-
题名基于证据推理规则的无线传感器网络数据可靠性分析
被引量：8
- 1
-
-
作者
周国辉
靳书坤
张伟
曲媛媛
贺维
-
机构
哈尔滨师范大学计算机科学与信息工程学院
黑龙江农业工程职业学院
中国人民解放军火箭军工程大学
-
出处
《传感技术学报》
CAS
CSCD
北大核心
2020年第11期1644-1654,共11页
-
基金
黑龙江省自然科学基金项目(F2018023)
哈尔滨师范大学博士科研启动金项目(XKB201905)
+2 种基金
哈尔滨师范大学计算机科学与信息工程学院自然科学基金项目(JKYKYY2020002,JKYKYY202010)
教育部高教司协同育人项目(201702025005)
教育部高教司协同育人项目(201702177073)。
-
文摘
无线传感器网络(Wireless Sensor Network,WSN)在精密工程中具有广泛的应用,对数据精度的要求严苛,因此对WSN可靠性进行评估具有实用价值。本文以WSN实际监测数据为研究对象,通过对WSN数据提取特征,选取所测环境数据的时间相关性和空间相关性以及节点电压为可靠性指标,提出了基于证据推理规则(Evidential reasoning rule,ER)的WSN数据可靠性评估模型。该模型采用变异系数法和基于距离的方法,确定评估指标权重和可靠度,以基于规则的方法将指标数据统一成置信分布形式,利用证据推理规则对指标和参数进行融合,得到WSN数据可靠性状态。最后,通过实例分析验证该模型的有效性。
-
关键词
无线传感器网络(WSN)
数据可靠性评估
证据推理规则(er
Rule)
置信分布
-
Keywords
wireless sensor network(WSN)
data reliability evaluation
evidence reasoning rules(er Rule)
belief distribution
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
-
题名动态权重证据推理规则的CNN超参数质量评估
被引量：6
- 2
-
-
作者
李红宇
黄志鹏
张广玲
贺维
-
机构
哈尔滨师范大学计算机科学与信息工程学院
中国人民解放军火箭军工程大学
-
出处
《小型微型计算机系统》
CSCD
北大核心
2021年第5期1015-1021,共7页
-
基金
黑龙江省自然科学基金项目(F2018023)资助
哈尔滨师范大学博士科研启动金项目(XKB201905)资助
哈尔滨师范大学计算机科学与信息工程学院自然科学基金项目(JKYKYY2020002)资助.
-
文摘
卷积神经网络(Convolutional Neural Networks,CNN)在计算机视觉、自然语言处理为代表的数据处理领域应用广泛.在CNN训练过程中,超参数设置依赖于先验知识,不恰当的超参数会影响模型的训练效率和精度.为了解决这一问题,本文提出基于证据推理规则(Evidential Reasoning Rule,ER Rule)的CNN超参数质量评估模型,可在训练前提供高质量的超参数选择,从而提高模型的训练效率.首先,描述了CNN超参数评估的过程,然后构建了CNN的超参数质量评估模型,运用了奖罚策略实现指标权重的动态适应并给出模型的推理过程.最后,通过图像分类实验验证了模型的实际效果,实验结果表明本文提出的CNN超参数评估模型在多个数据集上预测准确率均高于90%,能够有效建立超参数与CNN模型效果的映射关系,从而过滤低质量的超参数.
-
关键词
卷积神经网络(CNN)
超参数评估
证据推理规则(er
Rule)
动态权重
-
Keywords
convolutional neural networks(CNN)
hyper-parameter assessment
evidential reasoning rule(er Rule)
dynamic weight
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
