基于元学习的双目深度估计在线适应算法

双目深度估计的在线适应是一个有挑战性的问题,其要求模型能够在不断变化的目标场景中在线连续地自我调整并适应于当前环境.为处理该问题,提出一种新的在线元学习适应算法(Online meta-learning model with adaptation,OMLA),其贡献主要体现在两方面:首先引入在线特征对齐方法处理目标域和源域特征的分布偏差,以减少数据域转移的影响;然后利用在线元学习方法调整特征对齐过程和网络权重,使模型实现快速收敛.此外,提出一种新的基于元学习的预训练方法,以获得适用于在线学习场景的深度网络参数.相关实验分析表明,OMLA和元学习预训练算法均能帮助模型快速适应于新场景,在KITTI数据集上的实验对比表明,本文方法的效果超越了当前最佳的在线适应算法,接近甚至优于在目标域离线训练的理想模型.

变换域自适应滤波算法的研究

滤波技术在电子信息处理领域中一直占有极其重要的地位,其中对自适应滤波算法的研究是当今自适应信号处理中最为活跃的研究课题之一.介绍了时域LMS自适应滤波算法,然后在此基础上结合近年来国内外发表的相关文献,总结了变换域自适应滤波算法的研究现状,并分析了每种算法的性能特点,最后展望了变换域自适应滤波算法的前景.

基于新锥模型的带固定步长的非单调自适应信赖域算法

对于无约束优化问题,在传统信赖域算法中通常采用二次模型来逼近函数,而对某些非二次性态较强,曲率变化剧烈的函数,用该方法逼近效果较差,于是本文提出一类基于新锥模型带固定步长的非单调自适应信赖域算法.利用一种固定步长算法,在一定条件下证明了该算法的全局收敛性及收敛速率.数值实验表明该算法是有效的.

无约束优化问题的非单调自适应信赖域算法

对无约束优化问题提出一种非单调自适应信赖域算法,每次迭代充分利用当前的迭代点包含的一次导数的信息自动产生一个信赖域半径.在一定的条件下,证明了该算法的收敛性,并通过数值实验验证了该算法的有效.

一类累积量域自适应滤波算法(英文)

讨论和研究了累积量域自适应滤波原理及代价函数 ,给出了一个新的代价函数J3 (n)及基于J3 (n)的CSWLMS算法 .CSWLMS算法的性能优于基于代价函数J1(n)的CLMS算法和基于代价函数J2 (n)的CRLS算法 .另外 ,还对CLMS算法和CRLS算法进行了改进 .对上述算法进行了计算机模拟仿真比较 ,仿真结果表明改进的算法及给出的CSWLMS算法收敛性能良好 .

一类非单调自适应-BFGS信赖域算法

针对无约束优化问题,每次迭代充分利用当前迭代点及其一阶导数的信息自动生成一个信赖域半径,并结合BFGS算法的优点,构造了无约束优化问题的一种非单调自适应-BFGS算法.在一定条件下,给出了算法的全局收敛性以及具有超线性收敛速度的证明.

一类新的自适应信赖域算法

对无约束优化问题提出一种类似带记忆的自适应信赖域算法,迭代过程中利用前面得到的迭代点的导数的信息自动产生一个信赖域半径。在一定的条件下,证明了算法的收敛性,并通过数值实验验证了算法的有效性。

求解非线性互补问题的非单调自适应信赖域算法

利用FB-NCP函数将求解非线性互补问题等价转化为求解无约束问题的一个全局极小值.提出一种非单调自适应信赖域算法,并在FB正则的条件下得到该算法是全局收敛性结果.在适当的假设下,进一步证明了该算法的局部超线性收敛和二次收敛性.

一种基于R-函数的自适应线搜索信赖域算法

文章利用R-函数,就无约束优化问题提出一类带有线搜索的自适应信赖域算法.算法中信赖域半径更新依赖于R-函数.在一定条件下,证明算法的全局收敛性,并给出相应的实验结果.

一种基于离散小波变换的自适应滤波新算法

将小波变换、变换域自适应算法和变步长自适应算法相结合,得出了一种基于离散小波变换的自适应滤波新算法(NDWT-LMS),该算法可以有效地降低输入信号的自相关程度,克服固定步长因子所导致算法在快的收敛速度和较低的稳态误差之间存在的矛盾。计算机仿真结果表明该算法与LMS算法相比具有更快的收敛速度和更小的失调噪声,可以很好地应用于自适应系统中。

一个求解非线性互补问题非单调自适应信赖域方法

基于Fischer-Burmeister函数(简称FB函数)可将非线性互补问题转化等价的无约束问题求解。在信赖域与非单调技术相结合基础上提出一个求解非线性互补问题非单调自适应信赖域算法。该算法具有全局收敛性,且在适当的假设下该算法也具有局部超线性收敛。数值结果表明该算法是有效的。

信息隐藏算法中的去噪

指出了信息隐藏算法中去噪的意义和该算法中去噪与一般意义下去噪的不同点 ,然后讨论了各种滤波对图像去噪的性能 ,最后提出了 2种与尺度有关的小波域自适应去噪算法。大量的实验结果和进一步的分析表明 :在信息隐藏算法中 ,维纳滤波较具优越性 ;均方误差不能作为信息隐藏算法中滤波器去噪性能的度量。

一种非单调自适应不定折线信赖域算法

提出了一种非单调自适应不定折线信赖域算法,当B_k不正定时,运用Bunch-Parlett分解产生搜索路径来确定下降方向.与一般的非单调信赖域算法相比,新算法根据实际下降量与预估计下降量的比值按照变化的速率对信赖域半径进行调整,在研究方法上具有一定的创新.

基于多源大数据分析的图像特征智能识别模型

针对图像受噪声影响导致特征识别精度下降的问题,提出了基于多源大数据分析的图像特征智能识别模型。根据改进的自适应二维中值滤波法,对所有小窗口内像素排查,过滤噪声,若检测到未被噪声污染的像素则直接输出,在单尺度模糊数学基础上,利用三高斯模型经过迭代处理均匀图像亮度值,将邻域中心点灰度取值分解为实部、虚部,提取局部二值特征和Brushlet特征,将邻近两个像素灰度值作减法运算,根据启发因子与灰度梯度最大值,智能识别图像特征。仿真实验结果表明:所提模型在图像不清楚情况下能均衡调节分辨率,且保证信息完整,识别结果精准有效,抗噪能力强。