超参数

摘要： 旁路建模分析方法可以有效攻击密码实现,其中基于卷积神经网络的旁路密码分析方法(CNNSCA)可以高效地进行密码攻击,甚至能够攻击有防护的加密算法设备。针对现阶段旁路密码分析建模方法的研究现状,对比分析了几种CNNSCA的模型特点和性能差异,并针对典型CNN模型结构以及旁路信号公共数据集ASCAD,通过模型对比及实验结果分析不同的CNN网络建模方法的效果,进而分析影响CNNSCA方法的性能因素、基于卷积神经网络的旁路建模方法的优势。由分析可知,基于VGG变体的CNNSCA在攻击各种情况的目标数据集时泛化性、鲁棒性表现最好,但使用的CNN模型训练程度及超参数设置是否最适用于SCA场景并未得到验证。今后研究者可通过调整CNN模型的各种超参数,使用数据增强技术,结合Imagenet大赛中优秀CNN网络等手段,来提升CNNSCA的分类准确率和破密性能,探索最适用于SCA场景的CNN模型是未来的发展趋势。

摘要： 支持向量机在数据挖掘中有良好表现并成功应用于诸多领域,但是其超参数对模型精度影响显著。为了获得更好的回归预测结果,本文使用网格搜索算法进行超参数优化,通过比较三种评价指标和可视化对比实验,最后获得具有较小误差的支持向量回归机,同时为支持向量机的超参数优化问题提供参考。

摘要： 直拉硅单晶的生长过程涉及多场多相耦合与复杂的物理化学变化,其中工艺参数的波动是导致晶体直径不均匀的重要原因,如何实现工艺参数的控制以获得理想的、均匀的晶体直径具有重要的研究意义。本文分析现有控制方法存在不稳定以及控制效果不佳的问题后,提出基于贝叶斯参数优化的无模型自适应控制模型来控制硅单晶生长过程中的晶体直径。首先以坩埚上升速度与加热器的功率作为控制输入参数,晶体直径作为输出,搭建无模型自适应控制模型,并分析算法的稳定性。其次将控制模型进行仿真实验,发现硅单晶直径控制模型中不同的超参数设定会影响控制过程的迭代次数以及控制效果。最后,利用贝叶斯优化超参数的取值范围,并进行最终的仿真实验,结果表明,经贝叶斯参数优化后的控制模型计算快、迭代次数少,输出的晶体直径稳定,同时将生长工艺参数控制在实际生产要求范围内。因此,基于贝叶斯参数优化的无模型自适应控制实现了硅单晶直径均匀稳定的有效控制,具有结合工程背景的实际应用前景。

摘要： 为了提高审计质量,建立了一种能够预测合并财务报表审计意见的改进MLP模型。此外,为了有效确定模型超参数,采用了dropout及自适应k-fold交叉验证进行训练,从而有效提升模型性能。通过仿真分析,提出的方法与传统MLP和RBF相比,性能有所提升,平均准确率达到92.54%;与CNN方法预测准确率提升不明显,然而本文方法模型复杂度较且和训练需求的资源更少。仿真结果表明所提方法能较好地预测合并财务报表审计意见。

摘要： 针对低压架空线路物理解析模型谐波损耗计算精度不高的问题,文中提出采用基于纵横交叉优化(CSO)算法的支持向量回归(SVR)模型对架空线路谐波损耗进行评估。首先,采用结构风险最小化设计的SVR模型,拟合线路特征与谐波损耗之间的关系。然后,利用CSO算法对SVR超参数进行全局搜索,以动态优化获取最优超参数组,建立CSO-SVR谐波损耗评估模型。文中依托国内某大型电能质量综合试验平台进行低压架空线路谐波试验,获得线路谐波损耗实测数据,并基于该数据对所提模型进行验证。结果表明,采用CSO算法对SVR超参数进行优化,可有效提升SVR模型的谐波损耗评估性能。与其他模型相比,所提模型的评估精度更高。

摘要： 为了评估机器学习算法预测高层建筑风效应的可行性,本研究开展了机器学习算法对高层建筑标准模型基底力矩系数风荷载功率密度谱预测的研究。机器学习模型的输入是湍流强度、风向角和折算频率,输出是风荷载基底弯矩系数功率谱。训练了三种机器学习算法:梯度提升回归树、直方图梯度提升回归树和XGBoost,采用Tree-structured Parzen Estimator和交叉验证的方法优化算法的超参数。通过对比三种算法在测试集的预测性能,发现梯度提升回归树算法能够很好地预测顺风向、横风向和扭转向的基底弯矩系数功率谱,且预测值与试验值之间的相关系数不低于0.97。研究表明了机器学习预测高层建筑标准模型风荷载功率谱的可行性,为机器学习应用于高层建筑的抗风设计提供参考。

摘要： 对绝大部分机器学习模型而言,超参数选择对模型的最终效果起到了至关重要的作用,所以超参数的选择与估计是机器学习理论与实践中的重要问题。从超参数空间中的点到模型泛化性能的映射可以看作一个具有高评估代价的复杂黑箱函数,一般的最优化方法难以适用。贝叶斯优化是一种非常有效的全局优化算法,适合求解具有解析式不明确、非凸、评估成本高等特点的优化问题,只需较少的目标函数评估就可以获得理想解。总结了贝叶斯优化在超参数估计问题上的基本理论和方法,综述了近年来该方向的研究热点和最新进展,包括代理模型、采集函数、算法实施等方面的研究,总结了现有的研究中尚待解决的问题,期望帮助初学者快速了解贝叶斯优化算法并理解典型的算法思想,为其之后的研究起到一定的指导作用。

摘要： 针对目前KTBoost预测模型中存在的精度低、拟合效果较差的问题,给出一种改进的KTBoost预测模型.首先提出了OGWO算法,使用反正切函数对传统灰狼优化算法(GWO)中的收敛因子进行优化,以解决算法中的无效迭代问题,然后运用OGWO算法对KTBoost模型中的超参数进行优化,从而提高模型预测的精度;最后,为了验证模型的可行性,将该模型及其他预测模型应用于交通流预测场景中进行对比.实验结果表明:相较于RBF模型、随机森林模型(RFR)、KTBoost模型、OGWO-RBF模型、OGWO-RFR模型,OGWO-KTBoost预测模型拟合效果更好,其决定系数值达到0.8265,在实际应用中有较好的预测效果.

摘要： 风力发电机组行星齿轮箱振动信号是一种非线性非平稳的复杂信号,传统的故障诊断方法面对此类信号时,能够很好地处理的范围有限。建立了卷积深度信念网络用于行星齿轮箱故障诊断,为了防止超参数选择有误造成识别的准确率不够,引入粒子群算法对网络的超参数进行优化,对粒子进行混沌初始化提高了粒子的全局搜索能力。首先将原始信号进行变分模态分解提取出冲击信息比较集中的本征模态函数作为网络的输入数据。然后利用训练集进行训练,将混沌粒子群算法根据适应度函数最小确定网络的超参数,利用逐层贪婪算法不断向前更新网络参数。最后将提取的故障特征经过分类器进行分类。经过验证,此方法具有较高的齿轮箱故障识别能力。

摘要： 为了提高电力负荷的预测精度,提出使用粒子群算法(PSO)优化长短期记忆(LSTM)神经网络超参数的电力负荷预测模型(PSO-LSTM)。针对LSTM超参数较难选取的问题,利用PSO算法能有效寻找全局最优解的特点进行LSTM模型超参数寻优,不断训练找到合适的超参数并进行验证。通过实际案例数据进行仿真分析,并与传统的LSTM神经网络预测模型以及反向传播(back propagation,BP)神经网络预测模型进行对比,其平均绝对百分比误差(MAPE)分别降低了0.64%和1.67%,验证了本方法的预测效果更佳。实验表明,本电力负荷预测模型具有较好的精度和稳定性。

摘要： 本发明公开了一种基于改进超分辨率参数化模型的视频超分辨率方法及装置，本发明以改进超分辨率参数化模型作为视频超分辨率方法的理论指导，利用公共标记矩阵将遮挡、边界溢出对应的非公共区域所引入的错误参考信息加以排除，使得参数化模型能更好地描述各类实际视频；结合多未知参数联合估计的方法，保证了视频超分辨率的稳定进行，也解决了传统超分辨率参数化模型没有考虑视频间的非公共内容的缺陷，特别针对运动复杂、遮挡情况较多的视频，具有显著的优势，同时又能对运动缓慢、遮挡较少的视频具有理想的处理效果。本发明能有效地提升视频分辨率，使得处理所得的高分辨率视频非常清晰，视觉效果大大提升。

摘要： 本发明公开基于钻进参数和超欠挖结果自动匹配优化爆破参数的方法，包括：输入钻进参数和隧道断面参数，专家系统自动匹配爆破参数，并根据爆破后超欠挖参数进行爆破参数优化。专家系统通过以下步骤训练得到：获取训练集，训练集包括采集的隧道断面参数、钻进参数和超欠挖参数；将训练集输入构建的专家系统中，构建隧道断面参数、钻进参数和超欠挖参数与爆破方法、炮孔布孔位置和装药量的映射关系。根据隧道断面参数、凿岩台车钻的钻进参数和上循环超欠挖参数自动匹配爆破方案，所述爆破方案实施后可根据超欠挖扫描结果优化下循环爆破参数，保证爆破方案对当前围岩和地质环境的适应性，减小超欠挖方量，降低处理成本，提高了施工速度和质量。

摘要： 一种可将亚临界参数等级提效至超超临界参数等级的锅炉，其技术要点是：包括炉膛和烟道，炉膛内于顶部设有墙式再热器、分隔屏过热器和后屏过热器，炉膛与烟道的连通部位内设有后屏再热器、末级再热器和末级过热器，烟道内设有立式低温过热器、水平低温过热器和再热器，墙式再热器连接分隔屏过热器和后屏再热器，分隔屏过热器连接后屏过热器，后屏过热器连接后屏再热器和末级过热器，后屏再热器连接末级再热器，末级再热器连接末级过热器，末级过热器连接立式低温过热器，立式低温过热器连接分隔屏过热器和水平低温过热器，水平低温过热器连接省煤器。本发明可将亚临界参数等级提升至超超临界参数等级，提高锅炉效率，降低煤耗，减少污染物排放。

摘要： 本发明公开了一种基于改进超分辨率参数化模型的视频超分辨率方法及装置，本发明以改进超分辨率参数化模型作为视频超分辨率方法的理论指导，利用公共标记矩阵将遮挡、边界溢出对应的非公共区域所引入的错误参考信息加以排除，使得参数化模型能更好地描述各类实际视频；结合多未知参数联合估计的方法，保证了视频超分辨率的稳定进行，也解决了传统超分辨率参数化模型没有考虑视频间的非公共内容的缺陷，特别针对运动复杂、遮挡情况较多的视频，具有显著的优势，同时又能对运动缓慢、遮挡较少的视频具有理想的处理效果。本发明能有效地提升视频分辨率，使得处理所得的高分辨率视频非常清晰，视觉效果大大提升。

摘要： 本发明涉及一种超620°C蒸汽参数超超临界机组锅炉的集箱，包括集箱本体及管座，管座一端与集箱本体焊接，另一端与末级过热器或末级再热器管子焊接，其特征在于：集箱本体由9Cr-3W-3Co大口径管制造，管座由由9Cr-3W-3Co小口径管制造。本发明提供了一种新型的应用于超620°C蒸汽参数超超临界机组锅炉过热器出口集箱或再热器出口集箱，材料使用9Cr-3W-3Co大口径管。材料高温氧化性能良好，具有优良的实用价值。

摘要： 本实用新型公开了一种超620°C蒸汽参数超超临界机组锅炉的管道，包括9Cr‑3W‑3Co管体，其特征在于，在9Cr‑3W‑3Co管体的内壁上覆盖有经热扩散处理的铝层。本实用新型提供了一种新型的应用于超620°C蒸汽参数超超临界机组锅炉过热器出口管道或再热器出口管道，通过在9Cr‑3W‑3Co大口径管内壁涂覆热扩散处理的铝，提高管道内壁抗高温蒸汽氧化性能，具有优良的实用价值。

摘要： 本实用新型公开了一种超620°C蒸汽参数超超临界机组锅炉的集箱，包括集箱本体及管座，管座一端与集箱本体焊接，另一端与过热器或再热器管子焊接，其特征在于，所述集箱本体采用9Cr‑3W‑3Co大口径管集箱本体，所述管座由9Cr‑3W‑3Co小口径管排列而成，在9Cr‑3W‑3Co大口径管和9Cr‑3W‑3Co小口径管的内壁上均涂覆有热扩散处理后的铝层。本实用新型提供了一种新型的应用于超620°C蒸汽参数超超临界机组锅炉过热器出口集箱或再热器出口集箱，通过在9Cr‑3W‑3Co集箱/管座内壁涂覆热扩散处理的铝，提高抗高温蒸汽氧化性能，具有优良的实用价值。

摘要： 本申请公开了一种用于超参数搜索的参数配置方法、训练方法及相关设备。该方法包括：获取并显示用于所述超参数搜索的至少一个任务节点，其中，至少一个任务节点被预设轮廓包围成一预设区域；响应于对预设区域的第一选择操作，获取并保存至少一个任务节点的第一配置参数集，以实现对至少一个任务节点的整体配置；以及响应于对至少一个任务节点中的任一任务节点的第二选择操作，获取并保存任一任务节点的第二配置参数集，以实现对任一任务节点的单独配置，其中，第二配置参数集包括第一配置参数集中任一任务节点的至少一个配置参数。上述方案实现将任意若干任务节点同时作为一个整体的前端交互，以及可视化参数配置。

摘要： 本发明公开了一种基于整车部件参数的超参数优化设计方法，包括，指定整车振动优化指标，统计全局参数和适配调整方案，设计调整方案的完全因子实验，并以初始优化权重更新全局参数；分析整车振动优化指标下的参数灵敏度，并统计在调整方案下直接影响整车振动优化指标水平的参数，并选取灵敏度最大的参数作为基础设计变量，设定初始优化权重；统计基础设计变量和初始优化权重，进行参数分类和层次指定，并设定影响程度判别标准；设计判断规则，获得变动权重值、基础设计变量变动范围；本发明考虑了参数间耦合影响，实现了低贡献参数的削减和参数权重的自适应调整；能够自适应调整参数优化权重，减少训练的样本设计量，提升优化效率。

摘要： 本发明公开了一种超参数保真与深度先验联合学习的高光谱图像超分辨方法，该方法包括：建立超参数保真模型深度先验正则化的高光谱和多光谱图像融合的变分模型；优化高光谱‑多光谱图像融合变分模型；对模型优化迭代过程进行张量化表示；对变分模型优化的迭代过程进行网络展开，执行优化的迭代过程；使用L1范数作为损失函数，训练网络。本发明具有同时在网络中表示高光谱图像退化模型和数据先验的能力，应用于高光谱‑多光谱图像融合具有优异性能。