权值

摘要： 为了探索建立钢铁行业智能化和自动化生产指挥智能管理系统,实现对物料库存的准确预测,基于冶金流程工程理论,分析了钢铁制造流程中的物质流程,论证了BP神经网络算法对物质流模型模拟运算的可行性,并构建了算法模型。为使算法得到训练,初步形成运算能力,以高炉生产节点为研究对象,根据2座高炉15天的生产记录和管理规定,确定了隐含层与输出层的权值与阀值,进而初步构建了基于BP神经网络算法对库存管理的算法模型,为实现生产组织职能指挥奠定了基础。

摘要： 长度比较法、校验和法以及基于行为的检测算法是3种经典的病毒检测算法,因此将这3种算法相互结合而提出一种新的病毒检测算法,该算法的思路是:首先通过相应的算法检测某个程序的校验和与程序的长度是否发生了变化;如果发生了变化,则采用计算机病毒代码权值计算公式,判断该程序是否被未知病毒感染了;如果成了未知病毒的宿主,则在虚拟机中将该代码进行运行,判断未知病毒的功能属性,同时采用夹角余弦公式对未知病毒进行了相似性计算,根据检测算法来判断该未知病毒属于那种类的病毒,从而达到对计算机未知病毒检测的目的。

摘要： 传统感知算法部署在物联网中实施节点定位的精度与物联网节点规模呈反比。针对该问题提出了一种评估算法。算法通过为节点建立跳数、感知、跳距等数学模型、为数据路由建立权值机制来科学计算全网节点广播的信息域,并引入信息域判断机制用于分析全网任意节点之间跳数更新的必要性。同时设计了排序机制以筛选潜在故障风险的异常目标节点。实验表明,所设计算法对于异常节点的评估精度远超过传统算法,且在大规模节点随机分布的物联网中,该算法优势念加凸显。

摘要： 为了避免施工阶段工程变更、工程材料替换等问题导致项目工程造价误差增大,文章提出基于人工神经网络的新能源发电项目工程造价控制方法。按照新能源发电项目工程的实际情况,文章选取了包含主体结构、粗装结构和安装结构三类的10个项目工程造价指标。将指标参量输入人工神经网络中,利用隐含层的激励函数计算出对应的造价,根据输出层结果与预期造价之间的差值,对人工神经网络的权值进行适应性调整,直至输出的造价满足预期造价要求,从而实现对新能源发电项目工程造价的控制。结果表明,文章方法可以确保工程的实际造价与预期造价具有较高的一致性。

摘要： 采用外积法设计的离散型Hopfield神经网络(DHNN),系统稳定但识别噪声图像能力有限,因此引入遗传算法对网络参数进行优化.首先将权值与阈值编码形成染色体,创建初始种群;然后对种群中个体的染色体进行选择、交叉、变异操作,将适应度值小的个体替换同代种群中适应度值大的个体,形成子代种群,并按照同样的方式遗传若干代;最后将末代种群中适应度值最小的个体的染色体解码为权值和阈值.对3种交通标志噪声图像识别,优化前,当噪声水平增大至0.3时识别效果较差,且PSNR随着噪声水平的增大而减小;优化后识别效果更好,且PSNR先增后减,在0.5时最低.因此,采用遗传算法优化后DHNN识别噪声图像能力更强,然而算法收敛时间长,需要进一步完善.

摘要： 针对经典证据理论处理高冲突情况时结果违反常理的问题,在对其原因及各类改进方法进行研究分析的基础上,提出基于冲突关系网络的证据合成方法.该方法从整体着眼,充分考虑直接与间接冲突关系,通过构建网络,利用PageRank算法的思想获取证据权值并进行加权修正,最后利用Dempster组合规则进行融合,既保留了经典理论优良的数学性质,又较好解决了前述问题.算例分析结果表明,该方法能够客观反映冲突证据所携带的不确定信息,具备一定的优越性.

摘要： 二分网络上的链路预测是复杂网络中的重要研究内容.充分利用拓扑结构,提出一种基于双向投影的二分网络上的链路预测算法.它能同时投影二分网络上的两类节点,分别生成基于顶部节点的投影图和基于底部节点的投影图.通过基于资源分配的加权方法得到同类节点之间的资源权重比,利用相似度度量两类节点之间未链接边资源分配值进行比较,预测出链路边.在实验分析中通过利用AUC来分析算法的准确性和精度,得出该算法具有一定的优势.

摘要： 为有效解决高速公路视频云联网平台并发访问能力较差的问题,采用Nginx负载均衡技术处理该平台应用层的请求.深入分析加权负载均衡算法,综合各服务器的性能指标,建立高效的服务器设定权值数学计算模型.采用该模型计算得到各服务器设定的权值,据此分配客户端请求,使各服务器资源得到充分利用,显著提高平台的并发访问能力.

摘要： 为延长网络寿命,提出面向通信扇区优化的簇(communication sector optimization-based clustering,CSOC)路由.依据基站的方向,给节点构建候选扇区集;根据节点能量、距离以及邻居节点数,从候选扇区集中选择簇头,未成为簇头的节点遵循就近原则选择簇头作为自己的簇头,簇头从两跳邻居节点中选择网关,通过网关转发,完成簇头间的数据传输;考虑到簇头能量逐渐减少,当簇头能量低于阈值,重新选择簇头,采用动态阈值.仿真结果表明,CSOC路由可延长网络寿命,减少系统开销.

摘要： 5G Massive MIMO的多天线阵列系统增加了垂直维的自由度,可灵活调整水平维和垂直维的波束形状,并引出了立体覆盖波束Pattern这一概念.现网普遍采用厂家默认的Pattern,仅在单站和簇优化过程中根据测试情况,进行Pattern的局部优化,明显滞后.为探索不同场景5G Masiive MIMO最优配置,指导一线快速掌握不同场景下的Pattern经验值,支撑5G精准规划与优化,基于规划平台输出建议,在不同场景下开展Pattern权值寻优验证,并输出不同场景下的推荐值.

摘要： 在基于样例的视频检索中,视频数据采用多个高维特征数据描述,针对在不同的检索应用中,这些特征数据的权值经常会发生变化的情况,提出了一种面向可变权值的多特征索引树(Multi-Feature Index Tree)结构,以满足用户在样例检索的过程中对特征权值进行自定义的设置.多特征索引树采用适应于浏览的树型结构对视频的多个特征向量进行索引,检索时通过遍历最低一层的集合节点以减少数据维数对检索效率的影响,并针对多特征索引树结构,提出一种快速确定检索距离值的ADD-kNN(Aggressive Decided Distance for KNN)检索算法。实验表明,这种索引结构及相应的检索算法具有较好的性能.

摘要： 模糊数学已经广泛运用于边坡岩体稳定性评价。模糊综合评判由于综合考虑了多个因素对边坡岩体稳定性的影响，且解决了因素内部各级别界限模糊不清的问题，因而广泛运用于边坡岩体稳定性评价。本文介绍了模糊综合评判在边坡中使用情况以及两种常用的模糊综合评判模型的思路及其优缺点;针对现状在介绍现有的定量和定性因素隶属函数的确定方法的同时提出了新的隶属函数确定方法，给出了权值确定的方法。最后提供了一些使用模糊综合评判方法的建议，为边坡工作者在利用模糊综合评判于边坡稳定性评价时提供了全面的了解及参考。

摘要： 群组决策的集结方法一直是决策的重要内容。本文在广义判断矩阵的一致性本质特征进行分析的基础上，建立了群组排序权值向量的求解模型，针对该模型的特点，设计遗传算法求解方法，对参数取值进行了分析。由于广义判断下的AHP法，是普通AHP的推广，因此，本文的模型方法完全适用于一般AHP群决策排序权值的集结，模型具有较广的适用范围。

摘要： 在矿坑涌水的安全等级评价中,会受到诸多因素的影响,如何来确定这些影响因素的权重,根据各个矿山的实际情况,更加高效地解决矿坑涌水问题。应用层次分析法,可以对矿坑涌水量的影响因素构建层次化模型,获得相应的权值.对矿坑涌水量的预测分析由定性分析转化为定量分析,为矿井用水的安全等级评价提供了更准确的依据.

摘要： 关联规则挖掘是数据挖掘中很重要的研究方向之一,传统的关联规则挖掘方法主要基于支持度和可信度阈值,这些方法在挖掘过程中总是假设数据库中的每个项目具有相同的地位和作用,因而对每个项目作同等处理,这样导致挖掘结果常常包含大量的冗余、无用规则. 针对传统的关联规则挖掘方法存在的弊端,C.H.Cai等在文中提出了加权支持度关联规则挖掘问题,弥补了现有关联规则挖掘方法存在的不足,从而扩展了关联规则挖掘方法. 加权关联规则挖掘中由于权值参与到挖掘的全过程,权值对项目的支持度起加强和减弱作用,使一般的关联规则挖掘算法依赖的条件不再满足.不同权值分配,不同的加权支持度计算方法,导致挖掘方法不同,因此设计高效的加权挖掘算法是挖掘过程的关键.本文提出的加权频繁项目集支持度下界基于定义的加权支持度计算方法,该下界可以先将Ck中小于该下界的所有的项目集剪掉,从而缩小Ck项目集,降低了Ck产生过程的复杂度,从而提高挖掘效率。

摘要： 简述了BP神经网络理论的基本原理,通过对强度补偿式光纤位移传感器测量金属杨氏弹性模量实验数据的线性拟合处理,验证了BP神经网络解决线性拟合问题的有效性。

摘要： 简述了BP神经网络理论的基本原理,通过对强度补偿式光纤位移传感器测量金属杨氏弹性模量实验数据的线性拟合处理,验证了BP神经网络解决线性拟合问题的有效性。

摘要： 简述了BP神经网络理论的基本原理,通过对强度补偿式光纤位移传感器测量金属杨氏弹性模量实验数据的线性拟合处理,验证了BP神经网络解决线性拟合问题的有效性。

摘要： 简述了BP神经网络理论的基本原理,通过对强度补偿式光纤位移传感器测量金属杨氏弹性模量实验数据的线性拟合处理,验证了BP神经网络解决线性拟合问题的有效性。

摘要： 简述了BP神经网络理论的基本原理,通过对强度补偿式光纤位移传感器测量金属杨氏弹性模量实验数据的线性拟合处理,验证了BP神经网络解决线性拟合问题的有效性。

摘要： 本发明实施例涉及通信技术领域，公开了一种天线权值调优方法、装置、设备。该方法包括：采集与待调优的5G小区共用有源天线单元AAU的LTE MIMO小区的业务信息；通过业务信息获取LTE MIMO小区的水平维度业务分布和垂直维度业务分布；使用最小二乘法分别进行高斯拟合，得到最优拟合的水平维度高斯函数f1和垂直维度高斯函数f2；基于水平维度高斯函数f1的均值μ1、标准差σ1、垂直维度高斯函数f2的均值μ2、标准差σ2，分别计算LTE MIMO小区的电子方位角权值、水平波宽权值、电子下倾角权值、垂直波宽权值；根据LTE MIMO小区的电子方位角权值、水平波宽权值、电子下倾角权值、垂直波宽权值，配置5G小区的天线权值。本发明实施例实现了对5G Massive MIMO天线权值调优。

摘要： 本申请提供一种波束权值参数调整方法、装置、设备及存储介质。该方法包括：若监测到波束权值参数调整指令，则确定目标楼宇对应的当前各楼层用户数量以及用户在对应的楼层的驻留时长；根据目标楼宇对应的当前各楼层用户数量、用户在对应的楼层的驻留时长及基站信息确定目标楼宇当前状态信息；将目标楼宇当前状态信息输入至训练的强化学习模型中，获得目标楼宇对应的最优波束权值参数组合；根据最优波束权值参数组合对目标楼宇对应的基站的波束权值参数进行调整。本申请的方法，在波束权值参数调整时加入了用户在楼宇中所处楼层以及在楼层的停留时间，使得调整后的基站波束更好地覆盖楼宇，有效地提高下行平均速率。

摘要： 本公开提供一种波束权值的确定方法，包括：根据分别归属于至少一个基站的至少一个目标小区中的用户终端上报的关键性能指标KPI信息，确定待优化性能指标函数，所述待优化性能指标函数表征所述目标小区所归属的基站配置不同波束权值组时分别归属于至少一个基站的所述目标小区整体的待优化性能的状态，其中，当前基站存储有多个所述波束权值组，每个所述波束权值组包括多个波束权值；根据所述待优化性能指标函数，从多个所述波束权值组中确定所述目标小区所归属的基站的目标波束权值组。本公开还提供一种基站、一种计算机可读介质。

摘要： 本发明提供了一种天线权值调整方法、装置及计算机可读存储介质。其中，天线权值调整方法包括：获取当前场景类型下的多个MR数据，其中，每个MR数据均包括与当前天线权值组合对应的第一RSRP信息和与当前天线权值组合对应的DOA信息；遍历所有MR数据，针对每个MR数据，根据第一RSRP信息和DOA信息计算得到与各个候选天线权值组合一一对应的第二RSRP信息；根据所有第一RSRP信息和所有第二RSRP信息，计算得到评价信息；根据评价信息从当前天线权值组合和所有候选天线权值组合中确定最优天线权值组合；把当前天线权值组合更新为最优天线权值组合。本发明实施例中，整个处理过程并不需要人工参与，因此能够解决网络优化不及时的问题，从而能够提高网络优化的效率。

摘要： 本申请公开了一种基于ReRAM的权值矩阵处理方法及装置，该方法包括：获取忆阻器ReRAM的激活行数和激活列数；对权值矩阵进行非结构剪枝和压缩，获得压缩矩阵块，压缩矩阵块的行数小于等于激活行数，压缩矩阵块的列数小于等于激活列数，压缩矩阵块中同一行的每个权值对应的权值矩阵的行位置相同，压缩矩阵块中同一列的每个权值对应的权值矩阵的列位置相同。实施本申请，可以实现压缩矩阵块与ReRAM的匹配应用，提高了ReRAM的利用效率，有助于加速神经网络的运算。

摘要： 本发明公开了一种基于熵权法的多指标车辆调度匹配权值确定方法。本方法以无人系统的车辆调度为基础，研究如何确定在特定的时空下多种指标对不同车辆与任务目标之间匹配度的影响。目前已有的车辆调度匹配权值方法通常只考虑单个指标进行决策，而考虑较多个指标的方法无法完全解决受多指标影响的决策问题，效率比较低下。本发明采用熵权法解决车辆调度场景中多指标权重难以确定的问题，利用在当前调度轮次下车辆与任务目标之间不同指标数据的分布情况，确定指标权重，在此数据的基础上对不同指标数值进行线性加权得到车辆与任务目标之间的匹配权值。

摘要： 本发明实施例涉及通信技术领域，公开了一种基于MR/MDT数据的天线权值潮汐效应优化方法及装置，该方法包括：获取数据源，并根据所述数据源计算极角和距离；将自然日的24个时刻两两组合得到多种不同的时段组合；根据所述极角以及所述距离结合多种不同的所述时段组合按照预设顺序计算与潮汐时刻对应的包括下倾角、方位角以及波束宽度的潮汐权值；在所述潮汐时刻将天线权值调整为所述潮汐权值以对潮汐效应进行优化。通过上述方式，本发明实施例能够通过相应潮汐效应的算法进行潮汐效应优化，且不会降低现网网络质量。

摘要： 本发明公开一种基于剪枝、权值共享和编码的模型压缩方法和处理设备，涉及模型压缩技术领域，解决了模型压缩不充分，移动设备实时计算人工智能模型的能力较差的技术问题。该装置包括以下步骤：S100：通过正常训练，得到由原始网络权值及神经元构成的初始模型；S200：根据阈值设定，最终得到结果模型；S300：将所述结果模型的神经元之间的连接网络通过聚类进行权值共享，得到共享网络权值及相应的神经元；S400：将权值共享后得到的所述共享网络权值进行平滑处理；S500：采用变长位对平滑处理后的所述共享网络权值进行编码，并存储其索引值，得到压缩后的模型。本发明对模型进行了充分压缩，提高移动设备实时计算人工智能模型的能力。

摘要： 本申请提供了一种天线权值配置方法、装置、电子设备以及存储介质，所述方法包括获取采集设备采集的场景图像，其中，所述场景图像为待配置天线在预设区域内对应的图像，将所述场景图像输入至预训练的场景识别模型中进行识别，得到第一场景识别结果，根据预存的场景与天线权值对应表确定所述第一场景识别结果对应的第一天线权值信息，根据所述第一天线权值信息对所述待配置天线进行配置。本申请既节省了人力物力，也提高了对天线权值配置的客观性与准确性，进而提高了天线的传输效果。

摘要： 本发明提供一种基于权值剪枝和量化的图像识别方法，涉及计算机视觉领域，包括：移除部分部分的卷积神经网络模型中绝对值较小的部分，使得网络稀疏化。重新训练卷积神经网络模型，直到模型收敛，重复上面两个步骤；再每次剪枝10％参数，并重新训练剪枝后卷积神经网络模型，直到剪掉80％参数；使用8位定点数量化50％卷积神经网络模型的权值，重新训练卷积神经网络模型，直到模型收敛，不更新已经量化的权值，更新没有量化的权值，已被剪掉的权值也参与更新，重要的被剪枝的权值被重新激活；再重复之前的步骤，不断量化10％参数。通过裁减掉冗余的神经元或者权重，可以有效的减少模型的参数，降低模型运算量和存储空间。