BP网络的学习能力与推广能力之间满足的不确定关系式

为了研究BP网络训练过程中出现的过拟合现象,引进表征问题复杂性的复相关系数R,通过类比信息传递过程中的一般测不准关系式,揭示了BP网络过拟合现象出现时的网络学习能力与推广能力之间满足的不确定关系式;通过模拟多种不同类型复杂程度函数的过拟合数值试验,确定出关系式中的过拟合参数的取值范围为1×10-5～5×10-4;给出应用BP网络对给定样本集的训练过程中,为提高推广能力,判断出现过拟合现象的方法。     

基于随机擦除行人对齐网络的行人重识别方法

基于检测出的行人图像容易出现错位和深度网络容易出现过拟合现象的问题,使用行人对齐网络和随机擦除数据增强,对行人数据集进行预处理。使图像生成不同程度的遮挡,并通过仿射估计分支中的空间变换网络层将图像中的错位进行修正。裁剪背景大的部分,填补行人图像缺失的部分,从而降低网络过拟合的现象,提高网络泛化能力。Market1501、DuckMTMC-reID和CUHK03数据集上进行试验,结果表明在rank-1的值达到84%左右。将随机擦除行人对齐网络方法与其他方法进行比较,发现随机擦除行人对齐网络的行人重识别方法的试验结果要好。     

SVD系列算法在评分预测中的过拟合现象

主要对协同过滤推荐算法进行改进,以使训练评分模型的过程能够预防过拟合现象的发生。对SVD系列算法在评分预测问题中产生的过拟合现象进行相关实验与研究,提出通过调整算法参数与迭代次数来避免过拟合现象发生的方法。实验结果表明,该方法能够以较高的时间效率找到评分预测结果较好的结果,并可有效地避免过拟合现象的发生。     

梯形取样鉴相频率合成器的Hopf分岔集

分析和研究梯形取样鉴相频率合成器环的分岔现象 ,根据 Ushio与 Hira等人的方法 ,从理论上证明了当系统参数满足一定条件时 ,系统会出现分岔现象 ,具体计算出系统在各个不动点处的 Hopf分岔集 ,给出了分岔与系统参数的关系式 ,揭示了分岔与系统参数的内在联系 ;最后通过计算系统的李雅普诺夫指数以及豪斯道夫维数 ,进一步验证了梯形取样鉴相频率合成器环中混沌现象的存在性。     

梯形取样鉴相频率合成器的Hopf分岔集

分析和研究梯形权样鉴相频率合成器环的分岔一现象,根据Ushio与Hira等人的方法,从理论上证明了当系统参数满足一定条件时,系统会出现分岔现象,具体计算出系统在各个不动点处的Hopf分岔集,给出了分岔与系统参数的关系式,揭示了分岔与系统参数的内在联系;最后通过计算系统的李雅普诺夫指数以及豪斯道夫维数,进一步验证了梯形取样鉴相频率合成器环中混沌现象的存在性。     

浅层黄土冬季温度场的变化规律研究

通过季节冻土区浅层黄土现场温度测试,研究了冬季浅层黄土温度场的变化规律.测试得出:较深处温度变化在冬季过后气温回升时有滞后性;地面温度日变化幅度最大,最大峰值温度出现在下午2时左右,且随着深度增加,出现峰值温度的时间逐渐向后推移;土体温度的日变化随深度的增加逐渐减小,超过30 cm可不考虑温度日变化;给出了非饱和黄土温度场的计算方法,总结阐述适用于渭北旱塬浅层土温度场计算参数的选取,比较了渭北旱塬彬县的计算结果和实测结果,验证了该数值计算方法及参数取值的合理性;进一步模拟渭北旱塬不同气温,讨论了最大冻深的变化规律,并拟合得到了渭北旱塬最大冻深与气温的关系式.     

基于MDM-ResNet的脑肿瘤分类方法

脑肿瘤是世界上最致命的癌症之一.由于脑肿瘤的多样性,其图像分类成为了当代研究的热点.近年来,深度神经网络(DNN)常用于医学图像分类,但随着深度的增加网络会出现梯度消失和过拟合的问题,而残差网络(ResNet)通过引入恒等映射可以缓解这些问题.因此,本文基于ResNet提出了一种MDM?ResNet网络,该网络由多尺寸...     

ZigBee无线定位网络的精度分析及优化

针对CC2430/CC2431的ZigBee无线定位网络误差产生的原因,对系统精度进行分析和优化.通过研究单向误差的方法,针对不同网络拓扑结构、不同参考节点间距,进行90小组实验并对数据分析拟合.当网络参数A=78,n=16,节点间距为30m、摆放方式为矩形拓扑结构的情况下,ZigBee无线定位网络的误差均值较小,定位稳定性最高.对参考节点间距为30m时的误差拟合曲线进行了分析,发现矩形的ZigBee无线定位网络区域可以近似分为误差稳定区域和误差单向偏差区域.结果表明：在构建无线定位网络时,可以根据需要选取最佳的参考节点间距,并对有误差的区域进行补偿,从而提高ZigBee无线定位网络的可用性,降低其使用难度.     

一种基于改进型SVM算法的光纤入侵信号识别研究

目前,大多数的光纤入侵预警系统采用BP神经网络作为识别环节的分类器,然而,它难以解决网络规模和实例规模间的矛盾,而且过拟合现象严重,使得BP算法低效,为了避免以上问题,本文采用具有全局最优、推广能力强、选择参数少等优势的支持向量机(SVM)来进行光纤入侵信号的识别.针对实际应用背景中入侵危害程度和发生概率的不同,本文提出了一种基于样本先验信息调整超平面阈值的改进型支持向量机.     

正交裂缝网络单相流动实验和数值模拟

为了研究正交裂缝网络模型中单相流体渗流运动特征,利用缝洞介质物理模拟实验装置进行了一系列单相流动实验.根据实验数据拟合得到了临界速度的经验关系式,给出了用临界速度确定破坏油田井壁线性规律时极限产量的方法,基于等效思路用有限元方法对非线性渗流进行了数值模拟.研究表明:低渗流速度下裂缝网络模型中渗流服从线性渗流规律,随着渗流速度不断增大,渗流曲线向压力梯度轴弯曲,呈现非线性渗流特征;渗透率与垂直裂缝密度的对数成线性关系;临界速度随垂直裂缝数增加而增大;非线性渗流的数值模拟结果与实验数据拟合较好,相对误差小于4.93%.流体在井底附近地带运动时能产生使线性渗流规律受到破坏的强惯性阻力.     

大坝变形监控模型识别的R–OC准则

大坝变形监控模型的优劣主要体现为模型泛化能力的高低。模型泛化能力指的是模型对训练集以外样本的预测能力，而欠拟合和过度拟合是导致模型泛化能力不高的主要原因。AIC和BIC准则是目前常用的模型识别方法，但是不能定量比较和评价模型的过度拟合程度。本文通过定义过度拟合系数OC量化模型过度拟合程度，同时采用复相关系数R定量评判模型是否欠拟合，建立了R-OC模型识别准则。首先将大坝变形监测序列划分为拟合时段数据和验证时段数据，采用全回归方法对拟合时段数据进行拟合，构建多种位移监控模型。再根据监控模型的估计值和估计误差的概率分布确定异常监测数据的预警界限，计算各监控模型的误警率FAR。最后根据不同监控模型对拟合时段和验证时段的拟合和预测误差评价指标（均方根误差RMSE、平均绝对误差MAE、平均绝对百分比误差MAPE），确定过度拟合系数OC，结合复相关系数R绘制二维散点图，并对各监控模型的泛化能力进行评价。结果表明，过度拟合系数OC同模型的误警率呈良好的相关关系：过度拟合系数OC小于1时，监控模型没有过度拟合，模型误警率FAR为0，不会发出错误预警；当OC大于1时，模型误警率FAR与OC呈正相关关系。R-OC模型识别准则一方面通过复相关系数R刻画模型的拟合精度，另一方面通过过度拟合系数OC定量评判模型的过度拟合程度，对于不同数量的待选模型，R-OC准则均能识别出拟合和预测精度都较高的模型。     

基于Scikit Learn的SVM分类器算法优化

支持向量机(SVM)在高维度数据分类中表现出优异性能,可通过核函数对原始特征进行映射,解决原始空间线性不可分问题。但由于数据特征、维度不同,所以SVM在参数调整时,一般需要手动调整,效率较低且增加工作量。针对该问题,提出了一种基于Scikit Learn的SVM分类器参数调整优化方法。使用网格搜索对最优参数范围进行搜索,利用高斯径向基核函数进行参数调整,基于Python机器学习库Scikit Learn对不同参数、不同核函数的分类结果进行可视化观察,并在网格上显示其最优参数范围,寻找准确率高的参数分布。通过自动迭代的方式对参数进行更精确求解,设定相应值代入迭代计算。同时为防止陷入过拟合,设定最优参数邻域范围直接读取最优参数值。实验结果表明,所提出的方法可大量减少人工调参时间,且可以更精确地获得SVM的最优参数。     

九点控制器在磁力轴承控制中的应用

介绍了主动磁力轴承系统的工作原理和数学模型,针对该系统的高度非线性、本质不稳定性和参数不确定性,提出了一种适合于该系统的九点控制器的设计方案,该控制器具有控制算法简单、参数容易整定和抗干扰能力强等特点.在Simulink中的仿真结果表明,将该控制器用于磁力轴承系统的控制,与PID控制相比,能够明显减少系统的调节时间,系统抗干扰能力增强,设计方案有效.     

基于优化RBF神经网络的集成算法及其在调制识别中的应用

首先通过模拟退火算法对单个网络的隐含层高斯基函数中心值和标准化常数聚类算法进行了优化,进而提出了一种基于泛化误差性能跟踪的最优训练中止算法,避免了神经网络的过学习问题;最后通过基于最优权重的集成算法给出了模式所属类别的确定性衡量,提高了识别精度和系统的泛化能力。将该算法用于调制信号类型识别,取得了较高的识别精度。     

航空发动机鲁棒容错控制

针对目前航空发动机数字控制中急需解决的可靠性问题，根据完整性综合性设计思想，提出了一种对模型不确定性具有鲁棒性的容错控制系统的设计方法，并结合传感器的软、硬故障进行仿真，结果表明该控制系统在正常状态和故障状态都能实施良好的工作，具有控制、诊断和容错综合能力，且对模型不确定性具有良好的鲁棒性。     

基于改进支持向量机的瓦斯涌出量预测

为了克服瓦斯涌出量预测传统模型存在泛化能力弱和预测精度低的缺点,基于改进粒子群优化支持向量机建立一种非线性的煤矿瓦斯涌出量预测新模型。用改进的粒子群优化算法对支持向量机的惩罚因子与核参数进行寻优,选取最佳参数,以最佳参数对给定的训练样本进行学习训练,得到系统输入输出之间依赖关系的估计,再由这种关系对未知输出做出预测,进而建立起新型支持向量机预测模型。仿真实验结果显示,与普通粒子群优化的支持向量机相比,改进算法可使预测值的最大误差降低3．86％,平均误差降低4．27％,即新模型能够克服传统预测模型人为选取参数的盲目性以及神经网络的过学习问题,从而提高瓦斯涌出量预测的精度。     

基于模糊不确定性下的空间拓扑关系模型

拓扑关系是GIS区别其他管理信息系统的一个重要特征，目前GIS的拓扑关系都是在地理实体不存在误差的情况下建立的，实际上地理实体由于多种因素的影响都存在着不确定性，作者论证了地理实体存在不确定性和与之相关的问题，提出了在不确定性下的一种统一的空间拓扑关系模型，指出了在模糊不确定性下空间拓扑关系的进展和进一步研究的内容，如模糊三维体元的拓扑关系以及研制相应的处理模糊不确定性的GIS软件模块等。     

基于模糊不确定性下的空间拓扑关系模型

拓扑关系是GIS区别其他管理信息系统的一个重要特征,目前GIS的拓扑关系都是在地理实体不存在误差的情况下建立的,实际上地理实体由于多种因素的影响都存在着不确定性.作者论证了地理实体存在不确定性和与之相关的问题,提出了在不确定性下的一种统一的空间拓扑关系模型,指出了在模糊不确定性下空间拓扑关系的进展和进一步研究的内容,如模糊三维体元的拓扑关系以及研制相应的处理模糊不确定性的GIS软件模块等.     

鲁棒参数控制方法的谨慎控制律研究

针对实施鲁棒参数控制的过程模型中存在的观测不确定性和模型不确定性,提出了一种谨慎控制律的设计方法.通过概率统计计算,将噪声因素观测误差和回归模型系数估计误差引入控制模型,明确考虑在误差对系统影响的情况下如何对过程参数进行控制.谨慎控制律会根据误差大小确定参数的在线调节幅度,使系统性能在不确定性环境中表现得更一致和健壮.拓展了谨慎控制理论的应用范围,改善了鲁棒参数控制方法在过程存在不确定因素情况下的性能.实例分析表明,上述方法是有效且实用的.