数据缺失场合下k/N(G)系统可靠性指标的经验Bayes估计

在定数截尾缺失数据样本下,研究了不可修k/N(G)系统的可靠性指标的估计问题。将极大似然估计法和Bayes方法相结合得到了部件的平均寿命、系统可靠度及平均寿命等可靠性指标的经验Bayes估计,最后利用随机模拟例子说明了本文方法的正确性和可行性。     

基于飞行任务的飞行品质评估方法

提出一种基于飞行任务的飞行品质的评估方法.介绍了基于飞行任务的飞行品质评估方法的流程,以及常规迎角下机动动作的选取方法与大迎角下机动动作的选取方法,分析了标准评估机动任务库的选取方法.以实际飞行任务和战术要求为依据,建立了标准评估机动任务库,并明确了各机动动作与飞行品质分析的对应关系,飞行品质评估的环境组成.并基于大迎...     

元强化学习综述

元强化学习是指自动从一组相关任务中学习强化学习所需归纳偏置的相关理论和方法,对于提高强化学习算法在困难场景下的样本效率和泛化能力具有重要用途。本文提出一种新的元强化学习框架,指出设计和分析一个元强化学习算法需要同时考虑学习经验（相关任务）、归纳偏置及学习目标3个独立因素及这3个因素之间的依赖关系。在此基础上对该领域的研究现状进行了分析和总结,特别对近年来元强化学习若干文献进行了分析和归类,并详细阐述了几种代表性算法的原理及各自特点。本文还对元强化学习常用的实验环境和性能评价方法进行了介绍,对该领域的不足和未来的发展方向进行了讨论和分析。     

Dirichlet混合样本的EM算法与动态聚类算法比较

Dirichlet分布是一类包含正参数向量的连续多元概率分布,在比例结构问题中具有广泛的应用。针对Dirichlet混合样本的聚类问题,进行了最大期望（EM）算法和动态聚类算法研究。首先,推导其数学过程,并给出算法迭代步骤。然后,利用数字仿真实验,比较了EM算法与动态聚类算法两种机器学习算法在Dirichlet混合样本中的聚类效果。最后,计算对数似然函数值、程序运行时间、收敛迭代次数、聚类正确率、真正率（TPR）和假正率（FPR）6个评价指标。仿真实验结果表明,EM算法聚类正确率更高但是运算效率相对较低,而动态聚类算法运算效率较高但是损失了部分聚类正确率。因此,实际应用中建议综合权衡聚类正确率与运算效率的相对需求后,再选取合适算法进行Dirichlet混合样本聚类。      

石头知道——品乐林的《石头集》

一直以来,人们总有这样的癖好,把世间所见之物件加以归类,以便于定义。如实难划分,便以另类归之,于是,另类也成了一类。     

全样本场合几何分布产品步进应力加速寿命试验TFR模型下的统计分析

本文首次将步加试验中的损伤失效率模型应用于离散型寿命分布场合,给出了TFR模型几何分布产品全样本场合多步步加试验下参数的极大似然估计。并通过一例子来说明方法的可行性。     

在线点到点数据传输优化选择模型及其算法设计

最优点到点数据传输线路不仅依赖于其固有的传输时间,还依赖于数据总量,因为数据规模决定了加工次数和传输次数.本文首先建立了在线点到点数据传输网络选择的优化模型,给出了有向路代表集的概念,然后给出了一个时间复杂性为O（m^2logn）的算法产生有向路代表集.最后对静态和动态点到点数据传输有向路问题进行了研究,并给出了一个时间复杂性为O（m^2logn）的多项式时间的算法.     

抵御对抗样本攻击的指纹室内定位方法

随着城市智能化的发展, 基于WiFi接收信号强度(RSS)的指纹室内定位服务受到社会的广泛关注。深度学习技术是利用RSS信号获得高室内定位性能的一种重要手段, 但其易遭受对抗样本攻击, 给定位系统带来严重安全隐患。为此, 提出了一种抵御对抗样本攻击的基于深度学习的RSS指纹室内定位方法(AdvILoc)。该方法基于图像识别领域对抗样本防御方法的研究和分析, 结合室内RSS指纹数据特征单一且高维的特点, 通过在RSS指纹室内定位深度学习模型中添加池化层、全连接层, 以及满足差分隐私的噪声层来抵御对抗样本攻击, 解决了基于深度学习的室内定位模型易过拟合且泛化能力不高的问题。通过添加Dropout层, 以及设计模型参数正则化方法, 提高模型抵御对抗样本攻击的鲁棒性。在2个真实RSS指纹室内定位数据集上的实验结果表明:与已有基于多层感知机(MLP)、卷积神经网络(CNN)的RSS指纹室内定位方法相比, 所提方法在保证时间开销和基本不影响定位模型性能的情况下, 提高了模型抵御对抗样本攻击的鲁棒性;在满足l₂范式规范的C&W攻击下, 随着攻击大小不断增大, 模型的定位准确率下降也更平稳。      

基于子目标进化的高维多目标优化算法

多目标优化问题是工程应用中的常见问题,已有的方法在解决3个目标以上的高维优化问题时效果欠佳.如何进行有效的个体选择是求解高维多目标优化问题的关键.针对该问题,提出了求解高维多目标优化问题的子目标进化算法.从理论上证明了多目标优化问题Pareto非支配解的求取,可通过子目标函数值排序,先行选择进化种群中部分非支配解;然后,根据排序信息有选择性地比较进化种群中的元素,减少了比较次数,从而快速获得非支配解集.同时,提出归一化函数差值的Minkowski距离"k近邻"距离计算方法,在进化过程中应用到密度函数中,加速了收敛速度.同当前求解高维多目标优化的算法,在对标准测试函数的计算性能上进行比较,统计结果显示了所提算法在性能上的优势.      

基于EWT的离心压气机出口动态压力样本熵分析

以800 kW离心压气机从稳定状态经过过渡过程进入喘振状态时段的出口动态压力为研究对象,采用经验小波变换并结合样本熵特征,分析了系统在不同工况下的复杂特性。首先,在分析系统动态压力波形特征的基础上,采用经验小波变换并结合皮尔逊相关系数进行信号的提取。其次,研究了提取信号的样本熵与系统工作状态变化的关联关系,并讨论了经验小波的分解层数和样本熵的维数对分析结果的影响。最后,通过将白噪声加入原始信号以验证该方法的抗干扰性能。研究结果显示：当系统由稳态进入喘振状态时,系统出口动态压力的样本熵表现出明显的突变特性,其值由0突变至0.7左右。从系统参数的选择角度,样本熵维数的变化对系统特征的分析影响较小。并且,采用该方法抗干扰性能较好。