产品重构设计中基于最小损失函数的零件选择算法

选择和重用已有零件设计方案是复杂产品创新的基础 .零件选择的结果需要满足特定的设计约束 .文中讨论了在零件选择过程中约束的不同类型 .结合可选择域的概念 ,通过最小损失函数的方法 ,给出了同时满足零件个体约束和零件重构约束的启发式零件选择算法 .该算法利用最小损失函数对可选择域大小进行预测 ,优化了搜索过程 ,并通过一个应用实例 ,对运用该算法前后的情况进行对比 ,得出了相关结论 .

最小损失算法在区块链物联网中的优化研究

区块链技术与物联网相结合能发挥去中心化优势,在一定程度上提升物联网系统数据安全性及可靠性等性能.但区块链的通量受限特征,使得区块链较低的交易吞吐量在很大程度上难以满足物联网场景下的高吞吐量的业务需求.本文提出一种最小损失函数算法,首先,根据状态和动作输入对来构建状态空间和行为空间;其次,在系统延迟性约束条件下,迭代计算出状态空间和行为空间的行为价值函数;最后,利用损失函数对比行为价值函数的真实值和估计值后执行吞吐量最大值去调整块大小和块间隔.仿真结果表明,与DDRL算法和DRL算法相比,最小损失算法动态调整区块大小和区块间隔,在基于区块链的物联网系统达到稳定后可以获得更高的吞吐量.

最小二乘迁移生成对抗网络

现有的生成对抗网络(Generative Adversarial Networks,GAN)损失函数已经被成功地应用在迁移学习方法中。然而,发现这种损失函数在学习过程中可能会出现梯度消失的问题。为了克服该问题,提出了一种学习领域不变特征的新方法,即最小二乘迁移生成对抗网络(Least Squares Transfer Generative Adversarial Networks,LSTGAN)。LSTGAN采用最小二乘生成对抗网络(Least Squares Generative Adversarial Networks,LSGAN)损失函数,通过单领域判别的训练方式来减少领域分布之间的差异。通过研究表明,所提方法与其他有竞争力的算法相比较具有一定的优越性。

鲁棒最小二乘孪生支持向量机及其稀疏算法

最小二乘孪生支持向量机通过求解两个线性规划问题来代替求解复杂的二次规划问题,具有计算简单和训练速度快的优势。然而,最小二乘孪生支持向量机得到的超平面易受异常点影响且解缺乏稀疏性。针对这一问题,基于截断最小二乘损失提出了一种鲁棒最小二乘孪生支持向量机模型,并从理论上验证了模型对异常点具有鲁棒性。为使模型可处理大规模数据,基于表示定理和不完全Cholesky分解得到了新模型的稀疏解,并提出了适合处理带异常点的大规模数据的稀疏鲁棒最小二乘孪生支持向量机算法。数值实验表明,新算法比已有算法分类准确率、稀疏性、收敛速度分别提高了1.97%~37.7%、26~199倍和6.6~2 027.4倍。

几乎无偏刘估计的不可容许性

考虑了线性回归模型中,在Fisherian和Mahalanobis损失函数下,几乎无偏刘估计对于最小二乘估计的不可容许性;结论表明:几乎无偏刘估计在Mahalanobis损失函数下是不可容的;最后进行了数值模拟来表明结果.

基于不均等环带分区的WSN能耗均衡路由协议

针对无线传感器网络中节点能耗不均衡问题,提出了一种基于不均等环带分区的能耗均衡路由算法UREC。算法以能耗均衡为目标对网络进行不均等划分,首先分析网络能耗来确定各环带宽度间的关系式,其次设计出最小损失函数选择簇头,最后通过构建簇间最短路由树来减少簇间传输能耗。最终形成一个簇规模大小不等、节点能耗均衡和簇间路由合理的网络。经仿真验证,UREC能有效均衡网络能耗,延长网络寿命。

结合残差学习和双模态CAE的图像描述方法

针对传统图像描述方法存在提取图像关键信息精度不高、描述不准确等问题,提出了一种结合残差学习和双模态CAE的图像描述方法。提出一种新型双模态卷积自动编码器(CAE)结构,包括图像和文本两个输入,以及编码、隐藏层交互、解码等处理环节,完成对输入图像的文本描述;在经典CAE中加入残差学习,与CAE的卷积层构成深度残差网络(DRN),增加了学习深度,以提高方法的准确率;将文本和图像的隐藏层进行交叉重构,以最小化损失函数为目的,训练得到图像-文本的关系,从而实现图像的描述。利用COCO和Flickr30k数据集对所提方法进行定性和定量的仿真实验,其结果论证了所提方法的有效性,与其他方法相比,评价指标Med r最低,且R@K(K=1,5,10)最高,运算时间仅为0.183s,能够更为精准地描述图像。

基于能量考虑危害性与可能性的岩爆评价指标

针对现有岩爆评价指标未能全面反映岩爆特征的问题,以冈底斯造山带花岗岩为研究对象,进行了不同速率条件下的单轴循环加卸载试验,揭示了岩石在加卸载过程中的响应机理及能量分配和演化,进而建立了弹性能演化的显示表达,基于该表达提出了能同时反映危害性和可能性的岩爆危险性评价指标,利用最小损失函数法确定了相应判据.结果表明:在整个加载过程中,弹性能U^(e)变化和总输入能U^(o)的变化规律一致,Ue/U^(o)的演化可以用指数函数表示,且在压密阶段之后U^(e)为主要的能量占比;将弹性能同最大主应力与单轴抗压强度(UCS)比值的乘积作为岩爆危险性评价指标,应用于隧道岩爆等级评估,并与实际岩爆情况进行对比,证明了其合理性.