排序方式: 共有7条查询结果,搜索用时 14 毫秒
1
1.
2.
为提升公民科学素养,培养创新型科技人才,保持地区经济平稳增长,推进科技普及一直是我国在科技教
育领域的重要方针。论文选取2010—2014 年各省科普经费、科普人员、科普设施、科普图书、科普活动等方面的
科普服务相关指标,采用灰色关联分析法对科普与经济发展间的关联性进行定量分析,并利用空间关联分析法探讨
省间和省内关联度的空间差异特征。实证研究表明,各省科普与经济发展的关联度有明显的区域差异,并且在空间
上具有聚集性。 相似文献
3.
4.
联邦学习能够有效地规避参与方数据隐私问题,但模型训练中传递的参数或者梯度仍有可能泄露参与方的隐私数据,而恶意参与方的存在则会严重影响聚合过程和模型质量。基于此,该文提出一种基于相似度聚类的可信联邦安全聚合方法(FSA-SC)。首先基于客户端训练数据集规模及其与服务器间的通信距离综合评估选出拟参与模型聚合的候选客户端;然后根据候选客户端间的相似度,利用聚类将候选客户端划分为良性客户端和异常客户端;最后,对异常客户端类中的成员利用类内广播和二次协商进行参数替换和记录,检测识别恶意客户端。为了验证FSA-SC的有效性,以联邦推荐为应用场景,选取MovieLens 1M,Netflix数据集和Amazon抽样数据集为实验数据集,实验结果表明,所提方法能够实现高效的安全聚合,且相较对比方法有更高的鲁棒性。 相似文献
5.
针对神经网络模型在有标签样本数量较少的情况下,容易产生网络过拟合、故障诊断精度低、不能充分利用大量无标签样本数据等问题,提出一种基于连续小波变换和教师-学生网络的半监督学习方法用于旋转机械的故障诊断。该方法以改进的LeNet5卷积神经网络模型为基础,建立具有相同结构和初始化参数的学生网络模型和教师网络模型。首先,将旋转机械振动信号进行连续小波变换,将其转换为三维时频图像。接着,利用教师模型的预测结果生成伪标签,将这些伪标签和真实标签结合起来,训练学生网络。同时,通过指数加权移动平均算法更新教师网络模型参数。试验结果表明,相对于纯监督学习模型,所提出的算法能够在有标签样本数量较少的情况下显著提高模型训练过程的稳定性和故障诊断的精度。 相似文献
6.
7.
针对旋转机械运行过程中伴随着诸多噪声,现有单通道网络在旋转机械故障诊断过程中抗噪性较差的问题,提出了一种加入并联机制的双通道输入Let Net-5卷积神经网络模型。模型合理性检验过程采用了凯斯西储大学轴承数据集,在此基础上,添加信噪比为–10 d B的高斯白噪声模拟真实噪声情形;采用短时傅里叶变换将电机风扇端和驱动端振动数据进行处理,获得的时频图像传递至双通道输入的Let Net-5卷积神经网络进行训练学习。研究结果表明:双通道输入Let Net-5卷积神经网络模型能够良好捕捉到强噪声环境下的故障特征;相比于多尺度特征融合残差模型、多模态耦合输入神经网络模型、传统的K近邻与决策树模型及单通道输入Let Net-5卷积神经网络模型,双通道输入Let Net-5卷积神经网络具有更高的效率和精度。 相似文献
1