期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
基于核脊回归方法预测的中子俘获率在s-过程模拟中的应用
1
作者 黄天行 吴鑫辉 《原子能科学技术》 EI CAS CSCD 北大核心 2023年第4期743-750,共8页
慢中子俘获过程(s-过程)产生了自然界中约一半比Fe重的元素,中子俘获率是s-过程研究的关键核物理输入量。近年来,机器学习方法在核物理研究中的应用取得了很大的成功,其中包括了机器学习核脊回归方法对中子俘获率的研究。为了探究机器... 慢中子俘获过程(s-过程)产生了自然界中约一半比Fe重的元素,中子俘获率是s-过程研究的关键核物理输入量。近年来,机器学习方法在核物理研究中的应用取得了很大的成功,其中包括了机器学习核脊回归方法对中子俘获率的研究。为了探究机器学习方法对中子俘获率的修正对s-过程研究的影响,本文分别利用修正前后的中子俘获率数据,基于核反应网络进行了s-过程模拟,并对所得s-过程丰度进行了对比分析。结果表明,机器学习对中子俘获率的修正对s-过程模拟所得的丰度分布整体影响较小,但对处于s-过程路径上的个别重要核素的丰度影响可达30%左右。 展开更多
关键词 S-过程 中子俘获率 机器学习 脊回归方法
在线阅读 下载PDF
基于脊参数估计的对角加载系数的选取 被引量:2
2
作者 董玫 苏洪涛 +1 位作者 郑巧珍 陈伯孝 《电子学报》 EI CAS CSCD 北大核心 2014年第10期2098-2103,共6页
基于脊回归(Ridge Regression)理论,提出一种对角加载系数的非参数计算方法.通过分析剩余矢量随快拍数变化的趋势,该算法将误差绝对值作为剩余矢量的代价函数.仿真结果表明,新算法在小快拍数据和阵列存在失配时能够抑制噪声带来的旁瓣... 基于脊回归(Ridge Regression)理论,提出一种对角加载系数的非参数计算方法.通过分析剩余矢量随快拍数变化的趋势,该算法将误差绝对值作为剩余矢量的代价函数.仿真结果表明,新算法在小快拍数据和阵列存在失配时能够抑制噪声带来的旁瓣起伏效应,具有较好的稳健性. 展开更多
关键词 波束形成 对角加载 脊回归 最小二乘 代价函数
在线阅读 下载PDF
基于小波域稀疏表示和自适应混合样本回归的图像超分辨率重建算法
3
作者 刘微容 张超鹏 +1 位作者 刘朝荣 刘婕 《兰州理工大学学报》 CAS 北大核心 2018年第3期88-95,共8页
针对局部特征不能较好地在空域表示的缺点,对训练集进行直接的小波变换,在训练阶段采用K-SVD字典学习算法对提取的小波域高低分辨率特征分别训练四个子带高低分辨率字典对,并把所得子带字典用于小波域高分辨率图像重建.为了进一步提升... 针对局部特征不能较好地在空域表示的缺点,对训练集进行直接的小波变换,在训练阶段采用K-SVD字典学习算法对提取的小波域高低分辨率特征分别训练四个子带高低分辨率字典对,并把所得子带字典用于小波域高分辨率图像重建.为了进一步提升重建图像的质量,提出一个自适应混合样本脊回归模型(AMSRR)用于调制重建图像的高频成分.实验结果表明,本文提出的算法在视觉效果以及量化指标(PSNR,SSIM)上优于对比的空域方法. 展开更多
关键词 图像超分辨率重建 小波变换 稀疏表示 脊回归
在线阅读 下载PDF
基于自适应的光通信系统信道盲均衡技术研究 被引量:2
4
作者 代红英 张仁永 《激光杂志》 北大核心 2019年第10期177-181,共5页
传统光通信系统盲均衡方法依据信号序列的统计特征进行盲均衡训练,未考虑信号序列中的噪音因素,导致信号序列存在共线性问题,且对数据长度有较高的依赖性,均衡效果差,为此提出基于自适应的光通信系统信道盲均衡方法。首先构建光通信系... 传统光通信系统盲均衡方法依据信号序列的统计特征进行盲均衡训练,未考虑信号序列中的噪音因素,导致信号序列存在共线性问题,且对数据长度有较高的依赖性,均衡效果差,为此提出基于自适应的光通信系统信道盲均衡方法。首先构建光通信系统接收机等效噪音和信道数学模型,明确大气湍流强度、高斯白噪音和光通信系统信道间的关系,然后构建光通信QPSK调制盲均衡模型,采用基于脊回归(RR)的光通信系统信道盲均衡方法,构建脊回归盲均衡代价函数,将光通信系统信道盲均衡问题,转换成求解无约束优化问题,实现光通信系统信道的盲均衡,最后实验结果表明,该方法收敛效率高、误码率低,对数据长度的依赖性低,盲均衡效果佳。 展开更多
关键词 光通信系统 信道 盲均衡 脊回归 噪音 代价函数
在线阅读 下载PDF
使用自适应背景约束改进的颜色属性跟踪算法
5
作者 胡穹 梅雪 卞佳丽 《电光与控制》 北大核心 2018年第10期33-38,51,共7页
颜色属性跟踪算法使用的核脊回归分类器对于背景信息的利用过少,导致算法在目标快速运动、局部遮挡和背景相似物干扰等情形下容易发生漂移。针对此问题,首先,通过计算响应矩阵峰值旁瓣比确定干扰峰所在位置;然后,在核脊回归分类器上引... 颜色属性跟踪算法使用的核脊回归分类器对于背景信息的利用过少,导致算法在目标快速运动、局部遮挡和背景相似物干扰等情形下容易发生漂移。针对此问题,首先,通过计算响应矩阵峰值旁瓣比确定干扰峰所在位置;然后,在核脊回归分类器上引入对应的背景约束项来加强分类器对背景信息的利用;最后,使用构建尺度空间滤波器的方法实现对多尺度变化的支持。在Visual Tracker Benchmark数据集上的对比实验结果表明,该方法在不过多损失算法速度的前提下,能够有较高的跟踪精度。 展开更多
关键词 目标跟踪 颜色属性跟踪 自适应背景约束 峰值旁瓣比 脊回归
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部