期刊文献+
共找到156篇文章
< 1 2 8 >
每页显示 20 50 100
深度网络异常检测模型的泛化性能研究
1
作者 曲彦泽 马海龙 江逸茗 《信息工程大学学报》 2024年第2期213-218,共6页
近年来,基于深度学习的网络异常检测模型成为领域内研究的热点,业已在实验环境下取得了出色的效果。但基于深度学习的网络异常检测模型在不同网络环境下的泛化性能尚无深入研究。分别基于多层感知机、一维卷积神经网络以及深度自编码器... 近年来,基于深度学习的网络异常检测模型成为领域内研究的热点,业已在实验环境下取得了出色的效果。但基于深度学习的网络异常检测模型在不同网络环境下的泛化性能尚无深入研究。分别基于多层感知机、一维卷积神经网络以及深度自编码器构建了3种具有代表性的深度网络异常检测模型,并在CICIDS2017、CICIDS2018数据集上进行模型表现的交叉评估,以量化研究其泛化性能。实验结果显示,评估过程中这3类模型的准确率分别出现了平均20.78%、23.18%、11.13%的下滑,发现了深度网络异常检测模型泛化性能的严重问题,揭示了深度学习技术应用于网络安全领域的隐患与其走向生产化部署的关键性阻碍。最后,对这一问题进行总结与分析,并就解决方案进行探讨与展望。 展开更多
关键词 网络安全 网络异常检测 深度学习 泛化性能
下载PDF
面向学习测评的纵向认知诊断模型的泛化性能比较研究
2
作者 宋丽红 袁思玉 汪文义 《江西师范大学学报(自然科学版)》 CAS 北大核心 2023年第4期384-392,共9页
为了研究纵向认知诊断模型适应新数据的能力,该文主要考查3种纵向认知诊断模型在不同类型纵向数据上的泛化性能.这3种纵向认知诊断模型分别为模式级别上的潜在转换分析模型Patt-DINA、属性级别上的潜在转换分析模型Att-DINA和基于高阶... 为了研究纵向认知诊断模型适应新数据的能力,该文主要考查3种纵向认知诊断模型在不同类型纵向数据上的泛化性能.这3种纵向认知诊断模型分别为模式级别上的潜在转换分析模型Patt-DINA、属性级别上的潜在转换分析模型Att-DINA和基于高阶潜在结构的sLong-DINA模型.借助被试知识状态的属性判准率、模式判准率、绝对拟合指标和相对拟合指标等4个指标,评价这3种模型的表现.研究结果表明:Att-DINA模型和sLong-DINA模型在大多数条件下更具优势,即泛化性能相对较好,Patt-DINA模型因待估计参数较多而优势较小,但Patt-DINA模型在样本量较大时仍具有优势并且它能估计的知识状态类间转移概率有更大的变化空间. 展开更多
关键词 纵向认知诊断模型 属性转换 模式转换 高阶模型 泛化性能
下载PDF
基于CFD的明渠特征参数-流量神经网络模型泛化性能研究
3
作者 张人元 宁芊 《水利技术监督》 2023年第5期188-194,230,共8页
文章设计了一种与机器学习相结合的基于CFD数值模拟的梯形明渠特征参数-流量模型,用于对具有不同渠道参数的梯形明渠进行流量计算。选取影响梯形明渠流量的特征参数建立模型框架;使用CFD数值模拟梯形明渠得到训练数据;将模型搭配机器学... 文章设计了一种与机器学习相结合的基于CFD数值模拟的梯形明渠特征参数-流量模型,用于对具有不同渠道参数的梯形明渠进行流量计算。选取影响梯形明渠流量的特征参数建立模型框架;使用CFD数值模拟梯形明渠得到训练数据;将模型搭配机器学习算法进行训练得到最终模型;使用最终模型对若干实际渠道进行试验。结果表明,最大误差为7.6684%且平均误差为2.7965%,该模型能够在具有不同参数的梯形明渠下实现高效,稳定和准确的流量计算。 展开更多
关键词 明渠 计算流体力学 机器学习 泛化性能
下载PDF
多通道特征融合的实体链接模型泛化性能优化
4
作者 陈阳 万卫兵 《计算机工程与应用》 CSCD 北大核心 2023年第16期125-134,共10页
实体链接是知识库问答和知识图谱构建的关键环节,中文语料库的语义表达稀疏,存在大量难以区分的相似实体,一般模型过于依赖除原始问答以外的特征信息,很难完全学习文本特征,使得实体链接准确率难以提高,进而限制了问答等上层应用的性能... 实体链接是知识库问答和知识图谱构建的关键环节,中文语料库的语义表达稀疏,存在大量难以区分的相似实体,一般模型过于依赖除原始问答以外的特征信息,很难完全学习文本特征,使得实体链接准确率难以提高,进而限制了问答等上层应用的性能上限。针对这些问题,聚焦问答系统实体链接的候选生成和候选消歧,将实体消歧视为分类任务,构建了一种基于Bi-LSTM和CNN的多通道网络模型,提出阈值权重拼接策略融合CNN和LSTM通道提取的多维特征。引入双向注意力机制,充分挖掘问句提及表征和知识库实体描述之间的深层语义关系,有效降低问答对额外特征规则的依赖,以便应用在多领域知识库中。实验结果表明,在仅依靠问答原始信息的情况下,提出的实体链接模型显著提高了问答系统的整体性能,并具有较强的泛化性,在公开数据集CCKS2019-CKBQA和NLPCC-2016KBQA中取得了最优的Acc@1和F1值。 展开更多
关键词 知识库问答 实体链接 多通道 特征融合 双向注意力机制 泛化性能
下载PDF
基于改进Joachims上界的SVM泛化性能评价方法 被引量:6
5
作者 宋小杉 蒋晓瑜 +1 位作者 汪熙 姚军 《电子学报》 EI CAS CSCD 北大核心 2011年第6期1379-1383,共5页
留一法(Leave One Out,LOO)错误率是评价支持向量机(Support Vector Machine,SVM)性能最准确方法,LOO错误率越小,SVM泛化性能越好.但LOO实现起来较为费时.因此人们提出了LOO错误率的各种上界作为近似,最有代表性的是Joachims上界和Jaakk... 留一法(Leave One Out,LOO)错误率是评价支持向量机(Support Vector Machine,SVM)性能最准确方法,LOO错误率越小,SVM泛化性能越好.但LOO实现起来较为费时.因此人们提出了LOO错误率的各种上界作为近似,最有代表性的是Joachims上界和Jaakkola-Haussler上界.基于LOO上界的SVM泛化性能评价方法不但较为准确,而且耗时大大减小.本文首先证明了在径向基函数(Radial Basis Function,RBF)为核函数的SVM中,Joachims上界和Jaakkola-Haussler上界是等价的;其次对Joachims上界进行理论分析,指出了其不足之处,并予以改进,得到了改进的Joachims上界;最后通过实验对LOO错误率J、aakkola-Haussler上界J、oachims上界和改进的Joachims上界进行了比较,结果显示改进的Joachims上界比Jaakkola-Haussler上界和Joachims上界更加接近LOO错误率,是一种更加准确的SVM泛化性能评价方法. 展开更多
关键词 支持向量机 高斯核 泛化性能评价 改进Joachims上界
下载PDF
提高前向神经网络泛化性能和实时性能的新算法 被引量:7
6
作者 李冬梅 王正欧 《电机与控制学报》 EI CSCD 北大核心 2002年第3期241-244,264,共5页
提出一种基于正则化最小二乘的前向神经网络快速学习的混合算法。该算法将正则化方法和基于单个权值的局部化快速算法的优势结合起来,并加入隐节点删除算法,极大地提高了前向网络的泛化性能和实时性能,学习收敛速度快,精度较高。仿真结... 提出一种基于正则化最小二乘的前向神经网络快速学习的混合算法。该算法将正则化方法和基于单个权值的局部化快速算法的优势结合起来,并加入隐节点删除算法,极大地提高了前向网络的泛化性能和实时性能,学习收敛速度快,精度较高。仿真结果表明了该混合算法的有效性。 展开更多
关键词 前向神经网络 泛化性能 实时性能 新算法 正则方法
下载PDF
神经网络泛化性能优化算法 被引量:3
7
作者 包芳 潘永惠 《计算机工程与设计》 CSCD 北大核心 2009年第22期5211-5213,共3页
基于提高神经网络泛化性能的目标提出了神经网络泛化损失率的概念,解析了与前一周期相比当前网络误差的变化趋势,在此基础上导出了基于泛化损失率的神经网络训练目标函数。利用新的目标函数和基于量子化粒子群算法的神经网络训练方法,... 基于提高神经网络泛化性能的目标提出了神经网络泛化损失率的概念,解析了与前一周期相比当前网络误差的变化趋势,在此基础上导出了基于泛化损失率的神经网络训练目标函数。利用新的目标函数和基于量子化粒子群算法的神经网络训练方法,得到了一种新的网络泛化性能优化算法。实验结果表明,将该算法与没有引入泛化损失率的算法相比,网络的收敛性能和泛化性能都有明显提高。 展开更多
关键词 神经网络 泛化性能 目标函数 损失率 量子粒子群算法
下载PDF
神经网络学习算法中的初始参数对泛化性能和效率的影响研究 被引量:9
8
作者 武妍 《计算机工程与应用》 CSCD 北大核心 2002年第23期25-27,31,共4页
该文的目的是研究影响神经网络的泛化性能和实时学习性能的因素。首先研究了初始权值的范围、学习率和正则项系数对泛化性能和学习速度的影响。基于此,提出了一种同时考虑这三种因素的混合学习方法,并动态地调整学习率和正则项系数。然... 该文的目的是研究影响神经网络的泛化性能和实时学习性能的因素。首先研究了初始权值的范围、学习率和正则项系数对泛化性能和学习速度的影响。基于此,提出了一种同时考虑这三种因素的混合学习方法,并动态地调整学习率和正则项系数。然后,通过几个不同问题的实例仿真,将几种不同的方法所取得的结果进行了比较,验证了所提出方法的有效性。最后是全文总结。 展开更多
关键词 神经网络 学习算法 初始参数 泛化性能 效率 正则 目标函数
下载PDF
B-P网络泛化性能的改善 被引量:5
9
作者 林俊 章兢 《计算机与现代化》 2001年第3期1-5,共5页
在神经网络的训练过程中存在“过度吻合”的现象 ,即训练样本的误差已达到非常小的一个值 ,但是非训练样本的误差非常大 ,造成神经网络的泛化性能不好。本文说明了泛化性能与隐层节点数的关系 ,并提出了通过改变性能函数来改善 B-
关键词 神经网络 泛化性能 性能函数 反传学习理论
下载PDF
偏置b对支持向量机分类问题泛化性能的影响 被引量:1
10
作者 丁晓剑 赵银亮 《自动化学报》 EI CSCD 北大核心 2011年第9期1105-1113,共9页
Poggio指出支持向量机(Support vector machine,SVM)中偏置b项是为了保证核函数的正定性,当使用的核函数为正定核时,b就不需要存在.为了验证b对SVM分类问题泛化性能的影响,研究了无bSVM的优化问题并给出了相应的有效集求解算法.通过XOR... Poggio指出支持向量机(Support vector machine,SVM)中偏置b项是为了保证核函数的正定性,当使用的核函数为正定核时,b就不需要存在.为了验证b对SVM分类问题泛化性能的影响,研究了无bSVM的优化问题并给出了相应的有效集求解算法.通过XOR分类问题的实验研究得出约束条件N1yiαi=0会影响SVM得到最佳分类超平面.实验中的基准数据集包括了中小数据集、大规模数据集、高维数据集和多类分类数据集,并使用高斯正定核和多项式正定核作为核函数.基于26个标准数据集的实验表明无bSVM在分类问题中的计算代价要低于SVM,泛化性能要好于SVM.参数敏感性测试表明无bSVM对代价参数变化不太敏感,这使得无bSVM能在较少的参数值对中得到最佳测试精度. 展开更多
关键词 偏置 支持向量机 泛化性能 有效集
下载PDF
前馈网络泛化性能改进的目的规划方法研究 被引量:1
11
作者 胡铁松 沈佩君 +1 位作者 郭元裕 万毅 《系统工程学报》 CSCD 1997年第2期34-39,共6页
以目的规划模型为基础,将前馈网络准则函数改进、网络灵敏度降低、先验知识运用有机地结合在一起,提出了前馈网络泛化性能改进的目的规划方法.文中给出了该方法的数学模型。
关键词 前馈神经网络 泛化性能 目的规划 神经网络
下载PDF
粗糙集学习机器泛化性能控制的结构风险最小化方法
12
作者 刘金福 于达仁 《计算机科学》 CSCD 北大核心 2009年第12期210-213,共4页
对影响粗糙集学习机器泛化性能的因素进行了分析,通过将结构风险最小化原则引入到粗糙集学习中,提出了粗糙集学习的结构风险最小化方法;通过12个UCI数据集上的实验分析,验证了提出方法的有效性。
关键词 粗糙集 泛化性能 结构风险最小
下载PDF
变长增量型极限学习机及其泛化性能研究 被引量:3
13
作者 王诗琦 赵书敏 +2 位作者 耿江东 杨非 蒋忠进 《计算机应用研究》 CSCD 北大核心 2016年第12期3696-3699,共4页
极限学习机(ELM)在训练过程中无须调整隐层节点参数,因其高效的训练方式被广泛应用于分类和回归,然而极限学习机也面临着结构选择与过拟合等严重问题。为了解决此问题,针对隐层节点增量数目对收敛速度以及训练时间的影响进行了研究,提... 极限学习机(ELM)在训练过程中无须调整隐层节点参数,因其高效的训练方式被广泛应用于分类和回归,然而极限学习机也面临着结构选择与过拟合等严重问题。为了解决此问题,针对隐层节点增量数目对收敛速度以及训练时间的影响进行了研究,提出一种利用网络输出误差的变化率控制网络增长速度的变长增量型极限学习机算法(VI-ELM)。通过对多个数据集进行回归和分类问题分析实验,结果表明,提出的方法能够以更高效的训练方式获得良好的泛化性能。 展开更多
关键词 极限学习机 增量学习 泛化性能 增量型极限学习机 变长增量型极限学习机
下载PDF
基于隐马尔可夫模型的非侵入式负荷监测泛化性能改进 被引量:4
14
作者 苏晓 余涛 +2 位作者 徐伟枫 蓝超凡 史守圆 《控制理论与应用》 EI CAS CSCD 北大核心 2022年第4期691-700,共10页
隐马尔可夫模型(HMM)是非侵入式负荷监测常用的算法.由于电压波动与负荷自身电气特性变化等原因,负荷的测量状态如功率可能持续变化,运行过程中出现新的状态转移,但当前基于HMM的非侵入式负荷监测方法并未考虑如何处理该情况,缺乏状态... 隐马尔可夫模型(HMM)是非侵入式负荷监测常用的算法.由于电压波动与负荷自身电气特性变化等原因,负荷的测量状态如功率可能持续变化,运行过程中出现新的状态转移,但当前基于HMM的非侵入式负荷监测方法并未考虑如何处理该情况,缺乏状态辨识与功率分解的泛化能力.针对这一问题,本文提出并构建二元参数隐马尔科夫模型(BPHMM),结合DBSCAN聚类算法,基于有功功率和稳态电流对负荷状态进行聚类,降低了因电压波动和噪声数据对负荷状态聚类结果造成干扰的可能性;改进维特比算法使其考虑到HMM模型参数更新以实现对负荷状态预测泛化性能的改进;考虑到功率的随机波动性,基于极大似然估计原理构建功率计算优化模型并实现负荷的功率分解.本文采用公共数据集AMPds2对所述方法进行验证,测试算例验证了所述方法的有效性. 展开更多
关键词 非侵入式负荷监测 隐马尔可夫模型 泛化性能 极大似然估计
下载PDF
一种能够改善泛化性能的多CMAC网络组合方法
15
作者 周姝春 雷霖 《计算机应用》 CSCD 北大核心 2004年第B12期139-140,152,共3页
CMAC神经网络以其学习算法简单、收敛速度快、泛化性能好的特点得到越来越多的应 用。把多个训练好的不同CMAC网络加权组合起来可以综合利用每个网络学习到的有效信息。仿 真实验表明组合网络的泛化性能优于单个最佳子网络。在CMAC... CMAC神经网络以其学习算法简单、收敛速度快、泛化性能好的特点得到越来越多的应 用。把多个训练好的不同CMAC网络加权组合起来可以综合利用每个网络学习到的有效信息。仿 真实验表明组合网络的泛化性能优于单个最佳子网络。在CMAC网络结构参数不变的情况下,通过 多网络组合的方法来改善网络泛化性能是有效可行的。 展开更多
关键词 CMAC 泛化性能 组合网络 子网络
下载PDF
保泛化性能的最优上边界回归模型辨识 被引量:1
16
作者 刘小雍 方华京 +2 位作者 张南庆 李青 刘晶 《信阳师范学院学报(自然科学版)》 CAS 北大核心 2020年第3期454-461,共8页
从控制模型结构复杂性及提高模型辨识精度出发,提出了建模由参数或测量不确定性引起的最优上边界回归模型的一种新方法.首先,将二次规划的支持向量回归(SVR,support vector regression)转化为l1范数的优化问题,用于获取模型结构的稀疏解... 从控制模型结构复杂性及提高模型辨识精度出发,提出了建模由参数或测量不确定性引起的最优上边界回归模型的一种新方法.首先,将二次规划的支持向量回归(SVR,support vector regression)转化为l1范数的优化问题,用于获取模型结构的稀疏解;其次,建立上边界回归模型的约束条件,并将模型的被估输出与实际输出之间的所有逼近误差最小化,即逼近误差的l1范数最小化问题,来提高模型辨识精度;最后,将l1范数的结构风险与逼近误差的l1范数以及上边界回归模型约束条件相结合构成新的优化问题,应用较简单的线性规划对其求解,得到最优上边界回归模型.提出的方法具有如下三个显著特性:1)应用逼近误差的l1范数最小化,可保证模型的建模精度;2)引入SVR架构下的结构风险l1范数,可保证模型的稀疏特性;3)通过提出的方法从建模精度与模型稀疏特性之间取其平衡,可提高模型泛化性能.通过来自测量数据以及模型参数不确定性的实验分析,论证了提出方法的合理性与优越性. 展开更多
关键词 泛化性能 l 1范数结构风险 l 1范数逼近误差 最优上边界回归模型 线性规划
下载PDF
神经网络在汽车起重机幅度预测中的应用及泛化性能分析
17
作者 郭启训 孙琦 张迁 《建设机械技术与管理》 2021年第3期146-149,共4页
探讨了BP神经网络和广义回归神经网络在汽车起重机幅度预测中的应用方法,结合实测数据对比了不同神经网络结构的计算精度和泛化性能差异;为了弥补神经网络算法外推性能较差的缺点,结合工程应用实际,提出了一种通过降维拟合外推超载工况... 探讨了BP神经网络和广义回归神经网络在汽车起重机幅度预测中的应用方法,结合实测数据对比了不同神经网络结构的计算精度和泛化性能差异;为了弥补神经网络算法外推性能较差的缺点,结合工程应用实际,提出了一种通过降维拟合外推超载工况样本数据,从而提高基于神经网络的幅度预测算法泛化性能的方法。 展开更多
关键词 神经网络 汽车起重机 泛化性能 数据拟合
下载PDF
基于领域知识的神经网络泛化性能研究进展 被引量:2
18
作者 胡铁松 严铭 赵萌 《武汉大学学报(工学版)》 CAS CSCD 北大核心 2016年第3期321-328,共8页
从样本复杂性、结构复杂性、学习策略和建模技术4个方面对基于领域知识的神经网络泛化性能研究进展进行了评述,指出了目前基于领域知识神经网络泛化性能研究存在的主要问题是只是利用研究对象的单调性、凸性、对称性和增益等一些简单非... 从样本复杂性、结构复杂性、学习策略和建模技术4个方面对基于领域知识的神经网络泛化性能研究进展进行了评述,指出了目前基于领域知识神经网络泛化性能研究存在的主要问题是只是利用研究对象的单调性、凸性、对称性和增益等一些简单非线性特征来虚拟训练样本、形成非监督学习算法约束条件、构造节点作用函数等方面.利用关于研究复杂对象部分已知的物理机制或动力学特性来建立有一定物理基础的神经网络模型,从而有效控制网络训练存在的过学习问题是今后神经网络泛化理论与方法研究的主要发展趋势. 展开更多
关键词 神经网络 泛化性能 领域知识 先验知识
原文传递
数据驱动故障诊断方法泛化性能的经验性分析 被引量:19
19
作者 郑怀亮 王日新 +2 位作者 杨远涛 尹建程 徐敏强 《机械工程学报》 EI CAS CSCD 北大核心 2020年第9期102-117,共16页
近年来数据驱动的故障诊断方法被广泛研究,但是这些方法有效的一个前提条件是训练诊断模型的数据与待测试数据应需采集自相同的设备和运行环境,然而这个前提条件在实际的诊断情形中很难得到满足,实际能够用来训练诊断模型的通常是采集... 近年来数据驱动的故障诊断方法被广泛研究,但是这些方法有效的一个前提条件是训练诊断模型的数据与待测试数据应需采集自相同的设备和运行环境,然而这个前提条件在实际的诊断情形中很难得到满足,实际能够用来训练诊断模型的通常是采集自同类型设备或不同工况的历史数据。对于实际诊断情形下存在潜在差异的数据集,数据驱动故障诊断方法是否有效的问题鲜有讨论。首先讨论了影响诊断方法泛化性能的可能因素,然后构建了多个跨数据集诊断任务,在此基础上对几个数据驱动诊断方法的泛化性能进行了经验性的分析,分析发现相较于模型复杂度数据集间的分布差异是影响跨域诊断泛化性能的主要因素;并进一步从信号特性分析的角度解释了设备型号差异和工况差异对跨域诊断性能影响的深层次原因。这些讨论有益于启发面向实际诊断情形的数据驱动诊断方法的研究。 展开更多
关键词 故障诊断 数据驱动 泛化性能 经验性分析
原文传递
改善径向基函数网络泛化性能的主成分分析法及应用研究 被引量:1
20
作者 殷春霞 胡铁松 郭元裕 《武汉水利电力大学学报》 EI CSCD 2000年第2期85-89,共5页
采用主成分分析法 (PCA)来改善径向基函数网络的泛化性能 ,理论上可以根据PCA方法中的主成分累积贡献率 ηK 决定RBF网络的输入层节点数 .实例研究证明 。
关键词 人工神经网络 径向基函数 泛化性能 主成分
原文传递
上一页 1 2 8 下一页 到第
使用帮助 返回顶部