动态权重

摘要： 故障智能分类与决策是内燃机故障诊断的重要手段。内燃机燃烧排放的尾气成分综合反映出内燃机运行状态的变化,对尾气成分分析是一种有效的故障诊断方法,提出基于动态权重的灰色关联度算法实现故障关联度区间及故障分类。实例计算结果表明,灰关联度对内燃机故障具有良好的区分度。发动机故障诊断时,只需计算出采集尾气成分的小样本数据的关联度,并与所述发动机故障的关联区间相比较即诊断出发动机故障类型。所提出的内燃机故障分类与诊断方法可在专用故障诊断仪中对内燃机故障进行自诊断。

摘要： 基于定权重的风电功率单一预测方法,不能够及时调整邻近时间内的预测精准度,造成与实测值误差较大,为此提出基于动态权重的风电功率组合预测方法。通过清洗风电功率预测中的异常数据,确定受波动性影响的风电功率参数值;基于动态权重算法,实现风电功率组合的预测。通过实验对比结果表明,基于动态权重的风电功率组合预测方法,能够有效降低原始风速对风电功率数据波动的影响,误差率相对较低。

摘要： 焊接缺陷产生原因复杂,影响因素众多,基于人工智能的缺陷成因诊断算法成为焊接智能化的发展方向.将PSO-BP神经网络应用于焊接缺陷成因诊断,利用神经网络的连接学习机制代替传统专家系统的规则推理机制,并对PSO算法进行自适应调整,引入动态权重因子,搭建自适应PSO-BP神经网络模型.结果表明,与传统PSO-BP神经网络模型相比,改进的PSO-BP神经网络模型训练所需要的迭代次数减少13.1%,诊断结果准确率从93.3%提高至96.7%,精确率从91.3%提高至98.3%,综合能力指标从91.7%提高至96.9%.改进算法能够明显提升焊接缺陷成因诊断的效率和精度,具有较好的工程应用价值.

摘要： 利用2014年和2018年鄱阳湖丰-涨-枯-退4个水文时期的监测数据,引入可拓评价法对鄱阳湖水生态系统健康进行评价并探讨指标动态权重的影响。结果表明:鄱阳湖水生态系统健康状态不同水文时期差异显著,退水期最优,枯水期最差,涨水期稍优于丰水期。鄱阳湖水生态系统健康评价指标权重具有动态变化特征,指标权重值会随着指标具体取值的不同而发生变化,即便指标值相同,各指标间关系不同,指标权重也不同,从而影响鄱阳湖水生态系统健康的评价结果。鄱阳湖不同时期生态系统功能和结构差异较大,采用动态的权重对其水生态系统健康评价相对更加合理。

摘要： 为了建立更为客观且评价精度更高的泥石流危险性评价模型,深入分析泥石流危险性的影响因素,运用层次分析法构建了不同降雨工况下动态权重系统,结合模糊综合评价法实现了对苏峪口泥石流危险性动态评价。结果表明:随着降雨强度变化,指标权重呈现非线性动态变化特征,研究区泥石流危险性对各危险等级的隶属度不断变化,表现为随着降雨量增大,危险性逐级升高。分析认为所提出的泥石流危险性动态评价方法在考虑降雨指标取值变化对评价结果影响的基础上,兼顾了指标权重对降雨工况的响应,评价结果相对传统方法更为精准,也更符合客观实际。

摘要： 随着机器学习在多个领域的研究取得进展,物理信息神经网络为偏微分方程的求解提供了新思路,但该方法难以获得高精度的数值解.结合物理信息神经网络与两重网格求解偏微分方程的思想,提出了基于两重网格的深度学习方法求解定常偏微分方程.针对神经网络求解多目标问题,采取了动态权重策略平衡损失函数中各项之间的数值差异,有效缓解了梯度病态现象.最后,给出了若干数值实验,验证了结合动态权重策略的深度学习方法在提高计算精度上的有效性.

摘要： 针对现有纱线毛羽检测方法无法有效检测弯曲毛羽和交叉毛羽的缺陷,提出一种基于图像法的纱线毛羽路径匹配追踪算法。将采集到的纱线毛羽图像通过预处理、骨干化处理获取毛羽骨干图像,以毛羽端点作为起始点,对其八邻域像素点进行判断获取新的毛羽路径点,重复对毛羽路径点邻域判断直到没有毛羽路径点存在。对毛羽交叉出现多路径点的情况,提出交叉匹配值指标,即根据毛羽交叉点前部分相邻毛羽路径点间斜率并分配动态权重得到毛羽局部斜度,利用交叉匹配值对多路径毛羽点进行匹配获取新的毛羽路径点,通过本文毛羽追踪方法获取毛羽像素数量并转化为毛羽长度。与人工法和投影法检测结果对比表明:本文毛羽追踪检测结果与人工检测毛羽结果误差在4%以内,有效解决了交叉毛羽和弯曲毛羽追踪检测问题,提高了纱线毛羽的检测准确度。

摘要： 文本情感分类是自然语言处理中的经典任务,在判断文本的情感极性、舆情监控、市场呼声、商品评论等领域有重要的应用价值。该文提出了一种基于预训练模型进行细粒度文本情感分类的新方法。基于文章级别的情感分类任务,需要模型同时具有较高的语义概括能力和抗噪能力。为此,该文利用BiLSTM网络对预训练模型中每层Transformer的权重进行调整,通过将各层表达的不同粒度的语义表征进行动态融合的方式,提高模型的语义空间表达能力。为了增强模型的泛化性能,该文在下游任务结合BiLSTM和BiGRU等结构对得到的语义向量进行特征过滤。利用该模型,作者在CCF 2020年举办的科技战疫·大数据公益挑战赛—疫情期间网民情绪识别赛道中位列第三,最终测试集的F_(1)值为0.74537,该模型的参数量比第一名模型少67%,但二者分数差距仅为0.0001,说明该方法具备可行性与有效性。

摘要： 边缘计算(Edge Computing)作为一种新的计算范式,在网络边缘提供计算服务,相比传统的云计算模式,它具有高可信、低延迟等特点,在各行各业中有着广阔的应用前景,但在隐私保护和数据处理上仍存在一些问题。而联邦学习作为一种分布式的机器学习技术,能很好地解决边缘计算场景下数据分布不一致和数据隐私问题,但仍面临设备异构、数据异质及通信方面的挑战,如模型偏移、收敛效果差、部分设备计算结果丢失等问题。为解决上述问题,提出动态权重的联邦学习优化算法(FedDw)。该算法关注设备的服务质量,减少训练速度不一致导致部分设备参与带来的异构性影响,并根据服务质量确定在最终模型聚合时的占比,从而确保聚合的结果在复杂的真实情况下更具有鲁棒性。在10个地区气象站的真实数据集上与FedProx和Scaffold这两种典型的联邦学习算法进行了对比,实验结果表明FedDw算法具有更好的综合性能。

摘要： 以基于全卷积孪生网络的目标跟踪(SiamFC,fully-convolutional siamese networks for object tracking)算法为代表的部分深度孪生网络目标跟踪算法均是针对目标外观信息进行设计的,易受高速移动、运动模糊、光照变化等因素的影响,造成跟踪目标漂移或丢失。为了提高算法对目标外观变化的适应能力,给出一种基于动态权重的双分支孪生网络目标跟踪算法,以替换特征提取网络后的SiamFC算法作为外观分支,在此基础上增加利用双重注意力强化信息提取的语义分支作为外观分支的有效补充。跟踪阶段利用动态权重系数结合两分支的跟踪结果,有效抑制了目标外观变化对跟踪算法的影响,提升了算法的跟踪精度和鲁棒性。在4个标准目标跟踪数据集OTB2015、UAV20L、UAV123和GOT-10k上验证了本文算法的有效性,平均跟踪帧率为47帧/s,满足跟踪实时性要求。

摘要： 为了保证露天矿边坡的稳定性,提高开采的安全性,减少人身财产损失,针对边坡稳定性存在的模糊不确定性和层次性的特点,采用模糊数学方法,建立边坡稳定性模糊综合评价模型.通过实地走访结合文献总结,选用5个影响因素及其对应的18个影响因子,集成误差传递原理、相似性和差异性分析以及区间数矩阵相对优势度分析建立动态权重.研究结果表明:该模型得到的结果能较准确地反映边坡的稳定程度,评价结果与实际结果相吻合,为边坡稳定性评价提供了一种可行的方法.

摘要： 根据西北太平洋热带气旋路径客观预报的特点,设计了一种动态权重集成预报方案,以多种客观预报方法的平均距离误差为评估参数,尤其注重各方法从起报到实时预报之间的平均距离误差,经过相应的转换,赋予各方法动态归一化权重系数,从而完成预报集成.2000年台汛期期间试验预报表明,该集成方法简单实用,在一定程度上提高了台风路径综合预测水平.

摘要： 动态风险评估是反馈施工信息并实时控制从而规避隧道施工风险的一种重要手段.基于传统指标体系法,引入动态权重的概念,建立了一种动态风险评估模型,即以普适标准权重表征隧道施工风险历史信息,以工程标准权重表征隧道工程特殊性,以权重更新系数表征隧道施工过程中评估指标权重的动态变化.并以隧道工程施工塌方风险为例,论述了动态风险评估模型的建立与实施流程.与目前相关指南推荐的方法相比较,本方法把工程施工过程通过参数方式引入,从而实现了真正的动态施工、动态风险评估的目的,可为实际隧道工程施工风险管理所借鉴.

摘要： 针对不同负荷对电能质量指标的敏感度不同,提出了一种基于改进拉开档次法的电能质量动态综合评价方法。首先根据负荷对不同电能质量指标的敏感性程度,确定指标的序关系,应用序关系分析法得到主观权重向量,用这一主观权重将指标观测值进行权化,再针对权化后的指标观测值利用拉开档次法得到客观权重,此时得到的客观权重就是考虑了负荷对不同指标敏感度后的集成权重。其次,考虑到短板效应的影响,再根据指标观测值的分布情况对得到的集成权重进行调整,最后得到一个动态权重向量。利用此动态权重和灰色关联分析法,便可得到各监测点的电能质量等级。基于MATLAB编写电能质量评估程序,对山西省连庄变电站和西岭变电站的实测数据进行分析,并与其它方法得到的评估结果进行了比较,充分证明了该方法的合理性和实用性。

摘要： 针对IT项目的风险管理与群决策过程中存在大量不确定、不完全信息等特征,在传统决策方法的基础上,将粗糙集方法与AHP理论相结合,提出了粗集IT项目风险群决策的基本步骤,并借助粗糙集的原理与方法,通过实例分析探讨了IT项目风险群决策中关于知识表达、属性约简、规则挖掘、方案排序等方法,尤其是引入属性动态权重、专家主观权重、客观权重的概念与计算方法,进而对整个决策排序算法进行了改进.

摘要： 本文针对IT项目的风险管理与群决策过程中存在大量不确定、不完全信息等特征,在传统决策方法的基础上,将粗糙集方法与AHP理论相结合.提出了粗集IT项目风险群决策的基本步骤,并借助粗糙集的原理与方法,通过实例分析探讨了IT项目风险群决策中关于知识表达、属性约简、规则挖掘、方案排序等方法.尤其是引入动态权重的概念与计算方法,进而对整个决策规则挖掘的算法进行了简化和改进.

摘要： 本文提出了一种新的多分类器系统模型,该模型通过定义两个基本分类器实时性能指标——实时决策支持度和实时决策置信度,在多分类器系统基础上构建临时的动态子系统,然后由该子系统代替初始多分类器系统来完成融合决策.动态子多分类器系统模型是一种不同于传统动态分类器选择和分类器联合方法的新模型,其能够更有效地排除不稳定基本分类器对多分类器系统融合决策性能的影响.试验表明该模型在模式识别性能上能够获得较好的性能,鲁棒性和可靠性比基本分类器和传统多分类器系统方法更强.

摘要： 本文提出了一种新的多分类器系统模型,该模型通过定义两个基本分类器实时性能指标——实时决策支持度和实时决策置信度,在多分类器系统基础上构建临时的动态子系统,然后由该子系统代替初始多分类器系统来完成融合决策.动态子多分类器系统模型是一种不同于传统动态分类器选择和分类器联合方法的新模型,其能够更有效地排除不稳定基本分类器对多分类器系统融合决策性能的影响.试验表明该模型在模式识别性能上能够获得较好的性能,鲁棒性和可靠性比基本分类器和传统多分类器系统方法更强.

摘要： 本文提出了一种新的多分类器系统模型,该模型通过定义两个基本分类器实时性能指标——实时决策支持度和实时决策置信度,在多分类器系统基础上构建临时的动态子系统,然后由该子系统代替初始多分类器系统来完成融合决策.动态子多分类器系统模型是一种不同于传统动态分类器选择和分类器联合方法的新模型,其能够更有效地排除不稳定基本分类器对多分类器系统融合决策性能的影响.试验表明该模型在模式识别性能上能够获得较好的性能,鲁棒性和可靠性比基本分类器和传统多分类器系统方法更强.

摘要： 本文提出了一种新的多分类器系统模型,该模型通过定义两个基本分类器实时性能指标——实时决策支持度和实时决策置信度,在多分类器系统基础上构建临时的动态子系统,然后由该子系统代替初始多分类器系统来完成融合决策.动态子多分类器系统模型是一种不同于传统动态分类器选择和分类器联合方法的新模型,其能够更有效地排除不稳定基本分类器对多分类器系统融合决策性能的影响.试验表明该模型在模式识别性能上能够获得较好的性能,鲁棒性和可靠性比基本分类器和传统多分类器系统方法更强.

摘要： 本发明公开了一种解决属性权重和时间权重复杂性的动态决策方法，包括：根据战场环境，提取每个目标战机的决策信息；将目标战机属性信息转换为不同时刻tk的区间直觉模糊矩阵，得到决策矩阵使用离差最大化方法获取每个目标战机的属性权重w(t)；利用数据聚合算子IVIFPWGA将不同时刻tk决策矩阵中的元素进行聚合，得到各敌方战机Ti在不同时刻tk的综合区间直觉模糊值通过优劣解距离法TOPSIS得到时间权重向量λ(t)；利用数据聚合算子DIVIFPWGA得到各敌方战机Ti在每个时刻tk的综合区间直觉模糊值获取综合区间直觉模糊值的得分函数和准确度函数对所述得分函数进行排序，得到决策结果。本方法提高了决策结果的可靠性，有效地降低了算法的时间复杂度，能更精确的对空战目标进行威胁评估。

摘要： 本发明公开了一种避免权重失衡之自动动态调整权重数值轮替模块设计，多衔接复数要求输入,代表需同时接受复数以上的指令要求，搭配相对应数量的权重输入,藉由权重计算得出授予输出值，本发明设定一组门槛值,利用此门槛值去判断其最大权重与最小权重相差是否过大，一但判断过大,则对最大权重进行删减,同时保留删减的数值,用于合并下一次权重数值再与门槛值比较；本发明公开了适用于资料权重排序轮替得模块设计,权重轮替设计主要应用于多台机器实现负载均衡时系统必须对资料要求进行优先顺序处理等相关应用，而本发明藉由门槛值来侦测权重误差,进而调整资料轮替排序,达到线上自动动态调变权重的特性,增加轮替排列弹性与效率。

摘要： 本发明提出一种动态修剪深度神经网络权重和权重共享的压缩方法，它在非结构化剪枝的基础上，在保证精度稳定的情况下进一步降低深度神经网络模型的参数冗余。本发明先对深度神经网络模型进行动态修剪操作，主要分为剪枝和剪接两个部分，剪接可以最大程度保留网络中重要的权重连接，避免修剪过程中存在的误操作，另外为了提高模型修剪后的精度，在修剪过程中加入L1正则化；然后对修剪后的网络进一步K‑Means量化，使得权重共享。本发明提出的压缩方法，可以保证模型的精度没有损失的情况下，大大减少深度神经网络中的冗余参数，降低模型的存储内存。本发明在基于ImageNet数据集的AlexNet网络上进行本压缩方法实验，将原始网络压缩了52倍，并且没有造成精度的损失。

摘要： 本发明涉及一种可以提高地名的声音识别性能的权重系数生成装置、声音识别装置、导航装置、车辆、权重系数生成方法、以及权重系数生成程序。为了解决上述问题，地址数据库(12)对地址信息进行管理，该地址信息具有国名、城市名、街道名、门牌号码作为地址信息数据，并具有显示从广域至狭域的地名的阶层关系的树结构。将存储于地址数据库(12)的各地名作为声音的识别候补，权重系数生成装置(10)的权重系数计算部(11)根据属于所述候补的城市名的下级阶层的街道名的数量，计算出所述识别候补的似然比的权重系数。

摘要： 本发明涉及一种类型权重动态修正平台及方法，所述平台包括：信息推送部件，用于依次向用户推送多个视频片段以供用户观看；片段收发部件，用于通过互联网从视频运营商的云端服务器处获取所述多个视频片段；状态鉴定设备，用于在识别到待分析子图像对应的人脸对象当前处于厌倦的表情状态时，降低当前播放的视频片段对应的视频类型的推送权重。本发明的类型权重动态修正平台及方法数据可靠、应用广泛。由于能够在视频用户每观看新的视频片段时，启动对视频用户当前表情的一次分析，并基于分析结果实时调节视频片段对应推送权重的具体数值，同时引入包括针对性图像处理链路完成对视频用户表情画面的优化和鉴定，从而避免丧失播放流量。

摘要： 本发明公开了一种基于动态权重小波系数深度残余网络的复合材料缺陷检测方法。利用实验的复合材料板采用同侧相向检测法，并使用A0模态对复合材料板进行缺陷检测得到多组样本；将多组样本分为训练样本和测试样本；训练动态权重小波系数深度残余神经网络；验证动态权重小波系数深度残余神经网络；动态权重小波系数深度残余神经网络对复合材料板进行检测，输出对应的检测类型。

摘要： 本发明公开了一种基于动态权重PSO粒子群算法优化BP神经网络的污水处理出水质量预警方法，该方法是基于以下步骤实现的：1)在分析A2O污水处理工艺的基础上，通过相关性分析确定进水流量、进水总氮、进水COD、溶解氧浓度、氧化还原电位ORP、进水PH值等6个关键指标为出水总氮、出水COD预测模型的输入变量，并对数据进行预处理；2)建立一种基于动态权重PSO优化BP神经网络的污水处理出水质量预测模型，并对模型的精确度进行验证；3)利用建立好的模型，输入6个关键指标的数据集，对出水总氮、出水COD进行预测，通过分析预测结果给出相应预警。本发明设计合理，不仅解决了传统BP神经网络在对出水质量预测时的结构复杂冗余、容易陷入局部极值的问题，同时较大程度的提高了出水质量的预测精度，且对污水处理厂出水质量进行了预警，能够达到提前预知、提前应对的效果。

摘要： 本发明公开了一种使用动态权重融合的焦堆栈显著目标检测方法，首先构建焦堆栈显著目标检测网络；然后使用编码器网络依次对焦堆栈样本中的12张焦片进行编码，编码后12张焦片分别获得m个层级的特征；对m个层级，分别使用动态权重融合模块融合12张焦片特征；使用逐层特征融合模块融合相邻层特征；最后使用损失函数对焦堆栈显著目标检测网络进行优化；本发明所述的方法，可以提高焦堆栈显著目标检测的效果。通过使用动态权重融合，可以有效融合12张焦片的特征。

摘要： 本发明提供一种基于动态权重均衡时序数据库集群的时序数据存储方法，包括：时序数据库集群配置集群接口、发布订阅消息系统集群、读写器和m个时序数据库；集群接口启动时初始化生成n个虚拟桶，为每个虚拟桶确定分配区间段；采用基于动态权重均衡时序数据库集群的时序数据库选取算法，确定目标时序数据库，并存储数据。本发明提供一种基于动态权重均衡时序数据库集群的时序数据存储方法，用于物联网云端存储海量设备采集数据的场景，可以解决当前集群内各个时序数据库存储数据严重不均衡造成存储空间浪费和集群横向扩展困难的问题。通过本发明，能够将物联网设备采集数据均匀的存储到时序数据库集群中的各个时序数据库中，提高用户体验。

摘要： 本发明公开了一种基于动态权重的A星算法改进方法、系统、装置及介质，其中方法包括：获取无人机飞行的过程中采集的环境信息；对A星算法的估价函数进行改进；设计动态权值生成器，根据环境信息实时生成当前节点的启发式权值；当无人机离起始点较近时，h(n)占的比重较大；当无人机不断接近目标时，g(n)的权值逐渐增加；其中，h(n)为从指定位置运行到终点的估计代价，g(n)为从起点移动到指定方格的移动代价。本发明在无人机对目标点进行寻路地过程中，通过对A星算法的路径评价函数加入实时调整的动态启发式权值，来实现寻路的精确度与效率的统一。本发明可广泛应用于无人机避障及路径规划的技术领域。