超参数相关论文
高校青年教师的教学水平是影响教学质量提升的关键因素，也是当前高校教学评估的重要内容之一。为了更加准确地评估高校青年教师教学......
齿轮是机械运动中非常重要的零部件，一旦发生损坏将对机械整体造成不可估量的损失，甚至波及人身安全，因此提前预知齿轮的剩余寿命非常......
为了确保有效利用轧机设备能力，以某钢厂棒材生产线的轧机电机负荷数据为研究对象，利用PyTorch搭建基于长短时记忆（long short term m......
随着智能制造的发展,基于卷积神经网络（CNN）的故障诊断方法成为了研究热点。学习率作为深度学习最重要的超参数之一,对CNN模型的最终......
在水利事业飞速发展的今天,安全监测在水工建筑物从施工开始到竣工,以及运行期间都必不可少。只有在掌握了建筑物的变形情况以后,......
人脑是迄今为止自然界中最复杂的生物系统,其神经元细胞通过突触彼此连接,形成高度复杂的脑连接网络.越来越多的证据表明,脑连接网......
为了提高电力负荷的预测精度,提出使用粒子群算法(PSO)优化长短期记忆(LSTM)神经网络超参数的电力负荷预测模型(PSO-LSTM).针对LST......
针对深度堆叠降噪自动编码器(SDAE)网络超参数采用经验枚举获得时存在的泛化能力较弱,且选参过程与设计人员经验有关,效率低等问题......
开展基于可穿戴传感器的人体动作行为识别研究,将传感器嵌入到服装,使老年人通过穿戴智能服装得到健康监护,对于老年人的健康监护......
土壤墒情预测是农业发展的重要内容之一,对于实现作物的增产增收、提高作物经济效益方面具有重要的意义。本文采用深度神经网络算......
多传感器时间配准技术是信息融合系统前端数据处理的一项关键技术,时间配准效果的好坏是影响信息融性能的重要因素之一。随着信息......
地物覆盖监测对于生态环境系统保护、气候变化研究、土地资源管理和可持续发展变得越来越重要。在遥感领域中,分类方法常被用于获......
学位
针对时间序列分类算法易受噪声影响的问题,传统的L1趋势滤波和L2趋势滤波都是有效的时间序列平滑方法,然而两者的趋势模型固定,仅......
CNN-GRU混合深度学习反演弹性阻抗取得了较好的反演效果。但是,基于深度学习的叠前反演参数众多,包括内部深度学习网络可学习参数......
针对小时间尺度网络流量预测中的复杂性、非线性和高度自相似性等问题,提出使用一种改进模拟退火法优化的相关向量机（PSA-RVM）来解决......
结合稀疏贝叶斯学习(SBL)和可压缩传感理论(CS),给出一种在噪声测量条件下重建可压缩图像的方法。该方法将CS理论中图像重建过程看......
提出一种基于变分贝叶斯推理的高光谱图像恢复方法.建立描述高斯噪声的最大似然函数项,采用小波基矩阵变换,构建小波变换后因子稀......
文章指出了文献[1]中的错误，给出了文献[1]所考虑的双参数分布刻度参数经验Bayes估计问题的正确结果。在三种不同的试验方案下进行......
该文阐述了基于主元分析和支持向量机的人脸识别算法,并对算法进行了改进。实验使用的是ORL人脸库,该方法先用PCA方法进行特征提取......
卷积神经网络(CNN)是目前最为流行的深度神经网络的一种,尤其在图像识别上有着非常广泛的应用。但是作为多层神经网络的一种,其有......
先验分布的确定是运用Bayes方法进行复杂系统可靠性评估的先决条件.本文研究了利用类似系统的可靠性信息通过加权融合确定先验分布......
为了更准确的预测话务量,提出了一种以粒子群优化算法为基础的,通过多样性度量指标控制种群特征的改进粒子群优化算法（MPSO）,用于最......
基于指数分布定时截尾寿命试验,给出了失效率λ的E-Bayes估计.研究了在超参数取不同密度函数时λ的E-Bayes估计之间的关系和收敛速......
为了降低均匀圆阵列二维波达方向估计的计算量,提出一种基于稀疏贝叶斯假设检验的波达方向估计算法。根据＂粗扫描＂＋＂细扫描＂思想,将角度......
Wiener过程广泛用于产品的性能退化建模,为了便于Bayesian统计推断大都采用随机参数的共轭先验分布。针对目前的二步法得到的超参......
在概率统计中,偏度系数反映了随机变量的密度曲线的对称特征。由于偏度系数涉及到分布的前三阶矩,因此得到好的估计有一定的难度。......
机器学习在面向对象的土地覆被分类中有着重要作用。针对不同机器学习分类器在最优超参数组合下对分类结果的影响并不明确的问题。......
对多级评分的测验题型,给出了其Bayes模型,在无信息先验分布或先验分布是Dirichlet分布情形下求出了参数的Bayes估计,并对后者在不......
超参数的选择直接影响着支持向量机（SVM）的泛化性能和回归效验，是确保SVM优秀性能的关键。针对超参数穷举搜索方法的难点，从试验设计的......
深度神经网络对于图像分类问题具有较好的准确性,但深度卷积神经网络的参数繁多且难以确定,针对这种情况,提出基于增强引力搜索算......
关于GDP和CPI的预测一直以来是经济学领域的重要研究课题,无论是在国内或是在国外,许多经济学领域的专家学者对此问题进行了大量研......
本文由独立的两部分组成。 第一部分研究了含桥联复杂系统的Bayes可靠性问题。 本文在分析现有研究的基础上，借鉴了已有的复......
基于统计学习理论的支持向量机技术以探求小样本情况下如何获得更好的机器学习规律而见长，与基于经验风险最小化原则的机器学习方法......
文章采用相关向量机（Relevance Vector Machine）对股市的股票数据进行回归分析，并与支持向量机（Support Vector Machine）方法进行比较。......
为了提高支持向量机(SVM)的识别性能,提出了在常用内核的基础上构造一个组合内核函数,然后用拟牛顿算法对其超参数进行优化的方法......
对多级评分的测验题型,给出了其Bayes模型,把先验分布从无信息先验推广到了更一般的Dirichlet先验分布情形,求出了参数的Bayes估计......
为了科学制定制导武器的可靠性鉴定试验方案,在论证基于连续批信息的批抽样方案的Bayes风险分析方法的基础上,重点对比分析了利用......
在认知电子战体系下,更为智能的算法才能适应日益复杂的电磁空间。针对相控阵雷达的波束扫描行为预测问题,在正弦坐标系下将波束扫......
设计了一套航天密封继电器信号识别方法,基于微粒碰撞噪声检测(PIND)法,通过对信号的时域及频域的特征分析选取了多个具有代表性的......
风电行业中基于深度神经网络技术来构建风电机组性能模型受到了业内人员的广泛关注,然而对于深度神经网络自身超参数选取对模型结......
针对传统最小二乘支持向量机模型的训练速度慢、不易在线训练、计算量大及参数选择困难等缺陷,提出采用耦合模拟退火优化最小二乘......
支持向量回归(SVR)模型结构对降低经验风险和减小置信范围十分重要.为了系统深入地分析SVR模型选择方法,将现有的典型的模型选择方......
随着电网结构愈发复杂,负荷的多样性与波动性显著增加,对预测模型提出了更高的泛化能力和精度要求。然而,传统算法存在易过拟合、......
变形监测是采集变形体的变形信息的技术方法，对变形信息进行处理分析是变形监测的最终目的。变形数据的预处理可以有效地去除数据中......
高斯过程(GPS)是一种良好的贝叶斯分类方法和回归过程,也可应用于半监督聚类方面,就此提出了一个新的算法:使用稀疏高斯过程回归模......
深度学习模型中,超参数的选择对分类效果有较大的影响。因此,为了提高超参数优化的效率,提出了一种改进粒子群优化算法对超参数进......
