优化器
优化器的相关文献在1992年到2023年内共计511篇,主要集中在自动化技术、计算机技术、电工技术、无线电电子学、电信技术
等领域,其中期刊论文100篇、会议论文1篇、专利文献2969545篇;相关期刊87种,包括人天科学研究、上海市社会主义学院学报、中国经济和信息化等;
相关会议1种,包括2016年中国电机工程学会年会等;优化器的相关文献由909位作者贡献,包括俞雁飞、张永、杨宗军等。
优化器—发文量
专利文献>
论文:2969545篇
占比:100.00%
总计:2969646篇
优化器
-研究学者
- 俞雁飞
- 张永
- 杨宗军
- 彭文博
- 倪华
- 王新宇
- M·阿布达拉
- 高培鑫
- 徐君
- 段正刚
- 王水平
- 罗宇浩
- 高虎
- 张栋
- 李腾
- 王智明
- 谢晶晶
- 邹云飞
- 陆建国
- 陈敏
- 顾亦磊
- 应剑东
- 朱建国
- 薛丽英
- 虞红峰
- 黄跃龙
- D·J·卡伯特
- E·玛阿尼
- I·R·夏皮罗
- 何巍
- 何湘宁
- 傅钰泰
- 刘伟
- 刘桂雄
- 吴建德
- 威廉·C·惠普奇
- 孔德鹏
- 宁钰琪
- 布莱恩·哈根布赫
- 弗洛里安·瓦斯
- 张晓伟
- 徐雷
- 戴和平
- 文元美
- 杜进
- 柏杨
- 毋涛
- 毛小林
- 田亚平
- 聂新明
-
-
李若溪;
高铭
-
-
摘要:
亚马逊棋AI搜索算法包括蒙特卡洛搜索算法、改进后的α-β剪枝算法,极大极小搜素算法,经检验发现蒙特卡洛搜索算法取得较好的成果,但原有的搜索算法由于搜索的博弈树层数为固定值,会产生超时或搜索层数过少造成搜索不完全的问题,尝试使用CNN模型优化原有的亚马逊棋搜索算法。设计一个基于CNN模型的优化器,该优化器将当前棋盘的权值作为输入层,进行三层卷积,输出层为当前局面下的最优层数。在同等计算力条件下,采用蒙特卡洛与α-β剪枝算法,令采用CNN模型优化后的搜索算法与固定搜索层数的算法进行对弈,前者的不败率为73.4%。
-
-
李明;
来国红;
常晏鸣;
冯志强
-
-
摘要:
针对神经网络学习使其找到使得损失函数的值最小的参数,寻找最优参数的问题,在TensorFlow的深度学习算法的框架下,利用Kersa搭建神经网络,运用import、train&test、sequential、compile、fit和summary六步法搭建出相关神经网络,对不同优化器的性能进行了分析比较,包括SGD、AdaGrad、RMSprop和Adam这四种常见的优化器。在手写数字识别MNIST数据集和FASHION数据集这两个经典数据集中分别进行参数进行优化,对比四种优化器的结果。最终结果表明在MNIST数据集,RMSprop表现的最好;FASHION数据集中,Adagrad表现的最好。
-
-
康雁;
王海宁;
陶柳;
杨海潇;
杨学昆;
王飞;
李浩
-
-
摘要:
特征选择在数据预处理阶段中极为重要。特征选择的优劣不仅影响着神经网络训练的时间长短,更影响神经网络性能的好坏。灰狼改进花授粉算法(Grey Wolf Improved Flower Pollination Algorithm,GIFPA)是一种基于花授粉算法(Flower Pollination Algorithm,FPA)框架与灰狼优化算法融合的混合算法,将其应用于特征选择问题,既可以保留原始特征的内涵信息,又可以最大化分类特征的准确率。GIFPA算法在花授粉算法的异花授粉阶段中加入了最差个体信息,并用作全局搜索,将灰狼优化算法中的狩猎过程作为局部搜索,并且通过转换系数来调节二者的搜索过程。同时,为了克服群智能算法易陷入局部最优的问题,首次采用数据挖掘领域中的RelifF算法,通过RelifF算法过滤出高权重特征并用于改进最佳个体信息。为了验证算法的性能,实验选取UCI数据库中21个领域的经典数据集进行测试,利用K近邻(KNN)分类器进行分类测评,以适应度值和准确率作为评价标准,并通过K-折交叉验证来克服过拟合问题。实验选择了包括FPA算法在内的多种经典算法和先进算法进行比较,结果表明GIFPA算法在特征选择问题上有很强的竞争力。
-
-
左晓军;
张勇斌;
马克西姆;
郭蓉;
邵丽蓉;
马延强;
林玉龙
-
-
摘要:
在复合和熟化生产过程中,复合薄膜产品经常出现气泡,严重制约车间生产产量和产品质量提升。本研究提出了一种基于YOLOv5算法的复合薄膜气泡缺陷检测的方法。首先通过实验对比了SGD和Adam优化器对网络训练结果的影响,构建适用于薄膜气泡检测的YOLOv5网络模型,对采集的图像通过平移、改变亮度、添加噪声、旋转角度和翻转等方法进行图像增强,提高模型的鲁棒性。实验结果显示该模型的mAP为94.3%,气泡能被准确识别且置信度相对较高,每张图像检测时间仅需0.01s左右,该模型具有较高的气泡识别能力,提高了车间气泡检测的效率和准确率,节省大量人工成本,提高企业的生产效率。
-
-
储汇;
宋陈;
汪晨灿
-
-
摘要:
人脸识别的训练预测模型是多样而复杂的,影响人脸识别准确率和稳定性的因素也很多。人脸识别的抗干扰设计是构建人脸识别模型不可忽视的重要内容。通过获取更高质量的人脸图像数据源,选择效果更好的人脸识别优化器以及部分超参数的调整,来提高对大量人脸数据进行处理的能力。利用卷积神经网络减少人工干预,提高特征提取的算法精度,从而提高多人脸识别的精度。
-
-
周永长;
黄亚宇
-
-
摘要:
文中研究了在打叶复烤的二次润叶过程中,热风润叶机的工艺参数设置对出口叶片质量指标的影响,并建立相应预测模型。根据二次润叶特色工艺数据的特征,建立了BP神经网络预测模型。调用目前流行的神经网络编写框架TensorFlow的高级API接口搭架神经网络结构,逐步优化神经网络结构中的激活函数、优化器、隐藏层神经元数目等关键参数,使其对测试集的预测结果达到最佳状态。通过输入前蒸汽喷嘴压力、前端加水流量、热风温度、回风温度、进料叶片温度、进料叶片水分组合的参数,预测出口叶片水分、温度这两个关键的烟叶评测指标。根据预测结果的均方误差、均方根误差、平均绝对误差得出,当隐藏层神经元数目为7,激活函数为ReLU,优化器选择RMSprop时可取得较好的效果。
-
-
周靖洋;
曾新华
-
-
摘要:
针对深度学习模型存在的过拟合和易受干扰等问题,在采用元学习优化器的基础上,研究并提出加入四种全新的正则化约束,用于训练元学习优化器。泛化能力和鲁棒性实验分别在两层和四层CNN的Mnist和Cifar10分类上进行,并与使用其他优化器的结果进行了比较,表明了加入正则化约束的元学习优化器,泛化能力得到提升,在FGSM和PGD攻击下的鲁棒性也得到了提升。在四种正则化约束中,Hessian矩阵的特征谱密度和迹作为正则化约束,泛化能力最好。
-
-
胡情丰
-
-
摘要:
非刚性运动结构的三维重建旨在从二维图像中提取出关键坐标,并恢复其对应的三维形状及姿态。然而,目前的传统方法无法在大规模场景中应用。为此,将卷积神经网络应用于非刚体运动的三维重建中,提出一个基于无监督学习的非刚体三维重建框架。在FacebookAI实验室提出的C3DPO基础上,选择iResNet为backbone,并采用Ranger优化器进行训练。实验结果表明,该框架不仅可以更快地收敛,而且在H36M、Pascal3D、S-Up3D数据集中的MPJPE(位置误差的绝对平均值)分别达到了92.2、37.1、0.067,均优于C3DPO。
-
-
胡情丰
-
-
摘要:
非刚性运动结构的三维重建旨在从二维图像中提取出关键坐标,并恢复其对应的三维形状及姿态.然而,目前的传统方法无法在大规模场景中应用.为此,将卷积神经网络应用于非刚体运动的三维重建中,提出一个基于无监督学习的非刚体三维重建框架.在FacebookAI实验室提出的C3DPO基础上,选择iResNet为backbone,并采用Ranger优化器进行训练.实验结果表明,该框架不仅可以更快地收敛,而且在H36M、Pas?cal3D、S-Up3D数据集中的MPJPE(位置误差的绝对平均值)分别达到了92.2、37.1、0.067,均优于C3DPO.
-
-
黄钰凝
-
-
摘要:
针对传统循环神经网络RNN在机器翻译中效率不高以及计算量过大的问题,提出一种基于GRU神经网络和Attention机制的机器翻译模型。首先,使用注意力模块保证堆叠多层结构的可复用性,提高运行效率。其次,模型融合了注意力机制的编码-解码器和循环神经网络模块提取被翻译的句子语义信息,并采用Adam优化器进行梯度下降,对模型优化,实现中英文间的互译。最后使用BLEU值对结果进行检验和评价。
-
-
Li Qinuo;
李琦诺;
Wang Xingtai;
王兴泰
- 《2016年中国电机工程学会年会》
| 2016年
-
摘要:
研究并设计一个高效太阳能电池优化器.整个系统由四部分组成:太阳能板,电池模拟电路,整流器和控制器.太阳能板用来吸收太阳能,将热能转化为电能,其输出电压在17-22V,最大输出功率为2W.然后通过转换器将电能储存在电池中,电池的工作电压为12-14V.控制器用来自动调节整个系统的工作区间,以达到最高的电能使用效率.如直接连接太阳能板给电池充电,工作效率最高只能到达约75%;如通过连接转换器给电池充电,根据测量,工作效率可以达到至少85%,大大提高了整个系统的电能使用效率.