退火期望最大化算法A-EM

使用EM算法训练随机多层前馈网具有低开销、易于实现和全局收敛的特点,在EM算法的基础上提出了一种训练随机多层前馈网络的新方法A-EM. A-EM算法利用热力学系统的最大熵原理计算网络中隐变量的条件概率,借鉴退火过程,引入温度参数,减小了初始参数值对最终结果的影响.该算法既保持了原EM算法的优点,又有利于训练结果收敛到全局极小.从数学角度证明了该算法的收敛性,同时,实验也证明了该算法的正确性和有效性.     

Cr2O3涂层对Al2O3绝缘瓷二次电子发射特性的影响

用Cr2O3涂复α－Al2O3绝缘瓷表面,并经热退火处理,观测了它们的二次电子发射系数,SEM,XRD,XPS和EELS,发现样品在退火后,涂层元素扩散进了Al2O3陶瓷基底,生成了新相;根据XPS和EELS的分析结果,表明层能隙减少,能隙中的缺陷态,要质态及表面态增加,提供了更多可能的复合中心和陷阱中心,有利于非平衡载流子的散射跃迁,从而大大耗散能量,减少二次电子发射。     

基于成对累计量的自然图像拓扑表示模型

针对传统模型建模复杂、算法效率较低等缺点,提出了一种学习自然图像拓扑表示的新方法.不同于传统的空域汇集操作,文中利用“成对累计量”对初级视皮层复杂细胞之间的二元关系进行建模,并结合向量在高维空间中的分布特点,得到了能够模拟V1区复杂细胞特性的自然图像拓扑表示模型.此外,在模型的估计部分,推导出基于“不动点迭代”的快速学习算法.实验表明,该模型能够有效地捕捉复杂细胞中的非线性依赖关系,从自然图像中学习的基向量具有类似于V1区复杂细胞的特性.与传统方法相比,文中算法不仅适用于完备或超完备基的学习问题,而且具有类似于FastICA算法的收敛性能,比同类算法更加快速可靠.     

一种针对多关系数据的半监督协同训练算法

半监督学习是机器学习领域的研究热点。协同训练研究数据有多个特征集时的半监督学习问题。将图表示法引入协同训练,使用多个图结构表示多关系数据。在每个图上进行半监督学习,在多个图之间进行协同学习,使多个图上的学习器对数据的预测一致。创新性地提出一种针对多关系数据的半监督协同训练算法,并从概率角度分析学习过程。在真实数据集上的实验表明,提出的算法处理多关系数据时具有较好的性能。     

一种新的复杂细胞启发下的特征提取方法

鉴于V1区复杂细胞具有提取外界刺激不变本质的能力,设计了一个提取目标图像局部不变特征的方法.该方法首先使用提出的无监督算法(PCICA),从图像中学习出类似于复杂细胞感受野的滤波器集合.然后利用这些滤波器组成的复杂细胞描述子,提取目标图像各个位置的不变特征.最后对图像特征图进行分块统计,将各区域的直方图序列作为图像的最终描述.测试结果表明,PCICA具有类似于快速独立分量分析算法(FastICA)三阶收敛的特点,从图像中学习出的滤波器集合,表现出复杂细胞感受野的拓扑结构.这些滤波器对于局部图像的微小变化并不敏感,对于检测不变特征十分有利,并在MNIST手写体数据库上取得0.84%的识别错误率.     

基于CORBA的七号信令综合监测系统的研究

七号信令综合监测系统对信令网的维护其着举足轻重的作用,CORBA技术能为我们开发开放的、灵活的、交互的、分布式和实时性的监测系统提供思想和技术支持。该文首先对CORBA技术及其特点进行了介绍,然后探讨了CORBA在综合监测系统开发中提供的技术支持和思路     

最新清洗剂与清洗工艺及其在食品工业中的应用

正引言清洗消毒是保障食品安全的重要一环,在食品工业中有着不可替代的作用。近年来随着食品工业的高速发展,各大企业在角逐和分享前所未有的行业发展机遇的同时,也面临着诸多的压力——如食品安全要求的严苛,能源成本的持续上升,政府对节能减排的严格限制,国内外法律法规的变化,可持续发展的压力等等。而这些林林总总的压力和需求,也演变成为清洗行业技术革新的动力与助力。     

网格环境下一种可调目标的启发式调度策略

针对网格环境下不同类型的任务执行时间相差较大的问题,提出了基于任务平均执行时间的忍耐度的概念,重新构造了启发式规则,体现了任务QoS的要求;并将这种服务质量的需求与任务完成时间相结合,给出了一个可调节的局部目标函数,实现了一种基于任务完成时间和任务服务质量的启发式调度算法OA-Sufferage;最后,给出了服务率(service ratio)的概念和定义,定量地衡量任务得到的服务质量.实验结果表明,该策略优先调度那些等待时间相对于执行时间较大的任务,提高了任务的服务率;而且可以通过调节局部目标函数中的偏好因子(preference factor),追求任务完成时间和QoS的不同目标,更加适合开放复杂的网格环境.     

一种基于广义KL距离和几何曲率的模型选择准则

模型选择的目标就是识别产生给定数据的模型.通常模型的好坏由模型的泛化能力来度量,而泛化能力包含模型对给定数据的拟合度和模型复杂度两个方面.本文从信息几何的观点使用定义在流形上的广义KL距离来度量模型的拟合度;另一方面从微分几何的观点用曲率的概念来度量模型的内在复杂度;因此,拟合度和复杂度的表示都具有在参数变换下保持不变的特点.通过理论分析,我们证明了用于表示模型预测能力的未来残差与模型固有曲率的关系.由此提出了一种新的基于广义KL距离和曲率的模型选择准则KLCIC.该准则不仅考虑了样本大小、参数个数和函数形式等影响复杂度的因素,而且具有非常清晰直观的几何意义.实验结果表明该方法的有效性.     

铁基移动床化学链技术进展

在日益增长的能源需求与日益严峻的全球气候变化带来的双重压力下,清洁、高效且经济的能源利用方法显得尤为重要。将化学链概念用于传统化石能源的转化是一种前景广阔的新技术。化学链燃烧利用载氧体间接转化含碳燃料,同时实现二氧化碳的捕集。俄亥俄州立大学研发了采用铁基载氧体和移动床反应器的化学链技术,可实现天然气、煤、生物质等多种燃料向电力、氢、液体燃料等产品的零排放转化。目前,合成气化学链（syngas chemical looping,SCL）和煤直接化学链（coal direct chemical looping,CDCL）技术两套25 kW_th级小试装置已成功运行总计超过850 h,一套250 kW_th级的高压SCL装置即将投入示范运行。