一种减小方差求解非光滑问题的随机优化算法

随机优化算法是求解大规模机器学习问题的高效方法之一.随机学习算法使用随机抽取的单个样本梯度代替全梯度,有效节省了计算量,但却会导致较大的方差.近期的研究结果表明:在光滑损失优化问题中使用减小方差策略,能够有效提高随机梯度算法的收敛速率.考虑求解非光滑损失问题随机优化算法COMID(compositeobjective mirror descent)的方差减小问题.首先证明了COMID具有方差形式的O(1/√T+σ²/√T)收敛速率,其中,T是迭代步数,σ²是方差.该收敛速率保证了减小方差的有效性,进而在COMID中引入减小方差的策略,得到一种随机优化算法α-MDVR(mirror descent with variance reduction).不同于Prox-SVRG(proximal stochastic variance reduced gradient),α-MDVR收敛速率不依赖于样本数目,每次迭代只使用部分样本来修正梯度.对比实验验证了α-MDVR既减小了方差,又节省了计算时间.     

基于FPGA的猝发式直扩载波同步技术研究与实现

针对短时猝发式直扩系统中大频偏情况下信号载波的捕获和跟踪问题,提出了一种集扫频、FFT频率估计和数字锁相环技术于一体的载波同步实现方案。基于Matlab进行方案仿真和基于FPGA平台进行硬件实现,并通过EDA软件SignalTap工具实时捕获数据完成方案可行性验证。结果表明,该方案可以满足系统设计要求。     

采用固体粘结剂制备的铁硅铝磁粉心

提出了一种采用无机固体粘结剂制备铁硅铝磁粉心的工艺,采用扫描电镜、LCR分析仪、B-H分析仪研究了氧化方式、绝缘介质添加量及热处理方式等因素对铁硅铝磁粉心性能的影响.结果表明,粉料氧化前需预热;绝缘介质含量增大会降低磁粉心的磁导率,功耗先降低而后升高;升高热处理温度,可显著提高有效磁导率、降低功耗,但温度过高,反而会恶...