基于生成型深信度网络的回归算法鲁棒性分析

目前,深度学习在分类问题中取得了很多很好的效果,并开始在部分回归任务得到应用。然而,绝大部分研究重点都集中在相对其他回归算法的预报精度上,而忽视了有实际应用需求的回归算法预报鲁棒性问题。首先基于受限的玻尔兹曼机建立了一个具有3个隐含层的生成型深信度网络多步预测模型;然后,建立了基于单隐含层神经网络、三个隐含层的神经网络以及单核支持向量的典型多步预测模型,并利用4组宁夏地区不同季节的风速数据进行回归算法的稳定性对比实验。实验结果显示,基于受限玻尔兹曼机建立的具有三个隐含层的深信度网络模型的多步预报误差的均值和方差都是最小的。因此,基于生成型深信度网络的回归模型不仅预报精度高,而且此预报算法的鲁棒性也比较好;相对其他三种典型回归算法来说,可以更好地满足风电场风速预报问题的实际工程应用需求。     

基于限制玻尔兹曼机的无极性标注情感分类研究

已有的网络评论情感分类算法都需要手工标注词汇情感倾向,然而网络评论具有表达形式自由、模式多变、词汇更新速度快等特点,手工标注的方式适应能力较低。为解决上述问题,结合限制玻尔兹曼机和相似差异向量运算,通过降低向量相似度,强调其差异性的方式,提出基于限制玻尔兹曼机的无词汇标注情感分类算法。实验表明,该算法虽褒义精确度稍低于支持向量机,但是在贬义精确度上优于支持向量机,并且不需要进行词汇情感倾向标注,降低了算法的复杂度,提高了泛化能力。     

向量玻尔兹曼机

提出了一个用以处理人工神经网络多状态问题的向量玻尔兹曼机模型，由ｍ个二值状态有序的子神经元组成的向量神经元，可以用来描述一个单元上２＾ｍ个不同状态，研究了这一类向量二值网络的结构以及它类似于普通玻尔兹曼机的演化规则，结果表明，由子神经元组成的每个子网络都是通常的玻尔兹曼机，向量玻尔兹曼机是由这些子网络耦合而成的，这个模型不仅能够大大降低处理多状态问题时网络的规模，而且可以将普通玻尔兹曼机的渐近性质     

基于浸没边界和格子玻尔兹曼的流固耦合算法

为将格子玻尔兹曼方法(LBM)用于土木工程结构的气动弹性计算,提出了一种基于浸没边界-格子玻尔兹曼(IB-LB)方法的流固耦合算法.该算法在多松弛时间格式的格子玻尔兹曼框架下构造大涡模拟作为流场求解器;采用龙格-库塔法求解结构运动方程.为满足流固耦合面的无滑移性并提高算法的计算精度,采用一种迭代格式的浸没边界实施流固耦合面的数据交换.基于流固耦合算法编制分析程序对矩形断面的横向风振和福斯桥的颤振等气动弹性问题进行了模拟.与现有试验及数值结论的对比分析表明:本文算法可以较准确地预测矩形断面的涡振锁定风速、驰振临界风速及福斯桥的颤振临界风速.     

融合词频-逆向文件频率的受限玻尔兹曼机推荐算法

针对数据稀疏性导致推荐算法准确度不高的难题,提出一种融合词频-逆向文件频率(Term frequency-inverse document frequency, TF-IDF)的受限玻尔兹曼机(Restricted Boltzmann machine, RBM)推荐算法,利用受限玻尔兹曼机构建用户项目二维评分矩阵,利用余弦相似度计算方法得出初始推荐评分,最后融合词频-逆向文件频率算法生成最终推荐结果集。对MovieLens1M的电影评分数据进行实验,结果显示,该文提出的混合推荐算法的平均绝对误差(Mean absolute error, MAE)和均方根误差(Root mean square error, RMSE)分别为0.602 8和0.622 5,比传统受限玻尔兹曼机分别提高3.22%与6.06%,也优于对照混合推荐模型的准确率。该算法能提高用户评分预测精度,进一步提升推荐质量。     

大数据时代的车牌汉字识别

在大数据时代, 交通信息成为网络数据量最大的数据来源之一, 智能交通成为必然需求. 车牌识别是智能交通的基础, 可广泛应用于车库管理、交通监控等工程中, 然而识别的准确率还有待加强, 已有算法对于字母、数字的识别准确率都非常高, 而对于中国特有的汉字识别却效果不佳. 提出用受限玻尔兹曼机组成的深信度网络算法来识别车牌字符, 大大提升了汉字识别的准确率, 使准确率达到99.44%.     

一种基于深度玻尔兹曼机的半监督典型相关分析算法

从模式分类的角度出发,针对典型相关分析(canonical correlation analysis,CCA)算法不适应于高层次关联的缺陷,提出了改进算法。将深度学习理论与典型相关分析算法相结合,基于深度玻尔兹曼机理论提出了一种半监督典型相关分析算法。通过深度玻尔兹曼机提取出样本的显层特征与隐层特征,结合已标注样本的监督信息,构造出最有效的鉴别特征。依据ORL、Yale和AR人脸数据库进行仿真实验,实验结果表明:本文算法与其他的方法相比,具有更好的识别效果。     

利用深度玻尔兹曼机与典型相关分析的自动图像标注算法

提出一种基于深度玻尔兹曼机与典型相关分析的自动图像标注算法(DBM-CCA)。该算法利用深度玻尔兹曼机实现图像与文本的低层次特征向稀疏高层次抽象概念的转变,并通过典型相关分析建立子空间映射关系以实现标注词汇的生成。首先在深度玻尔兹曼机提取图像与文本高层特征过程中,选用伯努利分布和高斯分布分别拟合标注词汇和图像特征,然后在图像与标注词汇高层特征形成的典型变量空间内计算待标注图像与训练集图像的马氏距离并据此加权计算得到高层标注词汇特征,最后由平均场估计生成图像标注词汇。实验结果表明,所提算法对图像的标注准确率改善较好,与经典的基于监督的多类标签方法和多重伯努利相关模型相比,在Corel5K实验中平均查准率和查全查准均率分别提高了10%和5%。     

MMSE准则下基于玻尔兹曼机的快速重构算法

全连接的玻尔兹曼机模型可全面描述稀疏系数间统计依赖关系,但时间复杂度较高.为了提高基于玻尔兹曼机的贝叶斯匹配追踪算法(BM-BMP)的重构速度和质量,本文提出一种改进算法.第一,将BM-BMP算法的最大后验概率(MAP)估计评估值分解为上一次迭代的评估值与增量,使得每次迭代仅需计算增量,极大缩短了计算耗时.第二,利用显著最大后验概率估计值平均的方式,有效近似最小均方误差(MMSE)估计,获得了更小的重构误差.实验结果表明,本文算法比BM-BMP算法的运行时间平均缩短了73.66%,峰值信噪比(PSNR)值平均提高了0.57 dB.     

基于深度信念网络的轮机实操智能评估方法

结合我国推进船员实操评估电子化、智能化的任务,提出基于深度信念网络的轮机实操智能评估方法.针对轮机实操评估的特点,给出了确定网络层次结构的具体方法.在提取大量的实操数据作为训练数据的基础上,通过逐层贪婪训练算法对限制玻尔兹曼机逐层训练,最后经BP算法对网络微调后形成评估模型.在仿真实验中,分别对带回归模块的深度自编码网络、BP神经网络和该模型的预测效果进行对比验证.结果表明,该模型评估效果比较客观、公正,评估误差最小,且避免了多层神经网络过早陷入局部最优的问题.     

基于深度置信网络的语义相关度计算模型

语义相关度是问答系统等领域的关键技术之一,目前的相关度计算方法往往对语义因素考虑不全,造成计算结果的准确度不足。由受限玻尔兹曼机构造的深度置信网是一种深度学习模型,能模仿人类大脑抽象语义特征,由此提出了一种基于深度置信网络的语义相关度计算模型。首先,对组成模型的受限玻尔兹曼机进行介绍;然后,详细阐述了模型的构建及其训练和微调过程;最后,通过对比实验验证了提出的计算模型相对基准方法在评价指标上获得了更好的效果。     

基于受限玻尔兹曼机的Web服务质量预测方法

针对协同过滤算法无法有效处理数据稀疏的问题,提出1种基于受限玻尔兹曼机的Web服务质量(QoS)预测方法;第1阶段使用受限玻尔兹曼机模型对所有缺失的QoS值进行预测,并对原始的QoS矩阵进行填充;在第2阶段基于该QoS矩阵进行全局邻居筛选,同时将受限玻尔兹曼机引入到用户近邻的协同过滤模型中,以预测目标QoS值。研究结果表明:该方法能提高QoS预测精确度,在一定程度上降低数据稀疏对预测的影响。     

伤不起的天才

正天才都是些智商(IQ)超群的人,但他们的情商(EQ)和逆境商数(AQ)却未必很高,甚至远远低于常人。有的天才因此在人生特别不如意时选择自杀,为这个世界留下了莫大的遗憾。路德维希·玻尔兹曼(Ludwig Boltzmann)是奥地利有史以来最伟大的科学家之一,在热力学和统计物理学领域做出了奠基性的贡献,其中包括玻尔兹曼常数、玻尔兹曼分布和玻尔兹曼方程。他出生于1844年2月20日,19岁那年考入维也纳大学,22岁获得物理学博士学位,25岁成为奥地利格拉茨大学正教授,43岁被任命为格拉茨大学校长。玻尔兹曼在格拉茨不仅事业有成,而且收获了甜蜜的爱情,组建了幸福的家庭,共育有二子三女。可惜智商极高的他却在晚年卷入了与哲学家的论战而不能自拔,最终由于性格和情商的缺陷输给了自己。     

关于玻尔兹曼统计

1.引言玻尔兹曼统计是在麦克斯韦关于气体分子速度分布律的工作的基础上第一次对近独立粒子体系提出的平衡态统计力学理论。此后,吉卜士的工作虽然进一步奠定了平衡态统计力学的新的基础,并且,达尔文与否勒的方法利用平均值的计算克服了玻尔兹曼方法中应用史特令公式所带来的数学上的缺点,然而,玻尔茲曼方法中关于最可几分布的概念,仍然具有重要的意义。本文的目的有二:一是阐明玻尔兹曼统计的等几率假设的正确意义,指出有些作者的错误所在,二是说明玻尔兹曼关系     

玻耳兹曼和萨哈玻耳兹曼法测量Ti等离子体电子温度的实验研究

电子温度是表征激光等离子体特性的主要特征参数,对等离子体电子温度的诊断可进一步深入理解等离子体内部的反应机制及其变化过程．激光诱导击穿光谱技术（LIBS）作为一种新型的等离子体诊断技术,可应用于等离子体各种性质的研究和参数的诊断．大气压环境下产生的等离子体一般被看作处于局域热平衡状态,可以用玻尔兹曼或萨哈玻尔兹曼法确定电子温度．笔者介绍了玻尔兹曼和萨哈玻尔兹曼确定电子温度的两种方法,通过对实验得到的Ti等离子体发射光谱分析,发现两种方法得到的电子温度往往存在差异,且在玻尔兹曼法中利用中性原子和离子得到的电子温度也往往不同,在文章中对这些差异进行了解释．     

一种基于禁忌神经网络的网络入侵检测模型

随着互联网的发展和普及,传统网络入侵防范方法如防火墙、数据加密等已经很难保证系统和网络资源的安全。为此,本文设计了基于改进禁忌算法和神经网络的网络入侵检测方法。首先建立三层的BP神经网络模型用于实现入侵检测。然后通过BP反向传播算法获取网络的权值和阀值等参数,并设计了一种基于双禁忌表的改进禁忌优化算法,采用此改进的禁忌优化算法对BP算法优化得到的权值和阀值进行进一步寻优。最后,将禁忌算法优化后的神经网络用于网络入侵检测。仿真实验表明,此方法能够有效地实现网络入侵检测,具有较快的收敛速度和较高的检测率,是一种适合网络入侵检测的可行方法。     

玻尔兹曼常数实验数据处理方法

本文通过PN结的电流电压的特性关系,采用线性回归、乘幂回归、指数回归三种拟舍方法确定了电流与电压间的指数关系,从而精确计算了玻尔兹曼常数。并着重介绍应用Excel软件对玻尔兹曼常数测定实验的数据分析处理方法。使复杂的计算过程及抽象的实验现象变得简单且直观。     

一种基于禁忌神经网络的网络入侵检测模型

随着互联网的发展和普及,传统网络入侵防范方法如防火墙、数据加密等已经很难保证系统和网络资源的安全。为此,本文设计了基于改进禁忌算法和神经网络的网络入侵检测方法。首先建立三层的BP神经网络模型用于实现入侵检测。然后通过BP反向传播算法获取网络的权值和阀值等参数,并设计了一种基于双禁忌表的改进禁忌优化算法,采用此改进的禁忌优化算法对BP算法优化得到的权值和阀值进行进一步寻优。最后,将禁忌算法优化后的神经网络用于网络入侵检测。仿真实验表明,此方法能够有效地实现网络入侵检测,具有较快的收敛速度和较高的检测率,是一种适合网络入侵检测的可行方法。     

基于改进深度置信网络的木板表面缺陷检测模型

为了提高木板表面缺陷检测精度,采用连续型深度置信网络(DBN)建立木板表面缺陷检测模型。首先,对待检测的木板图片进行关键特征提取,并建立DBN检测模型。然后,将木板图片特征输入DBN的多个受限玻尔兹曼机(RBM)层进行深度训练,从而利用DBN的深度优势来获得木板表面缺陷检测结果。最后,引入人工蜂群(ABC)算法对DBN的权重参数进行优化从而缩短训练时间。实例测试实验结果表明：选择学习速率为0.075时,ABC-DBN算法在划痕、刮痕、裂缝、崩缺4类样本集中的均方根误差(RMSE)均值性能更优。采用卷积神经网络(CNN)、快速区域卷积神经网络(Faster R-CNN)、自适应增强卷积神经网络(AdaBoost-CNN)和ABC-DBN算法分别进行检测准确率对比实验。结果显示,ABC-DBN算法检测准确率RMSE为5.067×10^-2,是最优结果,Adaboost-CNN算法次之,CNN算法最差。     

一种适用于异构网络的TCP New Vegas算法

TCP Vegas是运输层的一种可靠算法,但是在无线网络中不能最高效率的占用网路带宽,使得数据传输受到限制,不适合在无线网络中传输。对TCP Vegas算法进行改进,提出了一种适用于异构网络的TCP New Vegas算法。该算法将diff控制在两个动态门限值a,b之间,根据a,b两个动态门限值的设定,可有效的提高算法的拥塞窗口及吞吐量。以无线传感器网络接入第三代移动通信网络为仿真背景,对该算法进行了仿真实验。仿真结果表明,改进后的TCP New Vegas算法具有较大的拥塞窗口和较高的吞吐量,更适合应用于异构网络中数据的传输。