-
题名面向卷积混叠环境下的盲源分离新方法
被引量:3
- 1
-
-
作者
解元
邹涛
孙为军
谢胜利
-
机构
广州大学机械与电气工程学院
物联网智能信息处理与系统集成教育部重点实验室
广东省物联网信息技术重点实验室
智能检测与制造物联教育部重点实验室
基于物联网技术的离散制造智能化学科创新引智基地
粤港澳离散制造智能化联合实验室
-
出处
《自动化学报》
EI
CAS
CSCD
北大核心
2023年第5期1062-1072,共11页
-
基金
国家重点研发计划(2018YFB1802400)
国家自然科学基金(62003095,52171331)资助。
-
文摘
卷积混叠环境下的盲源分离(Blind source separation, BSS)是一个极具挑战性和实际意义的问题.本文在独立分量分析框架下,建立非负矩阵分解(Nonnegative matrix factorization, NMF)模型,设计新的优化目标函数,通过严格的数学理论推导,得到新的模型参数更新规则;并对解混叠矩阵进行标准化处理,避免幅度歧义性问题;在源信号的重构阶段,通过实时更新非负矩阵分解模型参数,避免源信号的排序歧义性问题.实验结果验证了所提算法在分离中英文语音混叠信号、音乐混叠信号时的有效性和优越性.
-
关键词
盲源分离
卷积混叠
独立分量分析
非负矩阵分解
-
Keywords
Blind source separation(BSS)
convolutive mixtures
independent component analysis
nonnegative matrix factorization(NMF)
-
分类号
TN911.7
[电子电信—通信与信息系统]
-
-
题名无偏稀疏正则化的双策略结构神经网络压缩
- 2
-
-
作者
林泽建
王骏逵
谢俊明
李珍妮
谢胜利
-
机构
广东工业大学自动化学院广东省物联网信息技术重点实验室
广东工业大学自动化学院物联网智能信息处理与系统集成教育部重点实验室
智能检测与制造物联教育部重点实验室
-
出处
《信息与控制》
CSCD
北大核心
2023年第3期313-325,共13页
-
基金
国家自然科学基金面上项目(62273106)
科技部外专人才项(DL2022030011L)
广东省自然科学基金面上项目(2023A1515011480)。
-
文摘
虽然深度神经网络模型的性能十分出色,但目前网络存在规模庞大、权重冗余度高的问题。同时,现有对网络权重剪枝的正则子估测偏差大。因此,本文提出无偏稀疏正则化的双策略结构神经网络压缩。首先,本文将神经网络所连接权重视为一组,提出采用估测值偏差小的非线性拉普拉斯函数,构建组间无偏结构稀疏正则子和组内无偏结构稀疏正则子,对冗余神经元和剩余神经元的冗余权重分别进行稀疏约束,构建无偏稀疏正则化的双策略结构神经网络压缩模型。其次,针对所设计的无偏稀疏正则化的网络压缩优化难题,本文采用近端算子技术获得无偏稀疏正则子的闭式解,进而设计基于近端梯度下降法的反向传播算法,实现神经网络准确的结构压缩。最后,通过在数据集MNIST、FashionMNIST和Cifar-10进行实验验证,本文所提出的无偏稀疏正则子的双策略结构神经网络压缩不仅收敛速度快于目前主流正则子。而且在压缩率保持一致的情况下,相比已有的方法识别精度平均提升2.3%,在识别保持精度基本一致的情况下,相对已有方法平均提升11.5%的压缩率。
-
关键词
神经网络
压缩
结构剪枝
无偏稀疏正则子
-
Keywords
neural network
compress
structured pruning
unbiased sparse regularizer
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-