Sigmoid函数

摘要： 本文运用统计模型法、模糊评价法和熵权法等深入研究大学生非理性消费行为。首先,采用Sigmoid函数设计了一种加权效用函数,该函数仅与大学生对商品的评价和资源投入相关,因此可以将非理性这一模糊概念具体量化,从而衡量消费者购买商品后获得的综合利益。其次,通过数据可视化,发现存在退款和冲动消费行为时,效用大概率偏低的规律,并进一步得到可以反映非理性程度的重要指标。最后,根据这些综合指标设计分类算法,利用隶属度来划分非理性程度,评价大学生在具体行为下非理性消费的倾向。

摘要： 针对脉冲噪声环境下进行多径时延估计时,传统基于二阶统计量的算法性能退化,基于分数低阶统计量理论的算法对脉冲噪声先验知识依赖性过高的问题,提出基于Sigmoid变换和相关熵的韧性多径时延估计算法(SCWR)。该算法首先采用Sigmoid变换对多径传播的接收信号进行非线性预处理;再运用相关熵理论中的最大相关熵准则,结合参数估计理论中解决最小二乘优化问题的松弛搜索思想对多径时延参量进行估计。仿真结果表明,该算法估计性能要优于经典WRELAX(WR)算法和P-WR参考算法,并且较基于分数低阶统计量理论的P-WR算法,该算法中参数的选取对脉冲噪声先验知识的依赖性有所降低。

摘要： 针对传统永磁直线同步电机(PMLSM)直接推力控制(DTFC)存在磁链和推力波动大,鲁棒性低等问题,对传统直接推力控制进行了改进。通过分析定子磁链矢量角度的变化与电机磁链和推力的作用,用比例积分(PI)推力控制器替代了两个传统滞环控制器,改善了磁链和推力波动大的缺点。在此基础上,将PI速度控制器用基于Sigmoid函数的积分滑模控制器来替代,以解决传统PI速度控制器鲁棒性低等问题。仿真实验结果表明:改进后的直接推力控制有磁链和推力波动小、抗负载扰动性更强、鲁棒性强等优点。

摘要： 针对海鸥算法(SOA)在迭代寻优过程中容易陷入局部最优、收敛速度慢以及寻优精度低等缺陷,提出一种黄金正弦引导与sigmoid连续化的海鸥优化算法(GSCSOA)。在海鸥迁徙阶段,使用sigmoid函数作为非线性收敛因子引导海鸥搜寻过程,使得算法前期保持更强的全局寻优能力,后期更快收敛。在海鸥扑食阶段,引入禁忌搜索的思想,使得海鸥始终向着置信度更高的区域移动,并且在一次迭代中最优位置持续变化,从而提高寻优精度。之后使用黄金正弦机制指引种群位置更新,缩小搜索范围,提高局部寻优能力。最后,用12个测试函数和CEC2014函数集对改进算法进行测试,并与原算法以及其他算法的实验结果进行对比,结果证明改进的海鸥算法在收敛速度和精度上的表现更优。

摘要： 为提高算术优化算法(AOA)的全局勘探和局部开发性能,提出具有激活机理的多头反向串联算术优化算法(SFG-AOA)。激活机理策略是建立在算子位置更新层级的一种基于sigmoid函数的概率进化机制,通过引入激活因子在保证算子在继承父代位置信息的同时动态调整算子寻优步长而扩展新解多样性和全局勘探性能。引入基于适应度优化的反向学习与灰狼信息反馈机制改进算法开发阶段以提高寻优精度。适当修正非线性收敛曲线系数MOP构建随机调整策略。最后通过数值实验验证不同策略改进效果差异,并在CEC2014函数上进行仿真实验全面验证改进算法性能。

摘要： 针对传统人工协同搜索(ACS)算法求解精度不高、收敛速度慢等问题,提出一种基于Sigmoid函数的反向人工协同搜索(SQACS)算法求解旅行商问题(TSP)。首先,利用Sigmoid函数构造比例因子,增强算法的全局搜索能力;其次,在变异阶段,加入差分进化(DE)算法的DE/rand/1变异策略,对当前种群进行二次变异,提高算法的计算精度和种群的多样性;最后,在算法后期的开发阶段,引入拟反向学习策略,进一步提高解的质量。对TSP测试库TSPLIB中的4个实例进行仿真实验,结果显示,SQACS算法在最短路径与花费时间上均优于麻雀搜索算法(SSA)、DE、阿基米德算法(AOA)等7种对比算法,并且具有良好的鲁棒性;与其他求解TSP的改进算法综合对比,SQACS算法也显示了良好的性能。实验结果表明,SQACS算法在求解小规模TSP时是有效的。

摘要： 为提高算术优化算法的全局勘探和局部开发性能,提出基于非线性小孔成像机理以及具有微调功能最优位置引导搜索策略的算术优化算法(IX-AOA),自适应调整算术加速优化器因子是基于平衡算法勘探与开发目的一种纵向更新策略,通过双曲线性质调整算法勘探与开发时间分配,进而实现算法的自我更新机制,达到平衡算法勘探与开发的效果。在最优个体使用基于sigmoid激活函数的权重系数调整子代位置的搜索与开发的合理受控机理,达到丰富优质候选解的目标;引入非线性小孔成像原理改善搜索机制以优化候选解之间覆盖现象导致的寻优停滞局面,最后通过8个基准函数和部分CEC2014以及Wilcoxon秩和检测验证算法函数寻优的优越性。

摘要： 为了解决现有图像增强算法容易产生光晕伪影以及细节丢失的问题,文中针对非均匀弱光条件下的图像提出一种新的增强算法。通过色彩空间变换提取原始彩色图像的亮度Y分量,采用引导滤波增强图像细节;对细节增强后的亮度图像采用改进的Sigmoid函数(S型曲线)进行自适应线性增强,其中改进的Sigmoid函数最佳参数的获取是以布谷鸟搜索算法寻得的使图像对比度最大时的参数作为最佳参数;通过线性色彩转化得到增强后的彩色图像。实验结果表明,该算法对非均匀弱光图像有明显的增强效果,在峰值信噪比、结构相似度、对比度质量指数及绝对平均亮度误差四个评价指标中优于其他增强算法,各指标平均提高约41.6%、26.0%、61.3%、63.3%,可有效地改善非均匀弱光图像在增强过程中所存在的增强不足以及光晕伪影现象。

摘要： 自动驾驶汽车包含感知定位、规划控制等主要模块,其中运动规划的任务就是规划车辆行驶的轨迹和速度,运动规划需要在满足车辆的运动模型和状态边界条件下,同时保证生成的轨迹平滑,速度可控。针对运动规划中的速度规划模块,基于Sigmoid函数设计了一套速度和加速度规划方法。该方法能够满足车辆速度及加减速限制问题,同时可以保证在车辆整个行驶过程中速度和加速度变化连续,确保了车辆行驶过程中的舒适性。

摘要： 构建船舶通信网络干扰信息特征识别矩阵,选取干扰信息瞬时特征指标,提取特征信息。采用单极Sigmoid函数神经网络构建船舶通信网络干扰信息识别模型,将所提取瞬时特征作为模型输入,采用权值直接确定法确定隐层与输出层间的权值,输出大数据资源调度下船舶通信网络干扰信息识别结果。研究结果显示该方法有较好的识别效果,能够提升通信信息的安全性与传输效率。

摘要： 凭借出色的并行计算能力和较低的功耗,基于FPGA的神经网络实现,是人工智能研究和发展的新方向.其中,sigmoid激励函数是实现神经网络计算的重要环节.简要介绍了sigmoid函数模型,并基于FPGA平台,分析了几种实现复杂函数的方案,最终采用分段拟合的方法对sigmoid函数进行逼近.首先用MATLAB对sigmoid函数进行初步的拟合,然后对数据进行量化和修正,在FPGA平台用硬件描述语言实现sigmoid函数,并通过Modelsim-MATLAB联合仿真,结果表明误差可以控制在较小数量级.

摘要： 本文提出了一种处理含离散变量的电力系统无功优化问题的光滑化模型，并应用现代内点法进行求解。所提方法先将变压器抽头和电容器投切组数当作连续变量处理，进行无功优化计算，快速寻求离散变量的激活点；再以所得的结果作为初始解，引入sigmoid函数对离散变量进行光滑化处理，实现精确求解含离散变量的电力系统无功优化问题。经过对14至1047节点的测试系统的计算表明，所提方法能快速有效地处理离散变量，更好地求解大规模系统无功优化问题。

摘要： 本文在传统的LMS(Least mean square)算法的基础上,利用改进后的sigmoid函数来控制步长因子.相比于传统的变步长自适应算法,提高了系统的稳定性和参数调节的灵活性,并拥有更好的噪声抑制效果.最后,通过硬件平台实验得到验证.

摘要： 对表驱动线性逼近方法实现的sigmoid函数进行分析,在Matlab中对其仿真,得到误差曲线.该误差曲线在不同区间内误差相差较大,由此提出分区间线性逼近法实现sigmoid函数.不同区间采用不同的插值间隔,以尽量减少ROM资源的使用.经Matlab仿真,得到改进后的误差曲线,其最大误差未增大.最后在Quartus Ⅱ中建立工程,调用Modlesim进行RTL仿真,证明该方法可行.

摘要： 最小均方(LMS)算法被广泛应用在各类信号处理领域,其中也包括抗干扰领域.本文提出了一种新的基于变步长的LMS算法.传统LMS算法的收敛速度较慢,因而先采用归一化的LMS(NLMS)算法来加快收敛速度.之后,为了平衡收敛速度和稳态误差之间的矛盾,又引入了基于改进的Sigmoid函数的算法对算法的步长进行调整.理论分析以、仿真结果以及实际测试结果都表明本文提出的改进的LMS(SFNLMS)算法相对于传统算法来说,有更好的性能.

摘要： 最小均方(LMS)算法被广泛应用在各类信号处理领域,其中也包括抗干扰领域.本文提出了一种新的基于变步长的LMS算法.传统LMS算法的收敛速度较慢,因而先采用归一化的LMS(NLMS)算法来加快收敛速度.之后,为了平衡收敛速度和稳态误差之间的矛盾,又引入了基于改进的Sigmoid函数的算法对算法的步长进行调整.理论分析以、仿真结果以及实际测试结果都表明本文提出的改进的LMS(SFNLMS)算法相对于传统算法来说,有更好的性能.

摘要： 最小均方(LMS)算法被广泛应用在各类信号处理领域,其中也包括抗干扰领域.本文提出了一种新的基于变步长的LMS算法.传统LMS算法的收敛速度较慢,因而先采用归一化的LMS(NLMS)算法来加快收敛速度.之后,为了平衡收敛速度和稳态误差之间的矛盾,又引入了基于改进的Sigmoid函数的算法对算法的步长进行调整.理论分析以、仿真结果以及实际测试结果都表明本文提出的改进的LMS(SFNLMS)算法相对于传统算法来说,有更好的性能.

摘要： 最小均方(LMS)算法被广泛应用在各类信号处理领域,其中也包括抗干扰领域.本文提出了一种新的基于变步长的LMS算法.传统LMS算法的收敛速度较慢,因而先采用归一化的LMS(NLMS)算法来加快收敛速度.之后,为了平衡收敛速度和稳态误差之间的矛盾,又引入了基于改进的Sigmoid函数的算法对算法的步长进行调整.理论分析以、仿真结果以及实际测试结果都表明本文提出的改进的LMS(SFNLMS)算法相对于传统算法来说,有更好的性能.

摘要： 最小均方(LMS)算法被广泛应用在各类信号处理领域,其中也包括抗干扰领域.本文提出了一种新的基于变步长的LMS算法.传统LMS算法的收敛速度较慢,因而先采用归一化的LMS(NLMS)算法来加快收敛速度.之后,为了平衡收敛速度和稳态误差之间的矛盾,又引入了基于改进的Sigmoid函数的算法对算法的步长进行调整.理论分析以、仿真结果以及实际测试结果都表明本文提出的改进的LMS(SFNLMS)算法相对于传统算法来说,有更好的性能.

摘要： 协同过滤推荐技术被广泛用于各个推荐系统,但它仍然存在着用户评分数据稀疏性问题,可能导致推荐结果不准确.针对该问题,提出一种基于Sigmoid函数的协同过滤推荐算法.首先,分析用户兴趣与其调用服务的次数之间的非线性关系;其次,定义一个Sigmoid函数,根据服务调用次数计算用户对服务的兴趣度;最后,基于用户兴趣度完成协同过滤算法,实现个性化的服务推荐.实验证明,该方法能有效缓解数据稀疏性问题,提高了推荐质量.

摘要： 本发明提供一种基于Sigmoid函数的阶跃信号断点检测方法，包括：读取需要进行阶跃信号断点检测的待检测信号；对于任意第j个滑动窗口，得到第j个滑动窗口对应的拟合曲线；基于第j个滑动窗口检测出的拟合曲线，进行断点位置检测；保留检测到的断点位置；对检测到的断点进行层次聚类运算，得到最终检测到的断点。本发明使用变形Sigmoid函数拟合信号，函数中的待定参数使用带冲量的梯度下降算法进行寻优，然后使用滑动窗口算法分段拟合阶跃信号，最后对所获取样本点进行层次聚类，最终获取了准确的阶跃信号断点位置，减少了人工工作量，提高了断点位置检测的效率。

摘要： 本发明公开了一种CCSA与Sigmoid激活函数复用电路结构，在CCSA电路结构的基础上增加了三个PMOS晶体管，晶体管N1的栅极固定接电源地(VSS)，N0和N2的栅极分别接控制信号(SW1、SW2)，通过控制信号将复用电路在CCSA电路与Sigmoid激活函数电路之间进行切换，即：当SW1高电平，SW2为低电平时，复用电路为CCSA电路；当SW1低电平，SW2为高电平时，复用电路为Sigmoid激活函数电路。该电路结构简单，运算速度快，并且极大的降低了芯片的面积。

摘要： 本发明涉及人工智能神经网络领域，一种基于概率分布的Sigmoid函数拟合方法，将Sigmoid函数应用于神经网络的激活函数，根据Sigmoid函数的二阶导数，将Sigmoid函数划分为三个固定的区域；近似常数区Sigmoid函数值固定为0或者1，另外两个固定的区域划分成多个拟合函数子分段，二阶导数越小时，包含此点的区间间隔较大。本发明将Sigmoid函数分为三个固定区域，每一层神经元根据该层神经元输出值在三个区域的概率分布大小，采用不同的分段线性函数，使得有限的硬件资源更多得用于概率较大的区域。

摘要： 本发明公开了基于Sigmoid函数的变高度加筋拓扑优化方法，其包括建立变高度筋条结构设计域的有限元模型，将其划分为有限元网格；根据有限元网格边界、载荷条件，以及筋条成型方向设置单元集合；基于单元集合中的参数，构建亥姆霍兹各向异性过滤函数；采用有限元方法求解亥姆霍兹各向异性过滤函数弱形式；通过亥姆霍兹各向异性过滤函弱形式求解过滤后的单元密度向量，即进行线性过滤；基于反S型函数对线性过滤后的密度进行非线性过滤，得到最终过滤密度；基于最终过滤密度，建立拓扑优化结果。本发明通过非线性映射方法对筋条高度进行过滤，能够达到自由控制加筋高度的目的，最终能够得到具有良好刚度传递性能的变高度加筋的结构形式。

摘要： 本发明是关于一种基于Sigmoid函数实现内容奖励计算的方法及系统。该方法包括：根据影响内容热度的因子确定热度模型；计算每篇内容在一定时间内累计的各个因子的因子值；分别对各因子值进行Sigmoid转换，得到转换值；确定各个因子的权重；根据各个因子的转换值及权重进行加权计算得到所述内容的奖励结果。本发明通过对影响热度的各因子的因子值进行Sigmoid转换后再与各权重进行奖励计算，实现了奖励的有效分配，将奖励激励在中间力量上，避免了尾部规模效应消耗掉可观奖励，同时实现了各因子值的归一化，节省了归一化操作步骤，奖励计算结果清晰易懂，加大了对于该扶持的中间内容对象的激励，奖励使用更加合理，达到促进用户向上转化的一种良性运作效果。

摘要： 本发明涉及一种基于四元Sigmoid激活函数的图像分类方法，属于深度学习技术领域，利用基于四元Sigmoid激活函数的图像分类网络对待分类图像进行图像分类。该图像分类网络包括并联结构层；并联结构层包括：拼接层、四元Sigmoid激活函数支路和卷积支路；其中四元Sigmoid激活函数支路和卷积支路并联；四元Sigmoid激活函数支路利用四元激活函数对四元特征矩阵进行前向传播计算后，再进行卷积操作；卷积支路对四元特征矩阵进行卷积操作；拼接层将两个输出拼接。本发明利用四元Sigmoid激活函数和与之配合的并联结构，能够遵循四元数运算法则，从而保留了图像数据信息的完整性，提高了图像分类的准确性。

摘要： 本发明涉及信号跟踪与处理领域，具体提供一种基于改进Sigmoid函数的混合跟踪微分器设计方法。所述方法包括：针对传统跟踪微分器难以兼顾跟踪快速性和收敛稳定性的问题，设计一种基于改进Sigmoid函数的混合跟踪微分器。改进的Sigmoid函数在传统的Sigmoid函数的基础上增加了幅值因子和指数因子，具备调节跟踪函数在平衡点附近凹凸性质的能力，有助于提高收敛稳定性；设计的混合跟踪微分器包含线性和非线性收敛过程，跟踪微分器的状态量在远离平衡点时以线性函数的趋势收敛，而在靠近平衡点时以改进Sigmoid函数的趋势进行收敛，从而在提高收敛稳定性的同时保证了跟踪微分器全局收敛的快速性。相较于其他跟踪微分器，本发明在兼顾信号跟踪快速性的同时提高了信号的收敛稳定性，增强了跟踪微分器的动态性能和降噪能力，具有工程实用性。

摘要： 本发明提供了一种基于变种sigmoid函数和粒子变异的PSO改进算法，包括以下步骤：步骤1：设定STVPSO寻优的目标函数以及需要寻优的参数；步骤2设定PSO参数；步骤3初始化粒子位置及速度；步骤4计算粒子目标函数值；步骤5更新粒子历史最优位置；步骤6更新全局历史最优位置；步骤7判断是否达到最大迭代次数；步骤8更新惯性权重；步骤9变异种群最优粒子位置；步骤10变异种群最劣粒子位置；骤11更新粒子速度、位置；步骤12循环步骤4‑11；步骤13输出全局最优历史位置；应用本技术方案可以实现通过调节最大惯性权重、最小惯性权重、伸缩系数、变形系数，来调节模型的全局寻优能力与局部寻优能力。

摘要： 本申请公开了tanh和sigmoid函数执行。本文中描述的示例关于用于请求执行tanh指令和sigmoid指令的指令。例如，编译器可生成原生tanh指令以执行tanh。在一些示例中，tanh函数可被编译为三条指令，包括：用于取决于输入的值而执行tanh(输入)或tanh(输入)/输入以生成中间输出的指令；用于基于输入而引起执行比例因子的生成的指令；以及用于引起执行对中间结果与比例因子的乘法操作的指令。例如，可编译sigmoid函数以使数学流水线执行范围校验并基于范围来执行操作。

摘要： 实现sigmoid函数逼近的模型、FPGA电路、工作方法，能够在FPGA电路中实现sigmoid函数逼近时保证精度的前提下降低运算资源消耗。电路，其包括：输入数据模块(201)、比较器模块(202)、运算模块(203)、输出数据模块(204)；输入数据模块(201)一方面进入比较器模块(202)进行逼近函数的分段判断，另一方面进入运算模块(203)进行逼近函数的计算；比较器模块(202)包括：绝对值生成单元(301)和比较器(302)；运算模块(203)使用移位器，加法器以及乘法器来完成计算；输出数据模块(204)通过比较器模块输出的索引选择输出计算模块得到的结果。