期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
Caputo分数阶切换线性系统的指数稳定性
1
作者
王其祥
龙飞
+1 位作者
莫立坡
杨靖
《控制理论与应用》
EI
CAS
CSCD
北大核心
2023年第2期304-312,共9页
众所周知,与整数阶切换系统不同, Caputo分数阶切换系统的积分下界不能随子系统的切换而被更新,意味着在下界非一致的任意区间内不能直接取分数阶导数的分数阶积分.对此,本文给出了一个不等式(文中引理6)克服这一问题,并用1个数值例子...
众所周知,与整数阶切换系统不同, Caputo分数阶切换系统的积分下界不能随子系统的切换而被更新,意味着在下界非一致的任意区间内不能直接取分数阶导数的分数阶积分.对此,本文给出了一个不等式(文中引理6)克服这一问题,并用1个数值例子进行了验证.通过这一不等式,然后分别利用多Lyapunov函数方法和模型依赖平均驻留时间(MDADT)方法,给出了Caputo分数阶切换线性系统指数稳定的条件,并利用2个数值例子进行验证.
展开更多
关键词
Caputo分数阶切换线性系统
多LYAPUNOV函数
模型依赖平均驻留时间
指数稳定性
下载PDF
职称材料
基于多核学习卷积神经网络的稀疏数据推荐
被引量:
1
2
作者
霍雨佳
左欣
张虹
《计算机工程与设计》
北大核心
2021年第2期489-496,共8页
针对当前稀疏数据推荐准确率低的问题,提出一种基于多核学习卷积神经网络的稀疏数据推荐算法。将项目的辅助信息送入卷积神经网络学习特征,将向量在可再生核希尔伯特空间组合,利用多核学习技术增强卷积神经网络的特征学习能力;基于学习...
针对当前稀疏数据推荐准确率低的问题,提出一种基于多核学习卷积神经网络的稀疏数据推荐算法。将项目的辅助信息送入卷积神经网络学习特征,将向量在可再生核希尔伯特空间组合,利用多核学习技术增强卷积神经网络的特征学习能力;基于学习的卷积特征集初始化非负矩阵模型,通过非负矩阵模型实现对缺失评分的预测。实验结果表明,该算法有效提高了稀疏数据集的推荐性能,验证了多核学习卷积神经网络的有效性。
展开更多
关键词
稀疏数据
推荐系统
评分预测
卷积神经网络
多核学习
项目上下文
下载PDF
职称材料
题名
Caputo分数阶切换线性系统的指数稳定性
1
作者
王其祥
龙飞
莫立坡
杨靖
机构
贵州
大学电气工程学院
贵州
理工学院
人工智能
与电气工程学院
贵州省人工智能与智能控制特色重点实验室
北京工商大学数学与统计学院
出处
《控制理论与应用》
EI
CAS
CSCD
北大核心
2023年第2期304-312,共9页
基金
国家自然科学基金项目(61813006,61973329)
贵州省基础研究计划重点项目(20191416)
+3 种基金
贵州省教育厅创新群体(黔教合KY字[2021]012)
贵州省科技基金(黔科合基础[2020]1Y266)
贵州省工业攻关项目(黔科合支撑[2019]2152)
物联网理论与应用案例库(KCALK201708)资助。
文摘
众所周知,与整数阶切换系统不同, Caputo分数阶切换系统的积分下界不能随子系统的切换而被更新,意味着在下界非一致的任意区间内不能直接取分数阶导数的分数阶积分.对此,本文给出了一个不等式(文中引理6)克服这一问题,并用1个数值例子进行了验证.通过这一不等式,然后分别利用多Lyapunov函数方法和模型依赖平均驻留时间(MDADT)方法,给出了Caputo分数阶切换线性系统指数稳定的条件,并利用2个数值例子进行验证.
关键词
Caputo分数阶切换线性系统
多LYAPUNOV函数
模型依赖平均驻留时间
指数稳定性
Keywords
Caputo fractional order switched linear system
multiple Lyapunov functions
model-dependent average dwell time
exponential stability
分类号
O172 [理学—基础数学]
下载PDF
职称材料
题名
基于多核学习卷积神经网络的稀疏数据推荐
被引量:
1
2
作者
霍雨佳
左欣
张虹
机构
贵州
理工学院
人工智能
与电气工程学院
贵州省
教育厅
贵州省人工智能与智能控制特色重点实验室
贵州
师范学院继续教育学院
贵州
财经大学外语学院
出处
《计算机工程与设计》
北大核心
2021年第2期489-496,共8页
基金
现代制造技术教育部重点实验室开放课题基金项目(黔教合KY字[2018]477号)
贵州省高等学校教学内容和课程体系改革基金项目(2017520072)
贵州省大数据统计分析重点实验室基金项目(黔科合平台人才[2019]5103号)。
文摘
针对当前稀疏数据推荐准确率低的问题,提出一种基于多核学习卷积神经网络的稀疏数据推荐算法。将项目的辅助信息送入卷积神经网络学习特征,将向量在可再生核希尔伯特空间组合,利用多核学习技术增强卷积神经网络的特征学习能力;基于学习的卷积特征集初始化非负矩阵模型,通过非负矩阵模型实现对缺失评分的预测。实验结果表明,该算法有效提高了稀疏数据集的推荐性能,验证了多核学习卷积神经网络的有效性。
关键词
稀疏数据
推荐系统
评分预测
卷积神经网络
多核学习
项目上下文
Keywords
sparse data
recommendation system
rating prediction
convolutional neural networks
multiple kernel learning
item context
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
Caputo分数阶切换线性系统的指数稳定性
王其祥
龙飞
莫立坡
杨靖
《控制理论与应用》
EI
CAS
CSCD
北大核心
2023
0
下载PDF
职称材料
2
基于多核学习卷积神经网络的稀疏数据推荐
霍雨佳
左欣
张虹
《计算机工程与设计》
北大核心
2021
1
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部