基于DIndRNN-RVM深度融合模型的AGC指令执行效果精准辨识及置信评估研究

随着电网结构的日益复杂,机组执行(automatic generation control,AGC)指令的精准性对电网在线调控的影响正逐渐增强。针对当前部分厂站对AGC指令跟踪效果不理想的实际问题,该文引入“深度学习”技术对AGC调控指令执行效果进行精准感知和评估。首先提出一种基于深度学习的AGC指令执行效果精准辨识框架,采用深度独立循环神经网络(deep independent recurrent neural network,DIndRNN)对机组执行指令的调节效果进行精准感知;其次,提出一种加快模型训练的预处理策略,基于机组运行历史数据通过分析不同输入属性间的关联特性,实现对模型输入属性的降维;进一步提高模型的收敛性和预测精度;最后提出一种对指令执行效果的不确定性评估方法,采用深度独立循环神经网络关联向量机(deep independent recurrent neural network relevance vector machine,DIndRNN-RVM)深度融合技术给出预测结果在给定出力偏差范围内的可信度,从概率的角度增强了预测结果的使用价值。算例采用真实电网数据进行仿真分析,计算结果表明,该文提出的辨识框架和模型优化方法能较为准确的感知机组执行指令的精度和执行结果的可信度。该文所述方法提高了电网对AGC指令执行效果的精准感知和预判,能够为AGC在线决策提供支撑。

一种基于置信评估的多磁信标选择方法及应用

针对灵巧无人平台系统携带的能源与计算资源有限,利用磁信标导航定位过程中可用磁信标过度冗余占用大量系统资源的问题,提出一种基于置信评估的多磁信标选择方法,考虑平衡导航定位精度与系统资源占用之间的关系,有效选择最少数量的磁信标最优组合,既减少系统资源的消耗,提高系统快速性,又能保证多磁信标导航定位的精度。首先根据目标处对各个磁信标的观测信息建立伪后验概率密度分布模型;再根据各磁信标的伪后验概率,实现对各个磁信标的置信评估并计算置信度;最后根据置信度依据磁信标数量约束条件,选择当前测量环境适合参与导航解算的最优磁信标组合。在实验结果中,利用所提出的方法,相对于较差的磁信标组合精度提高65.98%;而相对于仅依靠距离选择出的次优组合,精度提高约13.92%,且最优磁信标组合选择准确率高达91.5%。实验结果证明了所提出的方法可有效选择得到最优磁信标组合,保证定位精度并节约系统资源。

一种基于时空知识图谱的意图识别置信度评估方法

意图识别算法存在识别结果缺少评估、领域知识不完备等问题,迫切需要研究置信度评估方法。利用时空知识图谱统一表示包含时空信息的实体,将作战目标及其关系抽象表示为时空知识三元组。利用典型对抗场景数据训练神经网络,计算并融合实体和知识图谱两个层面的置信度,得到最终置信度评估结果。仿真结果表明,利用时空以及目标型号信息,分析作战目标存在某种作战意图的可能性,能有效评估意图识别结果的置信度,对于意图识别系统的真正“落地”具有重大意义。

基于滑动窗口置信度评估算法的无线传感器网络异常检测研究

本文提出了一种基于滑动窗口置信度评估算法的无线传感器异常数据检测方法。该方法通过提取数据特征并应用置信度评估模型来识别无线传感器发送的异常数据点,研究通过在数据集上的实验,验证了该滑动窗口置信度方法在准确率、召回率和F1分数等方面具有明显的优越性。

军用大型复杂仿真系统的特点及其置信度评估对策

在综合分析信息化时代军用系统仿真技术和系统发展趋势的基础上,重点论述了军用大型复杂仿真系统的主要特点及其置信度评估中出现的新问题,并就此提出了相应的置信度评估研究对策,作为大型复杂仿真系统置信度评估理论及方法研究的重要参考。

一种基于贝叶斯后验的异常值在线检测及置信度评估算法

为识别一类更新速度快、变化趋势平缓、缺少人工类标的大数据量工业时间序列中所存在的异常值,提出了一种以贝叶斯后验为基础的异常值在线检测及置信度评估算法.算法将预测检测和假设检验相结合,首先建立时间序列自回归模型,然后对预测残差作基于贝叶斯原理的后验检验,用后验概率对数比确定序列中的异常值.为减少识别过程中的误判,在检测完成后,利用自组织映射神经网络计算状态转移概率,进一步对已标记的异常值进行置信度评估.通过定期更新模型,算法各参数能动态保持与数据变化规律同步,提高了检测的准确率.实验结果表明,该算法能够对时间序列异常值准确快速地进行在线检测,同时给出可靠的置信度评估,具有较高的实用价值.

景象匹配辅助导航系统匹配置信度评估方法

针对景象匹配辅助导航中,由于噪声、云层、摄像机抖动等原因导致的景象匹配可能输出错误匹配结果情况,提出一种基于证据推理的景象匹配末端置信度评估方法。首先建立序列帧时空约束关系,对匹配相关阵中峰值构建辨识框架,计算序列帧对各峰值的置信指派并利用适配因子进行折扣运算,然后采用证据推理组合规则进行融合,最后给出判决准则输出匹配置信度或错误报警。针对Dempster组合规则在序列帧高冲突情况融合错误以及DSmT组合规则多证据融合时正确峰值置信指派难以增大并收敛的问题,提出一种比例冲突再分配DSmT组合规则。采用航拍图像和对应Google earth卫星基准图像的仿真实验验证了评估系统可以有效给出匹配置信度并在发生错误匹配时及时报警。

基于邻近目标置信度评估的视觉目标跟踪与定位

针对视觉目标跟踪与定位中,目标因为无特征或被严重遮挡导致无法定位的问题,设计了一种基于邻近目标置信度评估的视觉目标跟踪与定位算法。在跟踪过程中,通过检测提取邻近目标的标记特征,然后结合每个特征标记的汉明距离和相对其他标记的归一化结果以及每个标记发生的概率,得到每个标记最终置信度,选择置信度最大的邻近标记来确定目标位置。实验结果表明,该算法在对目标存在遮挡或目标没有特征的情况可以大大提高跟踪的鲁棒性和准确性。

仿真系统置信度评估中的辨识方法

该文通过采用系统辨识方法建立仿真系统和被仿真实际系统的数学模型 ,并借助相似度来衡量这两种模型的相似性 。

基于多重验证的船舶水动力虚拟试验置信度评估方法（英文）

船舶水动力学领域中,数值水池虚拟试验结果的可信度是制约其应用与发展的关键因素之一。目前常用的CFD不确定度分析,经实践证明不完全适用于虚拟试验置信度评估,因而需要建立一种新的置信度评估方法,以确保针对“属性细分”后的一类问题,虚拟试验结果可信且达到工程实用精度要求。为此,文中提出了一种新的船舶水动力数值水池试验置信度评估方法,该方法的核心是“不确定度分析、最优解确认、大子样验证”三重验证流程,其中:不确定度分析基于正交试验设计、方差分析和统计推断理论;最优解确认基于正交试验设计的效应分析方法和残差最小原理;大子样验证则基于大量数值水池试验结果和相应模型试验数据的对比与统计分析。文中以船模阻力虚拟试验为例开展了实践,证明了该置信度评估方法的合理性和有效性。

DCR置信度评估方案

指令间的控制相关对处理器性能的影响比数据相关带来的影响更为严重 .虽然转移预测能够提高处理器的性能 ,但不同转移指令的可预测性是不同的 .置信度评估方案可被用来评测转移预测方案的可信度 ,该文利用误预测集群性 ,设计了DCR(DecreaseConstantorReset)置信度评估方案 .仿真结果表明 ,DCR方案相对文献中的JRS方案和MDC方案 ,否定测试的预测值PVN分别提高 2 9 5 %和 4 2 19% ;特异性值SPEC分别提高 0 5 3%和15 1 8% ,从而更适合在多线程处理器的双路径执行时使用 .最后 ,该文讨论参数变化对DCR方案性能的影响 .

SVM置信度在线评估以及决策改进

设计了SVM置信度在线评估方案,以此确定SVM做多分类时结果的风险程度,对高风险决策结果进行修正。置信度评估采用理论估计和经验估计相结合的方式。多分类决策结果的修正由在线生成的局部分类器完成。局部分类器在待查询数据的邻域内工作,此邻域基于一个局部测度而生成。实验表明,所设计的算法呈现了较好的分类能力,提高了传统同类方法的分类准确率。

基于置信度评估的Cache污染过滤技术

对多内核共享L2cache时的cache污染问题进行了研究，认为内核猜测执行预测路径上的访存指令导致的cache污染会严重影响处理器性能。提出了一种基于置信度评估的cache污染过滤技术FCPC，该技术置信度评估机制对条件分支进行动态评估，并为每个cache数据行新增两个标志位——置信度评估标志（CET）和访问指示标志（AHT），根据评估结果将预测路径上的访存指令及其访存数据分别标识为高置信度和低置信度。在cache替换操作时根据CET和AHT就能优先将污染数据替换出去，增加了cache空间的有效利用率，从而提升IPC和cache命中率。实验结果表明，FCPC策略能够将IPC性能提升0．18％～4．86％，平均提升1．91％；同时能够将降低L2cache缺失率降低0．65％～5．76％．平均降低2．57％。

基于最大差距的置信度评估算法

通过分析传统基于概率度量的K邻近置信度评估方法,提出一种基于最大差距的置信度评估方法,并在UCI数据集上对两种方法进行对比实验.实验结果表明,基于最大差距的置信度评估方法在宏平均召回率、宏平均精度及所用时间上均优于K邻近置信度评估方法,从而可进一步优化半监督分类学习中数据样本的置信度评估.

层次分析法在雷达侦察机仿真试验置信度评估中的应用

本文从雷达侦察机仿真试验系统的实际出发,简要地介绍了试验系统的组成,分析了各系统设备对试验结果的影响因素,说明了利用层次分析法解决实际问题的一般步骤和方法,最后给出了层次分析法在雷达侦察机仿真试验置信度评估中的应用实例。

结合置信度评估与再检测的目标长时跟踪

针对目标长时跟踪中遮挡和出视野等因素导致的跟踪准确率降低甚至跟踪失败问题,提出一种结合置信度评估与再检测的目标长时跟踪算法。根据相关滤波响应的平均峰值相关能量与颜色得分判断跟踪结果的可靠性;通过引入DIOU约束,有效限制候选位置的数量,增加惩罚项计算候选框得分,得到最优再检测结果;评估再检测结果的可靠性决定是否替换跟踪位置。在OTB-2015数据集上与先进相关滤波算法进行对比,该算法精确度与成功率分别为0.855和0.798。在目标遮挡和出视野等复杂环境下,具有较强的鲁棒性和实时性。

基于语义和结构置信度的知识图谱质量校验方法

知识图谱因其较强的表达能力和可解释性而被广泛应用于问答系统、信息检索等人工智能任务中,然而,在实际应用场景中大量使用自动化知识图谱构建技术会不可避免地引入噪声和冲突,从而对知识图谱下游应用的性能产生严重影响。为从知识图谱中检测出潜在的噪声、保存真实可信的三元组并为下游应用任务提供高质量的知识,提出一种基于语义与结构双重置信度的三元组评估模型。该模型由语义真实性评估器与结构真实性评估器构成,前者通过特定规则将三元组转换为句子序列,基于双向编码器表示变换模型度量语义真实性,后者通过表示学习模型获取实体及关系的向量表示,在知识表示、路径特征两个层面上度量结构真实性。在4个真实图谱数据集上的实验结果表明,所提模型的准确率、精确率、召回率、F1值等评估指标相较TransE-RFC、TransE-KNC、TransEXGB等模型提升3%~4%,其能够有效检测带噪声图谱数据集中的噪声错误同时最大程度地保留真实可信的知识。

基于DECORATE集成学习与置信度评估的Tri-training算法

Tri-training是一种基于分歧的半监督学习算法,同时利用了半监督学习和集成学习机制。Tri-training能有效地利用少量有标记样本和大量无标记样本,通过分类器间的相互协同和迭代来提升模型性能。但是在已标记样本量不足的情况下,Tri-training生成的初始分类器训练不足,并且在分类器间协同标记的过程中可能产生误标记的噪声数据。针对上述问题,提出了一种结合DECORATE集成学习、多样性度量与置信度评估的协同学习算法。该算法基于DECORATE集成学习方法,通过添加差异化的人工样本和标记来训练多种偏好的基分类器,以提升分类泛化能力。该算法还基于JS散度对分类器进行多样性度量和筛选,以最大化基分类器多样性,同时在迭代过程中基于标签传播算法对伪标记样本进行置信度评估,以减少噪声数据。在UCI数据集上进行了分类实验,结果表明,相比Tri-training算法及其改进算法,所提算法具有更高的分类准确率和F1分数。

一种卫星导航模拟器置信度评估方案及应用

置信度评估能够为卫星导航模拟器的研制与改进提供依据。提出了一种基于对数最小二乘的模糊层次分析法和相似度法相结合的置信度评估方案。该方案利用基于对数最小二乘的模糊层次分析法将卫星导航模拟器系统分解为若干子系统或模型,并利用相似度法计算各个子系统或模型的置信度,同时使用模糊层次分析法计算各子系统或模型的权重向量,而后再逐级综合得到模拟器系统的总置信度。该方案能够将复杂系统逐层细化,且求解的子系统或模型的权重向量与置信度较为客观真实,具有重要的工程参考价值。

悬臂式悬挂环行轨的可靠性强度设计与置信水平评估

悬臂式悬挂环形轨由于结构形式的特性，其稳定性与可靠性以及使用置信水平已成为设计的焦点，本文从设计入手，用可靠性强度理论加以阐述，并用可靠度方式对其结构的置信水平进行评估。