搜索结果: 1-15 共查到“知识库 计算机科学技术 算法”相关记录8079条 . 查询时间(3.121 秒)
近些年,联邦学习(Federated learning,FL)由于能够打破数据壁垒,实现孤岛数据价值变现,受到了工业界和学术界的广泛关注.然而,在实际工程应用中,联邦学习存在着数据隐私泄露和模型性能损失的问题.为此,首先对这两个问题进行数学描述与分析.然后,提出一种自适应模型聚合方案,该方案能够设定各参与者的Mini-batch值和自适应调整全局模型聚合间隔,旨在保证模型精度的同时,提高联邦学习训...
基于加权矩阵的多维广义特征值并行分解算法
广义特征值分解 加权矩阵 并行分解 多维估计
2024/1/16
针对串行广义特征值分解算法实时性差的缺点,提出基于加权矩阵的多维广义特征值分解算法.与串行算法不同,所提算法能够在一次迭代过程中并行地估计出多维广义特征向量.平稳点分析表明:当且仅当算法中状态矩阵等于所需的广义特征向量时,算法达到收敛状态.通过对比相邻时刻的状态矩阵模值证明了所提算法的自稳定特性.所提算法参数选取简单,实际实施较为容易.数值仿真和实例应用进一步验证了算法的并行性、自稳定性和实用性。
针对黑猩猩优化算法(Chimp optimization algorithm,ChOA)存在收敛速度慢、精度低和易陷入局部最优值问题,提出一种融合多策略的黄金正弦黑猩猩优化算法(Multi-strategy golden sine chimp optimization algorithm,IChOA).引入Halton序列初始化种群,提高初始化种群的多样性,加快算法收敛,提高收敛精度;考虑到收敛因...
针对一些智能优化算法缺乏完备数学物理理论基础的现状,利用优化问题和量子物理在概率意义上的相似性,建立优化问题的薛定谔方程,将优化问题转化为以目标函数为约束条件的基态波函数问题,同时利用波函数定义了算法的能量、隧道效应和熵,实现了以波函数为中心的优化问题量子模型。
基于自然梯度的噪声自适应变分贝叶斯滤波算法
非线性滤波 自适应滤波 变分贝叶斯推断 自然梯度 Fisher信息矩阵
2024/1/16
考虑到运动目标跟踪系统机动、隐身等人为对抗特征以及非视距、干扰、遮挡等环境因素,其系统建模、估计与辨识过程中越来越无法回避非线性、非高斯以及参数未知等复杂系统特征的影响.针对过程噪声先验信息不准确以及量测噪声非高斯环境下运动目标的非线性状态估计问题,提出一种基于自然梯度的噪声自适应变分贝叶斯(Variational Bayes,VB)滤波算法。
面向用户生成内容(User generated content,UGC)的进化搜索在大数据及个性化服务领域已引起广泛关注,其关键在于基于多源异构用户生成内容构建用户认知偏好模型,进而设计高效的进化搜索机制.针对此,提出融合注意力机制(Attention mechanism,AM)的受限玻尔兹曼机(Restricted Boltzmann machine,RBM)偏好认知代理模型构建机制,并应用于交...
基于语境辅助转换器的图像标题生成算法
图像标题生成 注意力机制 转换器 视觉连贯性
2024/1/16
在图像标题生成领域,交叉注意力机制在建模语义查询与图像区域的关系方面,已经取得了重要的进展.然而,其视觉连贯性仍有待探索.为填补这项空白,提出一种新颖的语境辅助的交叉注意力(Context-assisted cross attention,CACA)机制,利用历史语境记忆(Historical context memory,HCM),来充分考虑先前关注过的视觉线索对当前注意力语境生成的潜在影响.同...
面向无人艇的T-DQN智能避障算法研究
无人艇 强化学习 智能避障 深度Q网络
2024/1/16
无人艇(Unmanned surface vehicle,USV)作为一种具有广泛应用前景的无人系统,其自主决策能力尤为关键.由于水面运动环境较为开阔,传统避障决策算法难以在量化规则下自主规划最优路线,而一般强化学习方法在大范围复杂环境下难以快速收敛.针对这些问题,提出一种基于阈值的深度Q网络避障算法(Threshold deep Q network,T-DQN),在深度Q网络(Deep Q ne...
动态多目标优化问题(Dynamic multi-objective optimization problems,DMOPs)的目标函数发生变化时,需要采取变化响应策略对种群进行重新初始化,以快速追踪新环境中的最优解集.现有动态多目标优化算法对不同个体、不同维度的决策变量缺乏针对性的变化响应,导致重新初始化效果尚存在较大改进空间.为此,提出一种对不同个体、不同维度的决策变量分别进行自适应变化响应的动...
双目深度估计的在线适应是一个有挑战性的问题,其要求模型能够在不断变化的目标场景中在线连续地自我调整并适应于当前环境.为处理该问题,提出一种新的在线元学习适应算法(Online meta-learning model with adaptation,OMLA),其贡献主要体现在两方面:首先引入在线特征对齐方法处理目标域和源域特征的分布偏差,以减少数据域转移的影响;然后利用在线元学习方法调整特征对齐过...
共识算法作为区块链底层关键技术,可解决决策权分散的分布式系统中的一致性难题.良好的共识算法可提升系统健壮性,但大多数方案在网络故障或主动攻击下存在鲁棒性不可控、活性表现差、可扩展性不足等问题.针对上述问题,提出一种抗自适应攻击的健壮拜占庭容错共识算法(Robust Byzantine fault tolerance,RBFT).该算法利用环签名的无条件强匿名性构造排序选主算法,隐匿选举每一轮共识中...
优化算法中多种群采样方式可转化为蒙特卡洛对当前函数积分的评估,针对不同子种群对整体评估的差异性,提出子种群规模(个体数)自适应的改进策略,并用于多尺度量子谐振子优化算法(Multi-scale quantum harmonic oscillator algorithm,MQHOA)的改进,同时阐述多种群策略所具有的量子特性以及量子隧道效应与寻优性能的相关性.已有的优化算法忽视了动态调节子种群规模对...
多元时间序列(Multivariate time series,MTS)分类是许多领域中的重要问题,准确的分类结果可以有效地帮助决策.当前的MTS分类算法在个体的表征学习阶段难以自动建模多元变量之间复杂的交互关系,并且无法评估分类结果的可信度,这会导致模型性能受限,以及缺乏具备统计意义的可靠性解释.本文提出了一种基于不确定性的多元时间序列分类算法,变分贝叶斯共享图神经网络,即VBSGNN(Vari...
针对众包标记经过标记集成后仍然存在噪声的问题,提出了一种基于自训练的众包标记噪声纠正算法(Self-training-based label noise correction,STLNC).STLNC整体分为3个阶段:第1阶段利用过滤器将带集成标记的众包数据集分为噪声集和干净集.第2阶段利用加权密度峰值聚类算法构建数据集中低密度实例指向高密度实例的空间结构关系.第3阶段首先根据发现的空间结构关系设...
基于MPEG算法启示的电力负荷无损压缩算法的研究（图）
压缩算法 数据恢复 数据结构
2023/4/21
针对电力系统大批量数据难以快速查询和共享的问题，本文分析了电力行业采集到的数据特征，结合计算机数据表示及存储方式，设计了一种批量数据的存储结构方案，包含关键数据、差值数据及特殊数据的存储结构，提出了一种基于前值差异存储的数据压缩及恢复算法，并对该算法在时间复杂度和空间复杂度上进行了分析。该算法在不改变现有数据库部署及网络架构的基础上，可以部署应用，同时压缩及恢复速度快、支持数据随传输随压缩及恢复、...