课程文献中心 更多>>

关键词： 随机配置网络   多目标回归   多核学习   多尺度核  

摘要： 多目标回归通过将多个回归任务的相关性纳入建模中以提高模型表现,但是当前方法对于多目标内在更加普遍且复杂的非线性结构关系建模效果并不理想.本文提出多尺度核随机配置网络(Multi-Scale Kernel Stochastic Configuration Network,MSK-SCN)构建高维输入与多目标之间的映射以及多目标内在的非线性关系.通过设计隔离建模机制,使得每个子模型根据其负责的目标误差状态完成隐含层参数配置,进而避免多个回归任务共享模型参数导致建模质量下降;建立多尺度核空间,利用不同尺度参数的核函数将低维空间数据映射到高维特征空间以增强数据的表达能力,进而提高模型挖掘多目标间非线性关系的能力.基于虚拟数据集和真实数据集进行实验验证,结果表明MSK-SCN的表现优于当前的多目标算法,证实了其在多目标回归问题上的有效性.

关键词： 捆绑定价   交叉矩模型   梯度下降算法   选择概率  

摘要： 捆绑定价问题在服务业、电视和电影、媒体等行业有重要的应用,得到了广泛研究.本文证明捆绑定价问题交叉矩模型的目标函数在约束域内是强凸的且梯度是Lipschitz连续的.基于此性质,本文提出求解该模型的梯度下降算法并计算捆绑定价问题选择概率.本文还证明了算法是线性收敛的.数值实验验证了算法的有效性和交叉矩模型对于选择概率估计的准确性.

关键词： 聚类   自监督   scATAC-seq   深度神经网络  

摘要： 单细胞水平的染色质可及性测序技术(scATAC-seq)在研究表观遗传景观中的细胞异质性方面显示出巨大的潜力。针对scATAC-seq数据高稀疏性和高维度的特点，本文提出了一种基于自监督的单细胞ATAC-seq数据智能聚类算法。首先，通过两个并行的编码器对原始数据进行特征选择和特征增强以获得低维且有效的嵌入表示。然后，利用聚类模块生成的伪标签和分类网络的分类结果构建分类损失，实现自监督学习。最后，使用谱聚类算法对嵌入表示进行聚类。对比实验结果表明，该算法在4个数据集和3个评价指标上优于大部分对比算法。参数敏感性实验和收敛性实验进一步验证了所提算法的鲁棒性和快速收敛的能力。

关键词： 空频多信号分类   奇异值分解   探地雷达   未爆物探测  

摘要： 本文提出一种基于共射偏移测量的空频多信号分类算法(CSF-MUSIC)，该算法对原有空频矩阵的结构进行改进得到一种新的共射空频矩阵(CSF-MDM)，对该矩阵进行奇异值分解并用于目标成像。由于新的CSF-MUSIC算法只需使用双天线测量，解决了传统多信号分类算法需要较多天线数量或者较大天线阵列的问题，并且成像效果比传统方法分辨率更高。数值实验和实测结果都表明，该方法能够实现对地下未爆物目标的准确定位，且CSF-MUSIC算法在数据测量方式上与探地雷达系统有更好的适配性，有利于未爆物探测设备的小型化。

关键词： 深度强化学习   路径规划   D3QN   优先级采样   过估计  

摘要： 为了解决基于深度Q网络（DQN）的路径规划任务面临的样本效率低下、收敛速度慢、内存需求量大等问题，更快更好地在复杂环境中准确跟踪目标。在深度强化学习技术的基础上，提出了在移动传感器上使用D3QN算法实现对目标的路径规划。D3QN算法有3个方面的优势，一是通过一种优先经验回放机制，提高样本效率；二是通过将动作的选择和动作的评估分别用不同的值函数来实现，降低过估计的影响；三是通过改变网络架构，提高收敛速度和效果。并且采用GNU Radio软件平台和Python语言进行仿真验证。通过实验表明，与DQN方法相比，D3QN的方法能够有效地降低系统能耗、提高处理任务的实时性，提供了显著的速度改进和鲁棒性。

关键词： 系统偏差   重尾量测噪声   交互式多模型   增量量测  

摘要： 在工程实践中，量测数据如果存在未知的恒定传感器系统偏差并且受到非高斯重尾噪声干扰，会导致不精确的滤波估计。针对同时含有恒定传感器系统偏差和重尾量测噪声的非线性系统目标跟踪问题，提出一种基于交互式多模型框架的增量容积卡尔曼滤波器（Incremental Cubature Kalman Filter Based On Interactive Multiple Mode Framework， IMM-ICKF）。首先，针对带有非高斯重尾量测噪声的目标估计问题，IMM-ICKF将量测噪声建模成高斯混合分布。然后，对相邻两个时刻存在恒定传感器系统偏差的量测进行差分得到增量量测，减弱了恒定传感器系统偏差对滤波的不利影响。同时，根据增量量测噪声的高斯混合分布特性，在交互式多模框架下将增量量测噪声分解成多个并行滤波器进行处理，最后综合多个并行滤波器的递推估计结果进行融合输出。仿真结果表明，在同时含有恒定传感器系统偏差和重尾量测噪声的非线性系统环境下，与基于高斯混合的增量容积卡尔曼滤波算法相比，IMM-ICKF位置跟踪精度提升约10%，运行时间降低约92%。

关键词： 物联网   LoRa   功率控制   冲突率   参数分配  

摘要： 远距离无线电LoRa（Long Range Radio）网络具有连接数量多、传输距离远、功耗低的特点，然而海量LoRa终端的接入将使得LoRa网络的数据包碰撞率激增，制约网络传输性能。为优化LoRa网络参数分配和功率控制，以A类终端设备建立了LoRa网络冲突率的计算公式，提出了一种基于传输时间的LoRa网络参数分配与功率控制算法，其目标是最小化网络数据包传输平均冲突率时最小化网络能耗，通过优化网络整体节点的参数和发送功率来实现。仿真结果表明，与传统的AAPA等参数分配算法相比，基于传输时间的LoRa网络参数分配与功率控制算法能显著降低冲突率24.8%以上，降低网络能耗30.7%以上。

关键词： 梯度迭代算法   保护电器   选择性校验  

摘要： 为解决由于保护电器的多样性和结构复杂性，提出基于梯度迭代算法的保护电器动作特性及选择性配合校验方法，保障电网控制和保护设备安全稳定运行。运用梯度迭代算法对保护电器参数建立计算函数模型，利用简化的保护选择性配合模型，分析和构建保护电器上下级选择性校验判据，提出校验逻辑方案，实现对保护电器动作可靠性及选择配合准确性的校验。工程测试表明方法快速精准，收敛性强，可有效解决实际工程中由于保护电器选择性问题导致的越级跳闸和停电范围扩大等隐患。

关键词： 地震预警   高速铁路   预警算法   P波识别   S波信号   修正算法  

摘要： 在中国地震频发、铁路网络遍布全国的背景下，地震灾害对铁路基础设施和高速列车运行安全构成重大威胁。因此，为了降低地震带来的潜在损害并提高铁路运输的安全性，提升高速铁路地震预警系统的报警准确性显得尤为重要。针对高速铁路地震监测系统在复杂外部环境干扰下可靠运行的挑战，尤其是干扰信号混入地震实时监测信号导致地震预警不准确的问题，提出一种基于S波的P波识别修正方法。该方法旨在缓解地震预警过程中出现的P波捡拾错误问题，从而提高预警的准确性。通过综合考虑偏振特征、信噪比特征以及最大振幅比特征等多个识别修正参数，并结合小波分解法与AIC法，对识别错误的P波进行修正。本研究广泛使用国内外的多种地震数据集，对不同地域地震数据的识别能力进行全面对比分析，特别关注P波捡拾错误地震数据的特征。实验结果显示，在561次样本数据中，共识别修正230次P波识别错误事件，同时维持判定其余331次P波识别准确事件。本研究所述的技术可以作为一个并行处理模块，集成到现有的地震预警系统中，实时接收并处理数据，有效识别P波捡拾错误信号并输出准确的P波信息，确保地震实时监测系统报警信息的高准确性。

关键词： 压力容器   X射线焊缝缺陷   YOLOv7   注意力机制   GAM注意力   CNeB   目标检测   深度学习  

摘要： 针对压力容器焊缝缺陷因目标尺寸小、特征各异以及背景复杂导致检测精度低和速度慢问题，文中提出了一种基于改进YOLOv7（You Only Look Once version 7）的焊缝缺陷检测方法。在网络的Neck部分添加全局注意力机制（Global Attention Mechanism， GAM）模块，防止丢失较小尺寸和细微的特征信息，加强特征提取，提高检测精度。采用CNeB（ConvNeXt Block）模块替换网络中ELAN（Efficient Layer Aggregation Network）模块，从而简化整体模型，减少模型在训练和推理过程中的耗时，在提高检测精度的同时提高了检测速度。为了增强改进YOLOv7模型的鲁棒性，融合GAM模块和CNeB模块的YOLOv7目标检测算法。实验结果表明，改进后的算法平均精度均值mAP（mean Average Precision）达到了94.2%，比原算法提升了2.9个百分点，速度为48.1 frame·s-1，能够实现焊缝缺陷检测。