基于m×2正则化交叉验证的神经网络超参数调优方法

超参数调优是神经网络建模的关键问题。针对传统的超参数调优方法存在的问题,该文提出了一种基于m×2正则化交叉验证的超参数调优方法。目的是给出一种适用于复杂模型、大数据集背景下的计算开销较小且稳健的超参数调优方法。该方法的思想是从完整的数据集上选取少部分数据进行调优,避免模型在数据集较大时非常耗时的超参数调优难题;在m×2交叉验证的基础上设置正则化条件均衡训练集与验证集之间的分布差异,从而减少分布不一致带来的性能波动;使用信噪比作为调优的优化目标,从而可以综合考虑模型性能评价指标的均值和方差;并采用正交设计选择相关性较低的超参数组合以提高调优效率。以命名实体任务为例进行实验,在CoNLL 2003数据集上的实验结果显示,提出的调优方法能够选到和网格搜索性能上没有显著差异的超参数组合,且调优时间可显著降低约66%。

基于L_(1/2)正则化的抛物线Radon变换多次波压制方法

在地震数据处理中,多次波的存在会对地震数据成像和地震资料解释带来影响,如何有效地压制多次波干扰是地震勘探中的重要问题。抛物线Radon变换因其高效的特点被广泛应用于多次波压制中,但在野外地震数据采集时,炮检距的有限性会导致变换域中的能量扩散,产生假象,使多次波压制达不到理想的效果。针对此问题,提出一种基于L_(1/2)正则化的稀疏反演高分辨抛物线Radon变换,并应用广义迭代收缩算法(generalized iterated shrinkage algorithm,GISA)进行求解。研究结果表明,L_(1/2)正则化有很强的稀疏约束能力,能提高解的稀疏度,改进信噪分离的效果。与最小二乘反演和基于L_(1)正则化的稀疏反演相比,基于L_(1/2)正则化的稀疏反演高分辨抛物线Radon变换能更有效地压制多次波,并确保了重构数据与原始数据的一致性。

基于多叉树和正则表达式的标定系统A2L文件的解析管理方法

根据汽车标定系统A2L文件的定义规律,设计了正则表达式匹配A2L文件关键信息,利用类结构体和多叉树模型对A2L文件信息进行表示,并对文件中不同的数据模块提出了对应的通用化解析流程。针对测量值可视化和标定值下载问题,依据各种预定义类型和转换方法,设计原始量-物理量的转换公式,可为上位机软件提供转换工具。利用C#和窗体应用开发了A2L数据解析管理软件,实现对解析结果的可视化管理和修改。采用了“高内聚低耦合”的软件设计模式和动态链接库(dll),可进一步开发出测量标定软件。通过试验验证了所提出的A2L文件解析管理方法的有效性。

基于有约束L_(1/2)范数稀疏正则化的声源识别方法

基于等效源法(equivalent source method,ESM)的近场声全息(near field acoustic holography,NAH)是一种有效的声源识别技术。然而,针对空间稀疏分布的声源识别问题,传统基于L_(2)范数以及基于L_(1)范数的ESM方法分别存在声源幅值被低估与算法稳定性差等问题。因此,提出了基于有约束L_(1/2)范数稀疏正则化的声源识别方法,该方法具有强稀疏性与强抗干扰的优势,可以解决传统方法的声源识别精度低的问题。通过数值模拟试验以及普通室内的实测实验,验证了方法的有效性。

Cayley子集S全为2阶元的点稳定子为F20的5度无核2-正则Cayley图

在具有较高对称性的图中,正则Cayley图是一类特殊的对称图。称一个图Γ为2-正则图,如果Γ的全自同构群AutΓ作用在2-弧集上正则。本文给出了点稳定子为F20的5度无核2-正则Cayley图在Cayley子集全为2阶元情况下的全部分类。

尺度因子正则化BN算法

针对进一步提升深度神经网络训练的收敛速度问题,借鉴批规范化(Batch Normalization,BN)算法的特点,提出尺度因子正则化BN算法。通过对BN层中的可学习尺度因子γ施加L2正则化,使得γ得到衰减,进而参数的梯度上界降低,优化空间更加平滑。基于VGG16 Net与AlexNet,在cifar10、cifar100及裂缝图像数据集上进行该算法与BN算法的图像分类对比实验,结果表明该算法不仅提高了网络训练的收敛速度,而且在相同训练次数下提高了准确率。

NaX分子筛吸附分离CO_(2)/CH_(4)的巨正则蒙特卡洛模拟

采用巨正则蒙特卡洛模拟与理想吸附溶液理论相结合的方法,研究了CO_(2)、CH_(4)分子在NaX分子筛上的吸附性能。通过对比实验数据在不同吸附理论模型下的拟合结果并计算相应的吸附热,描述了CO_(2)、CH_(4)气体的吸附分离过程。结果表明,CH_(4)分子的吸附强度比CO_(2)分子弱,更贴近理想吸附;CO_(2)分子的吸附选择性随其在空气中的体积分数升高而降低,在低压条件下随温度的升高而降低。因此,低温低压更有利于CO_(2)分子的分离。

基于Lie群表示的保体积2D-3D点集配准算法

2D-3D点集配准的目标是寻找三维原始点集与二维目标投影点集之间的对应关系和最优变换.为了给出配准问题的解析解,避免投影引起的体积退化,提出基于Lie群表示的保体积2D-3D点集配准算法.首先,考虑投影矩阵和旋转矩阵的非交换性,引入Lie群表示,将配准问题形式化为一个Lie群优化问题.利用局部线性化方法,将Lie群优化问题转化为一个可计算的二次规划问题.其次,为了避免体积退化,考虑约束变换后的三维点集的投影与二维目标点集的投影具有相同的体积.为便于计算,引入Jensen-Bregman LogDet散度作为保体积正则项,将计算点集的体积差异转化为计算协方差矩阵之间的差异.然后,通过交替求解对应关系和最优变换,形成完整且可解的迭代策略.最后,在两个经典数据集上进行对比实验和消融实验,验证了该算法的精确性和有效性.

钠基蒙脱石狭缝中CH_(4)-CO_(2)竞争吸附与CO_(2)埋存

页岩主要由有机质干酪根和无机质黏土矿物等组成,其中干酪根和黏土矿物对CH_(4)的吸附作用是页岩吸附气的主要来源。为了研究无机质黏土矿物中CH_(4)吸附行为、CH_(4)-CO_(2)竞争吸附行为和CO_(2)埋存规律,利用钠基蒙脱石来表征页岩中的黏土矿物,基于巨正则蒙特卡洛方法,利用Lammps软件开展不同压力、温度和孔径下的流体吸附模拟。结果表明:随着压力增大,各孔径下CH_(4)超额吸附量先增加后减少,并在11~12 MPa间达到峰值;随着温度升高,各孔径下CH_(4)超额吸附量逐渐减少;随着孔径的增大,CH_(4)超额吸附量逐渐减少。小孔径下,CH_(4)在钠基蒙脱石中主要以吸附态赋存,随着孔径的增大,CH_(4)在钠基蒙脱石中处于吸附态和游离态共存的状态,并且钠基蒙脱石对CH_(4)的作用类型为物理吸附。CO_(2)的驱替效率随CO_(2)初始压力的升高而增大,随孔径的增大而增大。CO_(2)埋存量随温度的升高而降低,随注入压力的升高而升高,随孔径的增大而降低。CO_(2)与CH_(4)竞争吸附比随压力的增大而降低,随孔径的增大而升高。

基于梯度域L_(2)正则化重建模型的边缘感知图像处理方法

边缘感知图像处理是计算机图形学领域的一个重要课题,在图像细节增强和色调映射中应用颇多,然而现有处理方法常常受到光晕及梯度反转伪影的影响。为此,提出一种新颖的映射函数,其可在保持边缘的同时对图像细节进行灵活处理,从而适用于多种应用。同时提出一种基于梯度域L2正则化的重构模型,用于边缘感知图像处理。该模型从映射的梯度中重建处理后的图像,可以显著减轻光晕以及梯度反转伪影的影响;且该模型可基于傅立叶变换快速有效求解,在Intel i7-6700 CPU上处理一幅100万像素图像耗时0.46 s。定性定量实验结果表明,该图像处理方法在图像增强和色调映射中取得了较好结果,细节增强指标SSEQ为11.39,ILNIQE为27.52;色调映射指标SSEQ为14.88,ILNIQE为22.78。

点稳定子为F20的5度无核2-正则Cayley图

在具有较高对称性的图中,正则Cayley图是一类特殊的对称图。称一个图Γ为2-正则图,如果Γ的全自同构群AutΓ作用在2-弧集上正则。本文给出了点稳定子为F20的5度无核2-正则Cayley图的部分分类。

碱金属修饰的萘炔/萘二炔对CO_(2)选择性吸附分离的理论计算

采用巨正则蒙特卡洛模拟和密度泛函理论结合的方式探究了不同碱金属(alkali metal,AM,包括Li、Na、K)修饰提升萘炔(naphyne,NY)和萘二炔(naphdiyne,NDY)的CO_(2)吸附分离性能。通过结合能和结构的电子性质分析发现,AM修饰的NY和NDY具有良好的结构稳定性。在298 K、100 k Pa的条件下,Li修饰的萘二炔(Li-NDY)表现出高达11.37 mmol·g^(-1)的CO_(2)吸附量和430.85的CO_(2)选择性(优于N_(2))。同时,利用气体吸附密度分布揭示了不同AM修饰的NY/NDY(AM-NY、AM-NDY)具有高吸附量的原因,以及二者作用效果差异的本质。最后,从吸附热、库仑和范德瓦耳斯相互作用等角度详细说明了AM引入的改性机制。

2r-正则图连通圈网络的Hamilton分解

互连网络是超级计算机的重要组成部分。互连网络通常模型化为一个图,图的顶点代表处理机,图的边代表通信链路。2010年师海忠提出互连网络的正则图连通圈网络模型,设计出了多种互连网络,也提出了一系列猜想。文中证明了2r-正则图连通圈网络可分解为边不交的一个Hamilton圈和一个完美对集的并,从而证明了当原图为2r-正则连通图时,这一系列猜想成立。

L1+L2正则化逻辑斯蒂模型分类算法

提出一种L1+L2范数正则化逻辑斯蒂模型分类算法。该算法引入L2范数正则化,解决L1正则化逻辑斯蒂算法迭代过程奇异问题,通过引入样本向量的扩展和新的权值向量完成L1范数非平滑问题,最终使用共轭梯度方法求解经过转化的最优化问题。在各种实际数据集上的实验结果表明,该算法优于L2范数、L1范数和Lp范数正则化逻辑斯蒂模型,具有较好的特征选择和分类性能。

L_2范数正则化鲁棒编码视觉跟踪

针对基于稀疏表示的视觉跟踪计算效率低和易于产生"模型漂移"的不足,该文提出一种基于L2范数正则化鲁棒编码的视觉跟踪方法。该方法利用L2范数正则化鲁棒编码求解候选目标的编码系数,以粒子滤波为框架,利用候选目标的加权重建误差建立似然模型跟踪目标。为了适应目标的变化并克服"模型漂移"问题,利用L2范数正则化鲁棒编码估计当前目标的加权矩阵用于遮挡检测,根据遮挡检测结果实现模型更新。对提出的跟踪方法进行实验的结果表明:与现有跟踪方法相比,该方法具有较优的跟踪性能。

基于L_(2,1)模和图正则化的低秩迁移子空间学习

本文提出一种基于L_(2,1)模和图正则化的低秩迁移子空间学习方法.首先,在低秩重构过程中通过对重构矩阵施加具有旋转不变性的L_(2,1)模约束,可在挖掘目标域数据的关键特征的同时提高算法对不同姿态图片分类的鲁棒性.其次,在目标函数中引入图结构的正则化,使得迁移时数据中的局部几何结构信息得以充分利用,进一步提高了分类性能.最后,为解决源域数据较少导致的欠完备特征空间覆盖问题,在公共子空间中利用源域数据和目标域数据联合构造字典,保证了重构的鲁棒性.在Caltech256, Office, CMU–PIE, COIL20, USPS, MNIST, VOC2007和MSRC数据库上的大量对比实验验证了本文方法的有效性和鲁棒性.

关于2-渐近正则映象的一个注记

在轨道完备的2-距离空间中,利用映象T在点x0轨道连续的条件,讨论了具有2-渐近正则映象的一类压缩型映象公共不动点的存在性,给出了新的公共不动点定理.

基于多字典L1/2正则化的超分辨率重建算法

为详细表达图像高频细节信息,提高重建图像质量,提出了一种基于多字典L1/2正则化的超分辨率重建算法。该算法在稀疏重建字典对训练阶段,为有效提取低分辨率图像边缘、纹理等特征细节信息,采用改进的一阶二阶导数方法对低分辨率图像进行特征提取;而在图像重建阶段,为解决基于L1正则模型得到的解时常不够稀疏,重建图像质量有待进一步提高的问题,采用L1/2范数代替L1范数构建超分辨率重建模型。实验表明,与现有算法相比较,该算法可更好地表达图像细节部分信息,并能提高图像的重建质量。

基于Struts2框架校验数据及整合正则表达式的实现方法

Struts2是一个可扩展的Java EE Web框架,主要负责Web页面端的控制和整合。本文简单介绍Struts2框架和正则表达式的概念及功能,阐述如何通过Struts2框架结合正则表达式来校验数据规则的正确性。

弱(L_1,L_2)-BLD映射的正则性

本文首先将文［１］中的ＢＬＤ映射推广为弱（Ｌ１，Ｌ２）－ＢＬＤ映射，并证明了如下正则性结果：存在两个可积指数 Ｐ１＝Ｐ１（ｎ，Ｌ１，Ｌ２）＜ｎ＜ｑ１＝ｑ１（ｎ，Ｌ１，Ｌ２），使得对任意弱（Ｌ１，Ｌ２）－ＢＬＤ映射ｆ∈（Ω，Ｒｎ），都有ｆ∈（Ω，Ｒｎ），即ｆ为（Ｌ１，Ｌ２）－ＢＬＤ映射．