期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
非线性双稳态压电俘能系统在有界噪声与谐和激励下的Melnikov混沌运动阈值分析
被引量：
1
1
作者
朱培
任兴民
+3 位作者
秦卫阳
杨永锋
王元生
周志勇
《西北工业大学学报》
EI
CAS
CSCD
北大核心
2017年第4期669-675,共7页
研究了在有界噪声与谐和激励作用下非线性双稳态压电俘能系统的动力学响应特性。基于随机Melnikov理论推导出了系统发生阱间混沌运动的条件。通过数值模拟发现系统在临界阈值处由单阱运动演变为双阱混沌运动并验证了理论分析的有效性。...
研究了在有界噪声与谐和激励作用下非线性双稳态压电俘能系统的动力学响应特性。基于随机Melnikov理论推导出了系统发生阱间混沌运动的条件。通过数值模拟发现系统在临界阈值处由单阱运动演变为双阱混沌运动并验证了理论分析的有效性。研究结果表明有界噪声幅值和阻抗对系统发生同宿分岔有较大影响,随着非线性阻尼系数增加,系统由混沌运动变为周期运动,Wiener过程强度参数越大,系统混沌吸引子的面积就越大。
展开更多
关键词
双稳态
随机Melnikov
混沌
有界噪声
谐和激励
下载PDF
职称材料
多样性正则的神经网络训练方法探索
被引量：
2
2
作者
屈伟洋
俞扬
《南京大学学报（自然科学版）》
CAS
CSCD
北大核心
2017年第2期340-349,共10页
传统神经网络训练方法通过计算输出Y和目标T之间误差,并将该误差反向传递,用以修改节点权重,并不断重复该过程直至达到预期结果.该方法在模型训练时存在收敛较慢、容易过度拟合的问题.多样性正则项(diversity regularization)最近显示...
传统神经网络训练方法通过计算输出Y和目标T之间误差,并将该误差反向传递,用以修改节点权重,并不断重复该过程直至达到预期结果.该方法在模型训练时存在收敛较慢、容易过度拟合的问题.多样性正则项(diversity regularization)最近显示出有简化模型、提高泛化能力的作用,对带有多样性正则项的神经网络训练方法进行探索,在计算目标函数时加入权重多样性的考虑,从而使得网络的内部结构减少重复.与传统神经网络训练方法——反向传播算法(back-propagation algorithm,BP)和目标差传播方法(difference target propagation,DTP)的结合与对比实验表明,带多样性正则项的训练方法具有更快的收敛速度和较低的错误率.
展开更多
关键词
多样性正则项
前馈神经网络
反向传播算法
目标差传播算法
下载PDF
职称材料
题名
非线性双稳态压电俘能系统在有界噪声与谐和激励下的Melnikov混沌运动阈值分析
被引量：
1
1
作者
朱培
任兴民
秦卫阳
杨永锋
王元生
周志勇
机构
西北工业大学力学与土木建筑学院
出处
《西北工业大学学报》
EI
CAS
CSCD
北大核心
2017年第4期669-675,共7页
基金
国家自然科学基金(11672237
11272257)
+2 种基金
航空科学基金(2013ZB08001)
航天科技创新基金(2016kc060013)
中央高校基本科研业务费(3102016ZY016)资助
文摘
研究了在有界噪声与谐和激励作用下非线性双稳态压电俘能系统的动力学响应特性。基于随机Melnikov理论推导出了系统发生阱间混沌运动的条件。通过数值模拟发现系统在临界阈值处由单阱运动演变为双阱混沌运动并验证了理论分析的有效性。研究结果表明有界噪声幅值和阻抗对系统发生同宿分岔有较大影响,随着非线性阻尼系数增加,系统由混沌运动变为周期运动,Wiener过程强度参数越大,系统混沌吸引子的面积就越大。
关键词
双稳态
随机Melnikov
混沌
有界噪声
谐和激励
Keywords
bi-stability
random Melnikov
chaos
bounded noise
harmonic excitation
分类号
O321 [理学—一般力学与力学基础]
下载PDF
职称材料
题名
多样性正则的神经网络训练方法探索
被引量：
2
2
作者
屈伟洋
俞扬
机构
南京大学软件新技术国家重点实验室
出处
《南京大学学报（自然科学版）》
CAS
CSCD
北大核心
2017年第2期340-349,共10页
基金
国家自然科学基金(61375061)
江苏省自然科学基金(BK20160066)
文摘
传统神经网络训练方法通过计算输出Y和目标T之间误差,并将该误差反向传递,用以修改节点权重,并不断重复该过程直至达到预期结果.该方法在模型训练时存在收敛较慢、容易过度拟合的问题.多样性正则项(diversity regularization)最近显示出有简化模型、提高泛化能力的作用,对带有多样性正则项的神经网络训练方法进行探索,在计算目标函数时加入权重多样性的考虑,从而使得网络的内部结构减少重复.与传统神经网络训练方法——反向传播算法(back-propagation algorithm,BP)和目标差传播方法(difference target propagation,DTP)的结合与对比实验表明,带多样性正则项的训练方法具有更快的收敛速度和较低的错误率.
关键词
多样性正则项
前馈神经网络
反向传播算法
目标差传播算法
Keywords
diversity regularization
forwards neural network
back-propagation
difference target propagation
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
非线性双稳态压电俘能系统在有界噪声与谐和激励下的Melnikov混沌运动阈值分析
朱培
任兴民
秦卫阳
杨永锋
王元生
周志勇
《西北工业大学学报》
EI
CAS
CSCD
北大核心
2017
1
下载PDF
职称材料
2
多样性正则的神经网络训练方法探索
屈伟洋
俞扬
《南京大学学报（自然科学版）》
CAS
CSCD
北大核心
2017
2
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
