基于多源信息的全局滤波器剪枝

针对现有神经网络剪枝方法未全面评估滤波器的重要性以及跨层滤波器的重要性间存在一定差异的问题,提出了一种基于多源信息的全局滤波器剪枝算法,建立了特征和权重信息间的连接.首先,根据特征信息较为丰富和权重信息受数据噪音影响低的特点,分别以特征间相关性和权重熵来评估滤波器的相对和绝对重要性.然后,将每层中不同压缩比例的滤波器看作一个整体,评估其对模型的全局重要性,按照压缩需求跨层剪掉模型中最不重要的部分.最后,采用知识蒸馏的方式来恢复剪枝后模型的精度,不依赖其他数据集就能完成模型的压缩与微调.为了验证所提方法的适用性,针对DeepLabV3、DABNet和U-Net网络在三个语义分割数据集上进行了大量的实验.也针对多种深度的ResNet网络在图像分类数据集上进行了验证.实验结果表明,通过多源信息可以更精确的评估单层中滤波器的重要性,通过全局重要性来指导跨层剪枝可以使模型的关键信息损失降到最低.     

一种新型单层递归神经网络解决非光滑伪凸优化问题

非光滑伪凸优化问题是一类比较特殊的非凸优化问题,常出现在各类科学与工程应用中,因此具有很大的研究价值.针对现有神经网络模型解决非光滑伪凸优化问题存在的不足,该文基于微分包含理论,提出一种新型单层递归神经网络模型.通过理论分析,证明了神经网络状态解在有限时间内收敛到可行域,且永驻其中,最终神经网络状态解收敛于原优化问题的最优解.最后,通过数值实验,验证了所提理论的有效性.与现有的神经网络相比,该文所提神经网络模型结构简单仅为单层,不需要提前计算罚参数,且对初始点选取没有任何特殊的要求.     

MHSACAE-CNN在噪声下的电机轴承故障诊断

电机的运行情况复杂,实际运行工况下会有大量的噪声,导致其轴承故障诊断精度下降。为了改善这一问题,提出了一种基于多头自注意力机制的一维全卷积自编码网络（One-dimensional Fully Convolutional Autoencoding Network Basedon Multi-head Self-attention,MHSACAE）与卷积神经网络（Convolutional Neural Network,CNN）结合的轴承故障诊断方法。该方法先采用MHSACAE网络进行降噪,再通过CNN进行故障诊断。其中MHSACAE去噪网络采用无监督训练的方式,充分考虑了实际工况和序列数据内在联系,在实现对噪声的滤除效果的同时,最大限度地保留下了原始的故障信息,使得CNN可以实现在噪声情况下对电机轴承故障的高精度诊断。通过与其他轴承故障诊断方法在噪声情况下进行对比,证明提出的方法具有更好的效果。     

车辆四轮转向系统的控制方法

系统地评述了车辆四轮转向系统的原理及其控制方法的发展,在此基础上指出四轮转向系统的研究必须以闭环综合评价为出发点,并与其它主动安全技术相结合才能真正达到实用阶段。     

基于BP神经网络的抗生素效价预测模型研究

目的:通过BP神经网络对杭生素微生物效价进行测定.方法:以枯草芽孢杆菌为例,通过测定标准品及样品抑菌圈的直径,建立效价预测模型,预测待测样品抑菌圈的效价结果:对18组样品进行预测,其结果与实测值相比,最大绝对误差为,经SPSS统计软件方差检验,F值为,与一剂量法相比无显著性差异.结论:采用BP人工神经网络能够预测效价,...     

基于专家系统的回转窑窑头工况识别

针对新型干法水泥生产线窑头环节非线性、多变量、强耦合、大时滞等特性导致的工况复杂,控制难度大的问题,在深入分析窑头工况特点的基础上,提出了一种基于专家系统的工况智能识别方法.该方法首先对从集散控制系统中采集的现场参数实时值进行数据预处理,运用ART-2神经网络算法对关键参数的变化趋势进行在线辨识,并输出趋势类别,同时对主要参数的实时值进行模糊化处理,输出模糊档位.基于专家规则的工况识别系统根据参数的辨识结果,通过精确推理输出当前工况.工况识别软件采用c++编写,现场实际运行表明了该方案的正确性和实用性.     

基于卷积神经网络的手势识别研究

传统的手势识别系统由特征提取和分类器组成,需要人工设计特征,但很难达到足够满意的效果且耗费大量的时间。将卷积神经网络应用于手势识别,能直接把图像数据输入网络,且不用进行复杂的前期预处理。卷积神经网络拥有很强的鲁棒性和较低的复杂性,通过大量的仿真实验,证明了该识别方法具有很好的识别效果,相比现有方法有较大的优势。     

基于径向基神经网络的新型协同过滤推荐算法

针对传统协同过滤推荐算法对目标用户的评分预测过于依赖邻近用户,而忽略目标用户自身评分特性的问题,提出一种改进的基于径向基RBF(Radial Basis Function)神经网络的预测方法。该方法首先使用RBF神经网络对邻近用户的项目评分数据进行模型训练,得到基于该用户的网络评分模型;然后结合目标用户自身的评分进行计算,得到一个基于该模型的评分;最后结合所有邻近用户的模型评分预测出目标用户对目标项目的最终评分。改进后的算法既借鉴了用户之间的相似性,也考虑了目标用户自身的评分特性。实验结果表明,改进后的协同过滤推荐算法可以获得比传统算法更好的推荐效果。