期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
一种低功耗的电网巡检故障图像识别方法 被引量:1
1
作者 郭锋 柳骏 +2 位作者 王裘潇 徐海 万广雷 《沈阳工业大学学报》 CAS 北大核心 2023年第1期6-11,共6页
针对计算机平台在图像处理过程中面临的高能耗问题,研究了电网巡检故障图像识别的低功耗神经网络加速方法.采用直接映射方式将卷积层与全连接层的计算分别映射至独立的计算核心,提出了针对图像处理过程不同阶段的优化方案,实现了不同运... 针对计算机平台在图像处理过程中面临的高能耗问题,研究了电网巡检故障图像识别的低功耗神经网络加速方法.采用直接映射方式将卷积层与全连接层的计算分别映射至独立的计算核心,提出了针对图像处理过程不同阶段的优化方案,实现了不同运算层次与硬件资源之间的匹配,并通过遗传算法得到了神经网络的并行优化参数.结果表明,优化后的LetNet-5与AlexNet卷积神经网络运行能效分别为优化前的1.94倍和1.8倍,单张图片的平均处理速度约为原来的4~5倍和2~3倍. 展开更多
关键词 卷积神经网络 电网巡检 图像识别 循环展开 平衡剪枝 批处理 遗传算法 参数优化
下载PDF
数据偏斜和工作量平衡的度量
2
作者 费晓燕 鲁汉榕 《空军雷达学院学报》 2004年第1期47-49,共3页
在进行并行关联规则挖掘时,数据偏斜和工作量平衡这两个数据分布特征影响着剪枝的有效性.本文提出了用定量的方式对数据偏斜和工作量平衡进行度量,并对不同值的组合进行了分析,以便在以后研究算法时可以有效地调整这两个特征值以提高剪... 在进行并行关联规则挖掘时,数据偏斜和工作量平衡这两个数据分布特征影响着剪枝的有效性.本文提出了用定量的方式对数据偏斜和工作量平衡进行度量,并对不同值的组合进行了分析,以便在以后研究算法时可以有效地调整这两个特征值以提高剪枝的性能. 展开更多
关键词 数据偏斜 工作量平衡 分布剪枝 全局剪枝
下载PDF
稀疏平衡变分自动编码器的文本特征提取
3
作者 车蕾 《国防科技大学学报》 EI CAS CSCD 北大核心 2022年第1期169-178,共10页
针对文本特征提取方面的高维数据特征区分度较低、基于规则的特征学习的自学习性能差、变分自动编码器存在过度剪枝等问题,提出稀疏平衡变分自动编码器(Sparse Balanced Variational AutoEncoder,SBVAE)的文本特征提取模型。为消除噪声... 针对文本特征提取方面的高维数据特征区分度较低、基于规则的特征学习的自学习性能差、变分自动编码器存在过度剪枝等问题,提出稀疏平衡变分自动编码器(Sparse Balanced Variational AutoEncoder,SBVAE)的文本特征提取模型。为消除噪声干扰,提高文本特征提取模型的鲁棒性,在文本特征提取的输入层采用双向降噪处理机制。提出一种稀疏平衡性处理,结合KL(Kullback-Leibler)项权重的模拟退火算法以缓解KL散度引发的过度剪枝的影响,强制解码器更充分地利用潜变量。此模型提高了高维数据特征的区分度。从对比分析文本特征提取模型、稀疏性能、稀疏平衡处理对隐藏空间变分下界的影响等方面深入开展实验,验证了该模型具有较好的性能。该模型在复旦数据集和Reuters数据集上的最高准确率相较于主成分分析分别提升了12.36%、8.06%。 展开更多
关键词 变分自动编码器 降噪 稀疏平衡 过度剪枝
下载PDF
DMFUCP:大规模轨迹数据通用伴随模式分布式挖掘框架 被引量:2
4
作者 张敬伟 刘绍建 +1 位作者 杨青 周娅 《计算机研究与发展》 EI CSCD 北大核心 2022年第3期647-660,共14页
广泛应用的移动定位设备方便了用户位置数据的获取,轨迹数据量高速增长.通用伴随模式挖掘聚焦时空维度上的用户高相似度行为路径发现问题,基于大规模轨迹数据设计高效准确地伴随模式挖掘方法对发现用户偏好、构建新商业模式等具有重要意... 广泛应用的移动定位设备方便了用户位置数据的获取,轨迹数据量高速增长.通用伴随模式挖掘聚焦时空维度上的用户高相似度行为路径发现问题,基于大规模轨迹数据设计高效准确地伴随模式挖掘方法对发现用户偏好、构建新商业模式等具有重要意义,同时也极具挑战.一方面,海量且不断增长的轨迹数据要求伴随模式挖掘应具有良好的可扩展性,集中性挖掘策略并不适用.另一方面,现有的分布式挖掘框架在为高效模式挖掘提供高质量数据输入、轨迹数据中大量松散连接的有效处理等方面考虑不足,使得通用伴随模式发现存在改进空间.提出了一个分布式的2阶段通用伴随模式挖掘框架——DMFUCP,其通过嵌入数据预处理优化、松散连接分析优化等,让伴随模式挖掘方法呈现了更好的性能.其中,该框架为数据预处理阶段设了融合运动方向的密度聚类算法DBSCANCD和聚类平衡算法TCB,确保后续挖掘任务获得提供少噪音、高质量的轨迹数据输入;在模式挖掘阶段,该框架设计了G剪枝重划分算法GSPR和分段枚举算法SAE,GSPR使用参数G对长轨迹进行分割,并将分割后的所有分段重划分以改善松散连接的处理效果,SAE负责引入多线程和前向闭包保证挖掘算法的性能.实验证明,相比现有的通用伴随模式挖掘框架,DMFUCP具有更好的通用伴随模式发现能力的同时,将挖掘每组通用伴随模式的时间消耗降低了20%~40%. 展开更多
关键词 分布式挖掘框架 松散连接 聚类平衡 G剪枝重划分 分段枚举
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部