【摘 要】
:
由于真实世界中的复杂数据经常能够被表示成李群结构,文章设计了一个以李群特征作为输入的深度网络架构,以此利用深度学习强大的特征表示能力来进行模式识别等任务.在构建李群深度神经网络的过程中,为了保证在优化时李群特征能够被限定在微分流形的结构上,提出了适用于李群特征的深度学习算法.算法在特征学习的过程中不仅能够保证不损失数据流形结构的信息,同时也限定了参数优化的假设空间.基于李群特征的深度学习算法在CIFAR-BW和MNIST数据集上,通过为静态图像设计辐条模型的李群特征,实验结果表明算法在较少次数的迭代下就能
【机 构】
:
苏州经贸职业技术学院 信息技术学院,江苏 苏州215009;苏州大学 江苏省计算机信息处理技术重点实验室,江苏 苏州 215006;苏州大学 计算机科学与技术学院,江苏 苏州 215006
论文部分内容阅读
由于真实世界中的复杂数据经常能够被表示成李群结构,文章设计了一个以李群特征作为输入的深度网络架构,以此利用深度学习强大的特征表示能力来进行模式识别等任务.在构建李群深度神经网络的过程中,为了保证在优化时李群特征能够被限定在微分流形的结构上,提出了适用于李群特征的深度学习算法.算法在特征学习的过程中不仅能够保证不损失数据流形结构的信息,同时也限定了参数优化的假设空间.基于李群特征的深度学习算法在CIFAR-BW和MNIST数据集上,通过为静态图像设计辐条模型的李群特征,实验结果表明算法在较少次数的迭代下就能够收敛到较为理想的结果.“,”Since complex data in the real world can often be represented as Lie group structures, this paper designs a deep network ar-chitecture with Lie group features as input, so as to make use of the powerful feature representation ability of deep learning for pat-tern recognition and other tasks. In the process of constructing Lie group deep neural network, in order to ensure that Lie group fea-tures can be restricted to the structure of differential manifold during optimization, a deep learning algorithm suitable for Lie group features was introduced. In the process of feature learning, the algorithm can not only ensure that the information of data manifold structure is not lost, but also limit the assumption space of parameter optimization. The deep learning algorithm based on Lie group features is applied to CIFAR-BW and MNIST data sets, and the Lie group features of the spoke models are designed for static imag-es. The experimental results show that the proposed algorithm can converge to a more ideal result in fewer iterations.
其他文献
针对图论中广义棱柱的概念和众多研究成果,作为推广,提出了两个有向图的广义棱柱的概念,研究了这类图的超欧拉性质.基于广义棱柱概念中置换的性质,给出了一种判断广义棱柱是超欧拉有向图的有效工具.证明了两个超欧拉有向图的广义棱柱是超欧拉有向图,另外给出了一类由有向可迹图和超欧拉有向图所构造的广义棱柱是超欧拉有向图的一个特征刻画.
针对HIV研究中病毒载量出现反弹和左删失以及CD4细胞数目离散的情况,利用半参数非线性混合效应模型拟合病毒载量,广义线性混合模型拟合CD4细胞数目,并与变点模型联合建模,采用贝叶斯方法对联合模型中的参数进行估计.实例分析表明对于病毒的估计,联合贝叶斯方法中第一阶段递减率β2=60.26>0且远远大于β4,说明半参数非线性混合效应模型的参数估计值是合理的.
不确定性理论有广泛的应用和重要的影响.文章将不确定性理论中的粗糙集理论应用到量子B-代数中.考虑了(线性序)量子B-代数的粗糙子代数,证明了量子B-代数上的子代数是粗糙子代数.然后,研究了格序量子B-代数的粗糙正规q-滤子.证明了量子B-代数上正规q-滤子是粗糙正规q-滤子.为了研究格序的量子B-代数,借助单位元将量子B-代数分为三类,给出了并和交运算的具体形式.研究了格序量子B-代数上粗糙正规q-滤子的同态像.此外,将粗糙集理论应用于一类特殊的量B-代数—CKL-代数中,通过选择合适的蕴含算子,证明了粗
超图的边连通性与超网络的容错性密切相关,是一个判断超网络可靠性的经典指标.一个连通超图H的边连通度λ(H)是超图H的所有边割中最小边割的大小.用δ(H)表示超图H的最小度,称满足条件λ(H)=δ(H)的超图为最大边连通的.文章用最大度和直径给出了r-一致超图的边连通度的一个下界.进一步获得了r-一致超图是最大边连通的一个充分条件.
文章研究了带有外部干扰的二阶非匹配非线性多智能体系统的领导跟随滞后一致性问题.值得注意的是,在所考虑的系统中,非线性存在于所有状态的动态特性中.为了处理非匹配非线性项和干扰项,将自适应控制方法与反步控制方法相结合设计了新的分布式状态反馈控制器.与现有研究相比,文章所考虑的具有外部干扰的非匹配非线性多智能体系统模型能更好地刻画实际系统动态特性,滞后一致性问题更符合实际的网络通信环境.最后,通过一个仿真实例说明了所提结果的有效性.
在传统的文本情感分类中,通常假设数据是独立同分布的,但对于舆情时序数据,文本的情感分布处在一个不断变化的环境中,未必都服从独立同分布的假设,因此,仅在历史数据上训练的分类器无法在新到来的数据上取得令人满意的分类效果.针对这一问题,文章提出一个基于特征融合的时序文本情感分类模型.该模型在多段时间连续的数据上训练多个BERT模型,用于抽取各时段文本的源域特征、目标域特征和综合域特征,并将这些特征按时间顺序输入一个双向GRU网络中进行融合,从而得到更加准确的文本情感分类特征表示.通过在真实的舆情时序文本数据集上
为了寻找较优的铣削参数,利用改进的帝王蝶优化算法(monarch butterfly optimization,MBO)对铣削加工模型求解,得到优化后的铣削参数.通过建立铣削加工的数学模型,将实际加工时的约束条件引入到模型中.为了对模型求解,在传统的MBO算法中加入粒子群算法(particle swarm optimization,PSO)和差分进化算法的思想,并将其改进用于处理多目标优化问题.用改进后的MBO算法对铣削加工模型进行寻优求解.实验表明,经过优化计算得到的铣削参数值相比经验值可以显著降低生产
文章主要研究一类三种群反应扩散竞争系统最小波速线性决定的问题.首先,将系统转化为合作系统,再利用上下解方法建立了该系统最小波速线性决定的一般判别法则.其次,通过构造精确的上下解得到最小波速是线性决定的充分条件.文章的结果扩展了使得最小波速是线性决定的参数的范围,补充了已有的结果.
文章研究拒绝服务攻击(Denial-of-service,DoS)下含有负荷扰动的多区域互联电力系统的负荷频率控制(Load frequency control,LFC)问题.首先,将可再生能源与电动汽车充电系统引入电力系统中,有效补偿负荷扰动对电力系统稳定性的影响.考虑到经通讯网络传输的控制信号易遭受时延和DoS攻击的破坏,建立带有攻击切换的闭环LFC系统模型.利用Lyapunov-Krasovskii稳定性理论给出互联电力系统的稳定性判据以及切换控制器的设计方法.最后,通过三区域互联电力系统验证了所提
针对基本麻雀搜索算法抗局部最优能力弱的问题,提出一种混合正弦余弦算法和Lévy飞行的麻雀算法(ISSA).首先,在发现者位置更新方式中融合正弦余弦算法思想并引入非线性动态学习因子,平衡局部和全局的开掘能力,并加快收敛速度;然后,在跟随者位置更新方式中引进Lévy飞行策略,对当前最优解进行扰动变异,加强局部逃逸能力;最后,基于8个基准测试函数进行性能测验.实验结果表明ISSA与其余四种算法相比,寻优精度至少提升了49个数量级,求解效率得到较大提升.