梯度下降
梯度下降的相关文献在1996年到2023年内共计466篇,主要集中在自动化技术、计算机技术、无线电电子学、电信技术、电工技术
等领域,其中期刊论文249篇、会议论文6篇、专利文献19364篇;相关期刊167种,包括黑龙江科技信息、电子世界、信号处理等;
相关会议5种,包括第十五届全国信号处理学术年会、2007全国理论计算机科学学术年会、第五届中国人工智能联合学术会议等;梯度下降的相关文献由1303位作者贡献,包括刘少礼、郭崎、陈云霁等。
梯度下降—发文量
专利文献>
论文:19364篇
占比:98.70%
总计:19619篇
梯度下降
-研究学者
- 刘少礼
- 郭崎
- 陈云霁
- 陈天石
- 傅启明
- 刘楠
- 尤肖虎
- 张旭
- 张海君
- 徐彦
- 李海峰
- 杜卓晨
- 潘志文
- 皇甫伟
- 秦雯
- 罗辛
- 胡小永
- 董德尊
- 高伟
- 齐慧欣
- 龚旗煌
- 乔俊飞
- 于恩达
- 于飞
- 付雪峰
- 刘全
- 刘邱云
- 吴根秀
- 宋英麟
- 廖湘科
- 张亚
- 张高远
- 徐叶茂
- 文红
- 李志华
- 李敬春
- 束锋
- 梁永辉
- 王三宏
- 王鑫
- 王钦若
- 茹滨超
- 赵志强
- 陈建平
- 韩红桂
- 鲜斌
- 丁宏恩
- 丁建立
- 丁杰
- 万文博
-
-
刘克;
顾佼佼;
陈健;
孟春英
-
-
摘要:
为提高空中侦察取证的自动化、智能化水平,提出基于深度学习与FPGA软硬件协同设计开展空中侦察取证自动目标分类。多渠道收集整理军机数据集,利用深层神经网络模型开展自动识别,验证自动目标分类可行性,并部署至FPGA开发评估板进行准确率、吞吐量等性能验证。实验结果证明:多种网络模型均可有效实现空中侦察取证目标的自动分类,并具备较高的吞吐量与准确率,时效性可满足战场实际需要。
-
-
高怡;
李东航
-
-
摘要:
获得精准的姿态角信息是四旋翼飞行器控制研究的关键。针对传统算法对四旋翼飞行器高速运动过程的姿态解算精度较低的问题,提出一种基于梯度下降的自适应变步长姿态融合算法。该算法可根据运动加速度的大小自适应地调整对加速度计测量数据的信任程度,从而提高姿态解算精度。实验结果表明,在解算姿态航向参考系统实验设备的偏航角时,自适应梯度下降算法的解算精度较传统互补滤波算法和梯度下降算法分别提高了0.557°和0.708°。
-
-
陈善雄;
朱世宇;
熊海灵;
赵富佳;
王定旺;
刘云
-
-
摘要:
在中国,彝文古籍文献日益流失而且损毁严重,由于通晓古彝文的研究人员缺乏,使得古籍恢复工作进展十分缓慢.人工智能在图像文本领域的应用,为古籍文献的自动修复提供可能.本文设计了一种双判别器生成对抗网络(Generative adversarial networks with dual discriminator,D2GAN),以还原古代彝族字符中的缺失部分.D2GAN是在深度卷积生成对抗网络的基础上,增加一个古彝文筛选判别器.通过三个阶段的训练来迭代地优化古彝文字符生成网络,以获得古彝文字符的文字生成器.根据筛选判别器的损失结果优化D2GAN模型,并使用生成的字符恢复古彝文中丢失的笔画.实验结果表明,在字符残缺低于1/3的情况下,本文提出的方法可使文字笔画的修复率达到77.3%,有效地加快了古彝文字符修复工作的进程.
-
-
娄联堂;
汪然然
-
-
摘要:
研究了一种基于数字图像连续表示的图像分割方法.首先根据机器学习模型的性质,将二维图像的分割问题转换为连续泛函的优化问题;其次利用数字图像的连续表示探讨连续泛函的数学表达式,使其能够表示基于深度学习的图像分割过程;接着通过建立连续泛函的约束条件,将优化问题转化为线性方程组求解的问题;最后利用梯度下降求解方程组,以实现复合绝缘子憎水性图像的分割.
-
-
丁慧慧;
邵婷婷;
乔曦
-
-
摘要:
井斜角与方位角是井眼轨迹计算中的主要测量参数,然而与常规井斜时方位角误差相比,小角度井斜下测斜仪的方位角测量误差更大。为了提高测斜仪在小角度井斜下的方位角测量精度,基于BP神经网络算法对5°~10°小角度井斜下方位角的测量进行了补偿。文中以标准井斜角和实测方位角构成的二维向量作为输入,以标准方位角构成的一维向量作为输出,建立了双入单出网络模型。采用随机选取的方式将学习样本分为训练集与测试集,使网络具有较好的泛化能力。仿真测试结果表明,该BP神经网络误差校正模型运行稳定,补偿精度达到10^(-6),可将小角度井斜下方位角的测量精度从±5.3°提高至±1.7°以内。
-
-
郭明霄;
王宏伟;
王佳;
李昊哲;
杨仕旗
-
-
摘要:
针对采用传统梯度下降算法训练卷积神经网络收敛速度慢的问题,提出了动量分数阶梯度下降算法。介绍了分数阶微积分的定义,并依据问题描述,通过算法推导,将整数阶梯度下降算法中的动量思想应用到分数阶梯度下降算法中,设计出动量分数阶梯度下降算法。使用测试函数验证算法的收敛性,并分析不同分数阶阶次和动量项系数对算法收敛性的影响。在三个数据集上使用动量分数阶梯度下降算法与传统梯度下降算法、动量梯度下降算法作对比实验,实验数据表明,动量分数阶梯度下降算法可以在不同复杂程度的数据集上,在保证较高分类准确率的前提下,极大提高卷积神经网络的收敛速度,为训练卷积神经网络节省大量时间成本。
-
-
吴兰;
张亚可;
龚利爽;
李斌全
-
-
摘要:
针对现有联邦学习同步更新模型不易实现,以及客户端数据分布差异较大时服务器集中融合客户端模型将带来负效应,导致全局模型性能较差的问题,提出了一种基于移动式服务器的联邦学习框架。首先在客户端使用梯度下降法,在服务器则基于模型知识迁移提出移动式联邦融合算法,实现移动异步更新。其次基于移动式服务器的联邦学习框架构建个性化联邦学习机制,解决非独立同分布(non independent and identically distributed,Non-IID)设置时客户端本地模型分类性能较低的问题。最后在3种基准数据集上进行仿真验证,结果表明,与现有方法对比,所提算法实现全局模型分类的精度及所需的通信轮数均优于基线方法。
-
-
苏颜;
张珍;
林庆达;
侯剑;
吴燕
-
-
摘要:
针对电力调度机构对短期负荷预测的精度日益提高的问题,文中应用BP神经网络算法对电力负荷进行了短期预测,该方法模拟了人类大脑神经的功能,对收集到的样本数据进行处理和储存。在已经建立完成的负荷预测模型的基础上,分别收集预测区域的温度、气象等相关数据信息,进而确定所需训练的样本;对上述数据进行归一化处理,经过神经网络正向与反向传递得到期望值;应用BP神经网络算法优化实现了负荷预测模型,以某区域典型日负荷曲线为例进行实验测试,预测数值分析比对结果验证了所提算法的有效性和精确度。
-
-
周慷;
温立超;
王蒙蒙;
廖旻;
沈方雷
-
-
摘要:
为了减小线损所带来的风险,采用梯度算法,构建电网台区线损状态自动识别模型。架构用于描述电网台区系统的无向连通图,近似描述母线线损率,根据最优化问题的强对偶性,推导出对偶优化问题,完成梯度计算。依据对应台区与电力数据服务器,提取状态异常线损相应台区特征,构建指标体系,经过聚类分析线损状态异常的电网台区,挖掘有效规则,令各类聚类分析输出分群结果与线损状态异常诱因相互对应,更新模型参数后,完成线损状态自动识别模型的建立。实验结果表明,本文构建模型具有较高的有效性与精准度,具有优越的应用性能。
-
-
王祖斌;
王鑫
-
-
摘要:
提前获悉申请职位的录用结果,对求职者而言,可以合理地规划工作安排,有效减少时间成本。利用线性回归算法,通过对某公司招聘历史数据的学习,使得生成的算法模型可以根据某人入职考核成绩,比较合理地给出录用结果,在某公司Offer申请结果预测任务中具有一定的实用价值。
-
-
孙健;
张雄伟;
孙新建
- 《第十五届全国信号处理学术年会》
| 2011年
-
摘要:
量子神经网络是一种借鉴量子理论中的态叠加思想而设计的单隐层前馈神经网络,其主要用于数据分类。由于采用多层激励函数神经元,并且在量子间隔训练中采用了新的目标函数,即同类输入数据的隐层节点输出方差最小,从而使量子神经网络具备了发掘不同类别数据间模糊性的能力。但由于训练时对量子神经网络权值和量子间隔使用了不同的目标函数,使迭代过程中两者不可避免的会出现相互冲突,从而导致训练迭代次数的增加和网络性能的下降。本文借鉴约束优化理论,在两个目标函数的梯度下降求解中引入了惩罚函数,提出了一种新的量子神经网络训练算法,消除了两个目标函数间的冲突。实验结果表明,本文提出的训练算法可以显著提升训练的速度和网络的性能。
-
-
刘邱云;
付雪峰;
吴根秀
- 《2007全国理论计算机科学学术年会》
| 2007年
-
摘要:
针对训练模式类标签不精确的识别问题,提出了基于可传递信度模型(TBM)的自适应k-NN分类器,它通过运用pignistic变换,可以方便地对待识别模式真正所属的类做出决策,并通过梯度下降来最小化训练模式的输出类标签与目标类标签之间的误差函数,以实现参数的自适应学习.实验表明,该分类器用于处理训练模式类标签不精确的模式识别问题是有效的,且与参数优化前的基于TBM的k-NN分类器相比,其误分类率更低、鲁棒性更强.
-
-
汪荣贵;
李守毅;
孙见青
- 《中国仪器仪表学会第九届青年学术会议》
| 2007年
-
摘要:
量子粒子群优化算法(QPSO)是一种基于群体的随机优化技术。与标准的粒子群优化算法(PSO)相比,QPSO更具全局搜索能力并具有较少的控制参数等优点。本文以QPSO技术取代传统BP神经网络学习算法中的梯度下降法,使改进后的神经网络具有良好的全局收敛性。将改进后的学习算法应用于人脸检测,实验结果表明该算法在此应用上是有效的。
-
-
-
韩文静;
李海峰;
马琳
- 《第十五届全国信号处理学术年会》
| 2011年
-
摘要:
维度语音情感识别(Dim-SER)是情感计算领域的一个新兴分支,它从多维、连续的角度看待情感,将SER问题建模为连续值的预测回归任务。当前的Dim-SER系统在进行情感预测时缺少对语料间情感程度相对顺序的考虑,严重影响了人机交互系统对说话人情感变化趋势的把握。从该需求出发,本文以人类情感认知特性为参照,构建了一个对情感程度相对顺序敏感的Dim-SER系统,并引入Gamma统计对SER系统性能评价标准加以完善。系统构建过程中,本文构造了Top-rank概率分布对语料间的情感顺序进行描述,并使用Kullback-Leibler距离对预测造成的顺序一致性损失进行度量,最后提出顺序敏感的神经网络算法实现系统预测损失的最小化。情感预测实验结果表明,同常用的k近邻算法和支持向量回归算法相比,该系统有效地提高了语料间情感程度相对顺序的正确性。
-
-
韩文静;
李海峰;
马琳
- 《第十五届全国信号处理学术年会》
| 2011年
-
摘要:
维度语音情感识别(Dim-SER)是情感计算领域的一个新兴分支,它从多维、连续的角度看待情感,将SER问题建模为连续值的预测回归任务。当前的Dim-SER系统在进行情感预测时缺少对语料间情感程度相对顺序的考虑,严重影响了人机交互系统对说话人情感变化趋势的把握。从该需求出发,本文以人类情感认知特性为参照,构建了一个对情感程度相对顺序敏感的Dim-SER系统,并引入Gamma统计对SER系统性能评价标准加以完善。系统构建过程中,本文构造了Top-rank概率分布对语料间的情感顺序进行描述,并使用Kullback-Leibler距离对预测造成的顺序一致性损失进行度量,最后提出顺序敏感的神经网络算法实现系统预测损失的最小化。情感预测实验结果表明,同常用的k近邻算法和支持向量回归算法相比,该系统有效地提高了语料间情感程度相对顺序的正确性。
-
-
韩文静;
李海峰;
马琳
- 《第十五届全国信号处理学术年会》
| 2011年
-
摘要:
维度语音情感识别(Dim-SER)是情感计算领域的一个新兴分支,它从多维、连续的角度看待情感,将SER问题建模为连续值的预测回归任务。当前的Dim-SER系统在进行情感预测时缺少对语料间情感程度相对顺序的考虑,严重影响了人机交互系统对说话人情感变化趋势的把握。从该需求出发,本文以人类情感认知特性为参照,构建了一个对情感程度相对顺序敏感的Dim-SER系统,并引入Gamma统计对SER系统性能评价标准加以完善。系统构建过程中,本文构造了Top-rank概率分布对语料间的情感顺序进行描述,并使用Kullback-Leibler距离对预测造成的顺序一致性损失进行度量,最后提出顺序敏感的神经网络算法实现系统预测损失的最小化。情感预测实验结果表明,同常用的k近邻算法和支持向量回归算法相比,该系统有效地提高了语料间情感程度相对顺序的正确性。
-
-
韩文静;
李海峰;
马琳
- 《第十五届全国信号处理学术年会》
| 2011年
-
摘要:
维度语音情感识别(Dim-SER)是情感计算领域的一个新兴分支,它从多维、连续的角度看待情感,将SER问题建模为连续值的预测回归任务。当前的Dim-SER系统在进行情感预测时缺少对语料间情感程度相对顺序的考虑,严重影响了人机交互系统对说话人情感变化趋势的把握。从该需求出发,本文以人类情感认知特性为参照,构建了一个对情感程度相对顺序敏感的Dim-SER系统,并引入Gamma统计对SER系统性能评价标准加以完善。系统构建过程中,本文构造了Top-rank概率分布对语料间的情感顺序进行描述,并使用Kullback-Leibler距离对预测造成的顺序一致性损失进行度量,最后提出顺序敏感的神经网络算法实现系统预测损失的最小化。情感预测实验结果表明,同常用的k近邻算法和支持向量回归算法相比,该系统有效地提高了语料间情感程度相对顺序的正确性。
-
-
韩文静;
李海峰;
马琳
- 《第十五届全国信号处理学术年会》
| 2011年
-
摘要:
维度语音情感识别(Dim-SER)是情感计算领域的一个新兴分支,它从多维、连续的角度看待情感,将SER问题建模为连续值的预测回归任务。当前的Dim-SER系统在进行情感预测时缺少对语料间情感程度相对顺序的考虑,严重影响了人机交互系统对说话人情感变化趋势的把握。从该需求出发,本文以人类情感认知特性为参照,构建了一个对情感程度相对顺序敏感的Dim-SER系统,并引入Gamma统计对SER系统性能评价标准加以完善。系统构建过程中,本文构造了Top-rank概率分布对语料间的情感顺序进行描述,并使用Kullback-Leibler距离对预测造成的顺序一致性损失进行度量,最后提出顺序敏感的神经网络算法实现系统预测损失的最小化。情感预测实验结果表明,同常用的k近邻算法和支持向量回归算法相比,该系统有效地提高了语料间情感程度相对顺序的正确性。
-