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
共找到6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：
Hyper-SegUNet:基于超网络的超参自学习医学图像分割模型 被引量：2
1
作者 郭逸凡 裴瑄 +1 位作者 王大寒 陈培芝 《四川师范大学学报（自然科学版）》 CAS 2024年第1期127-135,共9页
为解决在训练UNet及其变种时需要手动选择超参数的缺陷,提出一种嵌入超网络(Hypernetworks)的医学图像分割模型Hyper-SegUNet.首先,构建编码器和解码器组成的U型网络结构.然后,将多组超参数作为解码器的输入单元,进而输出多组不同超参... 为解决在训练UNet及其变种时需要手动选择超参数的缺陷,提出一种嵌入超网络(Hypernetworks)的医学图像分割模型Hyper-SegUNet.首先,构建编码器和解码器组成的U型网络结构.然后,将多组超参数作为解码器的输入单元,进而输出多组不同超参数下的性能,并从中挑选最优超参数.在腹部多器官分割数据集Synapse和心脏单器官分割数据集ACDC的实验结果表明,该模型可以自动选择超参数,而且分割准确性优于基线方法. 展开更多
关键词 医学图像分割 超网络 超参数搜索 深度学习
在线阅读 下载PDF
基于种群演化的超参数异步并行搜索 被引量：2
2
作者 蒋云良 赵康 +2 位作者 曹军杰 范婧 刘勇 《控制与决策》 EI CSCD 北大核心 2021年第8期1825-1833,共9页
近年来随着深度学习尤其是深度强化学习模型的不断增大,其训练成本即超参数的搜索空间也在不断变大,然而传统超参数搜索算法大部分是基于顺序执行训练,往往需要等待数周甚至数月才有可能找到较优的超参数配置.为解决深度强化学习超参数... 近年来随着深度学习尤其是深度强化学习模型的不断增大,其训练成本即超参数的搜索空间也在不断变大,然而传统超参数搜索算法大部分是基于顺序执行训练,往往需要等待数周甚至数月才有可能找到较优的超参数配置.为解决深度强化学习超参数搜索时间长和难以找到较优超参数配置问题,提出一种新的超参数搜索算法—–基于种群演化的超参数异步并行搜索(PEHS).算法结合演化算法思想,利用固定资源预算异步并行搜索种群模型及其超参数,从而提高算法性能.设计实现在Ray并行分布式框架上运行的参数搜索算法,通过实验表明在并行框架上基于种群演化的超参数异步并行搜索的效果优于传统超参数搜索算法,且性能稳定. 展开更多
关键词 超参数搜索 种群 演化算法 异步并行 深度学习 并行框架
原文传递
基于CEEMDAN-AsyHyperBand-MultiTCN的短期风电功率预测 被引量：2
3
作者 刘凡 李捍东 覃涛 《太阳能学报》 EI CAS CSCD 北大核心 2024年第1期151-158,共8页
为减少风电功率短期预测误差,提高风电利用效率,提出一种基于经验模态分解和异步超参数优化的多层时间卷积网络(CEEMDAN-AsyHyperBand-MultiTCN)的短期风电功率预测方法。首先,确定序列分量的数量,并使用自适应噪声完备集合经验模态分解... 为减少风电功率短期预测误差,提高风电利用效率,提出一种基于经验模态分解和异步超参数优化的多层时间卷积网络(CEEMDAN-AsyHyperBand-MultiTCN)的短期风电功率预测方法。首先,确定序列分量的数量,并使用自适应噪声完备集合经验模态分解(CEEMDAN)对原始风电功率进行分解,构成训练数据集。其次,使用深度残差级联(DRnet)构建多层的时间卷积网络(TCN),并使用AsyHyperband算法对序列分量模型进行超参数寻优。最后,对序列分量分别进行预测,重构预测结果得到预测值。实验表明,该文提出的方法相比于其他方法能有效降低风电功率预测误差。 展开更多
关键词 风电功率 预测 神经网络 多层 集成经验模态分解 超参数搜索
在线阅读 下载PDF
用于高反光表面三维重建的多任务学习方法
4
作者 李默晶 孙长库 《光子学报》 EI CAS CSCD 北大核心 2024年第10期144-157,共14页
在基于多任务学习的高反光表面单序列投射相移轮廓术中,网络参数在优化初期往往受到过曝区域相位缺失的直接影响,进而导致网络性能受损。提出一种多任务学习方法,把网络对于折叠相位图中非过曝区域和过曝区域的拟合看作不同任务,分别计... 在基于多任务学习的高反光表面单序列投射相移轮廓术中,网络参数在优化初期往往受到过曝区域相位缺失的直接影响,进而导致网络性能受损。提出一种多任务学习方法,把网络对于折叠相位图中非过曝区域和过曝区域的拟合看作不同任务,分别计算其梯度值用于网络参数更新,并引入pareto最优化用于更新任务权值向量。同时,由于两个任务的优先级之间存在明显的先验关系,传统针对平行任务的pareto最优化理论不适用于本场景,因此提出了一种动态更新任务优先级的多任务权值搜索策略,用于根据当前学习情况自适应地更新超参数,尽量避免由于任务梯度冲突导致的网络震荡。验证实验与对比实验的结果表明,将该优化方法引入现有多任务学习框架以后,网络收敛速度得到了显著提高;同时,由于减轻了过曝区域对网络参数拟合的不利影响,该权值搜索策略最终实现了更加平滑和稠密的重建结果。 展开更多
关键词 相位轮廓术 多任务学习 相位预测 同名点匹配 超参数搜索
在线阅读 下载PDF
重复利用状态值的竞争深度Q网络算法 被引量：8
5
作者 张俊杰 张聪 赵涵捷 《计算机工程与应用》 CSCD 北大核心 2021年第4期134-140,共7页
在使用反距离加权法(Inverse Distance Weighted method,IDW)对土壤重金属含量进行预测时,算法中的超参数一般由先验知识确定,一定程度上存在不确定性。针对这一问题,提出了一种状态值再利用的竞争深度Q学习网络算法以精确估计IDW的超... 在使用反距离加权法(Inverse Distance Weighted method,IDW)对土壤重金属含量进行预测时,算法中的超参数一般由先验知识确定,一定程度上存在不确定性。针对这一问题,提出了一种状态值再利用的竞争深度Q学习网络算法以精确估计IDW的超参数。该算法在训练时,将每轮训练样本中的奖励值进行标准化后,与Dueling-DQN中Q网络的状态值结合形成新的总奖励值,然后将总奖励值输入到Q网络中进行学习,从而增强了状态与动作的内在联系,使算法更加稳定。最后使用该算法在IDW上进行超参数学习,并与几种常见强化学习算法进行对比实验。实验表明,提出的RSV-DuDQN算法可以使模型更快收敛,同时提升了模型的稳定性,还可以更准确地得到IDW的参数估计。 展开更多
关键词 状态值重利用 竞争深度Q学习网络 反距离加权法 超参数搜索
在线阅读 下载PDF
基于优化随机森林算法预测食品检验不合格指标 被引量：4
6
作者 刘玉航 曲媛 +2 位作者 蒋嘉铭 宗万里 朱习军 《食品安全质量检测学报》 CAS 北大核心 2021年第18期7467-7472,共6页
目的建立基于优化的随机森林算法模型实现对食品不合格指标的分类预测。方法通过收集山东省食品药品监督管理局2015—2019年食品安全抽样检验产生的不合格数据,并对其进行多项数据预处理操作,采用超参数网格搜索和10折交叉验证方法建立... 目的建立基于优化的随机森林算法模型实现对食品不合格指标的分类预测。方法通过收集山东省食品药品监督管理局2015—2019年食品安全抽样检验产生的不合格数据,并对其进行多项数据预处理操作,采用超参数网格搜索和10折交叉验证方法建立基于随机森林的食品不合格指标的分类预测模型,并通过对传统随机森林模型的参数优化,将其与决策树(decision tree, DT)、逻辑回归(logistic regression, LR)和梯度提升决策树(gradient boosting decision tree, GBDT)算法分类预测结果进行对比。结果实验表明经过参数优化后的随机森林模型对食品中不合格指标的预测准确率能够达到89.4%,比DT算法提高了11.0%,比LR算法提高了9.0%,比GBDT算法提高了8.1%。结论基于优化的随机森林模型可以完成食品不合格指标分类预测任务,有广阔的应用前景。 展开更多
关键词 食品安全数据 决策树 随机森林 参数优化 超参数网格搜索
在线阅读 下载PDF
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
使用帮助 返回顶部