一类新的随机三项共轭梯度算法

针对经验风险最小化(ERM)这一无约束优化问题,使用随机优化算法.为了提高损失函数值的下降速度,考虑三项共轭梯度法的优点,提出一类新的随机三项共轭梯度算法.并将新算法与经典的随机梯度下降(SGD)类算法和已有的随机共轭梯度算法CGVR进行比较,数值结果表明新算法比SGD类算法在求解ERM问题上更有优势.     

一种基于类不平衡学习的情感分析方法

针对网络评论中普遍存在的负面评论较少而影响力却较大的类不平衡问题, 提出一种基于类不平衡学习的情感分析方法. 该方法利用深度学习训练过程中的概率输出, 以计算样例的信息熵作为影响因子构建交叉信息熵损失函数. 在IMDB公开数据集上进行实验验证的结果表明, 基于集成信息熵损失函数的双向长短期记忆网络能处理类不平衡问题; 对数据的统计分析结果表明, 该策略能提升基于双向长短期记忆网络的评论情感极性分类性能. 针对AUC(area under curve)指标, 使用集成信息熵损失函数的双向长短期记忆网络模型比未考虑类不平衡的深度学习模型在中位数上最多提升15.3%.     

基于强化局部特征的3D点云分类与分割网络

在点云的处理过程中，许多深度学习网络未能充分考虑局部点之间的复杂关系，导致大量空间几何信息丢失。针对该问题，提出了一个强化局部特征的网络，用于点云的目标分类和语义分割。该网络通过设计编码单元对点的多方向信息进行编码；通过注意力机制学习采样分组后形成局部点云的特征。同时提出了一种新的多维损失函数，结合使用交叉熵损失函数与中心损失函数作用于分类任务。在数据集ModelNet40和ScanNet上进行了大量实验，结果表明：该网络在点云的目标分类和语义分割任务上表现出较好的性能。     

基于动态卷积的胸部X光片疾病分类算法

胸部疾病严重威胁人类健康，及时并精准地检测胸部疾病对患者的治疗与康复具有重要意义．胸部疾病经常通过胸部X光片进行诊断，但由于胸部疾病的多样性以及病理特征的复杂性，现有的胸部X光片疾病分类算法存在分类准确度较低、模型复杂度较高等问题．针对以上问题，提出一种基于动态卷积的胸部X光片疾病分类算法．将动态卷积模块加入密集连接网络，在不显著增加网络模型尺寸的前提下，增强网络对多尺度信息的特征提取能力，在提升分类准确度的同时保持高效推理；使用Meta-ACON改进ReLU(rectified linear units)激活函数，通过线性-非线性切换因子自适应地选择是否激活以及使用何种激活函数，从而增强网络的泛化能力；提出加权焦点损失函数，在焦点损失函数的基础上加入权重调整因子，使网络依据分类的难易程度为每种疾病合理分配权重，增大较难分类疾病的损失占比以提高其分类准确度，进而优化整体性能；对数据加载方式进行优化，增大批数据处理量以提升批归一化效果；在测试阶段使用测试时数据增强策略，综合分析多个维度的分类结果，提高分类的准确性与鲁棒性．在chestX-ray14数据集上的实验结果表明，在密集连接网络中...     

富水砂层大断面暗挖隧道施工地层演化

对于施工环境复杂的暗挖隧道工程,科学合理掌握施工地层演化过程是安全施工的前提.以北京地铁12号线光熙门站—西坝河站区间富水砂层大断面暗挖隧道工程为研究背景,借助FLAC3D有限差分软件,对工程设计施工方案进行模拟,得到了施工过程中地层孔隙水压力、地层沉降损失演化过程,并与现场监测数据进行对比验证,为工程施工规避风险源提供参考.结果 表明:施工掌子面孔隙水压力集中位置主要在暗挖隧道上方注浆形成的"注浆拱"拱顶以及断面未注浆范围;隧道施工过程中,沿施工掘进方向在施工掌子面前、后10 m到掌子面位置范围内,是发生涌水关键位置;地层沉降值经历了由沿中轴线对称分布到集中在中轴线位置处的变化过程,最后沉降值沿中轴线对称分布,导洞1施工掌子面处地表沉降值稳定在12 mm左右;初期支护拱顶沉降以及拱脚水平收敛均分别在45、30 d达到稳定;现场反馈的施工信息与模型计算地层演化过程相吻合,计算结果可为富水砂层大断面暗挖隧道施工方案的选择提供参考.     

基于分层贝叶斯模型的损失准备金估计

传统的准备金模型主要是通过加总个体数据得到聚合损失三角形数据建立的,然而,这种数据的加总对原始个体数据产生不可避免的信息浪费.虽然这种方法简单,但可导致准备金估计的较大偏差.近年来提出的个体数据准备金模型中大都没有考虑保单合同之间的相依性.本文假设相同事故年的保单产生的索赔具有某种共同效应导致的相依情形,通过建立个体数据准备金的分层贝叶斯模型,利用信度理论的思想,得到每个事故年的准备金估计,从而得到总准备金的估计.进而,讨论了发展因子和结构参数的估计及其相应的统计性质.最后,给出数值例子表明本文给出的准备金估计的计算方法,并且比较了个体数据和聚合数据下准备金估计的均方误差.     

异常值和未知观测噪声鲁棒的卡尔曼滤波器

给出了对异常值和未知分布的观测噪声鲁棒的卡尔曼滤波器。分析表明当以Huber损失函数替代推导卡尔曼滤波器最大后验准则中观测误差的l₂范数时, 就构造了一个新的准则。由于Huber损失函数可同时描述l₁和l₂范数, 因此由这个新准则推导的卡尔曼滤波器, 在具有传统卡尔曼滤波器性质的同时, 也有了l₁范数对异常值鲁棒的特性。而当含异常值的观测噪声统计分布未知时, 利用含未知参数的高斯混合模型描述其分布以及变分贝叶斯推理, 提出了对异常值和未知统计分布观测噪声鲁棒的卡尔曼滤波器。仿真和实验在验证了分析结果正确的同时, 也表明提出算法的性能优于现有文献报道鲁棒类的卡尔曼滤波器。     

基于改进的深度卷积神经网络的人脸疲劳检测

针对疲劳驾驶检测问题,提出一种以softmax损失与中心损失相结合的深度卷积神经网络算法。首先,利用含有方向的梯度直方图(histogram of oriented gridients,HOG)和级联分类器(support vector machine,SVM)算法的Dlib库中预训练的人脸检测器,来检测驾驶员的脸部区域。其次,使用级联回归(ensemble of regression trees,ERT)算法实现脸部68个关键点标定及眼睛和嘴巴的定位。最后,为了优化softmax损失在深度卷积网络分类中出现的类内间距大的问题,加入中心损失函数,提高类间差异性、类内紧密性以及驾驶员脸部疲劳状态识别准确率。在自建测试集和YawDD哈欠数据集中的实验结果显示,该方法能够准确地识别检测驾驶员疲劳表情,平均识别准确率达到98.81%。与传统的疲劳驾驶检测识别方法相比,该方法可以自动进行疲劳特征提取,并且训练准确率、检测识别率及鲁棒性得到提高;与未改进的深度卷积网络相比,检测识别的概率平均提高了约5.09%。     

非牛顿流体充填料浆的管输摩擦阻力预测

在矿山充填采矿中,充填料浆在管道输送中的阻力损失计算是一重要环节.为探索采用摩擦阻力系数模型简单高效地预测充填料浆管输阻力损失的方法,按照流态分类,总结了7种常用的非牛顿流体的摩擦阻力系数模型,结合一个具体案例分析讨论了模型的正确使用.结果显示,选取模型时必须先考虑工程实际的流体类型和流态;对于最常见的宾汉塑性体的层流运动,使用Darby-Melson模型和Swamee-Aggarwal方程可近似替代Buckingham-Reiner方程,其预测的沿程阻力损失与实际监测十分吻合,是宾汉塑性体层流流动首选的阻力预测模型,而Danish-Kumar模型则过低估计阻力值,适合赫德数较大的流体.实际监测中的速度、沿程阻力波动原因与料浆配比的波动、骨料变异性、料浆非均匀性和充填采场倍线大小等因素密切相关且不可避免.对于层流紊流过渡区流体的沿程阻力预测仍是工程难题.     

突扩断面流道压力损失分析

突扩断面流道是各类液压元件的基本结构形式,流体流经突扩断面流道时将产生压力损失,现有设计资料往往将这类压力损失视为与雷诺数(Re)无关的常值。采用理论分析方法,将流体流经突扩断面的总压力损失系数分解为近似理论值、与突扩断面对上游流速扰动对应的压力损失系数、与上游流道实际壁面摩擦对应的压力损失系数、与下游流道实际壁面摩擦对应的压力损失系数以及与突扩断面两侧压差对应的压力损失系数等5个组成部分;采用CFD模拟方法,研究了Re对总压力损失系数的影响规律。结果表明,存在临界雷诺数Re_(cr),当实际Re低于Re_(cr)时,总压力损失系数不再是一常值而随Re反比变化;在低Re时,与突扩断面两侧压差对应的压力损失系数是总压力损失系数的主要成分;而在高Re时,近似理论值及与下游流道实际壁面摩擦对应的压力损失系数是总压力损失系数的主要成分。提出的理论分析方法及数值模拟结果可为各类液压元件中过液孔道的结构优化奠定有益基础。