基于K-L散度的最大后验弧主导的混淆网络生成算法

为快速生成高质量混淆网络,该文提出一种最大后验弧主导的快速生成算法。它只需遍历一遍Lattice,具有线性时间复杂度。采用K-L散度(Kullback-Leibler Divergence,KLD)来度量弧标号之间的发音相似性,改善了混淆网络生成中弧对齐的准确性。实验结果显示,所提算法在生成速度上和Xue的快速算法是可比的,而生成质量更好。通过采用KLD作为弧标号相似性测度,生成混淆网络的质量得到了进一步提高。

一种基于随机游走算法的复杂网络生成

为了更好地研究复杂网络结构,采用随机游走算法实现复杂网络的生成。该算法采用扩散策略实现网络生成,根据活跃标签标注下一次抽取与前一次抽取的联系,除第一个节点之外的所有网络节点的加入均由网络节点属性决定,以最大转移概率为准则来实现下一个节点的选择,有效避免局部陷入与遍历不全的不足。实验证明,相比于传统的复杂网络生成方法,该算法能更好地反映复杂网络的原始网络结构,网络连通性好,度分布和聚类系数与原始网络更相似,网络层次性更强。

航路网络生成及优化

空中交通流运行的安全性和成本取决于航路网络结构。基于节点度实现航路网络枢纽节点和干线节点分层,利用全局耦合生成主干网络,运用距离连接概率实现干线节点社区化,采用连接概率生成社区网络;采用DBSCAN聚类算法,基于角度和距离实现航路网络优化;以中国大陆空域为例,实现了主干航路网络和局部干线航路网络的生成及优化,验证了方法的可行性。在与相关研究对比,基于节点度的枢纽节点选取更加客观合理,所构建的分层航路网络结构符合机场点的分布特性,采用DBSCAN聚类算法优化效率明显提高。

基于多层次复杂概念网络生成方法的Sunshine图发现《伤寒论》小便相关方证知识

目的:通过建立基于多层次复杂概念网络生成方法的Sunshine图,发现《伤寒论》小便相关方证知识。方法:收集《伤寒论》小便方证相关的条文39条,进行规范化表达,建立数据库,构建多层次复杂概念网络图,绘制Sunshine图,并从图中进行模式发现,从而总结《伤寒论》小便相关方证的内涵规律。结果:生成的小便相关方剂-证候Sunshine图集合了44个对象(即方剂)和191个属性(即证候),并能可视化表达小便相关的方剂-证候关系。结论:基于多层次复杂概念网络生成方法的Sunshine图应用于方证知识发现,对传统中医经典传承知识发现有一定的借鉴意义。

具有社区结构的无标度网络生成算法

近年来,生成图模型在复杂网络研究中的作用越来越重要。图的生成过程对于研究疾病的蔓延和信息的传播具有重大意义,同时图模型的生成也有助于更深入地研究复杂网络的特性。为了能够生成既符合真实网络特征又具有结构多样性的复杂网络,提出了一种具有社区结构的可调节聚集系数和模块性的无标度网络生成算法——TCMSN(Scale Free Network with Tunable Clustering Coefficient and Modularity)。通过调节混合参数可以调节生成网络的模块性,通过调节社区内连边的概率和混合参数可以对网络聚集系数进行调节。TCMSN采用了合理的连边策略,在不破坏网络结构多样性的情况下,能尽可能维持网络的无标度特性。人工构造数据和真实网络数据的对比实验结果表明,TCMSN算法能够生成可调节聚集系数和模块性的无标度网络模型,且能够生成最接近真实网络社区结构特征的网络模型。

基于循环生成对抗网络生成头颅磁共振sDWI图像的方法研究

目的基于循环生成对抗网络(cycle generative adversarial network,CycleGAN),利用非配对患者头颅磁共振图像数据实现水抑制T2WI图像和弥散加权成像(diffusion weighted imaging,DWI)图像之间的相互转换,并评估生成的伪弥散加权成像(synthetic diffusion weighted imaging,sDWI)图像质量。材料与方法收集200例头颅水抑制T2WI图像以及DWI图像,训练集与测试集各100例,其中测试集含50例急性脑梗死。CycleGAN模型包含两个生成器与两个判别器。先基于卷积神经网络(convolutional neural networks,CNN)构建两个生成器,一个将水抑制T2WI图像转换为sDWI图像,另一个生成器将DWI图像转换成伪T2WI图像。再基于CNN构建两个判别器,用于对真实图像和生成的伪图像进行判别并更新参数。生成器与判别器不断交替工作完成CycleGAN模型训练。通过平均绝对误差(mean absolute error,MAE)、平均误差(mean error,ME)、峰值信噪比(peak signal-to-noise ratio,PSNR)和结构相似性(structural similarity,SSIM)以及主观评分评估sDWI图像质量。对50例急性脑梗死DWI图像与sDWI图像进行梗死灶分割,并计算DICE系数。结果测试集sDWI图像与真实DWI图像MAE为34.991±0.989,ME为15.982±0.978,PSNR为26.642±3.428,SSIM为0.927±0.039;80%以上sDWI图像无或仅有轻微图像失真、伪影;真实DWI与sDWI图像梗死灶分割后的DICE系数分别为0.898±0.324、0.849±0.259。结论CycleGAN模型和非配对图像数据可以生成质量较高的sDWI图像,为需要快速磁共振成像的患者减少扫描时间。

联盟剖分型单向流动态网络生成对策

通过定义联盟同质费用研究考察具有固定联盟剖分的单向流动态网络生成对策。局中人通过采取局部行动生成网络,行动的原则是最大化其所在联盟的整体收益。选择B&G函数作为局中人的基本支付函数,诱导产生联盟-局中人的B&G函数。在新的规则之下,分别给出了局部纳什网的存在性、结构特性及其动态生成进程的定理。

具有两种网络生成费用水平的局部策略互动

内生网络环境下,局中人只与直接邻居进行二人协同对策,网络生成的过程中,建立连接的费用根据局中人采取行动的不同而存在两种水平。完整地给出了均衡网络的结构特性,并针对几种不同的费用范围,研究了均衡结果中局中人的行动选择,分析了费用水平对均衡结果的影响。

具有不完全合作属性的单向流动态网络生成对策

通过定义联盟同质费用研究考察具有固定联盟剖分的单向流动态网络生成对策,这区别于同质费用、局中人同质费用的情形。局中人通过采取局部行动生成网络,即每次仅能增加、删除或替换一条指向他的连接,行动的原则是最大化其所在联盟的整体收益。在新的规则之下,通过示例研究了局部纳什网的结构特性及其动态生成过程。选择B&G函数作为局中人的基本支付函数,诱导产生联盟-局中人的B&G函数,最后根据Myer-son值在联盟内部的局中人之间分派联盟-局中人所获得的收益。

外单内双型网络生成对策中严格纳什网的结构特性

首次针对具有不完全合作属性的混合流网络生成对策研究严格纳什网的结构特性,在该网络中,联盟内部局中人之间的信息交换方式为双向流而除此之外的为单向流,联盟内部局中人的连接费用小于不同联盟中局中人之间的连接费用。在联盟内部首先形成有效网的基础上,针对没有信息损耗和存在信息损耗两种情形研究了严格纳什网的结构特性。

高新技术孵化网络生成模式及要素研究

随着科学技术的飞速发展,高新技术将成为国家发展的核心竞争力,所以相关行业的人员必须积极探索,不断推动高新技术孵化网络的建设。本文笔者从高新技术孵化网络的生成模式出发,探讨高新技术孵化网络的生成要素,并结合相关的案例进行分析比较。

深度学习对抗网络生成单人跳跃荷载

现有单人跳跃荷载模型通常基于周期性或平稳性假定,从实验数据中人工提取脉冲特征、动载因子和接触率等特征参数来建立,特征参数的选择主观性强。深度学习理论能够自动分析和提取样本特征,进而生成全新的样本。这其中,生成式对抗网络(GANs)的出现极大地提高了生成样本的质量。因此,通过综合条件GANs和带有梯度惩罚的Wasserstein-GANs,提出了模拟单人跳跃荷载的GANs模型。该模型的生成器具有5个全连接层和1个一维卷积层,判别器则具有5个全连接层,并拥有大量频率丰富的实测单人跳跃荷载样本。经过一百万次训练后,生成器可以生成与真实样本非常相似的高质量样本。通过比较生成样本与真实样本的平均功率谱密度和单自由度响应,验证了所提出的GANs模型可用于生成单人跳跃荷载。

使用条件生成对抗网络生成预定导热率多孔介质

多孔介质在工程领域中的应用非常广泛,其中有效导热率和孔隙率为多孔介质材料非常重要的性质,得到一个符合需要的有效导热率和孔隙率的多孔介质材料具有重要意义.本文使用四参数随机生成方法制作了训练数据集,搭建了一个条件生成对抗网络(CGAN),使用预定的有效导热率和孔隙率作为输入,生成一个满足输入条件的多孔介质结构.特别地,由于多孔介质的孔隙结构分布对材料的有效导热率影响巨大,提出局部结构损失函数参与网络训练,使得网络更好地学习到孔隙分布与导热率之前的关系.通过使用格子Boltzmann方法验证神经网络生成的多孔介质结构的有效导热率,结果表明该方法能够快速且准确地生成预定参数的多孔介质结构.

无标度网络生成的一种新算法

根据指定幂律分布的BA无标度网络的生成原则,提出了可生成任意指定幂律分布的网络的算法,该算法从一个含有固定节点的完全网络开始,按照择优连接的原则,向网络中逐个增加节点,实现了满足任意指定规模的无标度网络模型的生成.利用计算机程序代码运行了该算法,并验证了该算法的运行时间优于已有旧算法.

基于条件生成对抗网络生成人体肖像线稿

将深度学习用于图像边缘提取,获取线稿图。常见的图像边缘获取算法存在两个缺陷:只考虑到了图像边缘的一阶、二阶数据特征,并未发掘其高阶数据特征及其他隐含特征;没有设定合理的阈值,而阈值直接影响着检测效果。这两个因素使得到的图像线稿图效果不佳。鉴于此,提出基于条件对抗网络生成人体肖像线稿图的方案,并在最终的实验中取得了良好效果。

双目标优化与生成对抗网络结合的框架结构阻尼器布置方案智能设计方法

为实现框架结构的阻尼器智能化布置,结合减震设计原理和智能算法,采用双目标优化算法和生成对抗网络算法分别进行阻尼器竖向和水平智能布置研究,并将该方法应用到两个框架结构减震设计工程案例中。在框架结构减震设计中,采用双目标优化算法进行阻尼器竖向布置,并与逐层逼近法、工程师设计和非减震设计进行对比,结果表明,采用该优化算法得到的阻尼器竖向布置方案能有效降低层间位移角和楼层加速度,提高结构的抗震性能。在确定各楼层的阻尼器数量后,利用训练好的生成对抗网络生成模型,可快速、自动地选择和确定各楼层阻尼器的平面安装位置,生成的平面布置与工程师设计的平面布置在相似性差异度综合评价指标上小于临界值0.1,说明两者相似度较高,且有利于提高原结构的抗扭能力。将双目标优化算法与生成对抗网络相结合,不仅能满足框架结构的减震性能目标,而且可实现阻尼器布置方案的智能设计,提升减震工程设计效率。

基于门控卷积生成对抗网络的西汉漆箱纹饰图案数字化修复研究

中国历史上漆器以其精美的纹饰技法闻名于世,针对古代漆器表面破损严重、纹饰信息大面积缺失的彩绘漆箱修复难题,提出了一种门控卷积生成对抗网络(GC-GAN)的古代漆箱表面图案修复方法.该方法采用门控卷积结构改进生成对抗网络模型,以提升模型对于图像中有效像素的学习能力并解决不规则大面积图像区域的高分辨率修复问题.在此基础上,首先对漆箱图案中的畸变、破损和缺失部分进行掩膜处理,然后使用GC-GAN生成掩膜区域的图案.针对漆箱纹饰图案样本数量少的问题,借助迁移学习思想,将模型在CelebA、SVHN等多种公共数据集上学习到的知识迁移到漆箱纹饰上.最终实现了“西安凤栖原西汉家族墓地”M1墓室中出土的大型木胎彩绘漆箱表面纹饰的数字化虚拟修复.

基于格拉姆角场与深度卷积生成对抗网络的行星齿轮箱故障诊断

针对行星齿轮箱故障诊断中样本分布不均衡所引起的模型泛化能力差及诊断精度低等问题,采用格拉姆角场图像编码技术和深度卷积生成对抗网络相结合进行数据增强,融合AlexNet卷积神经网络进行故障诊断。将采集到的一维振动信号转化为格拉姆角场图,按比例划分训练集与测试集,将训练集样本与随机向量输入到深度卷积生成对抗网络模型中,交替训练生成器与判别器,达到纳什平衡,生成与原始样本类似的生成样本,从而实现故障样本的增广。用原始样本与生成的增广样本训练卷积神经网络分类模型,完成行星齿轮箱的故障识别。实验结果表明,所提方法能够有效提升样本不均衡条件下的行星齿轮箱故障诊断精度,使之达到99.15%,且能使收敛速度更快。

改进生成对抗网络水下图像增强方法

针对水下图像颜色失真和细节模糊的问题,提出一种基于改进生成对抗网络的水下图像增强方法。该方法将生成对抗网络作为基础架构,生成网络采用编码解码结构,并引入RGB颜色空间块、HSV颜色空间块和注意力机制;RGB块可以更好地去噪和去除偏色,HSV颜色空间可以调整水下图像的亮度、颜色和饱和度,最后生成网络通过分配权重来生成图像。判别网络采用类似马尔科夫判别器的结构。此外,通过构建全局相似和内容感知多项损失函数,使生成的图像在色彩、内容、结构上和参考图像保持一致。实验表明,所提出的方法在主观比较和客观指标上都有很好的表现。其中结构相似度、峰值信噪比、水下彩色质量评估和水下图像质量度量在合成水下图像测试集的平均值分别为0.7746、19.2758、0.4889和3.3124。在真实水下图像测试集的平均值分别为0.9000、24.2636、0.4499和3.1619。在主观评价和客观评价指标上,综合比较,该文算法实验结果均优于对比算法。

基于生成对抗网络的图像自增强去雾算法

针对现有去雾模型使用合成有雾图像数据集训练后容易出现过拟合的问题,提出了一种融合生成对抗网络的图像自增强去雾算法。在结合两个生成对抗网络的同时估计图像的深度信息。第一个GAN利用清晰图像学习图像加雾过程,将其生成的有雾图像作为第二个GAN的输入,指导第二个GAN如何正确去雾。为了减少图像处理前后的差异,利用一致性损失函数来优化两个网络。在图像加雾部分添加场景深度估计模块,并对散射因子进行随机采样,实现图像自增强功能,更加真实地模拟现实世界中不同浓度的雾气。该算法无需使用合成有雾图像数据集的成对信息,进一步避免过拟合问题。实验结果表明:所提算法能够取得较好的去雾效果,在主观视觉质量和客观评价指标上均有良好表现,优于同类算法。