利用参数表示任意维数正交矩阵的ICA新算法

在独立分量分析 (Independent component analysis, ICA) 中, 寻找去除高阶相关的正交矩阵成为问题关键, 而正交矩阵具有特殊的空间结构, 组成它的每个列向量可视作 RN 中单位超球表面上一点, 当这些点彼此垂直时, 整体就组成一个正交矩阵. 自然地, 这些点可以用其球坐标来参数化. 本文通过观察正交矩阵的几何结构, 找到了任意维数的随机正交矩阵的参数表示方法, 且论证了这种表示的完备性; 同时, 对随机正交矩阵参数表示的随机性做了定量分析; 然后, 利用遗传算法对参数化正交矩阵中的参数进行搜索, 得到了分离结果. 本文称这种算法为 OICA 算法, 并给出了该算法的仿真实验.     

基于生成模型的联邦学习隐私保护算法

在联邦学习中,交换模型参数或梯度信息通常被视作是安全的。但近期研究表明,模型参数或者梯度信息也会导致训练数据的泄露。基于保护客户端数据安全的目的,提出了一种基于生成模型的联邦学习算法。为了验证该算法的有效性,在DermaMNIST数据集上进行了仿真实验,采用梯度泄露攻击对算法进行验证。实验结果表明,提出的基于生成模型的联邦学习算法与联邦学习经典算法在准确率上仅仅相差0.02%,并且通过MSE、PSNR、SSIM等评价指标可以判断出该算法可以有效地保护数据隐私。     

盲源分离中信号独立性的讨论

在盲源分离(BSS)算法中,对分离信号独立性的衡量直接影响算法的有效性和健壮性,是一个算法成功与否的关键因素。总结了衡量分离信号间独立性大小的一般原则,即从非高斯极大、互信息最小及非线性不相关等角度来衡量。提出了另一种衡量信号独立性的方法以及相关优化函数,拓展了BSS研究的一般思路。     

美国第一位风景园林大师——欧姆斯特得·弗雷得利克·劳(1822—1903)

欧姆斯特得是美国著名的风景园林设计大师,他花费了一生的时间在探索大自然,大器晚成。他的一系列规划设计,力图把自然美提供给广大人们所亨受。他的作品风格随意、奔放,自然野趣,崇尚艺术。给欧美各国及美国人民留下深刻印象,至今仍受人们所尊敬。     

关于我国城市园林绿地分类问题的探讨

建设现代化城市,必须有一个完整的绿地系统。其中包括有供游憩的绿地,保护环境的绿地;起美化作用的绿地和提供苗木、花草的生产绿地。为使各类绿地更好地协调发展,统一于城市绿地系统之中,首先要有个明确的绿地分类。有了恰当的绿地分类,     

一种分离低维信号的ICA快速算法

介绍了一种基于低维反对称矩阵指数的快速独立分量分析算法. 由于算法中牵涉到的矩阵指数具有解析闭合形式的表达, 因而算法中使用到的矩阵指数以及最优下降方向均可解析地得到. 另外, 我们纠正了在别的文献中建立的四维反对称矩阵指数表达式中的两个错误. 最后, 我们用仿真验证了算法. 实验结果表明: 相比于广为应用的Extended InfoMax和FastICA算法, 本文算法能得到更佳的分离性能.     

基于多列卷积神经网络的参数异步更新算法

针对现有人群计数算法采用同步人工优化深度学习网络,忽略了网络学习的负面信息,导致大量冗余参数甚至过拟合,进而影响到计数准确性的问题,提出基于多列卷积神经网络MCNN(Multi-column Convolution Neural Network)的参数异步更新算法.首先将单帧图像输入网络,经过三列卷积分别提取不同尺度特...