CNN-DLSTM结合迁移学习的小样本轴承故障诊断方法

1

作者 仇芝 徐泽瑜 +2 位作者 陈涛 石明江 韦明辉 《机械科学与技术》 北大核心 2025年第2期288-297,共10页

针对轴承故障数据样本少、未知故障难以分类等问题,提出了一种将一维卷积神经网络(1D convolutional neural network, 1D-CNN)连接深层长短时记忆循环神经网络(Deep long-short-term memory neural network, DLSTM)的模型结合迁移学习... 针对轴承故障数据样本少、未知故障难以分类等问题,提出了一种将一维卷积神经网络(1D convolutional neural network, 1D-CNN)连接深层长短时记忆循环神经网络(Deep long-short-term memory neural network, DLSTM)的模型结合迁移学习的故障诊断方法。该诊断方法基于电机振动数据,利用CNN提取故障特征;将特征作为DLSTM的输入,进一步学习、编码从CNN中学习的特征序列信息,捕获高级特征用于故障分类;首先用充足的西储轴承数据对该故障诊断模型进行预训练,再利用迁移学习放松训练数据和测试数据可不必独立同分布的能力,使用自制实验平台的小样本数据微调预训练模型。最后用迁移学习后的模型,对跨工况、跨型号、跨故障的故障轴承数据进行模拟实验。结果表明,所提出的方法与其他方法相比鲁棒性强,训练速度更快,能够更精确的诊断故障,平均诊断精度达到99%以上。 展开更多

关键词 小样本数据集故障诊断 卷积神经网络 长短期记忆网络 迁移学习

在线阅读 下载PDF 职称材料

不均衡小样本下多特征优化选择的生命体触电故障识别方法 被引量：6

2

作者 高伟 饶俊民 +1 位作者 全圣鑫 郭谋发 《电工技术学报》 EI CSCD 北大核心 2024年第7期2060-2071,共12页

针对现有的剩余电流保护装置无法有效识别触电事故的问题,该文提出了一种不均衡小样本下多特征优化选择的生命体触电故障识别方法。首先通过变分自编码器(VAE)对实验收集到的生命体触电小样本数据进行增殖以实现正负样本均衡;然后在时... 针对现有的剩余电流保护装置无法有效识别触电事故的问题,该文提出了一种不均衡小样本下多特征优化选择的生命体触电故障识别方法。首先通过变分自编码器(VAE)对实验收集到的生命体触电小样本数据进行增殖以实现正负样本均衡;然后在时域上提取能够反映波形动态变化特性的23个特征量,并利用高斯核Fisher判别分析(GKFDA)与最大信息系数(MIC)法从中选择最优表达特征组;最后,提出基于遗忘因子的在线顺序极限学习机(FOS-ELM)算法实现生命体触电行为的鉴别。实验结果表明,所提方法利用不均衡小样本触电数据集就可以训练出一个优秀的分类模型,诊断准确率可达98.75%,诊断时间仅为1.33 ms。其优良的性能结合在线增量式学习分类器设计,使得模型具备新知识学习能力,具有极好的工程应用前景。 展开更多

关键词 剩余电流保护装置 生命体触电故障 多特征优化选择 基于遗忘因子的在线顺序 极限学习机(FOS-ELM) 不均衡小样本

在线阅读 下载PDF 职称材料

基于机器学习的水泥基灌浆料强度预测方法 被引量：1

3

作者 李其廉 陈佳尧 +2 位作者 敦彦茹 曹宪锋 刘毅 《河北科技大学学报》 CAS 北大核心 2024年第3期308-317,共10页

针对采用小直径芯样法准确预测水泥基灌浆料抗压强度的问题,使用压力试验机分别对水泥基灌浆料标准尺寸试块和小直径芯样进行抗压强度试验,并基于试验数据,采用支持向量机回归(SVR)和随机森林回归(RFR)对水泥基灌浆料抗压强度进行回归... 针对采用小直径芯样法准确预测水泥基灌浆料抗压强度的问题,使用压力试验机分别对水泥基灌浆料标准尺寸试块和小直径芯样进行抗压强度试验,并基于试验数据,采用支持向量机回归(SVR)和随机森林回归(RFR)对水泥基灌浆料抗压强度进行回归预测。结果表明:标准尺寸试块均呈正反相接的四角锥体破坏形态,而高径比为0.7和1.0的小直径芯样呈正反相接的圆锥体破坏形态,高径比为1.2的小直径芯样呈斜裂缝剪切破坏形态;标准尺寸试块和小直径芯样的抗压强度值均服从正态分布,且无离群值;随着龄期的增长,标准尺寸试块和小直径芯样的抗压强度提高,且具有早期强度较高的特性;直径46 mm芯样的抗压强度较小,且更易受加工精度的影响;在给定的龄期和直径下,高径比为0.7的芯样抗压强度值最大,抗压强度离散程度最小;RFR预测模型对水泥基灌浆料抗压强度的预测效果更优。所提方法可较准确预测水泥基灌浆料抗压强度,为水泥基灌浆料抗压强度的预测研究提供了参考。 展开更多

关键词 非金属建筑材料 水泥基灌浆料 机器学习 小直径芯样 抗压强度

在线阅读 下载PDF 职称材料

高置信水平结构逆可靠度分析与优化方法研究进展 被引量：1

4

作者 郝鹏 杨浩 +1 位作者 冯少军 王博 《力学学报》 EI CAS CSCD 北大核心 2024年第2期310-326,共17页

不确定性客观存在于工程结构生产制造以及服役等各环节之中并对结构的承载性能影响显著.特别是对于服役条件苛刻的航空航天承载装备,在设计阶段考虑多源不确定性的影响对于结构安全至关重要.在众多不确定性分析方法中,逆可靠度分析方法... 不确定性客观存在于工程结构生产制造以及服役等各环节之中并对结构的承载性能影响显著.特别是对于服役条件苛刻的航空航天承载装备,在设计阶段考虑多源不确定性的影响对于结构安全至关重要.在众多不确定性分析方法中,逆可靠度分析方法在效率和稳健性方面具有一定优势.为此,国内外学者在高置信水平结构逆可靠度分析与优化方法方面开展了大量研究并取得了长足进步,包括自适应迭代控制算法、先进可靠度优化策略与非充分样本下的高置信水平设计方法等.本文首先对国内外逆可靠度分析与优化方法取得的进展进行了系统梳理与总结,特别是逆可靠度分析方法的发展历程以及面临的挑战问题,主要包括强非线性功能函数、多设计点以及低失效概率问题.进一步,针对长期困扰可靠度方法实际应用的小样本问题,重点从结构高置信水平可靠度分析与优化理论角度开展系统介绍,详细论述了小样本诱发的认知不确定性到可靠度置信水平的传播链条.最后,基于现有成果和国家重大前沿需求,重点围绕航天装备可重复使用需求对结构可靠度未来研究方向进行了思考与展望,期望相关研究成果能够进一步助力我国航空航天结构实现高可靠性与极致轻量化设计. 展开更多

关键词 航空航天结构 逆可靠度分析 可靠度优化设计 置信水平优化设计 小样本

在线阅读 下载PDF 职称材料

小数据集的贝叶斯网络结构学习 被引量：19

5

作者 王双成 冷翠平 李小琳 《自动化学报》 EI CSCD 北大核心 2009年第8期1063-1070,共8页

针对直接基于小数据集贝叶斯网络结构学习不可靠,以及目前对小数据集的处理只强调扩展而忽略对扩展数据的修正等,提出了将扩展与修正相结合的小数据集处理机制,以及在此基础上的基于结点排序和局部打分-搜索的贝叶斯网络结构学习方法,... 针对直接基于小数据集贝叶斯网络结构学习不可靠,以及目前对小数据集的处理只强调扩展而忽略对扩展数据的修正等,提出了将扩展与修正相结合的小数据集处理机制,以及在此基础上的基于结点排序和局部打分-搜索的贝叶斯网络结构学习方法,可不需要完全结点顺序的先验知识,但能够结合专家的部分结点顺序信息,实验结果显示了这种方法的有效性和可靠性。 展开更多

关键词 贝叶斯网络 小数据集 结构学习 最磊似然树 古布斯抽样

在线阅读 下载PDF 职称材料

基于残差网络的高温合金微观组织图像分割方法 被引量：11

6

作者 张利欣 车世界 +3 位作者 徐正光 付超 袁立 边胜琴 《科学技术与工程》 北大核心 2020年第1期246-251,共6页

材料微观组织图像分析是材料研究的重要环节,其分析方法的精准性和快速性对新材料的设计、研制和现有材料的优化、寿命评价都非常重要。因此,如何建立更快速更精准的微观组织分割方法成为微观组织图像分析和性能评价的关键。针对传统的... 材料微观组织图像分析是材料研究的重要环节,其分析方法的精准性和快速性对新材料的设计、研制和现有材料的优化、寿命评价都非常重要。因此,如何建立更快速更精准的微观组织分割方法成为微观组织图像分析和性能评价的关键。针对传统的微观组织图像分割技术对于高温合金材料分析精度不高等问题,通过对卷积神经网络结构进行优化,提出了一种基于Res_Unet网络的微观组织图像分割方法。实验验证结果表明,本文的方法不仅解决了深度学习在材料组织图像小样本数据上的实现问题,还显著提高了材料微观组织图像的分割精度。 展开更多

关键词 深度学习 高温合金 小样本 图像分割

在线阅读 下载PDF 职称材料

基于小样本集弱学习规则的KNN分类算法 被引量：8

7

作者 冷明伟 陈晓云 谭国律 《计算机应用研究》 CSCD 北大核心 2011年第3期915-917,共3页

KNN及其改进算法使用类标号已知的数据集Dl对类标号未知的数据集Du进行类别标志,如果Dl中的数据数量过少,将会影响最后的分类精度。基于小样本弱学习规则的KNN分类算法旨在提高基于小样本集的KNN算法的分类精度,它首先对Dl中的数据对象... KNN及其改进算法使用类标号已知的数据集Dl对类标号未知的数据集Du进行类别标志,如果Dl中的数据数量过少,将会影响最后的分类精度。基于小样本弱学习规则的KNN分类算法旨在提高基于小样本集的KNN算法的分类精度,它首先对Dl中的数据对象进行学习,从中选取一些数据,利用学到的标签知识对其进行类别标号,然后将其加入到Dl中;最后利用扩展后的Dl对Du中的数据对象进行类别标志。通过使用标准数据集的测试发现,该算法能够提高KNN的分类精度,取得了较满意的结果。 展开更多

关键词 机器学习 K-最近邻分类 小样本集 标签数据 弱学习规则

在线阅读 下载PDF 职称材料

基于小样本学习的3D动态视觉手势个性化交互方法 被引量：7

8

作者 武汇岳 王建民 戴国忠 《电子学报》 EI CAS CSCD 北大核心 2013年第11期2230-2236,共7页

传统的动态手势交互技术如隐马尔科夫模型、神经网络和统计分类器等都需要大量的训练样本,建模过程中需要领域专家的干预、对普通用户来说使用起来较为困难,并且它们针对的是特定的手势集合,很难对其进行扩展.本文通过WOZ实验,分析了用... 传统的动态手势交互技术如隐马尔科夫模型、神经网络和统计分类器等都需要大量的训练样本,建模过程中需要领域专家的干预、对普通用户来说使用起来较为困难,并且它们针对的是特定的手势集合,很难对其进行扩展.本文通过WOZ实验,分析了用户的行为特征并给出了基于手势的数字电视交互任务模型;提出了3D动态手势状态转移模型,解决了Midas Touch问题;提出了一种基于小样本学习的动态手势识别方法,解决了传统手势识别方法的缺点;构建了个性化手势设计平台,满足了用户的个性化定制需求;实验评估结果验证了本文方法的有效性. 展开更多

关键词 人机交互 视觉手势 小样本学习 个性化交互

在线阅读 下载PDF 职称材料

基于内容的医学图像检索中的相关反馈技术 被引量：7

9

作者 沈晔 夏顺仁 李敏丹 《中国生物医学工程学报》 CAS CSCD 北大核心 2009年第1期128-136,共9页

建立一个高效、准确的医学图像检索系统是目前具有挑战性的任务。由于相关反馈(RF)技术有效地解决了"语义鸿沟",成为基于内容的医学图像检索系统中提高检索性能的关键技术。文中根据RF算法采用的检索模型,从基于距离度量的模... 建立一个高效、准确的医学图像检索系统是目前具有挑战性的任务。由于相关反馈(RF)技术有效地解决了"语义鸿沟",成为基于内容的医学图像检索系统中提高检索性能的关键技术。文中根据RF算法采用的检索模型,从基于距离度量的模型、基于概率统计分类模型和基于机器学习模型三个方面,对有代表性的算法进行了分析与评价,并重点分析了基于机器学习的RF算法。最后对医学图像检索中RF技术的发展进行了展望。 展开更多

关键词 基于内容的医学图像检索 语义鸿沟 相关反馈 机器学习 小样本

在线阅读 下载PDF 职称材料

用于操作风险分析的小样本贝叶斯网络结构学习 被引量：7

10

作者 王双成 刘喜华 张丕强 《系统管理学报》 北大核心 2008年第4期448-454,共7页

现有的贝叶斯网络结构学习方法需要大量可靠例子进行复杂的运算,具有低效率和可靠性,而在操作风险管理方面积累大量可靠的例子非常困难。针对问题和实际需求,基于变量之间基本依赖关系、结点之间基本结构、d-separation标准和依赖分析... 现有的贝叶斯网络结构学习方法需要大量可靠例子进行复杂的运算,具有低效率和可靠性,而在操作风险管理方面积累大量可靠的例子非常困难。针对问题和实际需求,基于变量之间基本依赖关系、结点之间基本结构、d-separation标准和依赖分析方法进行小样本贝叶斯网络结构学习,分别使用模拟和真实数据进行了实验和分析,结果显示,该方法能够有效地进行小样本数据的贝叶斯网络结构学习。 展开更多

关键词 贝叶斯网络 小样本数据 结构学习 操作风险

在线阅读 下载PDF 职称材料

小数据集贝叶斯网络多父节点参数的修复 被引量：2

11

作者 王双成 冷翠平 曹锋 《计算机研究与发展》 EI CSCD 北大核心 2009年第5期787-793,共7页

具有已知结构的小数据集贝叶斯网络多父节点参数学习是一个重要而困难的研究课题,由于信息不充分,使得无法直接对多父节点参数进行有效的估计,如何修复这些参数便是问题的核心.针对问题提出了一种有效的小数据集多父节点参数修复方法,... 具有已知结构的小数据集贝叶斯网络多父节点参数学习是一个重要而困难的研究课题,由于信息不充分,使得无法直接对多父节点参数进行有效的估计,如何修复这些参数便是问题的核心.针对问题提出了一种有效的小数据集多父节点参数修复方法,该方法首先使用Bootstrap抽样扩展小数据集,然后分别将Gibbs抽样与最大似然树和贝叶斯网络相结合,通过依次对扩展数据按一定比例的迭代修正来实现对多父节点参数的修复.实验结果表明,这种方法能够有效地使大部分多父节点参数得到修复. 展开更多

关键词 贝叶斯网络 小数据集 参数学习 GIBBS抽样 最大似然树

在线阅读 下载PDF 职称材料

基于深度学习的两相流气泡末速度预测 被引量：1

12

作者 王红一 张浩 《现代电子技术》 2022年第15期69-72,共4页

针对在气液两相流中难以进行稳态分析,无法对气泡末速度进行精准预测的问题,提出一种基于深度学习的气泡末速度预测方法。首先,搭建了一套高速相机采集系统获取气泡图像,利用图像处理技术和椭圆拟合算法对气泡进行图像分割,进而计算气... 针对在气液两相流中难以进行稳态分析,无法对气泡末速度进行精准预测的问题,提出一种基于深度学习的气泡末速度预测方法。首先,搭建了一套高速相机采集系统获取气泡图像,利用图像处理技术和椭圆拟合算法对气泡进行图像分割,进而计算气泡上升速度,建立关于气泡末速度的图像数据集;然后,设计了一种以VGG网络为基础的回归网络模型,并采用迁移学习的方式对VGG网络进行训练和参数优化,有效地解决了训练样本不足、预测精度低的问题,实现了对气液两相流中气泡末速度的精准预测。实验结果表明:与传统的定量分析方法相比,基于迁移学习的VGG回归网络能够更好地对气泡图像进行特征提取,得到更为精准的气泡末速度预测模型,同时在小样本数据集中具备较好的泛化能力。 展开更多

关键词 气泡末速度 两相流 深度学习 VGG 高速相机 图像处理 迁移学习 小样本数据集

在线阅读 下载PDF 职称材料

具有小世界邻域结构的教与学优化算法 被引量：2

13

作者 王培崇 马玥 +1 位作者 耿明月 汪慎文 《计算机科学与探索》 CSCD 北大核心 2016年第9期1341-1350,共10页

教与学优化(teaching-learning-based optimization,TLBO)算法是近年来提出的一种通过模拟"教"与"学"行为的群体智能算法。为了克服教与学优化算法容易早熟,解精度较低,后期收敛速度慢等弱点,提出了一种改进的教与... 教与学优化(teaching-learning-based optimization,TLBO)算法是近年来提出的一种通过模拟"教"与"学"行为的群体智能算法。为了克服教与学优化算法容易早熟,解精度较低,后期收敛速度慢等弱点,提出了一种改进的教与学优化算法,并命名为S-TLBO(small world neighborhood TLBO)。该算法采用小世界网络作为其种群的空间结构关系,种群中的个体被看作是网络上的节点。在算法的"教"阶段,学生基于概率向教师个体进行学习,而在"学"阶段,学生则在自己的邻居节点中随机选择较为优秀的个体进行学习。为了提高加强算法的勘探新解和开采能力,引入教师个体执行反向学习算法。在多个经典的测试函数上的实验结果表明,所提出的改进算法具有较高的全局收敛性和解精度,适合于求解较高维度的多模态函数优化问题。 展开更多

关键词 教与学优化(TLBO) 小世界网络 邻域结构 反向学习(OBL)

在线阅读 下载PDF 职称材料

融合专家先验知识和单调性约束的贝叶斯网络参数学习方法 被引量：17

14

作者 曾强 黄政 魏曙寰 《系统工程与电子技术》 EI CSCD 北大核心 2020年第3期646-652,共7页

针对小样本集条件下的贝叶斯网络参数学习问题,提出一种融合专家先验知识和单调性约束的贝叶斯网络参数学习方法。该方法通过将专家先验知识以正态分布形式融入单调性约束的贝叶斯网络参数学习过程,进一步提高了小样本集条件下贝叶斯网... 针对小样本集条件下的贝叶斯网络参数学习问题,提出一种融合专家先验知识和单调性约束的贝叶斯网络参数学习方法。该方法通过将专家先验知识以正态分布形式融入单调性约束的贝叶斯网络参数学习过程,进一步提高了小样本集条件下贝叶斯网络参数学习的精度和稳定性。在小样本集条件下进行仿真实验,结果表明,与其他3种主要方法相比,所提方法平均(Kullback-Leibler,KL)散度大幅降低,运行时间高于其余3种方法。综合考虑学习精度和运行时间,所提方法优于其他3种方法。将所提方法应用于燃气轮机健康状态评估,评估结果与实际状态一致,验证了方法的有效性。 展开更多

关键词 贝叶斯网络 参数学习 小样本集 单调性约束 正态分布

在线阅读 下载PDF 职称材料

一种配电网基于模型诊断的最小碰集改进算法 被引量：11

15

作者 林梅芬 陈婷 +1 位作者 王秋杰 朱文强 《电力系统保护与控制》 EI CSCD 北大核心 2020年第8期25-33,共9页

在配电网故障的基于模型诊断方法中,最小碰集计算对整个诊断过程具有较大影响。为了进一步提高基于模型诊断的效率和准确率,提出一种适合配电网拓扑结构的最小碰集改进算法。利用新的适应度函数保证粒子直接朝着最小碰集迭代,提高对有... 在配电网故障的基于模型诊断方法中,最小碰集计算对整个诊断过程具有较大影响。为了进一步提高基于模型诊断的效率和准确率,提出一种适合配电网拓扑结构的最小碰集改进算法。利用新的适应度函数保证粒子直接朝着最小碰集迭代,提高对有解空间的搜索效率。利用"特征学习"搜索策略减少对无解空间的搜索。在分析配电网各元件解析冗余关系之间联系的基础上,提出算法分层的理论依据和实现方法。算例表明,改进后最小碰集算法具有更短的求解时间和更高的准确率。将改进后的最小碰集算法应用到基于模型诊断中,故障诊断的效率和准确率得到一定提高。 展开更多

关键词 配电网 基于模型诊断 最小碰集计算 拓扑结构 特征学习

在线阅读 下载PDF 职称材料

基于结构化稀疏表达的高分辨率光学遥感图像的船只检测 被引量：4

16

作者 董珊 杨占昕 +3 位作者 龙腾 庄胤 陈禾 陈亮 《信号处理》 CSCD 北大核心 2019年第6期986-993,共8页

为克服近岸船只检测中复杂港内背景干扰和基于深度学习算法的大视场光学遥感图像标注工作量大的困难,本文提出了基于小样本集的结构化稀疏表达方法来实现近岸船只检测的算法。构建由近岸船只目标,背景干扰信息和误差矩阵等三部分子字典... 为克服近岸船只检测中复杂港内背景干扰和基于深度学习算法的大视场光学遥感图像标注工作量大的困难,本文提出了基于小样本集的结构化稀疏表达方法来实现近岸船只检测的算法。构建由近岸船只目标,背景干扰信息和误差矩阵等三部分子字典组成的结构化稀疏表达字典,经小样本集的字典训练过程生成判别性稀疏编码。首先将多方向近岸船只目标样本与港内复杂背景信息样本经过HOG特征提取和PCA分析对原子进行初始化,然后使用K-SVD和LASSO算法对字典进行训练。在字典中引入误差矩阵对样本的类内差异进行表示,增强了稀疏编码的判别能力和系统鲁棒性。最后提出船只目标区域提取的置信度计算方法,对生成的结构化稀疏编码进行判别,提取船只目标区域,实现船只检测。通过对不同尺寸字典模型、引入误差矩阵前后的结构化稀疏表达模型进行实验,实验结果表明提出的引入误差矩阵的结构化稀疏表达方法的有效性,以及在小样本集下比现有技术方法具有更好的检测性能。 展开更多

关键词 近岸船只检测 光学遥感图像 结构化稀疏表达 小样本集

在线阅读 下载PDF 职称材料

小样本贝叶斯网络结构学习的KDE-CGA算法 被引量：6

17

作者 许建锐 李战武 徐安 《计算机科学》 CSCD 北大核心 2017年第B11期437-441,共5页

针对小样本数据条件下的贝叶斯网络结构学习,首先利用核密度估计(Kernel Density Estimation,KDE)对小规模样本数据进行拓展,然后引用云遗传算法(Cloud Theory-based Genetic Algotithm,CGA)对贝叶斯网络结构进行学习。通过优化改进核... 针对小样本数据条件下的贝叶斯网络结构学习,首先利用核密度估计(Kernel Density Estimation,KDE)对小规模样本数据进行拓展,然后引用云遗传算法(Cloud Theory-based Genetic Algotithm,CGA)对贝叶斯网络结构进行学习。通过优化改进核密度函数及其窗宽提高数据拓展效果;通过将云理论引入遗传算法中,自适应地改变交叉率和变异率,避免了算法局部寻优问题。仿真结果验证了该算法的有效性。 展开更多

关键词 小样本 贝叶斯网络 结构学习 核密度估计 云遗传算法

在线阅读 下载PDF 职称材料

基于密度核估计的贝叶斯网络结构学习算法 被引量：6

18

作者 韩绍金 李建勋 《计算机工程与应用》 CSCD 2014年第15期107-112,共6页

贝叶斯网络结构学习算法主要包括爬山法和K2算法等,但这些方法均要求面向大样本数据集。针对实际问题中样本集规模小的特点,通过引入概率密度核估计方法以实现对原始样本集的拓展,利用K2算法进行贝叶斯网络结构学习。通过优化选择核函... 贝叶斯网络结构学习算法主要包括爬山法和K2算法等,但这些方法均要求面向大样本数据集。针对实际问题中样本集规模小的特点,通过引入概率密度核估计方法以实现对原始样本集的拓展,利用K2算法进行贝叶斯网络结构学习。通过优化选择核函数和窗宽,基于密度核估计方法实现了样本集的有效扩展;同时基于互信息度进行变量顺序的确认,进而建立了小规模样本集的贝叶斯结构学习算法。仿真结果验证了新学习算法的有效性和实用性。 展开更多

关键词 贝叶斯网络 小样本结构学习 K2算法

在线阅读 下载PDF 职称材料

元学习研究综述 被引量：10

19

作者 朱应钊 李嫚 《电信科学》 2021年第1期22-31,共10页

深度学习和强化学习严重受限于小样本数据集,容易发生过拟合,无法实现类似于人类强泛化性的学习能力。元学习为此应运而生,以累积经验的方式形成“价值观”,基于本身的认知和价值判断能力对模型进行调整或优化,让智能体在实际环境中能... 深度学习和强化学习严重受限于小样本数据集,容易发生过拟合,无法实现类似于人类强泛化性的学习能力。元学习为此应运而生,以累积经验的方式形成“价值观”,基于本身的认知和价值判断能力对模型进行调整或优化,让智能体在实际环境中能快速学会各项复杂新任务,实现真正意义上的人工智能。首先概述了元学习的基本原理,然后根据其所采用的不同元知识形式,深入分析各类方法的研究现状,再探讨了元学习在少镜头学习、机器人学习和无监督学习等领域上的应用潜能,最后对其未来的发展趋势做出展望。 展开更多

关键词 小样本数据集 强泛化性 元学习 人工智能

在线阅读 下载PDF 职称材料

基于R-SIS和R-LWE构建的IBE加密方案 被引量：4

20

作者 钱心缘 吴文渊 《计算机科学》 CSCD 北大核心 2021年第6期315-323,共9页

格上基于身份的加密机制(Identity-Based Encryption, IBE)能够有效抵抗量子攻击,并且该机制将每个人的身份信息作为公钥,能够简化公钥基础设施(Public Key Infrastructure, PKI)对海量用户的公钥管理,这种加密机制是对传统PKI的改进,... 格上基于身份的加密机制(Identity-Based Encryption, IBE)能够有效抵抗量子攻击,并且该机制将每个人的身份信息作为公钥,能够简化公钥基础设施(Public Key Infrastructure, PKI)对海量用户的公钥管理,这种加密机制是对传统PKI的改进,能够解决PKI在物联网环境下暴露的众多问题。然而,目前国内外学者提出的基于格的IBE方案大多比较笨重,并且实现的方案很少。针对上述问题,提出了一种基于R-SIS以及R-LWE困难问题的IND-sID-CPA安全的IBE低膨胀率方案。首先,提出了分块复用技术,通过重用占存储空间较大的辅助解密密文块,极大地降低了密文膨胀率并提高了加密效率。然后,利用了Kyber提出的压缩算法并引入明文扩张参数,对以上两个参数指标进行进一步优化。通过严格的理论推导分析了所提方案的安全性、正确性和计算复杂度,利用数值实验给出了该方案在3种场景下的较优参数取值。最后,通过C++程序实现新方案,对比了所提方案与BFRS18方案在3种场景下的性能。实验结果表明,该方案在保证正确性和安全性的同时,有效提高了原方案的加解密效率,降低了密文膨胀率。 展开更多

关键词 基于身份加密 格密码 环小整数解问题 环容错学习问题 分块复用技术 压缩技术 高斯采样

在线阅读 下载PDF 职称材料