无偏稀疏正则化的双策略结构神经网络压缩

虽然深度神经网络模型的性能十分出色,但目前网络存在规模庞大、权重冗余度高的问题。同时,现有对网络权重剪枝的正则子估测偏差大。因此,本文提出无偏稀疏正则化的双策略结构神经网络压缩。首先,本文将神经网络所连接权重视为一组,提出采用估测值偏差小的非线性拉普拉斯函数,构建组间无偏结构稀疏正则子和组内无偏结构稀疏正则子,对冗余神经元和剩余神经元的冗余权重分别进行稀疏约束,构建无偏稀疏正则化的双策略结构神经网络压缩模型。其次,针对所设计的无偏稀疏正则化的网络压缩优化难题,本文采用近端算子技术获得无偏稀疏正则子的闭式解,进而设计基于近端梯度下降法的反向传播算法,实现神经网络准确的结构压缩。最后,通过在数据集MNIST、 FashionMNIST和Cifar-10进行实验验证,本文所提出的无偏稀疏正则子的双策略结构神经网络压缩不仅收敛速度快于目前主流正则子。而且在压缩率保持一致的情况下,相比已有的方法识别精度平均提升2.3%,在识别保持精度基本一致的情况下,相对已有方法平均提升11.5%的压缩率。     

基于视频跟踪的图像滤波算法分析

为寻求解决视频跟踪系统中复杂背景干扰问题的方法,综述了图像滤波算法中的一些基本算法,分析了图像滤波中的一些经典算法,并讨论了混合滤波方法,指出混合图像滤波方法是目前算法发展的趋势.     

大用户直购电交易模式和过网费研究

大用户直购电是现阶段我国电力体制改革的一个热点问题.根据国家对大用户直购电试点的相关政策和文件,介绍了大用户直购电的交易模式专线直购和过网直购,并对过网直购的4种交易模式(协商式双边交易模式、集中撮合式交易、集中竞价交易、期货交易)进行了详细的分析,提出了当前大用户直购电过网费的计算方法,对推进我国大用户直购电交易工作具有现实意义.     

基于单神经元的自适应PID控制系统设计及仿真

设计了一种基于单神经元的自适应PID控制系统,该系统响应平滑、无超调.在MATLAB下对被控对象进行实验仿真,对同一对象用常规PID进行控制,并比较2种方法控制下的仿真结果.结果表明:单神经元自适应PID控制系统具有自学习和自适应能力,能够采用学习规则来调整权系数,从而使系统响应稳定、快速、准确.