检索结果-内蒙古大学图书馆

作者：张琇甄淡江大学

学位级别：硕士

目前常被应用的深度学习方法，无论是MLP, CNN, RNN等由学习观点来看大都以最大概似估计法 (MLE) 来最小化资料与模型之间的差异。其基本假设在于相信世界的本质是稳定的，所有现象背后都有一个稳定的母体，所以我们只要透过来自母体大... 详细信息

目前常被应用的深度学习方法，无论是MLP, CNN, RNN等由学习观点来看大都以最大概似估计法 (MLE) 来最小化资料与模型之间的差异。其基本假设在于相信世界的本质是稳定的，所有现象背后都有一个稳定的母体，所以我们只要透过来自母体大量随机且可重复实验的事件，就可以透过期望值估算各种统计量。然而实际上这种假设不一定正确。在资料无法大量取得的状况下，产生的模型也较容易出错。近年来贝氏深度学习方法愈来愈受到重视，此类方法旨在估计权重的后验分布而非估计值。而后验本身可以用于量化网络模型的不确定性，进而可避免深度学习领绿中常见的过度配适问题。本研究将利用变分推论方法，对机器学习领域中常使用的开源网路库keras修改程式码，建置贝氏循环类神经网路层来处理飞行中操作不确定性的问题。并利用此一新开发的技术来侦测飞安事件中重落地发生的可能性。解决分析重落地事件肇因效率不佳的问题。

关键词：变分推论重落地事件权重不确定性贝氏长短期记忆网路

来源：评论

学校读者我要写书评

暂无评论

基于变分自编码器的短波阵列信号处理技术

基于变分自编码器的短波阵列信号处理技术

引用

作者：张梓淇电子科技大学

学位级别：硕士

天波传输是短波通信的主要传输路径,其传播媒介-电离层的不易摧毁以及低成本远距离反射的特性使得短波天波信号传输技术在非合作通信、紧急远距离通信等场景有着广泛的应用。但是,受太阳辐射影响而快速变化的电离层传播环境以及有限的... 详细信息

天波传输是短波通信的主要传输路径,其传播媒介-电离层的不易摧毁以及低成本远距离反射的特性使得短波天波信号传输技术在非合作通信、紧急远距离通信等场景有着广泛的应用。但是,受太阳辐射影响而快速变化的电离层传播环境以及有限的信道频谱资源也为短波通信可靠快速的数据传输需求带来了极大的挑战。相对于传统单发单收通信模式,基于阵列的信号接收处理能够有效提高系统可靠性,提升信号传输效率。本文建立了天波传输的远场阵列接收模型,重点研究了单窄带远场信号源天波多径传输的阵列接收处理。针对信道资源有限以及非合作通信的场景应用问题,提出了基于阵列接收信号的盲均衡算法;针对极化敏感阵列信号处理中的参数估计问题,提出了一种基于盲信道估计的参数估计方法。本文结合隐变量概率模型和变分推断理论,将深度生成模型中生成与推断的思想应用到阵列信号的盲均衡处理当中,提出了基于变分自编码器的阵列信号盲均衡算法,分别利用一般通信场景下接收信号的复高斯概率模型和基于贝叶斯理论的最大后验检测概率模型代替自编码器中的生成神经网络和推断神经网络完成对于变分下界损失函数的计算,给出了基于变分自编码器的线性盲均衡滤波器训练方法（VAE-LE）。该算法在QPSK调制模式下,与目前主流的ROCMA和fast MMA盲均衡算法性能相当;随着调制阶数的提高,VAE-LE算法的优势逐渐体现,对于高阶64QAM调制模式,在BER达到10-2量级的情况下,VAE-LE盲均衡相比上述两种算法在SNR性能上提升接近4d B。本文引入极化敏感阵列概念,将标量天线阵列信号接收模型扩展到矢量阵列。耦合阵列导向矢量与信道系数,把参数估计问题转化为信道估计问题,提出了基于盲均衡辅助的期望极大盲信道估计方法（BDA-EMCE）。相比于传统期望极大盲信道估计,盲均衡辅助初始化极大提高了EM迭代初值精度,使其以更大概率收敛至全局最优值。基于BDA-EMCE算法,给出了针对不同类型阵列排布的空域-极化域参数估计计算方法。针对单信号源的天波多径传输场景,给出了基于空极化域滤波的多径间时频差二维估计方法。实验表明,BDA-EMCE算法在SNR为15d B的瑞利信道条件下,对于空域二维到达角（θ,φ）的估计RMSE精度在5以内,对于极化辅助角γ和极化相位差η的估计精度在6以内。

关键词：短波通信极化敏感阵列变分推论盲均衡参数估计

来源：评论

学校读者我要写书评

暂无评论

LDA-CRF:一种基于概率图模型的目标检测方法

引用

计算机研究与发展 2012年第11期49卷 2296-2304页

作者：郭乔进李宁杨育彬武港山南京大学计算机科学与技术系南京210093 计算机软件新技术国家重点实验室(南京大学) 南京210093

目标检测和识别是计算机视觉和机器学习的研究热点.近年来,主题模型(如LDA等)在无监督的图像识别和定位等应用中获得了巨大的成功.然而,LDA忽略了图像区域之间的空间关系,并且不能处理连续值的视觉特征或特征向量.而条件随机场(CRF)能... 详细信息

目标检测和识别是计算机视觉和机器学习的研究热点.近年来,主题模型(如LDA等)在无监督的图像识别和定位等应用中获得了巨大的成功.然而,LDA忽略了图像区域之间的空间关系,并且不能处理连续值的视觉特征或特征向量.而条件随机场(CRF)能够利用图像区域之间的局部相关性来提高分类准确性.基于LDA和CRF提出了一种LDA-CRF模型.通过利用LDA生成的主题信息来辅助CRF的分类,同时结合图像区域之间结构化的类别信息来改进LDA的主题生成机制.实验结果表明,LDA-CRF模型的检测效果要优于CRF.

关键词： LDA CRF 目标检测变分推论概率图模型

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：