基于泛化熵随机森林的雷达目标航迹起始方法

文章提出了一种基于泛化熵随机森林的雷达目标航迹起始方法,通过引入一种泛化熵可调参数,解决了传统随机森林算法对差异数据集泛化能力和适应性差且难以确定全局最优解的难题。首先利用雷达多周期回波数据构建随机森林算法决策模型,其次基于设计的泛化熵处理规则对实测数据进行分类处理得到所需测试样本,最后将测试样本输入完成模型训练的随机森林进行迭代寻优和自主决策以获取雷达目标的航迹起始结果。雷达实测数据验证表明,文章所提出的方法相比于传统随机森林方法具有更为优越的目标航迹起始性能。

熵的泛化及广义熵的应用

讨论了熵概念深化、泛化的过程及广义熵在科研和实践中的应用,分析了熵外延的一般方法与内涵.

熵的泛化及应用

熵是热学中一个重要的物理概念,也是近年来一个发展特别活跃的基本概念。自1865年克劳休斯提出熵以来,随着各学科的相互渗透和科学综合化发展,熵概念已经远远超出物理学的范畴。信息熵的出现,成为了熵正式泛化的标志。目前,熵的概念在自然和社会科学的许多领域中得到广泛的推广和应用,熵已成为了一种新的世界观。

关于大学物理中熵的教学探讨与思考

熵是热学中的一个重要物理概念,也是近年来人们特别感兴趣的一个概念,它已经远远超出物理学的范畴,在自然和社会科学的许多领域中得到广泛应用。本文从教材内容、教学过程与方法等方面分析了熵的教学现状及存在的不足,并结合我们的教学实践,就如何进行熵的教学进行了一些探讨。

生态系统熵量化的研究

熵是判断系统演化方向的重要依据,因此有必要对生态系统熵进行量化。在明确生态系统概念,总结热力学熵、统计熵与信息熵本质的基础上,对生态系统信息熵进行归一化,并引入分系统概念,从而推导出生态系统熵量化公式。

熵的教学内容现代化刍议

本文对20多年来国内外一些热学教材中有关熵的教学内容作了回顾，并根据基础物理教学现代化的精神，对当前师范类教育学院物理专业学历教育和继续教育的熵教学内容在科学知识上的几个层次，哲学思想及它们的实施提出了一些看法。

Using Entropy Penalty Term for Improving the Generalization Ability of Multilayer Feedfoward Networks *

Generalization ability is a major problem encountered when using neural networks to find the structures in noisy data sets. Controlling the network complexity is a common method to solve this problem. In this paper, however, a novel additive penalty term which represents the features extracted by hidden units is introduced to eliminate the overtraining of multilayer feedfoward networks. Computer simulations demonstrate that by using this unsupervised fashion penalty term, the generalization ability is greatly improved.

ＳＴＡＢＬＥＡＮＤＵＮＳＴＡＢＬＥＩＤＥＡＬＰＬＡＮＥＦＬＯＷＳ

The authors investigate the stability of a steady ideal plane flow in an arbitrary domain in terms of the L^2 norm of the vorticity. Linear stability implies nonlinear instability provided the growth rate of the linearized system exceeds the Liapunov exponent of the flow. In contrast,a maximizer of the entropy subject to constant energy and mass is stable. This implies the stability of certain solutions of the mean field equation.