【摘 要】
:
误差在系统中是普遍存在的。在安全关键系统中,对误差的定量分析是必要的,而以往的推理验证方法较少考虑误差。误差通常用区间数来刻画,从而推广了线性断言,并给出了线性误差断言的概念。此外,结合凸集的性质,提出了求解线性误差断言顶点的具体方法,并验证了该方法的正确性。通过分析相关概念及定理,将判断线性误差断言之间的蕴含关系的问题转化为前驱断言的顶点是否被包含在后驱断言的零点集的判断问题,从而给出了判断线性
【机 构】
:
北京交通大学计算机与信息技术学院,中国科学院成都计算机应用研究所,广西大学计算机与电子信息学院,广西民族大学人工智能学院
【基金项目】
:
国家自然科学基金资助项目(61772006)。
论文部分内容阅读
误差在系统中是普遍存在的。在安全关键系统中,对误差的定量分析是必要的,而以往的推理验证方法较少考虑误差。误差通常用区间数来刻画,从而推广了线性断言,并给出了线性误差断言的概念。此外,结合凸集的性质,提出了求解线性误差断言顶点的具体方法,并验证了该方法的正确性。通过分析相关概念及定理,将判断线性误差断言之间的蕴含关系的问题转化为前驱断言的顶点是否被包含在后驱断言的零点集的判断问题,从而给出了判断线性误差断言的蕴含关系的具体方法步骤,且该方法易于在计算机上编程实现。最后,给出该方法在火车加速状态上的应用
其他文献
传统的零样本学习方法大多采用一个分离的两步管道,从预先训练的CNN模型中提取图像特征,再利用固定的图像特征来学习嵌入空间,导致零样本学习任务并不能捕捉到辅助信息中丰富的语义信息。对此,借助胶囊网络,提出一种端到端、可训练的模型。相比卷积网络,胶囊网络对物体的平移、旋转和缩放等变化表现出更强的鲁棒性。该模型赋予嵌入空间更强的泛化能力,为零样本学习提供了更多辅助线索,实验结果显示该方法优于现有的识别方
针对定性工业供应链销售预测方法中存在的精度低、非智能化且无法处理复杂样本等问题,提出一种基于高斯混合模型的工业供应链销售预测方法。分析真实销售数据的特征信息及特征间的相关程度;在不同聚类簇数和特征数的组合下利用训练数据集迭代计算模型参数;对测试数据集进行销售预测,通过比较预测结果的准确率、召回率和F值三个指标确定可实现较好结果的特征值与聚类簇数目。实验结果表明,与人工神经网络模型和卷积神经网络模型
针对YOLOv3在刑侦领域车辆目标检测中对远距离小目标检测效果较弱的问题,提出反卷积YOLOv3算法。对Darknet-53输出的小尺度特征图反卷积后与大尺度特征图进行特征融合,得到更多小目标的特征信息,用add代替concat进行特征融合从而增加描述图像每维度信息量;利用K-means++对车辆目标数据集聚类分析后重设预设框;在公安部重点实验室现场勘验图片库中与YOLOv3、SSD、Faster
针对场景解析图像中的像素点数量庞大且现有的分配方法复杂、费用高的问题,提出一种结合多类特征融合与迭代条件模式(Iterative Conditional Mode, ICM)目标函数优化的图像语义分割方法。通过区域生长算法提取输入图像的各个部分,根据全局一致性误差指标,从图像数据库中搜索相似图像;提取图像各部分多类特征并加权,通过迭代条件模式方法求解最小能量函数,实现为各个部分分配类别标签。利用数
为了提高铁路轨道线检测的准确率和速度,提出了一种基于深度卷积神经网络(CNN)和聚类的左右轨道线检测方法。首先,处理数据集的标注图像,将原标注图均匀分割成许多网格,每个网格局部区域的轨道线信息用一个像素点代替,从而构成缩小的轨道线标注图;然后,基于缩小后的轨道线标注图,提出了一种新的深度CNN用于轨道线检测;最后,提出一种聚类方法来区分左右轨道线。对于长宽都为1 000像素大小的图片,所提左右轨道
建立与垃圾种类相匹配的垃圾分类收运体系是确保垃圾分类制度有效实施的重要一步。生活垃圾分类收运问题属于车辆路径问题范畴。在垃圾分类收运模式下,考虑垃圾种类-车辆类型匹配关键因素,研究多种类垃圾多车型车辆路径优化问题。以车辆启动成本、运输成本之和最小化为目标,建立混合整数规划模型,利用遗传算法予以求解。通过算例仿真验证了模型及算法的有效性,在践行垃圾分类制度上具有实际应用价值。
作文自动评分(AES)技术能够自动地对作文进行分析和评分,其已成为自然语言处理技术在教育领域应用的热点研究问题之一。针对目前AES方法割裂了深层和浅层语义特征,忽视了多层次语义融合对作文评分影响的问题,提出了一种基于多层次语义特征的神经网络(MLSF)模型进行AES。首先,采用卷积神经网络(CNN)捕获局部语义特征,并采用混合神经网络捕获全局语义特征,以从深层次获取作文的语义特征;其次,利用篇章级
针对车联网冷链物流中转与配送目标可被关联的问题,提出一种可有效泛化这种关联,进而保护配送目标的隐私保护算法。基于属性基加密技术,利用车联网中车辆可相互通信这一特点,通过同属性车辆解密建立匿名车辆组;利用匿名车辆组实现关联和配送目标泛化,进而保护配送目标的隐私安全。通过性能分析从理论上证明了安全性和算法效率,利用模拟对比实验,进一步验证了该算法的优越性。
随着市场经济的不断发展,人力资源也逐渐受到社会各界的关注。在IT行业中,由于技术的快速发展与更新换代,企业内对高新技术人才的需求日益加大,企业间对稀缺人才的争夺呈现白热化状态。现有的管理学评估方法难以满足企业需求,为更高效地发掘GitHub中的软件开发人才,基于GitHub软件开发者编程能力、项目管理能力、学习能力、团队合作能力、技术影响力、敬业度建立软件开发者人力资源价值评估体系。使用CNN-L
提出一种改进随机森林算法(SP-RF)。通过建立数据抽样索引表和随机特征索引表来实现随机森林算法在Spark上的并行化;通过计算随机森林算法中每个决策树的AUC值来给分类能力不同的决策树分配权重;提高随机森林算法在投票环节的分类精度。实验结果表明改进后的随机森林算法分类精度平均提高5%,运行时间平均减少25%以上。