针对两个正态随机变量比率(Ratio of Two Normal Random Variables,RZ)监控的研究是近年来统计过程控制的重要方向之一。为了进一步提高传统休哈特型RZ控制图对过程中较小或中等参数偏移的灵敏度,本文以指数加权移动平均(Exponentially ...针对两个正态随机变量比率(Ratio of Two Normal Random Variables,RZ)监控的研究是近年来统计过程控制的重要方向之一。为了进一步提高传统休哈特型RZ控制图对过程中较小或中等参数偏移的灵敏度,本文以指数加权移动平均(Exponentially Weighted Moving Average,EWMA) RZ控制图为基础,提出了一种新的RZ控制图。首先,对EWMA-RZ控制图的平滑系数进行两次加权,提出了二次指数加权移动平均(Double EWMA,DEWMA) RZ控制图,并进一步引入了变采样间隔(Variable Sampling Interval,VSI)特性,提出了VSI-DEWMA-RZ控制图;其次,采用蒙特卡罗(Monte-Carlo,MC)仿真模拟所提出控制图的运行链长分布特征,并详细分析了控制图的性能;再次,针对不同的控制图参数,比较了VSI-DEWMA-RZ控制图与DEWMA-RZ和VSI-EWMA-RZ控制图的性能。仿真结果表明,本文提出的VSI-DEWMA-RZ控制图优于DEWMA-RZ控制图,且其对过程中较小和中等偏移的监控效果优于现有的VSI-EWMA-RZ控制图。最后,通过监控食品加工过程中“南瓜籽”和“亚麻籽”的重量,进一步说明了所提出控制图的优越性。展开更多
目标检测模型的轻量化研究虽已产生诸多代表性成果,但现有方法在模型高比例剪枝时会出现检测精度断崖式衰减。在探索主流目标检测网络剪枝性能衰减的根源时发现剪枝后梯度的波动是影响模型性能的关键。为此构建了基于强关联平滑约束的...目标检测模型的轻量化研究虽已产生诸多代表性成果,但现有方法在模型高比例剪枝时会出现检测精度断崖式衰减。在探索主流目标检测网络剪枝性能衰减的根源时发现剪枝后梯度的波动是影响模型性能的关键。为此构建了基于强关联平滑约束的剪枝框架(Pruning Framework based on Strong Correlation Smoothing Constraint,SCSC)。首先将历史梯度及当前梯度定义为自蒸馏理论中的教师及学生,通过学生模仿教师的方式使学生梯度最大程度接近教师梯度,实现梯度平滑;其次依据梯度平滑结果提出基于强关联约束的剪枝方案,将历史梯度与当前梯度组成强关联组,通过强化历史梯度对当前梯度更新的贡献增强模型权重参数稀疏度。在PASCAL VOC2007数据集进行测试,SCSC对比主流剪枝方法取得了2个百分点的平均精度提升;在KITTI数据集中,SCSC剪枝率为80%时,相较于原网络识别精度衰减仅为3个百分点。展开更多
文摘针对两个正态随机变量比率(Ratio of Two Normal Random Variables,RZ)监控的研究是近年来统计过程控制的重要方向之一。为了进一步提高传统休哈特型RZ控制图对过程中较小或中等参数偏移的灵敏度,本文以指数加权移动平均(Exponentially Weighted Moving Average,EWMA) RZ控制图为基础,提出了一种新的RZ控制图。首先,对EWMA-RZ控制图的平滑系数进行两次加权,提出了二次指数加权移动平均(Double EWMA,DEWMA) RZ控制图,并进一步引入了变采样间隔(Variable Sampling Interval,VSI)特性,提出了VSI-DEWMA-RZ控制图;其次,采用蒙特卡罗(Monte-Carlo,MC)仿真模拟所提出控制图的运行链长分布特征,并详细分析了控制图的性能;再次,针对不同的控制图参数,比较了VSI-DEWMA-RZ控制图与DEWMA-RZ和VSI-EWMA-RZ控制图的性能。仿真结果表明,本文提出的VSI-DEWMA-RZ控制图优于DEWMA-RZ控制图,且其对过程中较小和中等偏移的监控效果优于现有的VSI-EWMA-RZ控制图。最后,通过监控食品加工过程中“南瓜籽”和“亚麻籽”的重量,进一步说明了所提出控制图的优越性。
文摘目标检测模型的轻量化研究虽已产生诸多代表性成果,但现有方法在模型高比例剪枝时会出现检测精度断崖式衰减。在探索主流目标检测网络剪枝性能衰减的根源时发现剪枝后梯度的波动是影响模型性能的关键。为此构建了基于强关联平滑约束的剪枝框架(Pruning Framework based on Strong Correlation Smoothing Constraint,SCSC)。首先将历史梯度及当前梯度定义为自蒸馏理论中的教师及学生,通过学生模仿教师的方式使学生梯度最大程度接近教师梯度,实现梯度平滑;其次依据梯度平滑结果提出基于强关联约束的剪枝方案,将历史梯度与当前梯度组成强关联组,通过强化历史梯度对当前梯度更新的贡献增强模型权重参数稀疏度。在PASCAL VOC2007数据集进行测试,SCSC对比主流剪枝方法取得了2个百分点的平均精度提升;在KITTI数据集中,SCSC剪枝率为80%时,相较于原网络识别精度衰减仅为3个百分点。
