期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于门控机制与重放策略的持续语义分割方法 被引量:2
1
作者 杨静 何瑶 +3 位作者 李斌 李少波 胡建军 溥江 《电子与信息学报》 EI CAS CSCD 北大核心 2024年第7期2908-2917,共10页
基于深度神经网络的语义分割模型在增量更新知识时由于新旧任务参数之间的干扰加之背景漂移现象,会加剧灾难性遗忘。此外,数据常常由于隐私、安全等因素无法被存储导致模型失效。为此,该文提出基于门控机制与重放策略的持续语义分割方... 基于深度神经网络的语义分割模型在增量更新知识时由于新旧任务参数之间的干扰加之背景漂移现象,会加剧灾难性遗忘。此外,数据常常由于隐私、安全等因素无法被存储导致模型失效。为此,该文提出基于门控机制与重放策略的持续语义分割方法。首先,在不存储旧数据的情况下,通过生成对抗网络生成及网页抓取作为数据来源,使用标签评估模块解决无监督问题、背景自绘模块解决背景漂移问题;接着,使用重放策略缓解灾难性遗忘;最后,将门控变量作为一种正则化手段增加模型稀疏性,研究了门控变量与持续学习重放策略结合的特殊情况。在Pascal VOC2012数据集上的评估结果表明,在复杂场景10-2,生成对抗网络(GAN)、Web的设置中,该文在全部增量步骤结束后的旧任务性能比基线分别提升了3.8%,3.7%,在场景10-1中,相比于基线分别提升了2.7%,1.3%。 展开更多
关键词 持续学习 语义分割 重放策略 门控变量
在线阅读 下载PDF
脑启发式持续学习方法:技术、应用与发展 被引量:2
2
作者 杨静 李斌 +4 位作者 李少波 王崎 于丽娅 胡建军 袁坤 《电子与信息学报》 EI CSCD 北大核心 2022年第5期1865-1878,共14页
深度学习模型面对非独立同分布数据流时,新知识会覆盖旧知识,造成其性能大幅度下降。而持续学习(CL)技术可以从非独立同分布数据流中获取增量可用知识,不断积累新知识的同时无须从头学习,通过模仿类脑的学习与记忆机制达到类人智能。该... 深度学习模型面对非独立同分布数据流时,新知识会覆盖旧知识,造成其性能大幅度下降。而持续学习(CL)技术可以从非独立同分布数据流中获取增量可用知识,不断积累新知识的同时无须从头学习,通过模仿类脑的学习与记忆机制达到类人智能。该文针对脑启发式持续学习方法进行综述。首先,回顾持续学习发展历程;其次,从类脑持续学习机制的角度,将持续学习研究方法分为经典方法与脑启发方法两类,对重放、正则化与稀疏化3种经典持续学习方法的研究现状进行总结,分析了其所面临的困境。为此,针对更接近类脑持续学习能力的突触、双系统、睡眠及模块化4类脑启发方法进行阐述分析与对比总结;最后,概述脑启发式持续学习的应用现状,并探讨了在现有技术条件下实现脑启发式持续学习所面临的挑战及其未来发展方向。 展开更多
关键词 持续学习 脑启发 灾难性遗忘 类脑智能 睡眠启发
在线阅读 下载PDF
基于遗传编程的可持续模拟退火算法及应用 被引量:3
3
作者 李少波 徐立章 胡建军 《系统仿真学报》 CAS CSCD 北大核心 2009年第7期1908-1911,共4页
研究分析了模拟退火算法(SA)的缺陷,采用分等级搜索机制,提出了可持续模拟退火算法(HFCSA)后,针对HFCSA算法编码受限问题,引入遗传编程的思想和编码方式,提出一种基于遗传编程的可持续模拟退火算法—GP-HFCSA算法。该算法可以在开放式... 研究分析了模拟退火算法(SA)的缺陷,采用分等级搜索机制,提出了可持续模拟退火算法(HFCSA)后,针对HFCSA算法编码受限问题,引入遗传编程的思想和编码方式,提出一种基于遗传编程的可持续模拟退火算法—GP-HFCSA算法。该算法可以在开放式搜索空间中搜索,实现结构和参数的协同进化。在算法对比测试实验(8特征值问题)中,GP-HFCSA算法的设计结果优于参照算法,证明了GP-HFCSA算法具有良好的效率及自动设计能力,具有广泛的学术价值及应用前景。 展开更多
关键词 可持续模拟退火算法 HFC模型 GP-HFCSA算法 遗传编程
在线阅读 下载PDF
基于深度卷积网络的多工况寿命预测方法研究 被引量:1
4
作者 黄金苑 李少波 +3 位作者 张安思 杨万里 刘慧斌 胡建军 《组合机床与自动化加工技术》 北大核心 2020年第4期37-41,共5页
机电设备的寿命预测是状态维修中的一项重要任务,目前在多工况条件下的机电设备寿命预测效果并不理想,为了更好的预测多工况条件下的设备剩余寿命。文章对现有的涡轮风扇发动机开源数据集进行了研究,提出了一种新的多工况深度卷积神经... 机电设备的寿命预测是状态维修中的一项重要任务,目前在多工况条件下的机电设备寿命预测效果并不理想,为了更好的预测多工况条件下的设备剩余寿命。文章对现有的涡轮风扇发动机开源数据集进行了研究,提出了一种新的多工况深度卷积神经网络模型(MC-DCNN)来估计剩余寿命。将原始数据输入文章提出的MC-DCNN模型中,模型输出不同工况下的设备剩余寿命。该模型能更好的预测多工况设备的剩余寿命,在实际生产中也更有价值。最后通过对公开数据集进行实验,并与现有的模型进行分析对比,证明该模型的有效性。 展开更多
关键词 深度学习 寿命预测 多工况 MC-DCNN
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部