排序方式: 共有86条查询结果,搜索用时 15 毫秒
21.
传统BP神经网络学习算法有学习速度慢、精度不高、易于陷入局部极小值、不稳定等问题,DFP神经网络学习算法是最优化理论中一类典型的拟牛顿法,具有超线性收敛速度和全局收敛性.但普通DFP算法有数值不稳定的缺陷,在处理大规模网络的学习问题时容易失效;在算法进入到饱和区域、接近最小值的时候,普通DFP算法会产生溢出错误.通过放大权值更新向量和权值导数更新向量,改进拟Hesse逆矩阵的求解,并结合线性搜索和L-M算法,改善了方法的稳定性,解决了算法失效的问题,同时保证了高效的学习速度和较高的学习精度.与目前应用最广泛的BP学习算法L-M 算法相比,改进的DFP算法具有与其相同的学习速度,计算量小,学习精度高,更适用于大残量问题. 相似文献
22.
基于程序理解的编程题自动评分方法 总被引:3,自引:0,他引:3
针对传统的编程题自动评分方法没有考虑学生程序是怎样实现编程任务的,以及不能从程序文本的语法结构和语义角度衡量学生程序与正确答案的接近程度等问题,提出一种基于程序理解的自动评分方法.以程序理解的一般过程及基本策略为依据,结合人工阅卷的思维过程,建立评分模型.评分过程可划分为3个阶段:首先将程序代码转换成系统依赖图中间表示形式;然后,对系统依赖图进行标准化转换,消除程序表达方式的多样性;最后,匹配标准化后的学生程序与模板程序系统依赖图并根据匹配结果给出评分.该方法被应用于"C语言编程题自动评分系统"中.实验结果表明:它可以根据学生程序的语法和语义衡量学生程序实现编程任务的正确程度,具有较高的准确性. 相似文献
23.
克隆代码是软件中彼此相似的代码片段。传统观点认为克隆代码是有害的,会降低软件质量,但最近研究发现克隆代码不一定是有害的。如何评估克隆代码的有害性是一个值得研究的问题。本文提出了一种基于支持向量机的克隆代码有害性评价方法,可以以较高的准确性和查准率评价其有害性。为验证方法有效性,本文在6个系统上进行实验,结果表明本文方法可以有效地评价克隆代码的有害性,并且所提出的静态度量和演化度量对评价克隆代码有效性具有积极意义。 相似文献
24.
25.
为解决焊点隐藏在芯片底部的BGA封装元件的焊点检测问题,研究了基于X射线的焊点质量检测的基本原理,阐述了图像预处理方法的设计与实现.为了提高效率,引入了基于迭代方式的阈值产生技术,实现了焊点的区域分割.最后,讨论了焊点质量判别规则并给出了实验结果,结果表明所设计的图像预处理方法能够很好地满足实际生产中的应用要求. 相似文献
26.
空间域减法聚类粒子滤波算法 总被引:1,自引:1,他引:0
针对粒子滤波计算复杂度高的问题,为降低滤波中所需的样本数目,提出了一种基于减法聚类的粒子滤波算法,算法将样本及对应权重进行映射构成聚类向量,在设定的聚类半径下,采用改进的减法聚类算法对向量进行分类,得到若干在空间中分离的子类中心,然后用子类中心代替整个向量集,并利用产生的新向量集重构样本集和权重.仿真实验表明该算法在保持了粒子滤波估计精度的同时,有效降低了样本数目,提高了计算效率. 相似文献
27.
为了提高自动光学检测过程中图像采集的效率,需要对取像的视场位置和取像的路径进行优化.现有取像方法的一个共同点就是效率偏低,鉴于此提出了基于混合遗传算法的路径规划方法,该方法可一步完成路径优化,进而提高取像的时间效率.仿真结果验证了该算法的有效性,在相同的条件下,可以减少取像时间,提高检测效率,克服了传统顺序取像方法的缺点,针对电路板进行离线路径规划,不会影响实际在线取像的时间.基于混合遗传算法的路径规划方法,有效解决了自动光学检测中路径规划关键问题,对提高工业生产效率,具有重要意义. 相似文献
28.
针对大规模样本聚类的时间复杂度过高和聚类结果对经验参数设置的依赖性过强的问题,提出一种基于密度网格可变参数的自扩展聚类算法.算法将数据空间分割成相同大小的网格单元,再将样本归一化后映射到相应的网格单元中,然后从指定密度较大的网格单元向周围扩展,直到其平均密度达到指定的下限或可扩展的聚类边界为止.聚类过程中,通过下限密度和均值密度限制聚类间的过度扩展,如果有效样本的比率低于阈值,则自适应调整扩展密度并重新聚类.仿真试验表明,本算法可以以较小的时间代价获得较高的聚类精度和有效样本率. 相似文献
29.
基于国际色彩联盟制定的标准-ICC Profile文件来解决色彩在数码相机和显示器间传递时的一致性问题.借助于与设备无关的XYZ色彩空间,建立从数码相机色彩空间到显示器色彩空间之间的颜色转换关系,以实现数码相片色彩在显示器上的真实再现.利用数码相机和显示器的Profile,来检验数码相机和显示器之间的色彩再现效果,取得了满意的结果,证明了该方法的可行性. 相似文献
30.
为了提高交互环境下指针别名查询的响应效率,近期研究提出通过只分析与目标相关指针的按需分析策略来降低浪费在与目标无关的指针分析的额外开销。典型的代表是基于上下文无关文法的按需别名分析算法。但是,该算法的精度只局限于控制流不敏感。控制流不敏感的别名关系将约束上层分析的精度。针对该不足,提出了具有流敏感精度的按需别名分析算法。首先采用不完全静态单赋值语句形式来区分指针变量赋值实例,然后通过层次线性化编码方法来表达控制流图中的流敏感信息以构建赋值流图,最后将别名关系查询问题转换为在赋值流图上搜索目标结点间在控制流可达条件下赋值路径的可达性问题,进而实现流敏感的按需别名分析。实验表明,与流不敏感的按需别名分析相比,该方法可以在保证查询效率的前提下,有效提高按需别名分析的精度。 相似文献