梯度算法

摘要： 若矩阵P∈C^(n×n)满足P^(H)=-P,则称P为斜埃尔米特矩阵。S^(n×n)表示所有复数域上n×n的斜埃尔米特矩阵构成的集合,即S^(n×n)={P_(S)|P_(S)^(H)=-P_(S)}。本文给出了2种求解线性矩阵方程AXB+CXD=F的梯度形松弛算法,证明了算法的收敛性,并且给出了算法收敛的一个充分条件。对于任意一个给定的初始斜埃尔米特矩阵,利用所提出的梯度形松弛算法,可以得到线性矩阵方程AXB+CXD=F的斜埃尔米特数值解。最后用2个数值实例说明所提出的算法的有效性。

摘要： 为实现对大型河道水下地形测量,提出基于全球导航卫星系统(GNSS)技术的大型河道水下地形测量方法。采用GNSS技术对大型河道水下地形进行网格化定位和信息采集,构建河道水下地形梯度模型;采用共轭梯度算法建立大型河道水下地形测量方程,通过重力梯度全张量数据融合的方法,计算河道的内侧地形分布参数;利用多个斜距建立误差方程组,根据层内声速线性变化,建立大型河道水下地形的声波检测模型,同时根据卫星定位结果,构建河道水下地形分布的谱特征信息,并采用梯度声线跟踪法,实现水下地形测量谱模型拟合。测试表明:使用该方法进行大型河道水下地形测量的精度较高,在不同深度下测量的稳定性较高;同时,对未来的研究工作进行展望。

摘要： 为提高导弹在攻击角度约束下对目标的打击效能,提出了一种基于深度确定性策略梯度算法的分布式强化学习制导策略。为了最大限度地减小攻击角度误差,设计了一种新的奖励函数,使导弹在满足视场角约束的同时,视线角向期望值收敛。此外,为了增强强化学习模型的泛化能力,提出了一种分布式探索策略,提高了模型训练过程中对环境的探索效率。仿真结果验证了所提出的分布式强化学习制导方法能够在固定攻击角度约束下实现对目标的精准打击。与传统制导律相比,所提制导方法的攻击角度误差更小,收敛速度更快。

摘要： 针对电视传输仿真模型优化问题,提出了电视传输控制和梯度算法结合的寻优方法.优化序列的平真模型优化Adaptive-AC面向数据电视传输仿真模型周期的电视传输控制访问控制方法算法的互相关串联结构5G链路自适应5G链路自适应算法运行解,实现了方法的全局收敛和计算速度的高效性.

摘要： 在传统移动目标的跟踪与检测算法基础上,提出了一种改进的智能视频跟踪与检测算法,目的是要提高普通视频中移动目标跟踪技术的实时性、有效性.为了降低传统视频中移动目标跟踪的编程难度,减小计算量,在前期采用图像帧差法来捕捉移动目标的区域,在后期运用最优估计点匹配技术与光流均匀采样技术构建光流场实现图像的检测与跟踪.实验仿真表明,该方法能对视频流中的移动目标进行实时有效的跟踪与检测.

摘要： 针对困难样本在深度哈希算法中难以收敛以及过多的困难样本产生的噪声干扰问题,提出一种通过损失决定梯度的困难样本学习策略.首先,提出一种非均匀梯度归一化方法,通过计算困难与整体样本损失的比例,对整体样本反向传播梯度进行加权,提高模型对困难样本的学习能力;其次,针对存在过量困难样本的情况,设计了一种加权随机采样方法,根据损失大小对样本进行加权欠采样,滤除噪声并保留少量的困难样本避免过拟合.基于公开数据集,哈希特征检索平均精度值分别约提高了4.7％与3.4％.实验结果表明,该策略改进的哈希算法准确率优于对标哈希算法,能更好地学习到数据集中困难样本的特征信息.

摘要： OpenStack是目前应用广泛的开源云计算平台.OpenStack中的Swift模块通过实现分布式存储来提供对海量数据快速、安全、可靠的存储服务.针对Swift元数据存储是完全均匀随机分布,并且只提供面向数据量的负载平衡造成负载均衡策略问题,提出神经网络和梯度算法结合的寻优方法.神经网络一般来说具有全局寻优的特性,但也存在获取的解易早熟,且可能存在局部寻优性能差的缺陷.本文在传统神经网络的基础上,提出将其与梯度算法结合,通过一系列的迭代过程,保留最优解.实验证明,该方法既解决传统梯度算法中的搜索速度较慢的问题,且保证最后的解收敛于全局最优解.

摘要： 为了完成视频图像中人体检测,将卷积神经网络和梯度算法结合.将YOLO网络模型结构以及算法函数进行了优化调整.为了保留视频时间信息,引入了卷积神经网络反馈时间维度.采用长短记忆卷积神经网络(LSTM)进行训练,通过将迭代过程的最优解保留,加快了梯度算法中的搜索速度,并且保证收敛于全局最优解.

摘要： 针对Wiener非线性时变系统的参数辨识问题,该文提出一种基于重复轴的迭代学习算法来实现对时变甚至突变参数的估计.文中将维纳系统输出非线性部分的反函数进行多项式展开,进而构造了回归模型,未知参数及中间变量用其估计替代,分别给出了采用迭代学习梯度算法和迭代学习最小二乘算法实现时变参数辨识的方法.仿真结果表明,与带遗忘因子的递推算法和迭代学习梯度算法相比,迭代学习最小二乘算法更具有参数估计收敛速度快,辨识精度高,系统输出误差小等优势,验证了所提学习算法的有效性.

摘要： 在土地规划与土地利用变化模拟研究领域,模拟各土地利用类型间的转移变化进行土地利用结构预测的必要手段,也是土地利用变化模拟的重要方面.本文分析了地类转移参数矩阵的性质,结合土地利用系统稳定性的约束条件,提出了基于梯度算法的逐年土地利用转移矩阵求解方法.并以北京市为例,(1)基于北京市1990-2010年土地利用转移概率矩阵,采用梯度上升的算法求解逐年土地利用转移概率矩阵;(2)模型验证:根据每年土地利用转移概率矩阵的计算模拟北京市2000和2010年的土地利用结构并与实际土地利用变化结构进行对比检验;(3)以2010年为基期,对北京市2010-2020年土地利用结构变化进行预测,预测结果显示:2010-2020年北京市耕地占总面积比例将从27.05％减少至23.83％,建设用地占比将从16.99％增加至20.08％,林地面积占比从45.15％增加至45.33％,建设用地扩张,耕地面积减少仍是未来北京市土地利用结构变化的主要趋势,另一方面,随着建设用地的增加以及耕地的减少,建设用地复垦为耕地的面积逐渐增加并成为2010-2020年北京市土地利用转移的主要路径之一.

摘要： 提出了一种基于遗传算法和梯度算法并考虑动态需求的结构形体优化方法,该方法同时具有遗传算法的全局优化搜索能力和梯度算法的局部优化搜索能力.算例证明该方法具有良好的工程应用价值.

摘要： 超临界翼型因其自身优势已经在现代飞机设计中发挥着重要作用,为了更高效地设计出高性能的超临界翼型,本文探究了RAE2822超临界翼型在优化减阻过程中设计空间的多极值特性.采用了AIAAAerodynamic Design Optimization Discussion Group(ADODG)的case2算例,并使用自由变形方法(FFD,Free-Form Deform)对翼型进行参数化,通过拉丁超立方(Uniform Latin Hypercube)抽样方法对翼型加入初始扰动,然后使用基于梯度的优化算法对经过不同扰动后的翼型进行优化,并将优化结果与全局优化算法的优化结果进行对比.结果表明ADODG case2是一个单峰值气动设计问题,梯度算法能够得到相对满意的最优解,并且有更高的优化效率,通过此算例也可以推断一般对于超临界翼型单点优化问题,设计空间是单峰值的,可直接使用梯度优化算法.

摘要： 文章基于机器视觉检测系统,设计了一套皇冠瓶盖外围刮擦检测系统.通过梯度算法,外围滤波,及改进的外围对齐算法,实现了对瓶盖外围刮擦的检测,并在工业现场获得较好的实际检测效果.

摘要： 通过对传统梯度算法和粒子群算法的研究，将梯度算法和粒子群算法结合-梯度粒子算法，运用到无功优化中。GPSO 算法是利用粒子群算法迭代过程的梯度信息，调整惯性权重，提高算法的收敛速度；该算法本身是一种局部最优算法，在全局最优值出现停滞时，沿负梯度方向变异方法，防止算法陷入局部极值，提高算法的收敛精度。该算法运用到无功优化中，能够取得更优解。通过对IEEE-30 和IEEE-57节点系统仿真计算，结果表明该算法能够获得更好的全局最优解，有在线运用情景。

摘要： 针对遗传算法在迭代过程中经常出现早熟、收敛速度慢、局部搜索能力差等缺点，对遗传算法中的遗传算子进行了改进，并提出梯度算法与遗传算法相结合的混合遗传算法。就多峰函数优化易陷入局部最优解的问题，引入了小生境技术。分析结果表明，这种基于小生境的混合遗传算法既发挥了梯度算法局部搜索能力强的特点，又结合了遗传算法全局搜索能力强的优点，使收敛性能大大改善，同时小生境技术的使用，避免了优化过程中出现局部最优解。具体算例表明该混合遗传算法是一种有效的结构优化方法。

摘要： 为解决通信网络的缓冲管理问题，基于离散事件动态系统理论中的无穷小摄动分析方法(IPA)，提出了一种新算法。该算法以随机流模型描述网络节点，将缓冲管理等效为系统性能优化问题，并利用IPA方法求出网络性能函数相对于优化参数的导数，以优化网络性能为目标，利用随机逼近理论设计了基于IPA导数的梯度算法。该方法不需要事先掌握节点的输入流统计特征，可以根据实际系统状态直接测量计算出来，是一种适于在线控制的算法。

摘要： 贝叶斯阴阳(BYY)谐和学习是一种新型的统计学习理论和方法,能够有效地进行混合概率分布的参数估计和自动模型选择。本文在Laplace混合模型上建立了BYY和谐学习的梯度算法。模拟实验表明,这类算法可以有效地自动确定出样本数据中Laplace分量的个数,并对实际Laplace混合分布的参数有较好的估计。

摘要： 本文介绍了自适应前馈控制、推导了自适应时间平均梯度法、并且提出了改进的自适应时间平均梯度法,仿真计算验证了其在单频和双频条件下的控制效果,改进后的方法具有较强的应用前景。

摘要： 本文介绍了自适应前馈控制、推导了自适应时间平均梯度法、并且提出了改进的自适应时间平均梯度法,仿真计算验证了其在单频和双频条件下的控制效果,改进后的方法具有较强的应用前景。

摘要： 在当今世界能源结构中，石油、天然气和煤炭等化石能源仍然是人们利用的主要能源。为了实现可持续发展，就必须构建人与自然和谐共生的关系。新能源的研究和发展就成为了时代的主流。锂离子电池作为一种新能源，其需求越来越高，所以需要对锂电池管理系统(BMS)进行能量优化。其中电池荷电状态(SOC)估计是电池管理系统的核心功能，所以，高精度的SOC估算可以有效地降低所需要的锂电池成本。从锂电池的等效电路模型入手，以分数阶可辨识数学模型仿真为主线，快速准确的提取模型参数，进而估计SOC和待辨识参数，利用递阶辨识原理，并将其分为两个子辨识模型。本发明旨在用一种两阶段梯度迭代算法对分数阶锂电池参数进行辨识。

摘要： 基于改进遗传算法的群粒子梯度下降算法，能快速准确地搜索到复杂函数条件下的全局最优解，群粒子梯度下降算法的步骤：生成初始种群是否满足终止条件、计算每个个体的适应度值；筛选遗传算子，梯度下降法作用每个个体生成新种群，计算每个个体的适应度值，交叉变异操作生成新种群；遗传算法的改进方法是：将种群内适应度值最大的前5个个体保留，剩余的新种群个体以轮盘选择法进行概率选择；将遗传算法的并行计算思想及进化机制引入梯度下降法中，即将原来单个点的寻优改为群体寻优，且不断有新的更接近最优解的种群同时沿着梯度方向寻找最优解。

摘要： 本发明公开了一种基于梯度引导的进化算法的图像识别方法，其步骤主要包括：1、获取图像样本构建训练样本数据集；2、初始化父代种群，对其在交配选择过程中使用gSBX算子来获得子代种群，将父代种群加入子代种群中并对子代种群进行非支配排序，从排序好的种群中选取前若干个个体作为最优个体种群；3、从最优个体种群中删去被支配的解，使用稀疏随机梯度法SGD对种群中剩余的每个个体的权重变量微调，在该种群的Pareto前沿面上的拐点区域选择一个个体的属性集作为最终训练模型的变量。本发明通过进化算法优化图像识别模型，从而能提升模型在图像识别上的精确度，并减少神经网络的训练成本和内存用量。

摘要： 第一校准器检测电容阵列的不匹配情况，并用经过校准的权重更新查找表(LUT)，这些经过校准的权重复制到正LUT和负LUT，然后针对非线性误差通过第二校准器使用最小均方(LMS)算法进行调整。对逐次逼近寄存器(SAR)中的二进制代码进行补码，以生成具有符号位的补码。当符号位为正时，从正LUT中读取补码数据位＝1的条目并将其求和，添加第一偏移量，并将和归一化，以得到经过校正的代码。当符号位为负时，从负LUT中读取补码数据位＝0的条目并将其求和，添加第二偏移量，并将和归一化，以得到经过校正的代码。多变量随机梯度下降法生成进一步校正所述经过校正的代码的多项式系数。

摘要： 本发明公开一种基于随机批量梯度下降算法的储能管理方法及系统，涉及储能管理技术领域，其实现内容包括：收集历史用电量数据，取出连续四周的数据进行时间序列分解，得到每天的用电量波动周期、用电量变化趋势、用电量随机波动残差，同时，取出过去十周的用电量数据，根据一周七天划分为七组，进行时间序列分解，得到相同天的用电量波动周期、用电量变化趋势、用电量随机波动残差；收集历史发电量数据和天气数据，对发电量进行线性回归建模；结合得到的数据和模型、以及储电设备的剩余电量数据，给定t后带入代价函数中，使用随机批量梯度下降算法优化代价函数，以根据使用时段进行供电功率的最优选取。本发明可以实现统筹供电、削峰填谷。

摘要： 本发明公开了一种基于非线性梯度结构张量算法的火山通道检测方法，首先对地震数据提取张量积，在各向异性扩散滤波函数的约束下构建系数扩散矩阵对调整后的张量积进行正则化后，再计算正则化后张量积的特征值和特征向量，通过特征向量计算得到非线性梯度结构张量属性，并利用已钻井的漏失数据对非线性梯度结构张量属性进行标定，确定属性门槛值，实现火山通道的定量刻画，最后利用该定量描述后的火山通道去指导其他设计井位中的火山通道预测。本发明公开的基于非线性梯度结构张量算法的火山通道检测方法，对后续井位设计和调整具有非常重要的指导意义。

摘要： 本发明公开了一种基于梯度分布算法的最优传感器布置方法，包括如下步骤：1)归纳管道参数：2)管内介质参数计算：3)根据运行工况生成边界条件：4)建立数值模型统一求解整个管路系统的速度场和压力场的分布；5)求解步骤1)至4)所建立的两个统一方程；6)根据步骤5)得到的结果计算对应不同管段位置的不同压力/速度梯度分布；7)将步骤6)得到的结果代入梯度分布算法；本发明方法通过结合管道流动数值模型和梯度分布算法，计算出不同情况下合理的传感器排布，是一种在智慧管道实际实施中方便快捷且行之有效的方法，具有重要的工程意义。

摘要： 本发明公开了一种基于梯度算法和色差法红外补光摄像机软光敏算法，涉及图像处理技术领域，包括以下步骤：设备开机上电，设备进入到白天模式、EV值小于EV_2Lux，则进入步骤三、通过接口获取到当前画面的EV值和色差度的平均值、统计前三分钟之内的切换的次数和判断当前的EV值是否大于EV_5Lux和色差度。该基于梯度算法和色差法红外补光摄像机软光敏算法，通过EV值来先初步筛选画面亮度，其次通过色差度与当前的每个分量的值来判断当前画面整体亮度以及是否存在偏色现象，最后准确判断当前的场景应该是怎么样的状态，不会出现白天和夜晚的场景误判，且能够避免IRCUT误切的现象，从而能够有效的保证成像效果。

摘要： 本发明提供了一种结合梯度算法和演化算法对神经网络模型进行优化的方法，包括步骤1：使用梯度算法对神经网络模型进行初步训练；步骤2：将使用梯度算法优化神经网络模型所得最后N个迭代的优化解取出，将最后N个迭代的优化解作为演化算法的初始搜索范围；步骤3：使用演化算法对神经网络模型进行参数更新，获得更优解。本发明的有益效果是:本发明可以融合梯度算法与演化算法的优点，提高模型准确率，较大程度地保证模型收敛到全局最优解，确保模型稳定性，同时在不同数据集及神经网络模型中可广泛应用。

摘要： 本发明属于风电功率预测技术领域，提供了一种基于深度确定性策略梯度算法的风电功率预测方法及系统，本发明利用多重不同预测方法构建组合预测的子模型，然后采用深度确定性策略梯度算法，利用算法中的智能体通过与外部预测环境交互不断试错以最大化折扣收益，最终智能体具备感知外部预测环境的能力，可以实现合理动态分配组合模型中各个预测子模型权重的能力，实现准确预测。