-
题名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：2
- 1
-
-
作者
王杰昌
刘玉岭
张平
刘牧华
赵新辉
-
机构
郑州大学体育学院体育大数据中心
中国科学院信息工程研究所
河南科技大学数学与统计学院
龙门实验室智能系统科创中心
-
出处
《信息安全研究》
CSCD
北大核心
2024年第10期967-974,共8页
-
基金
国家自然科学基金项目(62102134)
基础加强计划技术领域基金项目(2021-JCJQ-JJ-0908)
+2 种基金
河南省科技攻关项目(232102210138,232102210130,232102320309)
龙门实验室重大科技项目(231100220300)
河南省高等学校重点科研项目(23A520046,23A413005)。
-
文摘
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%.
-
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
-
Keywords
Mini-batch SGD
SVM
homomorphic encryption
homomorphic hash function
privacy-preserving
-
分类号
TP309.2
[自动化与计算机技术—计算机系统结构]
-
-
题名基于深度学习的理论线损率计算方法研究
被引量：3
- 2
-
-
作者
尚云飞
姜明军
张东平
赵旻昱
-
机构
国网甘肃省电力公司
-
出处
《电测与仪表》
北大核心
2024年第10期33-38,81,共7页
-
基金
国家电网有限公司科技项目(GSK001278)。
-
文摘
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。
-
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
-
Keywords
line loss rate
deep confidence network
deep neural network
layer-by-layer greedy method
random small batch gradient descent method
-
分类号
TM11
[电气工程—电工理论与新技术]
-
-
题名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
- 3
-
-
作者
李东瑾
杨瑞娟
李晓柏
董睿杰
-
机构
中国人民解放军空军预警学院
-
出处
《电子学报》
EI
CAS
CSCD
北大核心
2020年第6期1198-1204,共7页
-
基金
国防科技创新特区基金(No.17H86304ZT00302201)。
-
文摘
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%.
-
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
-
Keywords
emitter signal recognition
sparse denoising auto-encoder
time-frequency feature
kernel mapping
mini-batch stochastic gradient descent method(MSGD)
dropout regularization
-
分类号
TN957.51
[电子电信—信号与信息处理]
-
-
题名基于核协同表示与鉴别投影的辐射源调制识别
被引量：3
- 4
-
-
作者
李东瑾
杨瑞娟
李晓柏
董睿杰
-
机构
中国人民解放军空军预警学院
-
出处
《电子学报》
EI
CAS
CSCD
北大核心
2020年第9期1695-1702,共8页
-
基金
国防科技创新特区基金(No.17H86304ZT00302201)。
-
文摘
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%.
-
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
-
Keywords
emitter signal recognition
kernel collaborative representation
discriminative projection
secondary time-frequency distribution(STFD)
mini-batch stochastic gradient descent(MSGD)
-
分类号
TN957.51
[电子电信—信号与信息处理]
-
-
题名轧机轧制力的改进训练策略深度神经网络预测
- 5
-
-
作者
于飞
于博
-
机构
辽源职业技术学院机电工程学院
长春工程学院机电工程学院
-
出处
《机械设计与制造》
北大核心
2023年第1期96-100,共5页
-
基金
吉林省教育厅“十三五”科学技术项目(JJKH20191248KJ)。
-
文摘
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。
-
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
-
Keywords
Deep Neutral Network
Rolling Force Prediction
Adaptive Moment Estimation Gradient Optimization
Stochastic Mini-Batch Gradient Descent
-
分类号
TH16
[机械工程—机械制造及自动化]
TP183
[自动化与计算机技术—控制理论与控制工程]
-
