基于小批量梯度下降的神经网络模型估算针叶林生物量 被引量：3

1

作者 曾小强 徐翔 张化永 《林业调查规划》 2017年第6期1-6,15,共7页

探讨了基于小批量梯度下降的B-P神经网络模型,利用MODIS遥感图像、地面调查数据、地形数据以及森林覆盖率,估算天然针叶林地上生物量。在对针叶林地上生物量和遥感数据、地形数据、植被指数以及森林覆盖率进行单因素相关性分析的基础上... 探讨了基于小批量梯度下降的B-P神经网络模型,利用MODIS遥感图像、地面调查数据、地形数据以及森林覆盖率,估算天然针叶林地上生物量。在对针叶林地上生物量和遥感数据、地形数据、植被指数以及森林覆盖率进行单因素相关性分析的基础上,采用基于小批量梯度下降的B-P神经网络建立一组不同网络结构的天然针叶林生物量模型,在测试集上筛选出均方误差最小的网络结构,在验证集上用实测地上生物量值对筛选出的模型进行验证,并与多元回归模型比较。结果表明:小批量梯度下降训练算法收敛速度很快,最多不超过100 s,比较适合做大范围的生物量实时反演监测;模型很好地反应了针叶林地上生物量与MODIS遥感图像、地面调查数据、地形数据以及森林覆盖率的定量关系(相关系数R2=0.835),明显地优于传统的多元回归方法(相关系数R2=0.427)。由此可见,基于小批量梯度下降的B-P神经网络模型可以用于天然针叶林结构参数的定量研究,利用基于小批量梯度下降的B-P神经网络模型进行天然针叶林地上生物量实时监测具有一定的应用潜力。 展开更多

关键词 遥感估算 天然针叶林 地上生物量 小批量梯度下降 B-P神经网络

在线阅读 下载PDF 职称材料

基于小批量梯度下降和Spark分布式方法的局部断层细化对齐 被引量：4

2

作者 吕永春 赵晓芳 +2 位作者 李华 曾祥睿 徐旻 《高技术通讯》 EI CAS 北大核心 2020年第3期213-222,共10页

生物样品在获取电子冷冻断层扫描(cryo-ET)图像时的辐射损伤,信息缺失和低信号噪声比(SNR),限制了从断层数据中恢复3维结构信息。仿照电子低温显微镜(cryo-EM)单颗粒3维重构技术,对局部断层数据进行对齐和平均,产生高精度大分子复合体的... 生物样品在获取电子冷冻断层扫描(cryo-ET)图像时的辐射损伤,信息缺失和低信号噪声比(SNR),限制了从断层数据中恢复3维结构信息。仿照电子低温显微镜(cryo-EM)单颗粒3维重构技术,对局部断层数据进行对齐和平均,产生高精度大分子复合体的3维结构。现有的局部断层对齐技术都会涉及6个自由度(3个旋转参数、3个平移参数),因此,它们在每次迭代对齐中处理整个3维体积图像来计算这6个自由度,这是计算密集型的。针对上述问题,本文提出一种基于小批量梯度下降(MBGD)方法实现局部断层3维数据细化对齐,并首次利用Spark分布式框架实现局部断层对齐全局择优。通过对仿真数据和实验数据的对齐,基于小批量梯度下降细化对齐算法与基线方法相比,实现了对齐精度和速度的提高。 展开更多

关键词 小批量梯度下降(MBGD) SPARK 局部断层细化对齐 电子冷冻断层扫描技术(cryo-ET)

在线阅读 下载PDF 职称材料

基于小批量梯度下降法的FIR滤波器 被引量：7

3

作者 武康康 周鹏 +4 位作者 陆叶 蒋丹 闫江鸿 钱正成 龚闯 《广西师范大学学报（自然科学版）》 CAS 北大核心 2021年第4期9-20,共12页

针对梯度下降算法收敛速度慢,每次更新梯度都使用全部的样本点数且计算量大、复杂度高等问题,提出一种新型的用于相干光接收机的色散补偿FIR(finite-length impulse response)滤波器。在Matlab中搭建基带多速率相干光通信系统传输模型,... 针对梯度下降算法收敛速度慢,每次更新梯度都使用全部的样本点数且计算量大、复杂度高等问题,提出一种新型的用于相干光接收机的色散补偿FIR(finite-length impulse response)滤波器。在Matlab中搭建基带多速率相干光通信系统传输模型,利用小批量梯度下降法(mini-batch gradient descent),每次使用百分之一的样本数更新梯度和抽头权值h(n),计算均方误差,使计算复杂度降低为原来的1%,且当学习效率为0.05时,收敛值达到0.0055,均方误差收敛值更小。均方误差收敛后得到滤波器抽头的权值,本方法得到的滤波器权值在全频带具有更好的滤波效果。通过基带脉冲成型限制基带信号有效带宽,滤波器的抽头数目为197,相对全频带抽头数减少37.5%,所以能在窄频带设计出抽头数目更少,滤波效果更佳的最优滤波器。 展开更多

关键词 相干光通信系统模型 均方误差 FIR滤波器 抽头权值 小批量梯度下降 最优滤波器

在线阅读 下载PDF 职称材料

基于小批量梯度下降的布谷鸟搜索算法 被引量：4

4

作者 田媛 梁永全 《山东科技大学学报（自然科学版）》 CAS 北大核心 2020年第5期56-67,共12页

布谷鸟搜索算法是一种解决函数目标优化问题的全局搜索算法,具有选用参数少、容易实现、搜索路径优、寻优能力强等特点。为了提高布谷鸟搜索算法的求精能力和收敛速度,改善后期收敛慢和搜索精度不稳定的问题,提出了一种基于小批量梯度... 布谷鸟搜索算法是一种解决函数目标优化问题的全局搜索算法,具有选用参数少、容易实现、搜索路径优、寻优能力强等特点。为了提高布谷鸟搜索算法的求精能力和收敛速度,改善后期收敛慢和搜索精度不稳定的问题,提出了一种基于小批量梯度下降的布谷鸟搜索算法。引入小批量梯度下降,优化寻找最优解的过程,加快局部最优的搜索,从而提高算法的求精能力和收敛速度。仿真实验结果表明,基于小批量梯度下降的布谷鸟搜索算法简单高效,在保持标准布谷鸟搜索算法优点的基础上提高了算法的收敛速度和寻优精度,具有较强的稳定性和鲁棒性。 展开更多

关键词 布谷鸟搜索算法 列维飞行 函数目标优化 小批量梯度下降 全局最优解

在线阅读 下载PDF 职称材料

基于小批量随机梯度下降法的SVM训练隐私保护方案 被引量：1

5

作者 王杰昌 刘玉岭 +2 位作者 张平 刘牧华 赵新辉 《信息安全研究》 CSCD 北大核心 2024年第10期967-974,共8页

使用支持向量机(support vector machine,SVM)处理敏感数据时,隐私保护很重要,已有SVM隐私保护方案基于批量梯度下降法(batch gradient descent,BGD)进行训练,计算开销巨大.针对该问题,提出基于小批量随机梯度下降法(mini-batch stochas... 使用支持向量机(support vector machine,SVM)处理敏感数据时,隐私保护很重要,已有SVM隐私保护方案基于批量梯度下降法(batch gradient descent,BGD)进行训练,计算开销巨大.针对该问题,提出基于小批量随机梯度下降法(mini-batch stochastic gradient descent,Mini-batch SGD)的SVM隐私保护方案.首先,设计基于Mini-batch SGD的SVM训练算法;然后在此基础上,对模型权重进行乘法扰动,利用大整数分解问题困难假设确保模型的隐私性,使用同态密码体制对数据加密后再执行SVM训练,之后运用同态哈希函数进行验证;最终构建了SVM隐私保护方案.针对安全威胁,论证了数据隐私性、模型隐私性、模型正确性.对方案进行仿真实验和分析,结果表明,该方案在分类性能接近已有方案的情况下,其计算时间开销平均节约了92.4%. 展开更多

关键词 小批量随机梯度下降法 支持向量机 同态加密 同态哈希函数 隐私保护

在线阅读 下载PDF 职称材料

联邦学习的社群化制造韧性能力预测建模

6

作者 张富强 王浩杰 +1 位作者 惠记庄 丁凯 《西安交通大学学报》 北大核心 2025年第8期11-19,共9页

针对社群化制造资源分散化布局的特点,以及传统集中式建模面临的数据隐私与信息孤岛等问题,提出了一种基于联邦学习的韧性能力预测框架,从多角度分析不同因素对产品生产加工工时的影响。首先,考虑不同工序中断情况,以订单交付周期为目... 针对社群化制造资源分散化布局的特点,以及传统集中式建模面临的数据隐私与信息孤岛等问题,提出了一种基于联邦学习的韧性能力预测框架,从多角度分析不同因素对产品生产加工工时的影响。首先,考虑不同工序中断情况,以订单交付周期为目标函数,搭建了工时扰动模型计算损失时间,进而基于分布式学习范式,搭建了联邦学习网络模型;其次,设计了联邦小批量梯度下降(FedMBGD)算法,明确算法流程并进行本地训练;最后,结合工时扰动模型和算法,对社群化制造的韧性能力进行预测,通过与其他算法的对比,验证了所提算法的可行性与有效性。研究结果表明:所提出的算法能够显著提升收敛性与寻优能力,可将预测精确度提高至90%以上,并且在不共享原始数据的前提下,实现了社群化制造韧性的动态精准预测,解决了数据隐私与协同建模之间的矛盾。该研究为社群化制造模式下韧性能力预测提供了理论参考,为隐私数据的算法训练、参数上传及信息共享提供了一定的指导意义。 展开更多

关键词 社群化制造 工时扰动 联邦小批量梯度下降算法 韧性能力预测

在线阅读 下载PDF 职称材料

基于S-BGD和梯度累积策略的改进深度学习方法及其在光伏出力预测中的应用 被引量：26

7

作者 黎静华 黄乾 +1 位作者 韦善阳 黄玉金 《电网技术》 EI CSCD 北大核心 2017年第10期3292-3299,共8页

为提高光伏出力的预测精度,提出了一种改进深度学习算法的光伏出力预测方法。首先,针对传统的深度学习算法采用批量梯度下降(batch gradient descent,BGD)法训练模型参数速度慢的问题,利用随机梯度下降(stochastic gradient descent,SGD... 为提高光伏出力的预测精度,提出了一种改进深度学习算法的光伏出力预测方法。首先,针对传统的深度学习算法采用批量梯度下降(batch gradient descent,BGD)法训练模型参数速度慢的问题,利用随机梯度下降(stochastic gradient descent,SGD)法训练快的优点,提出了一种改进的随机-批量梯度下降(stochastic-batch gradient descent,S-BGD)搜索方法,该方法兼具SGD和BGD的优点,提高了参数训练的速度。然后,针对参数训练过程中容易陷入局部最优点和鞍点的问题,借鉴运动学理论,提出了一种基于梯度累积(gradient pile,GP)的训练方法。该方法以累积梯度作为参数的修正量,可以有效地避免训练陷入局部点和鞍点,进而提高预测精度。最后,以澳大利亚艾丽斯斯普林光伏电站的数据为样本,将所提方法应用于光伏出力预测中,验证所提方法的有效性。 展开更多

关键词 光伏出力预测 深度学习算法 梯度下降法 梯度累积量 参数训练 神经网络 随机-批量梯度下降

在线阅读 下载PDF 职称材料

基于动力学参数辨识的两轮机器人平衡控制

8

作者 董慧芬 姚勤燃 王俊峰 《控制工程》 北大核心 2025年第2期345-353,共9页

针对非同轴两轮机器人平衡控制算法设计过程中,机器人动力学建模不精准导致控制器设计困难的问题,提出一种基于小批量梯度下降法的极大似然估计参数辨识方法。首先,用欧拉-拉格朗日方法建立两轮机器人动力学模型;然后,根据激励轨迹用极... 针对非同轴两轮机器人平衡控制算法设计过程中,机器人动力学建模不精准导致控制器设计困难的问题,提出一种基于小批量梯度下降法的极大似然估计参数辨识方法。首先,用欧拉-拉格朗日方法建立两轮机器人动力学模型;然后,根据激励轨迹用极大似然估计方法进行动力学模型参数辨识;最后,用辨识参数和三维软件计算参数分别设计线性二次型调节器平衡控制算法,提升机器人倾角的控制精度。实验结果表明,该方法得到的动力学模型与真实模型的拟合度达到92.5%,基于此方法设计的控制器平衡控制效果显著,在静态和动态下均具有良好的平衡性能。 展开更多

关键词 参数辨识 两轮机器人 小批量梯度下降 极大似然估计 线性二次型调节器

在线阅读 下载PDF 职称材料

基于深度学习的理论线损率计算方法研究 被引量：3

9

作者 尚云飞 姜明军 +1 位作者 张东平 赵旻昱 《电测与仪表》 北大核心 2024年第10期33-38,81,共7页

线损率是综合反映电网规划、生产、管理等的重要经济技术指标,针对目前计算方法存在的计算速度慢和误差大等问题,提出了一种结合深层置信网络和深层神经网络的理论线损率计算模型。将计算过程转化为多特征提取过程,模型通过逐层贪婪法... 线损率是综合反映电网规划、生产、管理等的重要经济技术指标,针对目前计算方法存在的计算速度慢和误差大等问题,提出了一种结合深层置信网络和深层神经网络的理论线损率计算模型。将计算过程转化为多特征提取过程,模型通过逐层贪婪法和随机小批量梯度下降法等进行训练。通过算例与传统模型进行对比分析。结果表明,与传统的线损率计算方法相比,所提方法无论是精度还是效率都有一定的提升,表明了所提方法的优越性,具有一定的实用价值。 展开更多

关键词 线损率 深度置信网络 深层神经网络 逐层贪婪法 随机小批量梯度下降法

在线阅读 下载PDF 职称材料

联合双维度用户调度的自适应联邦边缘学习

10

作者 张九川 潘春雨 +2 位作者 周天依 李学华 丁勇 《计算机工程与应用》 CSCD 北大核心 2024年第4期153-162,共10页

联邦边缘学习无需传输本地数据,在保护用户隐私的基础上,大大降低了上行链路压力。联邦边缘学习通过智能边缘设备,利用本地数据集训练局部模型后上传模型参数至中心服务器;中心服务器聚合本地上传的局部模型参数形成全局模型后进行更新... 联邦边缘学习无需传输本地数据,在保护用户隐私的基础上,大大降低了上行链路压力。联邦边缘学习通过智能边缘设备,利用本地数据集训练局部模型后上传模型参数至中心服务器;中心服务器聚合本地上传的局部模型参数形成全局模型后进行更新,然后将更新后的模型下发给智能边缘设备开始新一轮迭代。但是局部模型精度以及局部模型训练时间,对全局模型聚合以及模型更新过程会产生重大影响。因此提出自适应动态批量梯度下降策略,在局部模型训练过程中自动调整梯度下降抽取的批量大小,优化联邦学习的局部模型精度及收敛速度。针对用户数据的非独立同分布特性,设计一种联合双维度用户调度策略的自适应动态批量梯度下降算法,通过收敛时间和数据多样性进行双维度约束。经MNIST数据集、fashion MNIST数据集和CIFAR-10数据集的训练测试,算法在有效降低聚合等待时间的同时能够进一步提高全局模型精度和收敛速度。与固定批量为64、128、256的梯度下降算法相比,该算法的全局模型精度在运行100 s时提升分别为32.4%、45.2%、87.5%。 展开更多

关键词 联邦边缘学习 批量梯度下降 用户调度 非独立同分布数据

在线阅读 下载PDF 职称材料

满足本地差分隐私的分类变换扰动机制 被引量：6

11

作者 朱素霞 王蕾 孙广路 《计算机研究与发展》 EI CSCD 北大核心 2022年第2期430-439,共10页

本地差分隐私作为一种隐私保护技术,被广泛用于连续数值型数据的均值估计,使用的扰动机制将直接影响均值的准确度.为进一步提高均值估计的准确性,提出了一种满足差分隐私的分类变换扰动机制.该机制对连续数值型数据划分变换范围并进行分... 本地差分隐私作为一种隐私保护技术,被广泛用于连续数值型数据的均值估计,使用的扰动机制将直接影响均值的准确度.为进一步提高均值估计的准确性,提出了一种满足差分隐私的分类变换扰动机制.该机制对连续数值型数据划分变换范围并进行分段,根据分段将其变换为1维二元分类数据.转换后使用随机响应机制进行扰动,再根据扰动后的数据标识的数值段从中随机均匀抽取数值作为扰动值.在真实数据和合成数据中的均值估计实验结果表明该机制极大地提高了准确性.除此之外,将分类变换扰动机制用于构建满足本地差分隐私的小批量梯度下降算法,并完成线性回归学习任务,实验结果证明该方法同样优于其他已有机制,可得到更小的均方误差. 展开更多

关键词 本地差分隐私 数据转换 均值估计 小批量梯度下降 随机响应

在线阅读 下载PDF 职称材料

基于HBase的多分类逻辑回归算法研究 被引量：11

12

作者 刘黎志 邓介一 吴云韬 《计算机应用研究》 CSCD 北大核心 2018年第10期3007-3010,共4页

为解决在大数据环境下,用于训练多分类逻辑回归模型的数据集可能会超过执行计算的客户端内存的问题,提出了块批量梯度下降算法,用于计算回归模型的系数。将训练数据集存入HBase后,通过设置表扫描对象的起始行键参数,可取出大小合适的含... 为解决在大数据环境下,用于训练多分类逻辑回归模型的数据集可能会超过执行计算的客户端内存的问题,提出了块批量梯度下降算法,用于计算回归模型的系数。将训练数据集存入HBase后,通过设置表扫描对象的起始行键参数,可取出大小合适的含训练样本及结果值的数据块;同时为避免客户端到服务端频繁的RPC调用,取出的数据块可进行多次迭代计算,以加快系数的收敛。当取出的数据块达到指定的迭代次数后,再按行键次序取出下一个数据块。如此循环,直到系数收敛或达到指定的循环控制阈值。多分类的逻辑回归问题可转换为二分类来解决,因此需要为每一个分类在训练数据表中设定结果值列,结合训练样本列簇,按块批量梯度下降算法得到每个分类的回归系数。实验结果表明得到的回归系数能准确地对测试样本进行分类。 展开更多

关键词 块批量梯度下降 多分类 逻辑回归 大数据 HBASE

在线阅读 下载PDF 职称材料

一种MEMS加速度计的噪声处理与参数训练方法 被引量：4

13

作者 张旭 路永乐 +2 位作者 郭俊启 肖明朗 吴英 《仪表技术与传感器》 CSCD 北大核心 2020年第2期41-45,共5页

为进一步提高微机电系统(MEMS)加速度计的测量精度,建立以测量值为输入、真实值为输出的MEMS加速度计误差补偿模型,利用Allan方差和最小均方(LMS)自适应滤波算法对加速度计在6个位置下的多组实际测量数据进行噪声分析和预处理,处理后的... 为进一步提高微机电系统(MEMS)加速度计的测量精度,建立以测量值为输入、真实值为输出的MEMS加速度计误差补偿模型,利用Allan方差和最小均方(LMS)自适应滤波算法对加速度计在6个位置下的多组实际测量数据进行噪声分析和预处理,处理后的全部测量数据作为样本训练模型参数,利用最小二乘和批量梯度下降相结合的方法获得样本数据对真实模型参数的最优拟合,并利用该模型对加速度计进行误差补偿,实现MEMS加速度计的高精度标定。实验验证表明,利用该模型对MEMS加速度计进行误差补偿后,输出值的均值误差为(0.72~1.19)×10^-4 g,标准差为(0.75~1.61)×10^-4 g,相对于补偿前,均值误差降低了2个数量级,标准差降低了1个数量级,有效提高了MEMS加速度计的测量精度和稳定性。 展开更多

关键词 数据训练 ALLAN方差 最小均方 最小二乘 批量梯度下降 误差补偿

在线阅读 下载PDF 职称材料

基于深度学习的帕金森患者声纹识别 被引量：3

14

作者 张颖 徐志京 《计算机工程与设计》 北大核心 2019年第7期2039-2045,共7页

90%的帕金森病(PD)患者存在声带紊乱,提出一种利用WMFCC提取患者的声纹特征、DNN识别并分类的方法用于区分PD患者和健康人。通过计算患者声纹中倒谱系数的加权和系数,解决高阶倒谱系数小、特征分量对音频的表征能力差等问题。DNN训练并... 90%的帕金森病(PD)患者存在声带紊乱,提出一种利用WMFCC提取患者的声纹特征、DNN识别并分类的方法用于区分PD患者和健康人。通过计算患者声纹中倒谱系数的加权和系数,解决高阶倒谱系数小、特征分量对音频的表征能力差等问题。DNN训练并分类识别有效地提高系统精度,使用MBGD优化算法降低损失函数的计算量,提高系统训练速度。针对PD database中样本测试分类,结果相较传统SVM等方法,该方法提高了判别PD准确率,可达87.5%,为PD患者早期快速辅助诊断提供了良好的解决方案。 展开更多

关键词 帕金森病 加权梅尔倒谱系数 深度神经网络 声纹特征 小批量梯度下降优化算法

在线阅读 下载PDF 职称材料

轧机轧制力的改进训练策略深度神经网络预测

15

作者 于飞 于博 《机械设计与制造》 北大核心 2023年第1期96-100,共5页

为了提高双机架炉卷轧机的轧制力预测精度,提出了具有快速而高效训练策略的深度神经网络预测方法。介绍了双机架炉卷轧机的工作原理,分析了轧制力影响参数。在深度神经网络基础上,使用随机小批量的样本选取法,提高深度神经网络训练速度... 为了提高双机架炉卷轧机的轧制力预测精度,提出了具有快速而高效训练策略的深度神经网络预测方法。介绍了双机架炉卷轧机的工作原理,分析了轧制力影响参数。在深度神经网络基础上,使用随机小批量的样本选取法,提高深度神经网络训练速度;提出自适应矩估计梯度优化算法,用于解决传统训练方法陷入局部极值的问题,从而给出了改进训练策略的深度神经网络轧制力预测方法。经轧制实验验证,改进深度神经网络的训练时间为226.15s,而传统网络的训练时间为862.93s;改进网络的预测误差绝大部分控制在3%以内,而传统网络的预测误差绝大部分控制在5%以内。以上数据表明,改进深度神经网络的训练速度和预测精度均远优于传统深度神经网络。 展开更多

关键词 深度神经网络 轧制力预测 自适应矩估计梯度优化 随机小批量梯度下降法

在线阅读 下载PDF 职称材料

MapReduce框架下基于线性回归的短期负荷预测 被引量：2

16

作者 吴丽珍 孔纯 陈伟 《兰州理工大学学报》 CAS 北大核心 2021年第1期97-104,共8页

为解决负荷预测时因数据量大、数据种类繁多带来的计算速度慢、预测精度低等问题,在MapReduce并行编程框架下,提出基于小批量随机梯度下降法的线性回归模型.首先,为清理智能配电终端产生的重复数据和不良数据,提出利用自适应近邻排序算... 为解决负荷预测时因数据量大、数据种类繁多带来的计算速度慢、预测精度低等问题,在MapReduce并行编程框架下,提出基于小批量随机梯度下降法的线性回归模型.首先,为清理智能配电终端产生的重复数据和不良数据,提出利用自适应近邻排序算法清除重复记录的数据,并利用K均值聚类的方法剔除异常数据和记录不完整的数据,然后利用F检验法来检验该数据集能否线性表征负荷,再利用T检验法检验特性向量与负荷间线性关系的显著性,并剔除与负荷线性关系较弱的特性向量.根据以上方法建立短期负荷预测模型,并将其用在甘肃武威某区域配电网短期负荷预测中.结果表明,所提出的短期负荷预测模型的平均绝对百分误差为2.043%,均方根误差为3112.62.这些预测误差满足负荷预测的要求,极大地提高了负荷计算的速度,缩短了负荷预测时间. 展开更多

关键词 大数据分析 小批量随机梯度下降 短期负荷预测 分布式并行计算 MAPREDUCE框架

在线阅读 下载PDF 职称材料

基于栈式稀疏降噪自编码网络的辐射源调制识别 被引量：9

17

作者 李东瑾 杨瑞娟 +1 位作者 李晓柏 董睿杰 《电子学报》 EI CAS CSCD 北大核心 2020年第6期1198-1204,共7页

针对辐射源识别中噪声敏感和识别能力不足等问题,提出了一种基于核空间时频特征与栈式稀疏降噪自编码网络的识别系统.通过时频变换、稀疏域降噪和核空间降维投影降低噪声干扰和特征冗余,基于降噪自编码与稀疏自编码思想构建栈式稀疏降... 针对辐射源识别中噪声敏感和识别能力不足等问题,提出了一种基于核空间时频特征与栈式稀疏降噪自编码网络的识别系统.通过时频变换、稀疏域降噪和核空间降维投影降低噪声干扰和特征冗余,基于降噪自编码与稀疏自编码思想构建栈式稀疏降噪自编码识别网络.实验结果表明系统在识别率和时效性上综合性能最优,能够显著降低噪声敏感性,低信噪比环境下适应性较强.当信噪比为-12dB时,系统对8类辐射源信号的整体平均识别率达到96.75%. 展开更多

关键词 辐射源识别 稀疏降噪自编码 时频特征 核映射 批量随机梯度下降法 dropout正则化

在线阅读 下载PDF 职称材料

基于核协同表示与鉴别投影的辐射源调制识别 被引量：2

18

作者 李东瑾 杨瑞娟 +1 位作者 李晓柏 董睿杰 《电子学报》 EI CAS CSCD 北大核心 2020年第9期1695-1702,共8页

针对辐射源识别中的特征稳定性不高和低信噪比环境适应性不足等问题,提出了一种基于二次时频分布、核协同表示与鉴别投影的识别方法.首先,通过时频变换、稀疏域降噪和二次特征提取的预处理算法降低噪声干扰和特征冗余,以获取高稳定性的... 针对辐射源识别中的特征稳定性不高和低信噪比环境适应性不足等问题,提出了一种基于二次时频分布、核协同表示与鉴别投影的识别方法.首先,通过时频变换、稀疏域降噪和二次特征提取的预处理算法降低噪声干扰和特征冗余,以获取高稳定性的二次时频分布特征;然后,采用核协同表示和鉴别投影思想进行降维学习和字典学习,以提升数据低维表征和类间鉴别能力;最后,通过离线训练完成系统优化并用于分类验证.仿真结果表明,二次时频分布特征具备较高稳定性,识别方法具备较强鲁棒性、时效性和适应性;当信噪比为-10dB时,该方法对8类辐射源信号的整体平均识别率达到96.88%. 展开更多

关键词 辐射源识别 核协同表示 鉴别投影 二次时频分布 批量随机梯度下降法

在线阅读 下载PDF 职称材料