权重分配

摘要： 事件相机是一种启发式传感器,它通过感知光线强度变化输出事件,响应异步和稀疏事件形式的像素级亮度变化,缓解了传统相机在光线条件变化复杂和物体高速运动场景下成像不清晰的问题。最近,基于学习的模式识别方法将事件相机的输出转化为伪图像的表示形式,在光流估计、目标识别等视觉任务中取得了巨大的进步。但是,这类方法丢弃了事件流之间的时间相关性,导致伪图像的纹理不够清晰,特征提取困难。为此,提出了基于事件流划分算法的神经网络框架,显式地融合了事件流的时间信息。该框架将输入的事件流划分成多份,使用权重分配网络给每一份事件流赋予不同的权重,并使其通过卷积神经网络融合时空信息、提取高级特征,最后对输入分类。在N-Caltech101和N-Cars数据集上进行的对比实验表明,与现有最先进算法相比,所提框架在分类准确率上有明显的提升。

摘要： 针对以文本词向量作为卷积神经网络的输入无法考虑情感特征对文本情感极性的影响、难以突出对类别更具代表性的词且卷积神经网络无法利用文本上下文信息等问题,提出一种基于权重分配的多通道卷积神经网络(WAMCCNN)和双向长短时记忆网络(BILSTM)模型相结合的方法。将文本词向量、情感词向量及词语的特征权重相互结合形成新的特征向量作为卷积网络不同通道的输入,使得模型能够从多方面的特征学习到文本的情感信息且有效利用了每个词语在句子中重要性的信息,获得更多的语义信息。同时,结合BILSTM模型学习到的包含文本上下文信息的全局特征,也解决了卷积神经网络无法利用文本上下文信息的问题。最后在新浪微博评论数据集和京东评论数据集上进行实验,结果表明,该模型分类准确率相比之前的基于深度学习的情感分析模型得到了明显的提升。

摘要： 针对短期电力负荷预测目前存在的难点与问题,提出了一种基于麻雀搜索优化的注意力门控循环单元预测方法。首先,应用注意力机制对输入序列进行权重分配;然后,输入门控循环单元组合网络对内部特征进行学习,并输出预测时间负荷值;最后,使用麻雀搜索算法对网络超参数进行组合优化,以验证集损失最小为目标函数获取最优化网络结构超参数。该方法实现了原始输入序列结构权重分配与组合网络超参数的最优化。算例分析表明,所提方法比传统预测模型精确度更高。

摘要： 为解决人工管片选型给盾构姿态和成型管片质量带来的隐患,将成熟的人工管片选型经验逻辑和合理简化计算模型根植于管片自动选型决策算法的内核,以影响管片选型的施工参数为研究对象,提出综合考虑盾尾间隙、推进油缸行程差和盾构趋势的管片选型计算方法和决策算法,预先考虑各影响因素实际施工中所有可能出现的取值范围以及不同施工工况下的权重变化。该软件首次针对大直径盾构特点开发8组盾尾间隙和6组油缸行程的算法,借助盾尾间隙智能化测量和监控屏幕参数图像识别技术,实现通用型管片选型参数智能化采集。在盾构隧道施工中配套使用,经多个项目现场验证和应用,管片选型算法合理,契合现场施工要求,起到规范或代替人工管片选型施工、保障成型隧道质量和盾构掘进姿态的作用。

摘要： 针对已有共识模型大多是基于精确意见且未考虑决策者意见调整方向约束的不足,引入区间型意见,从最优化角度研究了非对称调整成本下的群决策共识模型。首先,基于区间意见构建了非对称最小成本共识模型。其次,考虑到决策者对不同共识水平的实际需求,通过引入软共识测度,提出了基于区间长度的决策者权重分配方法,据此构建了基于区间意见的非对称最小成本软共识模型。最后,通过政府与污染企业之间关于污染减排决策的实例验证了模型的有效性,并进行了灵敏度分析与比较研究。结果表明:(1)同精确值信息相比,区间意见能够缩减共识成本;(2)与对称成本共识模型相比,非对称调整成本的总共识成本不会随着单位调整成本的增加而无限增大。

摘要： 神经网络在处理中文文本情感分类任务时,文本显著特征提取能力较弱,学习速率也相对缓慢。针对这一问题,文中提出一种基于注意力机制的混合网络模型。首先对文本语料进行预处理,利用传统的卷积神经网络对样本向量的局部信息进行特征提取,并将其输入耦合输入和遗忘门网络模型,用以学习前后词句之间的联系。随后,再加入注意力机制层,对深层次文本信息进行权重分配,提高重要信息对文本情感分类的影响强度。最后,将所提出的混合网络模型在京东商品评论集上进行测试。测试结果显示,新方法的准确率达到了92.13%,F-Score数值为92.06%,证明了CNNCIFG-Attention模型的可行性。

摘要： 针对传统卷积神经网络分类识别微纤维存在特征判别不明显的问题,构建了一种深度特征融合与重构的网络对其进行分类与识别。将卷积与深度可分离卷积特征进行融合,加强层间信息交流,提高特征判断指向能力,并在上采样之前分配通道和空间的权重进行特征重构,利用通道注意力与空间注意力相结合的策略使网络在学习的过程中将注意力集中在关键的特征信息处,同时,跳跃连接增加原始特征图,缓解拟合现象,强化微纤维区域关键特征信息,提升微纤维图像识别网络模型的表达能力和学习能力,从而改善微纤维识别效果。实验结果表明,微纤维识别率达到98.77%,通过特征图可视化进一步分析了特征融合与重构的作用。所构建的方法准确率高、泛化能力好,为微纤维分类识别提供了一种新的方案。

摘要： 由于海洋工程深水项目海上安装板块费用占比高、施工周期长等特点,使用常规的权重分配方法,在深水项目分阶段完成时无法体现海洋工程项目的形象进度。研究提出“费用-关键路径”的权重分配方法,该方法以费用分配为基础,以关键路径作为调整系数,计算得出权重分配,并在陵水17-2项目中成功运用,使深水项目也可以满足常规海洋工程项目的形象进度,可为深水工程项目计划管理提供方法和思路。

摘要： 现有人脸表情识别算法易受图像背景、非表情内容等无关因素的影响。此外,部分人脸表情(例如害怕、生气、伤心等表情)的类间差异较小也制约着算法的性能。针对上述两个问题,提出了一种融合面部关键点和权重分配残差网络的表情识别算法。通过面部关键点获取最大的表情范围以消除图像背景和非表情内容的干扰,将预处理后的表情图像作为深度残差网络的输入,引入权重分配机制从通道和空间维度上进行注意权重推断,实现不同区域的权重分配,进而引导深度残差网络学习对表情具有鉴别力的局部特征。该算法分别在FER2013和CK+表情数据集上达到了74.14%和98.99%的识别准确率,有效改善了生气、伤心、害怕等类间差异较小的表情识别准确率。

摘要： 针对SSD(single shot multibox detector)算法在复杂交通场景下对交通标志小目标识别效果不佳的问题,提出一种基于多尺度特征互补和重点特征信息挖掘(multi-scale feature complementary fusion and key feature information mining SSD,MK-SSD)的目标检测改进算法。利用跨阶段局部网络设计多尺度特征互补模块,同时构建多路径特征融合网络,有效提升浅层网络对小目标的特征提取能力。设计联合权重分配模块,将感知域与重点信息挖掘相结合,更高效地利用重点特征信息并抑制对非重点信息的关注度。利用轻量化残差块对预测网络进行改进,提升目标检测能力。经实验分析,改进后的算法在自制交通标志数据集上平均准确率达到89.64%,在保证实时性的同时,相较于YOLO系列和SSD系列算法拥有更高的检测精度,能检测出大部分SSD网络漏检的小目标。

摘要： 本文针对微焦点射线机检测印制板组装件得到的射线数字图像的主观评价和客观评价不一致的问题,提出一种基于多元回归的数字射线检测图像影响因子的权重分配方法.首先对影响射线数字图像质量的因素进行了分析,选取影响图像质量的各类12种因子,通过模型诊断剔除t检验不显著的变量,改进模型.最终得到包括均值次数、灰度标准差、噪声、失真度、结构相似度、几何放大倍数为变量与主观评价结果为应变量构建多元回归模型.实验结果表明,该方法得到的图像综合指数与主观评价结果拟合度很高,能解决主观判别与客观判决不一致的难题,可有效避免人工主观判别图像质量的弊端.

摘要： 为了提高长输管道风险评估准确性,在肯特风险评价法的基础上,结合中国长输管道运行中发生的事故情况,完善评估指标体系,综合考虑事件原因对管道风险的影响程度,建立评估指标权重分配体系,对肯特法中第三方损害指数、腐蚀指数、设计指数、误操作指数等指标权重进行优化,使其更加准确地反映出管道企业安全风险实际状况.研究表明:改进后的肯特风险评估方法更能准确反映出管道风险状况.

摘要： 评价建筑室内综合环境可以了解室内环境状态,并且对改进室内环境有帮助.本文将影响建筑室内环境的因素分为三个层次,利用主成分分析法对第三层次因素进行相关性、重叠性分析,利用层次分析法对每一层次的因子进行权重分配,所得权重可在模糊综合评价方法中直接使用,该算法保证了模型的完整性、合理性和可行性,并使用NMSE对模型进行精度量化.

摘要： 在《水库大坝安全评价导则》的基础上用TOPSIS方法修正基础权重,得到最优常权,再使用均衡函数的变权公式建立模糊综合评价模型,评价混凝土坝的结构安全状况.考虑了多个因素对大坝结构安全的影响,以及各种影响因素的不确定性和模糊性,同时考虑了在变权过程中指标取值的不同对评价结果的影响程度.实例表明,考虑权重随评估值变化使权重的确定更加科学合理,本文提出的方法不仅克服了权重确定上专家评分的基础权重的主观性,还克服了常权法在权重分配中的缺陷,能更客观实际地评判大坝的结构安全性态,在混凝土坝的结构安全评价中具有重要意义.

摘要： 针对复杂的在线服务环境下存在的主观性和不确定性,且缺乏从信任程度、不信任程度和不确定性程度三方面描述信任的方法,提出了一种集成直觉模糊信息的主观信任模型.首先,给出了一种改进的集成精确数为直觉模糊数的方法,并结合K均值聚类算法,计算实体的直接信任和间接信任;然后,根据基于直觉模糊熵的权重分配策略计算综合信任;最后,通过仿真实验,表明该方法的可行性和有效性,为在线服务环境下信任评估的研究提供了有价值的新思路.

摘要： 优化是继电器产品开发设计过程中的重要一环,随着计算机技术的发展,各种智能算法被应用于电磁继电器的优化设计中.分析了现有多目标差分进化算法的优缺点,提出一种基于自适应权重多种群策略的多目标差分进化算法(MODE/AWMS),通过测试函数对其进行验证,并与其他几种多目标优化算法进行对比,优势明显.使用该算法对极化电磁继电器电磁机构的关键参数进行优化,并通过有限元仿真进行验证,优化后电磁机构额定安匝下释放位置的输出力得到较大提升,进一步证明了MODE/AWMS的有效性.

摘要： 优化是继电器产品开发设计过程中的重要一环,随着计算机技术的发展,各种智能算法被应用于电磁继电器的优化设计中.分析了现有多目标差分进化算法的优缺点,提出一种基于自适应权重多种群策略的多目标差分进化算法(MODE/AWMS),通过测试函数对其进行验证,并与其他几种多目标优化算法进行对比,优势明显.使用该算法对极化电磁继电器电磁机构的关键参数进行优化,并通过有限元仿真进行验证,优化后电磁机构额定安匝下释放位置的输出力得到较大提升,进一步证明了MODE/AWMS的有效性.

摘要： 优化是继电器产品开发设计过程中的重要一环,随着计算机技术的发展,各种智能算法被应用于电磁继电器的优化设计中.分析了现有多目标差分进化算法的优缺点,提出一种基于自适应权重多种群策略的多目标差分进化算法(MODE/AWMS),通过测试函数对其进行验证,并与其他几种多目标优化算法进行对比,优势明显.使用该算法对极化电磁继电器电磁机构的关键参数进行优化,并通过有限元仿真进行验证,优化后电磁机构额定安匝下释放位置的输出力得到较大提升,进一步证明了MODE/AWMS的有效性.

摘要： 优化是继电器产品开发设计过程中的重要一环,随着计算机技术的发展,各种智能算法被应用于电磁继电器的优化设计中.分析了现有多目标差分进化算法的优缺点,提出一种基于自适应权重多种群策略的多目标差分进化算法(MODE/AWMS),通过测试函数对其进行验证,并与其他几种多目标优化算法进行对比,优势明显.使用该算法对极化电磁继电器电磁机构的关键参数进行优化,并通过有限元仿真进行验证,优化后电磁机构额定安匝下释放位置的输出力得到较大提升,进一步证明了MODE/AWMS的有效性.

摘要： 优化是继电器产品开发设计过程中的重要一环,随着计算机技术的发展,各种智能算法被应用于电磁继电器的优化设计中.分析了现有多目标差分进化算法的优缺点,提出一种基于自适应权重多种群策略的多目标差分进化算法(MODE/AWMS),通过测试函数对其进行验证,并与其他几种多目标优化算法进行对比,优势明显.使用该算法对极化电磁继电器电磁机构的关键参数进行优化,并通过有限元仿真进行验证,优化后电磁机构额定安匝下释放位置的输出力得到较大提升,进一步证明了MODE/AWMS的有效性.

摘要： 本发明公开了一种数据分配权重的预测方法、装置、设备及存储介质，通过获取历史市场信息数据，对历史市场信息数据进行预处理，生成专家经验数据，并将专家经验数据存储到第一缓存表中；设置第一网络模型，通过获取当前市场信息数据，以使第一网络模型输出当前市场信息数据的资产分配权重，得到当前经验数据，将当前经验数据存储到第二缓存表中；按照预设的权重比例，分别采集第一缓存表和第二缓存表对应的经验数据，并根据经验数据，对第一网络模型进行更新，获取最优第一网络模型，以使最优第一网络模型输出最优资产分配权重。与现有技术相比，本发明通过设置两个经验数据缓存表，实现对网络模型进行更新训练，提高对数据预测的准确性。

摘要： 本发明公开了一种融合k‑clique结构及权重衰减的货位分配方法。首先获取历史订单数据，并对历史订单数据进行整理，然后利用预处理后的订单数据，构建共购网络，再结合权重衰减公式设置共购网络权重阈值，进行部分连边的剔除；获得共购网络中，不同k值对应的k‑clique结构；最后进行聚类组合给出货位分配方案；本发明针的结合商品关联购买的间属性提出了权重衰减系数，以此更加准确地分析商品的相关性。同时重点考虑使用共购网络中k‑clique结构针对商品关联性进行聚类，最终给出货位分配方案。该方法有效的减少了可移动机器人拣货系统中的货架搬运次数，降低了可移动机器人的工作量，进而提高了仓库的运作效率。

摘要： 一种基于双层优化权重重分配的图像复原监督学习方法，包括内循环图像复原优化网络与外循环权重重分配优化网络；获取降质样本和相应的真值样本；固定外循环权重重分配优化网络参数，降质样本输入至内循环图像复原优化网络计算其损失函数，对内循环图像复原网络参数进行更新优化；将降质样本分别输入至更新前后的内循环图像复原网络计算外循环奖励，用于计算外循环权重重分配网路的损失函数并更新优化外循环权重重分配网络参数；输出最终优化后的内循环图像复原优化网络。该发明能够显著地提高监督图像复原算法的性能，有效地解决图像降质过程中退化分布不均匀所导致局部图像复原不理想的问题以生成色调更自然的复原后图像。

摘要： 本发明属于电子信息技术领域，具体涉及一种基于忆阻交叉阵列的传感器信号注意力权重分配方法。本发明通过对信息系统的传感单元以一一对应的方式配置忆阻单元，充分利用了忆阻单元的电导值在外界的电压脉冲的不断刺激下会发生单调性变化的特点，忆阻交叉阵列中以电导值存储的注意力权重可直接用于后续基于忆阻交叉阵列的矩阵运算中；实现了一种依据传感阵列中传感单元接受到外界刺激的数量与强度进行传感单元注意力权重分配的方法，极大地简化了注意力权重分配的方法，大幅降低了注意力权重的计算的复杂度，不再需要依赖计算机软件进行计算。而且，注意力权重的分配可以随着传感器实时接收到的刺激而发生实时变化。

摘要： 本发明属于智能车辆与辅助驾驶领域，提供了一种缓解人机冲突的智能驾驶控制权重分配方法及系统。该方法包括，获取车道信息和周围环境信息，根据所述车道信息判断车辆的行驶状况；获取驾驶员力矩和智能驾驶系统的转向力矩，根据所述驾驶员力矩和智能驾驶系统的转向力矩判断驾驶员的驾驶行为及驾驶状态；根据所述车辆的行驶状况和驾驶状态，确定人机协同控制权重分配系数；根据所述车辆的行驶状况、驾驶状态、驾驶员的驾驶行为结合人机协同控制权重分配系数，分配人机驾驶主权。

摘要： 一种基于深度学习和权重分配的实时语义分割系统，包括数据采集模块、数据预处理模块、编码模块、解码模块、权重分配模块和语义分割预测模块；通过在编码‑解码模块的编码模块中引入组卷积、深度方向可分离卷积以及混洗等，以降低计算成本，同时保持特征信息的表现能力；通过在解码模块中引入多尺度融合单元，利用特征信息聚合和注意力机制精细处理编码模块输出的特征图，提升了编码‑解码模块的整体分割精度；在权重分配模块，通过利用图像中每个类别的像素点个数计算出相应类别的loss值的权重，以此达到提升整个方法的分割精度；该系统所涉及的语义分割方法简单易实现。

摘要： 本申请公开了一种路径权重分配方法以及装置，属于通信技术领域。该方法中，入口节点获取第一转发路径的传输特征，所述第一转发路径的传输特征用于指示所述第一转发路径在传输基于段路由SR报文时的传输特点；入口节点基于所述第一转发路径的传输特征，为所述第一转发路径分配第一目标权重，所述第一目标权重用于表示所述第一转发路径的负载分担状态。该方法通过入口节点为各个转发路径分配权重，无须控制节点为各个转发路径分配权重，从而节省了控制节点的计算开销。

摘要： 本发明公开了一种计算血流量SYNTAX评分权重分配方法及系统，通过深度学习中图像分割的技术，通过冠脉造影影像计算出所有冠脉血管树节段的直径，通过直径来大致计算冠脉血管各个节段的实际血流量，并以此为根据分配各个节段的权重，从而解决上述SYNTAX评分系统中存在的血流量与血管权重不匹配问题，可以更精确量化各个血管分支节段在整体SYNTAX评分中的重要程度。

摘要： 本发明提供了一种融合自适应权重分配和个性化差分隐私的联邦学习方法。该方法包括：客户端接收当前服务器下发的全局模型，在本地数据上进行模型训练，获得本地模型；客户端根据隐私预算向模型更新信息中添加不同程度的高斯噪声，并发送给服务器；服务器根据各个客户端的聚合权重来加权聚合所有模型更新信息，将聚合完成后得到的全局模型重新下发给客户端；服务器每经过设定数量轮次的全局模型更新后，便通过自适应权重分配算法重新分配每个客户端的聚合权重。本发明在联邦学习训练过程中满足不同客户端隐私偏好的同时着重考虑了个性化对全局模型的影响，能够根据客户端的表现来动态调整聚合权重，自动筛选出数据质量优且添加噪声小的客户端。

摘要： 本发明提供了一种基于生成对抗式双通道权重分配的图像融合方法及装置，其方法包括：构建初始图像融合模型，包括生成器模块和孪生鉴别器模块，生成器模块包括伪孪生特征提取模块和特征融合模块；获取红外图像样本和可见光图像样本，并基于伪孪生特征提取模块获得红外特征图和可见光特征图；基于特征融合模块生成融合特征图；基于孪生鉴别模块分别获得融合特征图与红外图像样本的第一相似度及与可见光图像样本的第二相似度；对初始图像融合模型进行训练，获得目标图像融合模型；基于目标图像融合模型对待融合红外图像和待融合可见光图像进行融合，获得目标融合图像。本发明可获得具有清晰目标和丰富细节纹理的目标融合图像。