检索结果-内蒙古大学图书馆

计算机应用与软件 2023年第5期40卷 200-206页

作者：李平袁晓彤南京信息工程大学自动化学院江苏南京210044 江苏省大数据分析技术重点实验室大气环境与装备技术协同创新中心江苏南京210044

深度神经网络很容易受到精心设计的对抗样本攻击。虽然基于极大极小值优化的对抗训练方法能提升网络的鲁棒性,但是对抗训练比正常训练需要更大容量和更多参数的模型。为了获得一个高鲁棒性和高稀疏度的网络模型,该文从模型压缩角度出发... 详细信息

深度神经网络很容易受到精心设计的对抗样本攻击。虽然基于极大极小值优化的对抗训练方法能提升网络的鲁棒性,但是对抗训练比正常训练需要更大容量和更多参数的模型。为了获得一个高鲁棒性和高稀疏度的网络模型,该文从模型压缩角度出发通过实验分析模型精度、鲁棒性和稀疏性之间的关系,并根据鲁棒网络稀疏敏感特性提出一种基于稀疏敏感的鲁棒网络非结构剪枝算法。在Mnist和Cifar10数据集上的白盒攻击实验结果表明,该算法在采用较大剪枝率时仍能保持高模型精度和高鲁棒性。在黑盒攻击下,基于该算法的稀疏模型的鲁棒精度甚至能超过未剪枝模型。

关键词：鲁棒性对抗训练非结构剪枝稀疏敏感度

来源：评论

学校读者我要写书评

暂无评论

双种群混合遗传算法求解航空复合材料柔性调度问题

引用

计算机工程与设计 2024年第10期45卷 3143-3152页

作者：王玉芳姚彬彬陈凡曾亚志南京信息工程大学自动化学院江苏南京210044 南京信息工程大学、江苏大数据分析技术重点实验室江苏南京210044 南京信息工程大学、江苏省大气环境与装备技术协同创新中心江苏南京210044

考虑航空复合材料柔性车间调度中的运输约束,以最小化完工时间为目标,建立调度模型,提出一种改进的双种群混合遗传算法进行求解。根据问题特点,基于工序排序、机器选择和运输约束3个子问题,设计三层实数编码以及对应解码方案。采用混合... 详细信息

考虑航空复合材料柔性车间调度中的运输约束,以最小化完工时间为目标,建立调度模型,提出一种改进的双种群混合遗传算法进行求解。根据问题特点,基于工序排序、机器选择和运输约束3个子问题,设计三层实数编码以及对应解码方案。采用混合初始化提高种群质量,进化过程中采用交叉算子执行全局搜索,为双种群设计基于机器负载平衡和变邻域的局部搜索,提高全局和局部搜索能力。与对比算法相比10个测试算例中BPRD指标取得9个最优,APRD指标全部取得最优,t检验显著性有明显差异,验证算法的优越性。将算法应用于航空复合材料车间中,实现实际生产的调度,验证算法的可行性。

关键词：航空复合材料柔性作业车间调度双种群混合遗传算法运输约束机器负载平衡变邻域

来源：评论

学校读者我要写书评

暂无评论

利用KL散度度量通道冗余度的深度神经网络剪枝方法

引用

计算机应用与软件 2021年第11期38卷 300-306页

作者：杨鑫袁晓彤南京信息工程大学自动化学院江苏南京210044 江苏省大数据分析技术重点实验室大气环境与装备技术协同创新中心江苏南京210044

提出一种基于KL散度的结构化剪枝方法,用KL散度来衡量通道之间的差异性,并定义通道的重要因子,通过删减重要因子较小的通道来进行结构化剪枝。在CIFAR-10和CIFAR-100数据集上,对ResNet进行结构化剪枝,并对比几种较为先进的硬剪枝方法,发... 详细信息

提出一种基于KL散度的结构化剪枝方法,用KL散度来衡量通道之间的差异性,并定义通道的重要因子,通过删减重要因子较小的通道来进行结构化剪枝。在CIFAR-10和CIFAR-100数据集上,对ResNet进行结构化剪枝,并对比几种较为先进的硬剪枝方法,发现KL散度能发掘出卷积层中的冗余通道,剪枝后精度可能不会下降太多,在减少10%~30%网络参数与浮点运算的情况下,甚至比原始网络准确率要高0.4到0.6百分点。

关键词：深度神经网络模型压缩结构化剪枝 KL散度

来源：评论

学校读者我要写书评

暂无评论

利用坐标下降实现并行稀疏子空间聚类

利用坐标下降实现并行稀疏子空间聚类

引用

第三届CCF大数据学术会议

作者：吴杰祺李晓宇袁晓彤刘青山南京信息工程大学江苏省大数据分析技术重点实验室

本文研究稀疏子空间聚类模型的并行计算问题。稀疏子空间聚类问题可以建模为求解一系列的样本自稀疏表达子问题。我们提出使用坐标下降方法来求解样本自稀疏表达子问题，具有参数少，收敛快的优点。同时结合自稀疏表达子问题独立的特点...

本文研究稀疏子空间聚类模型的并行计算问题。稀疏子空间聚类问题可以建模为求解一系列的样本自稀疏表达子问题。我们提出使用坐标下降方法来求解样本自稀疏表达子问题，具有参数少，收敛快的优点。同时结合自稀疏表达子问题独立的特点，设计了一种简单高效的并行优化策略。我们的方法可以充分利用计算机资源，减少时间的开销，因此比现有的方法更胜任大规模聚类。在模拟数据以及Hopkins-155运动分割数据上的实验结果表明，在保证聚类结果相当的情况下，我们的并行算法可以显著提高聚类效率。

关键词：

来源：评论

学校读者我要写书评

暂无评论

基于激光诱导击穿光谱法的铝合金中Mg元素定量分析

引用

激光与光电子学进展 2022年第13期59卷 305-310页

作者：丁宇杨淋玉陈靖王星雨郭晓冉徐瑄晨赵兴强罗勇陈文杰南京信息工程大学自动化学院江苏南京210044 南京信息工程大学江苏省大气环境与装备技术协同创新中心江苏南京210044 南京信息工程大学江苏省气象能源利用与控制工程技术研究中心江苏南京210044 南京信息工程大学江苏省大数据分析技术重点实验室江苏南京210044 中国人民解放军32181部队河北石家庄050000

Mg元素能使铝合金获得更好的力学性能并在合金表面形成抗腐蚀的尖晶石膜,使合金具备较好的抗腐蚀性能,因此,探索能快速准确定量分析铝合金中Mg元素含量的方法具有重要意义。首先,基于激光诱导击穿光谱(LIBS)技术对17个铝合金样品中的Mg... 详细信息

Mg元素能使铝合金获得更好的力学性能并在合金表面形成抗腐蚀的尖晶石膜,使合金具备较好的抗腐蚀性能,因此,探索能快速准确定量分析铝合金中Mg元素含量的方法具有重要意义。首先,基于激光诱导击穿光谱(LIBS)技术对17个铝合金样品中的Mg元素进行检测分析。然后,用Nd∶YAG激光器作为光源,分别建立了偏最小二乘(PLS)和随机森林(RF)模型,并对模型的预测性能进行了分析。实验结果表明,针对相同的测试集,PLS模型的相关系数(R_(p)^(2))为0.6809,均方根误差(RMSE)为1.2042;RF模型的R_(p)^(2)为0.8571,RMSE为1.0918。为了提高RF模型的预测性能,根据变量重要性对输入波长进行筛选。选取变量重要性大于0.11的波长点时,基于变量重要性的RF模型R_(p)^(2)为0.9461,RMSE为0.9534,相比RF模型的预测结果,R_(p)^(2)提升了10.38%,RMSE降低了12.68%,且建模时间减少了91.67%。

关键词：激光光学铝合金激光诱导击穿光谱随机森林定量分析

来源：评论

学校读者我要写书评

暂无评论

基于坐标下降邻域选择的高斯图模型结构并行估计

基于坐标下降邻域选择的高斯图模型结构并行估计

引用

第三届CCF大数据学术会议

作者：李晓宇袁晓彤罗琦刘青山南京信息工程大学江苏省大数据分析技术重点实验室

在许多机器学习问题中，往往需要研究高维数据中各个特征之间的统计相关性。稀疏高斯图模型作为解决这一问题的有效方法之一，广泛应用于数据挖掘、生物信息、金融分析等应用问题中。由于模型参数量是数据维度的平方量级，基于高维数据...

在许多机器学习问题中，往往需要研究高维数据中各个特征之间的统计相关性。稀疏高斯图模型作为解决这一问题的有效方法之一，广泛应用于数据挖掘、生物信息、金融分析等应用问题中。由于模型参数量是数据维度的平方量级，基于高维数据的稀疏高斯图模型的参数估计一直是统计机器学习研究中的挑战性问题之一。本文针对该问题提出了一种新颖的基于坐标下降优化的稀疏高斯图模型并行估计算法。该方法的核心思想是根据高斯图模型结构估计等价于每个变量的稀疏近邻选择这一基本结论，采用坐标下降来求解每个近邻选择子问题。通过将样本矩阵进行分布式存储，在MPI框架下实现了这些子问题的并行求解。实验结果表明，本文的算法具有良好的并行运算性能，在保证结构估计精度的同时，能够大幅度提升运算速度。

关键词：

来源：评论

学校读者我要写书评

暂无评论

基于窥孔结构LSTM的电力系统跳闸故障诊断

引用

南京信息工程大学学报（自然科学版） 2023年第6期15卷 712-722页

作者：张平王鹏展龚宁郑征高晶张晓东庄伟国网河南省电力公司经济技术研究院郑州450052 河南九域腾龙信息工程有限公司郑州450052 南京信息工程大学江苏省大数据分析技术重点实验室南京210044

跳闸是输电和配电电力系统中普遍存在的故障.目前一般采用基于继电保护动作和电气元件动作的保护方法应对跳闸故障.然而,这些面向电气保护的方法在处理跳闸故障时存在滞后性.因此,提前预测跳闸故障对处理隐藏问题和电力恢复起着至关重... 详细信息

跳闸是输电和配电电力系统中普遍存在的故障.目前一般采用基于继电保护动作和电气元件动作的保护方法应对跳闸故障.然而,这些面向电气保护的方法在处理跳闸故障时存在滞后性.因此,提前预测跳闸故障对处理隐藏问题和电力恢复起着至关重要的作用.本文提出一种基于多源时序数据的电力系统跳闸故障预测方法,使用窥孔长短时记忆网络(LSTM)提取多源数据的时间特征,缓解了循环神经网络(RNN)在长时间序列上的梯度消失问题.模型在三层栅极上添加窥孔连接结构使得单个单元能够查看上一阶段的LSTM单元状态以此强化网络时序记忆能力;使用参数归一化等L2正则措施缓解故障预测中的过拟合问题对结果的影响;引入支持向量机分类器提高总体模型的泛化能力和鲁棒性.实验结果表明,与现有的数据挖掘方法相比,所提方法具有分类准确性高的优点.最后,对实际应用进行讨论,证明了所提方法在实际场景中的可行性.

关键词：跳闸故障诊断长短时记忆网络窥孔结构多源时序数据

来源：评论

学校读者我要写书评

暂无评论

基于三种群协同进化算法的柔性作业车间调度

引用

南京信息工程大学学报 2024年

作者：张雨驰申晓宁陈文言陈星晖南京信息工程大学自动化学院南京信息工程大学江苏省大气环境与装备技术协同创新中心南京信息工程大学江苏省大数据分析技术重点实验室南京信息工程大学江苏省气象能源利用与控制工程技术研究中心

建立柔性作业车间调度问题的数学模型，在满足加工顺序和加工时间等约束下，最小化所有工件的最大完工时间。提出一种三种群协同进化算法求解该模型。基于三元锦标赛法将种群分为优等、中等和劣等子种群，依据不同子种群的个体特征设计... 详细信息

建立柔性作业车间调度问题的数学模型，在满足加工顺序和加工时间等约束下，最小化所有工件的最大完工时间。提出一种三种群协同进化算法求解该模型。基于三元锦标赛法将种群分为优等、中等和劣等子种群，依据不同子种群的个体特征设计相应的搜索策略。优等子种群利用负载平衡和关键路径的变邻域下降局部搜索提高求解精度，挖掘更优解。中等子种群使用自适应Jaya操作，进化前期趋优避劣，中后期则注重对种群多样性的维护。劣等子种群采取多元交叉全局搜索，对不同基因串设计能够产生可行个体的交叉算子，同时将其余子种群中的个体作为交叉对象，以强化子种群间的协同交互。在标准测试算例和生产实例中的大量实验结果表明，所提算法在绝大多数情况下的求解性能显著优于代表性算法。

关键词：柔性作业车间调度协同进化负载平衡关键路径自适应Jaya

来源：评论

学校读者我要写书评

暂无评论

激光诱导击穿光谱(LIBS)结合字典学习对气溶胶光谱数据筛选方法的研究

引用

中国无机分析化学 2024年第2期14卷 176-182页

作者：李雨亭韦中陈靖陈文杰袁茼珊王启璇蒋焱丁宇南京信息工程大学江苏省大数据分析技术重点实验室南京210044 南京信息工程大学江苏省大气环境与装备技术协同创新中心南京210044 南京信息工程大学江苏省气象能源利用与控制工程技术研究中心南京210044

气溶胶是大气中的重要组分,对气候、生态环境等均有重要的影响。激光诱导击穿光谱(LIBS)在用于气溶胶检测时,由于气溶胶的离散分布,导致采集到大量无效光谱。通过制备7种不同浓度的NaCl气溶胶样品,选取NaCl溶液(10%)的5000条光谱数据进... 详细信息

气溶胶是大气中的重要组分,对气候、生态环境等均有重要的影响。激光诱导击穿光谱(LIBS)在用于气溶胶检测时,由于气溶胶的离散分布,导致采集到大量无效光谱。通过制备7种不同浓度的NaCl气溶胶样品,选取NaCl溶液(10%)的5000条光谱数据进行分类,其中70%作为训练集,30%作为测试集,建立一种结合字典学习对有效光谱数据进行筛选的方法——K-SVD-SVM。当字典基向量数设置为3时,模型分类性能最优,准确率(Accuracy)、精确率(Precision)、召回率(Recall)、精确率和召回率的调和平均(F1)分别达到96%、95%、95%、0.95。此外,采用K-SVD-SVM方法对7种不同浓度的气溶胶样品进行筛选后,输入结合遗传算法的极限学习机(GA-ELM)模型开展定量分析,同时将未筛选的原始光谱数据输入定量模型进行对比。未筛选的原始数据测试集RMSE和R^(2)分别是0.0303和0.8726,筛选光谱后,分别提升至0.0187和0.9809。结果表明,K-SVD-SVM方法有着较好的分类性能,且采用此方法筛选出的有效数据可以为气溶胶中元素定量分析提供数据支撑。

关键词：激光诱导击穿光谱字典学习气溶胶分类识别

来源：评论

学校读者我要写书评

暂无评论

基于OS-ELM的风速修正及短期风电功率预测

引用

电子技术应用 2016年第2期42卷 110-113,121页

作者：张颖超肖寅邓华王璐南京信息工程大学信息与控制学院江苏南京210044 南京信息工程大学气象灾害预报预警与评估协同创新中心江苏南京210044 江苏省大数据分析技术重点实验室江苏南京210044

随着时间的推移,风电场风电功率预测模型的适用性逐渐降低,导致预测精度下降。为了解决该问题,基于在线序列-极限学习机(OS-ELM)算法提出了风电场短期风电功率预测模型的在线更新策略,建立的OS-ELM模型将风电场的历史数据固化到隐含层... 详细信息

随着时间的推移,风电场风电功率预测模型的适用性逐渐降低,导致预测精度下降。为了解决该问题,基于在线序列-极限学习机(OS-ELM)算法提出了风电场短期风电功率预测模型的在线更新策略,建立的OS-ELM模型将风电场的历史数据固化到隐含层输出矩阵中,模型更新时,只需将新产生的数据对当前网络进行更新,大大降低了计算所需的资源。采用极限学习机(ELM)算法对数值天气预报(NWP)的预测风速进行修正,并根据风电功率的置信区间对预测功率进行二次修正。实验结果表明,采用OS-ELM算法更新后的模型适用性增强,预测精度提高;采用基于风电功率置信区间的功率修正模型后,风电功率的预测精度明显提高。

关键词：在线序列-极限学习机数值天气预报风速修正功率修正

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：