会员中心
搜索
登录
注册

解决方案

数字化转型通用方案行业方案安全方案大数据人工智能物联网行业展望自动控制其他

产品|技术

白皮书产品介绍技术介绍技术创新模型算法

政策|规范

政策规范行动计划

电子书

电子书课件

报告|论文

报告模板论文

模型剪枝与低精度量化融合的DNN模型压缩算法_吴进

拥有庞大参数量的网络模型很难部署在智能手机、可穿戴智能设备等资源受限的移动设备上。从深度神经网络模型的基本原理出发,在现有压缩算法的基础上,采用优化剪枝策略与参数量化的方法相融合,提出了一种结果导向的数据驱动剪枝算法,利用低精度的量化算法来进一步压缩模型。使用VGGNet作为原始模型,在Kaggle猫狗图像和Oxford102植物样本集上进行微调。实验数据表明,使用本实验改进的方法,模型压缩的存储容量下降到113.1 MB,识别率提高到86.74%。

  • 2021-04-26
  • 阅读392
  • 下载0
  • 8页
  • pdf

保证金约束下资产定价模型的广播式异步算法研究_童骏

有保证金约束的资本资产定价模型在实际应用中面临着两个挑战,一是模型引入了非线性的约束条件,导致没有解析的均衡价格,二是市场中投资者和资产的数量都很庞大,如何高效地找到近似解。针对有保证金约束的资本资产定价模型,提出适用于多服务器协同运算的广播式异步算法。该算法把投资者分成若干个不同的组,各组在不同的服务器上独立运行,组与组之间通过网络相互传递外部价格信息,各组内部根据现有的价格和接收到的外部价格信息重新更新组内价格,并广播给相邻的组,减少了单台服务器的计算负担。该算法可看成一个非做市商的价格形成过程。研究证明,在满足一定的条件下,各组价格均以概率1收敛到相同的均衡价格。数值实验验证了所提算法的效果。

  • 2021-05-06
  • 阅读392
  • 下载0
  • 6页
  • pdf

基于多尺度下凸包改进的贝叶斯模型显著性检测算法_鲁文超

针对传统基于贝叶斯的显著性检测算法存在的准确率不理想的问题,提出了一种基于多尺度凸包改进贝叶斯模型的显著性检测算法。该算法首先通过流行排序算法（MR）在CIELab颜色空间上对图像的前景进行提取,并将其作为先验图；其次通过高斯金字塔算法对图像进行降采样,得到3种不同尺度的图像（包括原图）,结合经典的Harris算子检测不同尺度图像的角点,求三者的交集,得到更合理的凸包；然后利用颜色直方图结合凸包来计算观察似然概率；最后根据已有的先验图和似然概率,利用贝叶斯模型计算显著图,并进行优化处理得到最终的显著图。为了验证该算法的正确性和有效性,在公开数据集MSRA1000和ECSSD上进行仿真实验。结果表明,该算法不仅能够得到较好的视觉效果,而且召回率、准确率和F-measure等评价指标比传统算法有明显提升。

  • 2021-05-06
  • 阅读392
  • 下载0
  • 6页
  • pdf

基于量子人工鱼群和模糊核聚类算法的网络入侵检测模型研究_李根

针对基于传统模糊C均值聚类的网络入侵检测模型存在分类效果不佳,且容易出现局部极值的问题,提出了一种基于量子人工鱼群的半监督模糊核聚类算法。该算法使用少量的标记数据和大量未知标记数据生成网络入侵检的分类,并通过核距离的方式构建了模糊C均值聚类算法的新目标函数,此外,结合了量子人工鱼群算法来解决模糊核聚类算法的全局最优解问题,适用于并行执行架构。在KDD Cup 99网络入侵检测数据上的仿真实验结果表明,相比于基于FCM和PSO-FCM的入侵检测模型,以及基于此提出的算法入侵检测模型具有更好的检测率。

  • 2021-05-06
  • 阅读392
  • 下载0
  • 5页
  • pdf

基于Stacking模型集成算法的莲都区南方红豆杉潜在分布区_陈涵

研究使用R软件中的CaretEnsemble和Caret程序包,并基于Stacking方法来实现模型集成,研究南方红豆杉Taxus chinensis var.mairei在浙江省丽水市莲都区的潜在分布区,并比较5种单一模型的模拟结果及其与集成模型的差异。结果表明:单一模型中极端梯度上升模型表现最好,其次是随机森林模型、支持向量机模型、朴素贝叶斯模型和分类回归树模型,集成模型模拟结果好于单一模型,其Kappa值达0.80,准确率达0.90。集成模型模拟结果显示:影响南方红豆杉分布的主要环境因子为海拔、归一化植被指数和年平均最少降雨量。南方红豆杉主要适宜生长在浙江省丽水市莲都区的山地丘陵地区,中部盆地及平原地区不适宜南方红豆杉的生长,其在莲都区的潜在分布区面积为5.01万hm2。构建的集成模型在一定程度上提高了模型精度,使预测效果更优。

  • 2021-05-06
  • 阅读392
  • 下载0
  • 7页
  • pdf

基于VSIMM_SRCKF的ADS_B航迹滤波方法研究_杜云

为了提高ADS-B航迹跟踪精度,并针对交互多模型算法所选模型集而导致的跟踪性能下降的问题,采用基于平方根容积卡尔曼的变结构交互多模型（VSIMM-SRCKF）算法对航迹进行滤波。建立运动目标跟踪的VSIMM模型集来描述机动目标的系统总模型集合,在滤波过程中,SRCKF递推的更新通过将协方差矩阵开平方得到,使计算复杂度降低,并且使协方差矩阵保持非负定,能够避免滤波中的发散问题。仿真结果表明:提出的基于平方根容积卡尔曼的变结构交互多模型算法（VSIMM-SRCKF）在估计误差均值、估计误差标准差以及平均绝对百分比误差方面均优于IMM-CKF算法和IMM-SRCKF算法,说明VSIMM-SRCKF算法具有更好的跟踪精度,可适应于复杂目标航迹的实时跟踪。

  • 2021-05-06
  • 阅读392
  • 下载0
  • 6页
  • pdf

EM算法在神经机器翻译模型中的应用研究_杨云

传统的机器翻译模型的性能受限于双语平行语料库的规模,仅使用单语数据的无监督机器翻译方法难以有效保证模型性能的稳定。针对该问题,提出一种联合EM算法的自动语料扩充方法。利用生成的单语料结合原数据集构建平行语料,进行模型的迭代训练。根据部分双语语料初始化预训练两个单向Transformer模型；通过联合EM算法进行模型优化；通过逐渐减少训练数据的翻译损失来迭代更新两个相对翻译任务上机器翻译模型。实验结果表明,基于单双语料混合的EM迭代训练方法相比使用全双语数据的监督机器翻译方法和仅使用单语数据的无监督机器翻译方法,在中英机器翻译任务上具有更好的表现。

  • 2021-04-25
  • 阅读391
  • 下载0
  • 6页
  • pdf

基于改进果蝇算法和长短期记忆神经网络的油田产量预测模型_任燕龙

产量预测是油田生产动态开发研究的重要内容之一。油田的长期生产积累了大量数据,但是波动幅度很大,直接应用长短期记忆神经网络预测油田的生产指标,会出现神经网络泛化性很差的问题。因此,首先利用双层长短期记忆神经网络（long-short term memory,LSTM）和随机式失活对神经网络架构进行调整,建立了深度学习神经网络模型；并提出了一种新的果蝇聚集方法,通过改进的果蝇优化算法对所建立的神经网络模型进行优化,避免其陷入局部最优解,搜寻解空间的最优解；最后,油田实例验证表明,优化后的深度学习网络的网络泛化能力和预测精度有了较大提高,对于油田波动性较大的数据也能较好地拟合。所建立油田产量预测模型可应用于矿场开发实际。

  • 2021-04-26
  • 阅读391
  • 下载0
  • 7页
  • pdf