检索结果-内蒙古大学图书馆

保定学院学报 2020年第5期33卷 112-115页

作者：高红亚河北大学数学与信息科学学院河北保定071002 河北省机器学习与计算智能重点实验室河北保定071002

针对数学与应用数学专业本科生教材《数学分析(上册)》,从数学哲学、数学美学、数学创新和数学人文四个角度,给出若干课程思政案例,通过这些案例把思想政治工作贯穿到高校教育教学的全过程,在传授专业知识的同时,提高大学生的思想政治觉... 详细信息

针对数学与应用数学专业本科生教材《数学分析(上册)》,从数学哲学、数学美学、数学创新和数学人文四个角度,给出若干课程思政案例,通过这些案例把思想政治工作贯穿到高校教育教学的全过程,在传授专业知识的同时,提高大学生的思想政治觉悟,使其形成正确的世界观、人生观、价值观,达到教书和育人的和谐统一。

关键词：数学分析课程思政教学案例

来源：评论

学校读者我要写书评

暂无评论

关于Sugeno测度的收敛理论

引用

数学的实践与认识 2019年第4期49卷 201-209页

作者：张春琴李纯果河北省机器学习与计算智能重点实验室河北大学数学与信息科学学院河北保定071002

研究了Sugeno测度空间上收敛概念之间的关系这一问题.首先介绍Sugeno测度的定义和一些主要的性质;其次提出一些新的关于gλ-随机变量的收敛概念;最后讨论这些收敛概念之间的关系.所得结论推广了经典的收敛理论,扩大了收敛理论的研究范... 详细信息

研究了Sugeno测度空间上收敛概念之间的关系这一问题.首先介绍Sugeno测度的定义和一些主要的性质;其次提出一些新的关于gλ-随机变量的收敛概念;最后讨论这些收敛概念之间的关系.所得结论推广了经典的收敛理论,扩大了收敛理论的研究范围和应用领域.

关键词： Sugeno测度收敛理论收敛概念 gλ-随机变量

来源：评论

学校读者我要写书评

暂无评论

8-维3-李代数的Manin Triple

引用

山东大学学报（理学版） 2019年第6期54卷 30-33页

作者：白瑞蒲吴婴丽侯帅河北大学数学与信息科学学院河北保定071002 河北省机器学习与计算智能重点实验室河北保定071002

利用对合导子及伴随表示的对偶模构造了对偶 3-李代数,证明了特征为 0 的代数闭域上任意 4-维 3-李代数存在对合导子,并利用 4-维 3-李代数的对合导子构造了 7 种不同构的 8-维 3-李代数的 Manin Triple。

关键词： 3-李代数对合导子 Manin Triple

来源：评论

学校读者我要写书评

暂无评论

关于模糊数度量空间下基本定理的讨论

引用

模糊系统与数学 2019年第2期33卷 70-74页

作者：李洪亮裴慧丽河北大学数学与信息科学学院河北省机器学习与计算智能重点实验室河北保定071002

本文针对Goerschel和Voxman意义度量下模糊数度量空间的七大基本定理进行了讨论,四个定理仍然成立。对不成立的定理,分别给出了使它们成立的充分条件,并给与了证明。

关键词：模糊数模糊数度量空间基本定理

来源：评论

学校读者我要写书评

暂无评论

n-李代数的导子与维数

引用

东北师大学报（自然科学版） 2019年第1期51卷 6-8页

作者：白瑞蒲李晓娟吴婴丽河北大学数学与信息科学学院河北省机器学习与计算智能重点实验室河北保定071002

研究了n-李代数的导子与维数问题,在n-李代数中证明了类似群论中的Schur定理,得到更广泛的结论:设A是具有有限生成元的n-李代数,如果A/N是有限维商代数,则n-李代数A具有有限维,其中N=∩D∈Der(A)Ker(D).

关键词： n-李代数导子中心维数

来源：评论

学校读者我要写书评

暂无评论

基于零阶减小方差方法的鲁棒支持向量机

引用

计算机科学 2019年第11期46卷 193-201页

作者：鲁淑霞蔡莲香张罗幻河北大学数学与信息科学学院河北保定071002 河北省机器学习与计算智能重点实验室河北保定071002

采用传统的支持向量机方法对含有噪声的数据进行分类时会产生较大的损失,使得分类超平面严重偏离最优超平面,从而导致分类性能较差。为了解决此问题,文中提出了一种鲁棒的支持向量机(Robust Support Vector Machine,RSVM)方法,该方法给... 详细信息

采用传统的支持向量机方法对含有噪声的数据进行分类时会产生较大的损失,使得分类超平面严重偏离最优超平面,从而导致分类性能较差。为了解决此问题,文中提出了一种鲁棒的支持向量机(Robust Support Vector Machine,RSVM)方法,该方法给出了一种正弦平方形式的损失函数,根据正弦函数的特点,即使对于噪声数据,其损失函数的值也会被限制在[0,1]区间,从而提高了支持向量机的抗噪性。另外,在求解支持向量机时,传统的随机梯度下降方法在每次迭代中利用单个样本梯度近似代替全梯度,这样必然会产生方差,而随着迭代次数的增加,方差也不断累积,从而严重影响算法的分类性能。为了减小方差的影响,引入零阶减小方差的随机梯度下降(Zeroth Order-Stochastic Variance Reduced Gradient,ZO-SVRG)算法。该算法使用坐标梯度估计方法近似代替梯度,通过在每轮迭代中引入梯度修正项来减小方差的影响;同时,采取加权平均的输出形式进行内外循环的输出,加快了优化问题的收敛速度。实验结果表明,提出的基于零阶减小方差方法的鲁棒支持向量机算法对噪声数据具有更好的鲁棒性,且有效降低了方差的影响;为了进一步提高算法的性能,对实验中主要参数λ,k对算法精度的影响进行了分析。对于线性和非线性两种情况,当其参数对(λ,k)分别满足(λ=1,k=5)和(λ=10,k=3)时,可以达到各自的最高精度。

关键词：方差约简零阶优化支持向量机损失函数噪声

来源：评论

学校读者我要写书评

暂无评论

基于MapReduce和Spark的大数据主动学习比较研究

引用

计算机工程与科学 2019年第10期41卷 1715-1722页

作者：翟俊海齐家兴沈矗宋丹丹王谟瀚田石河北省机器学习与计算智能重点实验室河北保定071002 河北大学数学与信息科学学院河北保定071002

在我们以前的工作中,提出了基于MapReduce的大数据主动学习算法。在本文中,将这一算法移植到Spark环境,提出了基于Spark的大数据主动学习算法,并对基于MapReduce和Spark的2种大数据主动学习算法从运行时间、文件数目、同步数目和内存耗... 详细信息

在我们以前的工作中,提出了基于MapReduce的大数据主动学习算法。在本文中,将这一算法移植到Spark环境,提出了基于Spark的大数据主动学习算法,并对基于MapReduce和Spark的2种大数据主动学习算法从运行时间、文件数目、同步数目和内存耗费4个方面进行了比较研究,得出了一些有价值的结论,这些结论将为相关研究人员提供很好的帮助。

关键词：大数据机器学习主动学习样例选择开源框架

来源：评论

学校读者我要写书评

暂无评论

Hilbert空间中关于不动点问题粘滞逼近法的一个修正（英文）

引用

应用数学 2019年第4期32卷 785-789页

作者：刘英孔航河北大学数学与信息科学学院河北保定071002 河北省机器学习与计算智能重点实验室河北保定071002

本文对Hilbert空间中关于非扩张映射不动点问题的粘滞逼近法提出一个修正,该修正后的算法取消了粘滞逼近法中的一个控制条件,并建立了该算法的一个强收敛定理.

关键词：非扩张映射度量投影不动点压缩粘滞逼近法

来源：评论

学校读者我要写书评

暂无评论

优势-等价关系下序贯三支决策的属性约简

引用

计算机科学 2019年第2期46卷 242-248页

作者：李艳张丽王雪静陈俊芬河北大学数学与信息科学学院河北省机器学习与计算智能重点实验室河北保定071002 北京师范大学珠海分校应用数学学院广东珠海519087

序贯三支决策方法是一种能够表示问题中的多重层次粒度,并将多粒度结合起来解决不确定决策问题的有效途径。优势-等价关系粗糙集则是针对条件属性具有偏好关系的分类问题,提取有序信息,对目标概念进行近似,从而形成决策知识。利用传统... 详细信息

序贯三支决策方法是一种能够表示问题中的多重层次粒度,并将多粒度结合起来解决不确定决策问题的有效途径。优势-等价关系粗糙集则是针对条件属性具有偏好关系的分类问题,提取有序信息,对目标概念进行近似,从而形成决策知识。利用传统的优势关系粗糙集方法进行知识约简和提取的效率低下,而目前大部分序贯三支决策方法则局限在符号值属性的信息系统中,对连续值和有序值不能进行有效处理,造成一定程度的信息丢失。因此,将序贯三支决策的思想应用于优势关系粗糙集模型中,定义了一种新的基于序贯三支决策的属性约简及相应的属性重要度,对具有偏好值属性的信息系统进行更加高效的处理,通过多粒度的表示和关系的研究,加速了知识约简过程。选取了多组UCI数据进行实验,结果表明所提出的基于优势关系的序贯三支决策方法能够在保证约简质量的基础上明显降低时间耗费。

关键词：粗糙集优势关系决策理论粗糙集序贯三支决策属性约简

来源：评论

学校读者我要写书评

暂无评论

基于Spark和SimHash的大数据K-近邻分类算法

引用

河北大学学报（自然科学版） 2019年第2期39卷 201-210页

作者：翟俊海沈矗张素芳王婷婷河北大学数学与信息科学学院河北省机器学习与计算智能重点实验室河北保定071002 中国气象局气象干部培训学院河北分院河北保定071000

在笔者之前的工作中,提出了一种基于MapReduce和SimHash的大数据K-近邻算法(HMR-K-NN).虽然该算法能够有效解决大数据K-近邻算法的计算效率问题,运行时间远远低于基于MapReduce的K-近邻(MR-K-NN)所用的运行时间.然而,用MapReduce处理大... 详细信息

在笔者之前的工作中,提出了一种基于MapReduce和SimHash的大数据K-近邻算法(HMR-K-NN).虽然该算法能够有效解决大数据K-近邻算法的计算效率问题,运行时间远远低于基于MapReduce的K-近邻(MR-K-NN)所用的运行时间.然而,用MapReduce处理大数据时,需要从磁盘读取数据,再将中间结果写回磁盘,导致系统的I/O开销极大,这大大降低了MapReduce的效率.与MapReduce不同,Spark是一种基于内存的计算框架,它将数据第1次从磁盘读入内存,生成一种抽象的内存对象RDD(resilient distributed datasets).此后,Spark只操作内存中的RDD,计算过程只涉及内存读写,因此大幅提升了数据处理效率.基于这一事实,对算法H-MR-K-NN进行了改进,提出了一种改进的算法(简记为HSpark-K-NN),可以进一步提高大数据K-近邻分类的运行效率.

关键词：内存计算框架 K-近邻哈希技术分类算法大数据集

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：