWCNN(Product Weight Convolution Neural Network)。模型首先进行产品词特征的词向量训练,将评论文本以及产品信息进行向量乘法组合,结果作为模型输入。然后根据句子的重要性,采用池化加权的卷积神经网络来学习评论的文档级表示。为了防止过拟合且提高泛化能力,在输出层采用dropout策略。实验结果表明,PWCNN模型在平均准确率和F1值等指标上取得最好结果,且提高了模型训练速度。 展开更多
关键词 情感分类 卷积神经网络 产品词向量 加权池化层 dropout算法
暂未订购 下载PDF
一种基于CNN与LSTM结合的微表情识别算法 认领 引用 被引量：6
14
作者 吴进 闵育 +1 位作者 马思敏 张伟华 《电讯技术》 北大核心 2020年第1期1-7,共7页
微表情表现强度微弱且非常短暂。针对微表情识别效果不理想的问题,以视觉几何组(Visual Geometry Group,VGG)网络为基础,提出卷积神经网络(Convolutionnal Neural Network,CNN)与长短期记忆网络(Long Short-Term Memory,LSTM)结合的识... 微表情表现强度微弱且非常短暂。针对微表情识别效果不理想的问题,以视觉几何组(Visual Geometry Group,VGG)网络为基础,提出卷积神经网络(Convolutionnal Neural Network,CNN)与长短期记忆网络(Long Short-Term Memory,LSTM)结合的识别算法。CNN提取数据集CASME II的空域特征,LSTM处理时域特征,实现空域与时域特征的结合。针对深度学习训练困难以及过拟合问题,加入批量归一化算法与丢弃法,提高网络训练速度,有效防止过拟合。针对数据集稀缺的问题,固定每次读取帧序列的长度,随机生成起始帧的位置,不断循环读取以遍历整个数据集并达到数据扩增。根据实验结果,五类微表情(高兴、惊讶、厌恶、抑郁、其他)识别率最高可达72.3%。 展开更多
关键词 微表情识别 深度学习 卷积神经网络 长短期记忆网络 批量归一化算法 丢弃法
暂未订购 下载PDF
基于知识-数据混合驱动的综合能源系统多元负荷预测方法 认领 引用 被引量：3
15
作者 王力成 王子非 +2 位作者 邓宝华 凌锋 张有兵 《高技术通讯》 CAS 2023年第8期791-801,共11页
当前的综合能源系统(IES)负荷预测方法几乎都是单一的数据驱动方法,忽略了IES中的能量耦合关系。此外,在现有的研究中,数据驱动方法的训练数据主要集中于历史负荷、气象等影响因素,较少考虑可再生能源出力以及不同能源供应给IES负荷预... 当前的综合能源系统(IES)负荷预测方法几乎都是单一的数据驱动方法,忽略了IES中的能量耦合关系。此外,在现有的研究中,数据驱动方法的训练数据主要集中于历史负荷、气象等影响因素,较少考虑可再生能源出力以及不同能源供应给IES负荷预测结果带来的影响。针对上述问题,本文提出一种知识-数据混合驱动的IES多元负荷预测方法。该方法首先通过解析模型对IES中的能量耦合特性知识进行描述,并利用该知识模型对原始样本数据进行重构。然后将重构后的新样本数据作为数据驱动模型的训练样本,并使用基于随机森林算法的特征选择方法和Dropout技术提高模型的泛化能力。最后采用某IES工业园区的实际数据对本文所提方法的有效性进行了验证。仿真结果表明,该方法相较于传统单一数据驱动模型具有更好的预测效果和较高的可靠性。 展开更多
关键词 综合能源系统(IES) 知识-数据混合驱动 能量耦合特性 多元负荷预测 随机森林算法 Dropout技术
暂未订购 下载PDF
3D CNN人体动作识别中的特征组合优选 认领 引用 被引量：3
16
作者 郭志涛 曹小青 +1 位作者 王宝珠 高妍 《河北工业大学学报》 CAS 2021年第1期44-50,共7页
为了提高人体动作识别准确率,改进原有3D CNN网络模型以获得更为丰富细致的人体动作特征,并通过对比实验为模型输入优选出识别效果最好的特征组合。该模型主要包括5个卷积层、3个下采样层和2个全连接层,二次卷积操作有利于提取到更为细... 为了提高人体动作识别准确率,改进原有3D CNN网络模型以获得更为丰富细致的人体动作特征,并通过对比实验为模型输入优选出识别效果最好的特征组合。该模型主要包括5个卷积层、3个下采样层和2个全连接层,二次卷积操作有利于提取到更为细致的特征,BN算法和dropout层用以防止模型过拟合,空间金字塔池化技术可以使网络能够处理任何分辨率的图像,提高模型适用性。通过在KTH和UCF101数据集上做识别测试实验,特征组合“ViBe二值图+光流图+三帧差分图”作为模型输入可以得到较高的识别准确率,尤其针对背景较复杂、动作类别多且差异性较小的数据集提高明显,具有较好的实际应用价值。 展开更多
关键词 深度学习 人体动作识别 三维卷积神经网络 BN算法 dropout技术 空间金字塔池化
暂未订购 下载PDF
网络化控制多目标无功优化的进化算法 认领 引用 被引量：3
17
作者 彭可 盘清琳 +1 位作者 李仲阳 兰浩 《中南大学学报（自然科学版）》 EI CAS CSCD 北大核心 2012年第8期3073-3079,共7页
针对网络化控制无功优化系统中节点为时间驱动的传输模式,提出一种多目标优化的改进进化算法。首先,分析网络化控制系统中节点的时间驱动和事件驱动2种传输模式,并对于时间驱动模式下数据丢包现象,建立网络化控制多目标无功优化系统的... 针对网络化控制无功优化系统中节点为时间驱动的传输模式,提出一种多目标优化的改进进化算法。首先,分析网络化控制系统中节点的时间驱动和事件驱动2种传输模式,并对于时间驱动模式下数据丢包现象,建立网络化控制多目标无功优化系统的数学模型,进而引入去冗-保持处理方法。其次,给出一种基于双群体搜索机制的改进差分进化算法,通过对约束条件的可行和不可行双群体处理,解决多目标优化过程中陷入局部最优的问题,并改进变异和交叉操作以提高优化速度与性能。最后,利用IEEE 30节点系统进行仿真计算及分析。研究结果表明:该算法不仅能保证系统达到次优状态,而且收敛速度、均匀性及逼近性等方面均有较大提高。 展开更多
关键词 网络化控制 多目标无功优化 差分进化算法 数据丢包 时间驱动 去冗保持处理
暂未订购 下载PDF
基于BP神经网络的低压差线性稳压器电磁干扰损伤模型 认领 引用 被引量：11
18
作者 周长林 王振义 +2 位作者 刘统 钊守国 梁臻鹤 《高电压技术》 EI CAS CSCD 北大核心 2016年第3期973-979,共7页
低压差线性稳压器(LDO)在电磁干扰影响下会发生不同程度的性能受损,进而影响到整个系统的电磁兼容性能。为解决这一问题,提出了一种基于误差反向传播(BP)神经网络的建模方法,并使用遗传算法优化网络初始权值与阈值矩阵。采用直接功率注... 低压差线性稳压器(LDO)在电磁干扰影响下会发生不同程度的性能受损,进而影响到整个系统的电磁兼容性能。为解决这一问题,提出了一种基于误差反向传播(BP)神经网络的建模方法,并使用遗传算法优化网络初始权值与阈值矩阵。采用直接功率注入法设计电路板,在100 MHz^1 GHz频率范围、-15~25 d Bm W功率范围内对LDO进行电磁干扰注入实验;采样LDO的输出作为训练数据,对不同结构的BP神经网络预测性能进行对比,选取合适的网络结构,进而构建LDO的电磁干扰损伤模型。从多个角度使用模型预测了电磁干扰对LDO输出数据和传导电磁敏感性的影响,并进行实验验证;最终采用该模型预测了LDO的传导电磁敏感度,并对比分析了模型预测数据和实验测试数据。结果表明,在100 MHz^2 GHz频率范围内,模型仿真输出与LDO测试输出的最大相对误差<8%,模型仿真所得电磁敏感度与实验测试数据的最大相对误差<9%。 展开更多
关键词 电磁兼容 BP神经网络 遗传算法 电磁敏感度 低压差线性稳压器 直接功率注入法 电磁干扰
暂未订购 下载PDF
具有丢包补偿的分布式一致性融合估计器 认领 引用 被引量：1
19
作者 赵国荣 廖海涛 +1 位作者 韩旭 王元鑫 《海军航空工程学院学报》 2018年第3期282-288,共7页
研究了具有随机丢包的网络化分布式一致性估计问题。丢包现象存在于各节点间局部状态估计值的传输过程中,引入一组服从Bernoulli分布的随机变量来描述。当发生丢包时,以融合节点前一时刻融合估计值的一步预测值进行补偿。建立了以估计... 研究了具有随机丢包的网络化分布式一致性估计问题。丢包现象存在于各节点间局部状态估计值的传输过程中,引入一组服从Bernoulli分布的随机变量来描述。当发生丢包时,以融合节点前一时刻融合估计值的一步预测值进行补偿。建立了以估计器增益为决策变量,以所有传感器有限时域下状态融合估计误差和为代价函数的优化问题。在给定一致性权重下,通过最小化代价函数的上界得到了一组次优的估计器增益,并给出了融合估计器渐进稳定的充分条件。最后,通过算例仿真验证了算法的有效性。 展开更多
关键词 分布式估计 一致性算法 随机丢包 渐进稳定
暂未订购 下载PDF
分段卷积神经网络在文本情感分析中的应用 认领 引用 被引量：31
20
作者 杜昌顺 黄磊 《计算机工程与科学》 CSCD 北大核心 2017年第1期173-179,共7页
文本情感分析是当前网络舆情分析、产品评价、数据挖掘等领域的重要任务。由于当前网络数据的急剧增长,依靠人工设计特征或者传统的自然语言处理语法分析工具等进行分析,不但准确率不高而且费时费力。而传统的卷积神经网络模型均未考虑... 文本情感分析是当前网络舆情分析、产品评价、数据挖掘等领域的重要任务。由于当前网络数据的急剧增长,依靠人工设计特征或者传统的自然语言处理语法分析工具等进行分析,不但准确率不高而且费时费力。而传统的卷积神经网络模型均未考虑句子的结构信息,并且在训练时很容易发生过拟合。针对这两方面的不足,使用基于深度学习的卷积神经网络模型分析文本的情感倾向,采用分段池化的策略将句子结构考虑进来,分段提取句子不同结构的主要特征;并且引入Dropout算法以避免模型的过拟合和提升泛化能力。实验结果表明,分段池化策略和Dropout算法均有助于提升模型的性能,所提方法在中文酒店评价数据集上达到了91%的分类准确率,在斯坦福英文情感树库数据集五分类任务上达到了45.9%的准确率,较基线模型都有显著的提升。 展开更多
关键词 情感分析 深度学习 卷积神经网络 分段池化 Dropout算法
暂未订购 下载PDF
已选0条
引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 下一页 到第 页
在线咨询 使用帮助 返回顶部 意见反馈