排序方式: 共有25条查询结果,搜索用时 453 毫秒
21.
22.
23.
为了制定合理高效的泊位岸桥联合分配方案,加快船舶周转,本文针对船舶动态到港的连续泊位建立了以船舶总在港时间最短为目标的泊位岸桥联合分配混合整数非线性模型.通过多目标约束处理策略将复杂约束的违反程度转化为另一个目标,从而将原单目标优化模型转化为双目标优化模型,并用基于快速非支配排序的多目标遗传算法(NSGA-II)对其进行求解.同时,针对问题特点,分别设计了基于调整、惩罚函数、可行解优先和综合约束处理策略的单目标遗传算法对原模型进行求解.通过多组不同规模的标准算例对本文的方法进行测试,验证了基于多目标约束处理策略的方法求解效果相较于单目标约束处理策略的方法更加高效和稳定. 相似文献
24.
现有层归一化(Layer Normalization,LN)研究通过中心化和缩放网络中某一层的所有神经元输入来使得输入值落在非线性函数对输入比较敏感的区域,从而帮助稳定训练并促进模型收敛.在多通道的图像数据中,虽然现有层归一化技术能够让不同通道的特征具有相同的均值和方差,但是图像中相邻特征之间依旧具有很强的相关性,即多个通道中特征存在冗余.本文进一步提出了去相关层归一化(Decorrelated Layer Normalization,DLN)研究,所提方法通过对单个样本所有通道中加入白化(Whitening)操作,在保留原有网络层归一化的基础上进一步减少了输入特征之间的相关性,使得通道上的数据特征表达具有独立同分布的特点,从而降低了输入数据的冗余并最终提升层归一化的泛化性能.在CIFAR-10,CIFAR-100数据集上的实验结果证明本论文所提方法与其他归一化方法在小批量样本(Mini-Batch)上比较能够将图像分类准确率提高2%至4%. 相似文献
25.