结合监督下降优化和显著性的人像质量检测

针对已有社保人像采集系统缺少图像内容智能分析所导致的制卡失败问题,提出了人像质量智能检测算法.首先采用监督下降优化方法算法检测出人脸特征点,然后根据社保人像标准进行尺寸分析.最后采用显著性方法进行背景检测,判断背景是否合格.实验结果表明:该算法可以自动检测出质量不合格照片,解决了上传图像质量太差导致制卡失败问题.另外,结合JNI技术和MVC设计模式完成了该算法和社保业务系统的集成.

评估连续下降在终端区运行所产生的利益和影响

介绍一个利用下降轨迹的优化来减少燃料消耗和污染物排放的案例研究。抵达航班通过一系列基线下降轨迹的转换,观察到的雷达跟踪数据的采集和怠速油门的下降轨迹来沿垂直面下降。对基线的轨迹和抵达航班,以及它们的连接进行了深入的描述。对两种白天运营的优化下降程序的实施方案(无约束和约束)进行了分析。对在无约束优化下降和约束优化下降的情况下双方的潜在利益和冲突造成的这种运营情形进行量化。优化下降到场程序的操作过程是可以实现的,燃油和排放节省了效益,同时避免与其他交通的冲突。

切换系统优化控制方法研究

针对一类特殊的混杂系统——切换系统的优化控制问题 ,提出了分段梯度下降优化方法 ,它是连续系统优化控制梯度下降法的推广 .对分段线性切换系统 ,通过一定变换 ,可以把切换系统转化成关于特定变量的连续系统 ,证明了切换系统整体优化控制目标等价于各子模态连续系统的优化目标之和 ,从而得到切换系统最优控制的梯度下降优化算法 ,该方法能够有效地得出切换系统优化控制的局部最优解 .给出了具体示例 。

基于SGDM优化IWOA-CNN的配电网工程造价控制研究

为了控制配电网工程项目的成本,需准确预测配电网工程造价,本文提出一种基于带动量因子的随机梯度下降(stochastic gradient descent with momentum factor, SGDM)优化的改进鲸鱼算法-卷积神经网络工程造价预测模型。首先,考虑回路数、杆塔数、导线、地形、地质、风速、覆冰、导线截面、混凝土杆、塔材、绝缘子(直线)、绝缘子(耐张)、基坑开方、基础钢材、底盘和水泥对配电网工程造价的影响,建立了非线性函数关系;采用SGDM优化器改进的卷积神经网络对函数进行逼近,并用贝叶斯方法优化卷积神经网络的超参数;利用改进的鲸鱼算法(improved whale optimization algorithm, IWOA)优化卷积神经网络,找出卷积神经网络的最优学习率。数值算例表明,新模型预测效果较好,并提出相应的控制策略。

基于Adam优化的多传感器对接位姿融合算法研究

针对大部段对接位姿测量过程中的多传感器对接位姿融合求解的问题,提出一种基于Adam优化的对接位姿融合求解方法。在对测量特征数据进行随机采样的基础上,通过最小二乘法构建初始优化权重矩阵,再结合Adam优化算法加速对接位姿融合求解的迭代优化过程。试验结果显示,与传统的随机梯度下降迭代法相比,此方法对接位姿融合求解的速度和精度均有显著提高。

基于麻雀算法优化的神经网络推荐算法研究

针对大学校园信息过载,专业培养方案缺乏个性化与自主学习培养等问题,本文基于学生自主学习推荐的研究,提出了基于麻雀算法改进DNN分类推荐算法的设计,以实现更利于学生自主学习推荐培养。经对4种激活函数的训练集结果进行对比实验,选择使用Sigmoid验证集作为激活函数;在梯度下降验证集的结果对比试验,得出需要采用Adam优化器;通过常见目标函数对麻雀算法的适应性研究,得出麻雀算法适用于DNN模型的寻找最优。实验研究结论表明,基于麻雀算法优化后的DNN模型,实现了更为精准有效的推荐,很好地实现了智慧校园中基于用户画像特性化推荐自主学习的培养目标。

四维下降飞行技术的研究与仿真──定常航迹角法下降剖面解算

本文研究的是四维飞行性能管理系统的核心环节──飞机在终端区域内的四维下降技术。首探讨了基于常值航迹角的定常Ｍ数／指示空速下降飞行技术，论述了其高度剖面的构成与特点，通过尤拉积分方法求解飞机运动方程，实现了高度剖面的解算。其次开发了对速度剖面的迭代过程、选取原则及方法。本文在进行理论分析的同时，还开发了满意的仿真软件，表明了其应用价值。

基于二阶泛模型的无模型自适应控制及参数整定

首先充分利用无模型自适应控制(MFAC)边建模、边控制的特点,推导基于二阶"泛模型"的改进无模型自适应控制方法,并推导伪偏导数及控制律的迭代公式,与基于一阶泛模型的MFAC方法相比,改进策略可以使每次迭代的泛模型更加准确,从而进一步提高控制精度。接着,针对改进MFAC的参数整定问题,提出基于优化技术的控制器参数整定方法,运用辨识出的近似模型针对不同的目标函数进行优化,使得其实用范围更加广泛。通过大量仿真实验对比可以看出:经过Jeu-tr型性能指标进行参数优化的改进MFAC控制器动态响应最好,且优化迭代次数较少。因此,控制效果得到显著改善。

基于深度迁移学习的采煤机摇臂部滚动轴承故障诊断方法

针对长期正常服役的采掘装备典型故障数据少、有标签数据不足,故障诊断模型训练效果不好等问题,提出一种基于深度迁移学习的采煤机摇臂部传动系统故障智能诊断方法。利用该方法将模拟平台故障数据训练后获取的故障诊断模型参数迁移至采煤机智能故障诊断模型中,从而在不同设备之间进行迁移学习,实现基于小样本数据的采煤机摇臂部智能故障诊断。通过构建预训练的卷积神经网络,将转换为二维时频分布的图像数据集作为预训练模型的输入,并将预训练模型的网络参数迁移至采煤机摇臂传动系统故障诊断模型中,通过保证低层网络不变保留模型的泛化能力,将含有标签的数据集作为采煤机摇臂传动系统智能故障诊断模型的训练数据集对模型进行训练,通过微调高层网络参数进行模型优化和权值更新,得到采煤机摇臂传动系统迁移故障诊断模型,提高了模型的特征提取能力减少了误差。为验证方法有效性,以传动系统滚动轴承为研究对象,采用西储大学轴承数据作为训练集,DDS传动系统平台模拟井下采煤机摇臂部传动系统工况得到滚动轴承监测数据,作为测试集进行试验验证。试验结果表明:滚动轴承平均故障识别精度达到99.59%,与传统的智能故障诊断方法相比,提出的智能故障诊断方法收敛速度快且诊断精度高,能够基于实验室的故障诊断知识,实现高精度设备状态识别与分类。

基于学习的人脸图像超分辨率重建方法

提出一种针对正面人脸图像的超分辨率重建方法,通过学习人脸图像梯度的空间分布特性,获取梯度先验知识;通过结合贝叶斯最大后验概率估计理论,采用最速下降优化方法得到高分辨率人脸图像。实验结果表明,该方法在仅输入2—3幅低分辨率图像的情况下即可重建出具有较佳高频细节的超分辨率图像。

基于深度学习的帕金森患者声纹识别

90%的帕金森病(PD)患者存在声带紊乱,提出一种利用WMFCC提取患者的声纹特征、DNN识别并分类的方法用于区分PD患者和健康人。通过计算患者声纹中倒谱系数的加权和系数,解决高阶倒谱系数小、特征分量对音频的表征能力差等问题。DNN训练并分类识别有效地提高系统精度,使用MBGD优化算法降低损失函数的计算量,提高系统训练速度。针对PD database中样本测试分类,结果相较传统SVM等方法,该方法提高了判别PD准确率,可达87.5%,为PD患者早期快速辅助诊断提供了良好的解决方案。

一种强真实感的图像生成算法设计与仿真

传统方法下生成的跨模态图像易造成目标部分重要信息缺失,生成的图像缺乏真实感,于是提出改进生成式对抗网络和半监督学习的跨模态图像生成方法。建立生成式对抗网络,分析半监督学习特征,经融合后组成半监督生成式对抗网络。在判别器中使用卷积神经网络、在生成器中引入反卷积神经网络,在半监督生成式对抗网络中添加分类器,改进所建的网络模型,利用全变差正则化项建立伪判别损失函数。利用架构的随机梯度下降优化算法,完成散度似然比的直接优化,最后在三个网络的共同作用下,输出生成的跨模态图像。仿真阶段分别从视觉效果与评估指标两个角度,验证出所提方法的有效性,结果证明上述方法不仅使生成图像更具真实感,而且保留了大部分目标特征,能够满足图像的高质量需求。

最速下降优化算法测定复方氯霉素酊的含量

采用最速下降优化算法测定复方氯雷素酊中氯霉素和水杨酸。平均回收率氯霉素为99.73％,RSD=1.74％;水杨酸为100.31％,RSD=0.97％。该法适宜于医院制剂分析。

序列图像超分辨率联合重建算法

序列图像超分辨率重建研究方法一般分为2类。第一类,将低分辨率图像配准和超分辨率重建视为相互独立的2个过程,对低分辨率图像进行配准之后再估计高分辨率图像。然而,低分辨率图像中的混叠分量会影响配准精度,进而影响图像超分辨率重建。第二类,图像配准和超分辨率重建联合实现的方法,此类方法考虑了配准和重建的相互关系,能够减轻混叠对配准的不利影响。本文主要针对第二类方法中的3种典型算法进行综述分析和研究。

基于联邦学习的下肢康复评估算法与实现

为解决跨机构模型训练及康复评估的数据隐私问题,提出一种基于联邦学习的下肢康复评估算法。搭建联邦学习系统,通过客户端选择机制及量化编码压缩提高通讯效率。设计限制项随机梯度下降优化器保证本地训练时的模型收敛性,通过高斯差分隐私算法进行全局更新。在此基础上设计GRU-Inception神经网络模型,利用联邦学习系统进行训练并完成下肢康复评估任务。实验验证了该算法具有较好的康复评估效果。

The Convergence of the Steepest Descent Algorithm for D.C.Optimization

Some properties of a class of quasi-differentiable functions（the difference of two finite convex functions） are considered in this paper. And the convergence of the steepest descent algorithm for unconstrained and constrained quasi-differentiable programming is proved.

基于Tensorflow框架的手写数字识别

文章利用Tensorf low深度学习结构来构建神经网络模型,并采用激活函数对MINIST进行训练;加入特征转换过程,利用梯度下降优化器,将数据降维;在输出层上将全连接模型和Softmax层相结合,经过交叉验证,达到90%以上的识别率。

无人机数据传输缺失数据拟合算法

在无人机和地面站通信交互的过程中,由于各方面因素,例如频率不同步、传输延时等,可能会造成无人机采集到的数据在传输期间发生错误,导致地面站接收到的数据有部分丢失。文章提出一种梯度下降优化算法--梯度下降自适应学习率算法(RMSProp with NAG,RMSPN),对缺失数据集进行曲线拟合,得到丢失数据的近似值,对缺失数据集进行填补。实验结果证明了该方法曲线拟合效果良好,估计值与实际值误差较小,算法可行性高。

优化坡面下降与梯级下降的比较

优化坡面下降也叫连续下降进近，是一种新的飞机着陆进近程序。它与目前的进近程序梯级下降相比，可减少对环境的影响，包括减少燃油消耗，缩短飞行时间，减少噪声。优化坡面下降也是美国联邦航空局下一代空中交通运输系统计划中建议采用的一种新的进近程序。但作为一种新的飞行程序，它也面临了很多挑战，诸如管制员和飞行员需重新培训并熟悉掌握这种全新的程序，受天气等外部条件的限制，安全性降低等问题。

Research on Optimizing Computer Network Structure based on Genetic Algorithm and Modified Convex Optimization Theory

In this paper, we report in-depth analysis and research on the optimizing computer network structure based on genetic algorithm and modified convex optimization theory. Machine learning method has been widely used in the background and one of its core problems is to solve the optimization problem. Unlike traditional batch algorithm, stochastic gradient descent algorithm in each iteration calculation, the optimization of a single sample point only losses could greatly reduce the memory overhead. The experiment illustrates the feasibility of our proposed approach.