L2范数
L2范数的相关文献在2005年到2022年内共计92篇,主要集中在自动化技术、计算机技术、数学、电工技术
等领域,其中期刊论文80篇、会议论文2篇、专利文献420971篇;相关期刊62种,包括科技和产业、实验技术与管理、巢湖学院学报等;
相关会议2种,包括2005中国控制与决策学术年会、第十四届全国人机语音通讯学术会议等;L2范数的相关文献由207位作者贡献,包括孙宜标、赵希梅、郭庆鼎等。
L2范数—发文量
专利文献>
论文:420971篇
占比:99.98%
总计:421053篇
L2范数
-研究学者
- 孙宜标
- 赵希梅
- 郭庆鼎
- 许贵桥
- 陈小宏
- 侯东伯
- 刘亚强
- 刘国昌
- 夏彦
- 孙宇
- 孙继鹏
- 张丽丽
- 张弓
- 张显
- 朱剑丘
- 李婵
- 李武涛
- 杨晓宁
- 沈大框
- 王启霞
- 王成元
- 王文涛
- 肖宏
- 肖庆生
- 胡文
- 范鹏
- 赵春晴
- 郎荣玲
- 郝放辉
- 金石
- 陈璐瑶
- 马天予
- AI XiaoHui
- HUANG ZhongYi
- LI WenBo V
- LI Ye
- MENG DeYu
- MO Guo-liang WU Ming-hua
- WANG WeiKe
- WU ZhiGang
- XU ZongBen
- ZHAO Qian
- 丁伯伦
- 丁铭
- 乔希民
- 于立君
- 于群
- 井洪亮
- 付捷
- 何卫锋
-
-
易鹏飞;
钟慧;
张召涛;
殷家敏;
简鑫
-
-
摘要:
为了增强图像特征鉴别力和鲁棒性,获取图像紧致特征表达是关键。现有的图像特征学习方法大多采用最大化L_(2)范数的方式定义,导致其对噪声和异常值十分敏感。针对这个问题,提出了一种基于L_(2,1)范数的鲁棒鉴别特征学习算法。该算法在数据预处理中加入了类内聚拢操作,使得同类样本尽可能靠近,减小了类内异常样本以及强噪声样本的影响;此外,引入L_(2,1)范数重新定义了数据的类内和类间相关矩阵,使得模型更具鲁棒性,且提取的特征鉴别能力更强。实验结果显示,相比于现有的一些最新算法,提出的算法不仅具有较高分类准确率,同时还具有较快的收敛速率。这表明了提出算法所提取特征的图像特征具有较强的鉴别力和鲁棒性。
-
-
陈彤;
陈秀宏
-
-
摘要:
为了在揭示数据全局结构的同时保留其局部结构,本文将特征自表达和图正则化统一到同一框架中,给出了一种新的无监督特征选择(unsupervised feature selection,UFS)模型与方法。模型使用特征自表达,用其余特征线性表示每一个特征,以保持特征的局部结构;用基于L_(2,1)范数的图正则化项,在保留数据的局部几何结构的同时可以降低噪声数据对特征选择的影响;除此之外,在权重矩阵上施加了低秩约束,保留数据的全局结构。在6个不同的公开数据集上的实验表明,所给算法明显优于其他5个对比算法,表明了所提出的UFS框架的有效性。
-
-
范林歌;
武欣嵘;
童玮;
曾维军
-
-
摘要:
在机器学习理论与应用中,特征选择是降低高维数据特征维度的常用方法之一。传统的特征选择方法多数基于完整数据集,对实际应用中普遍存在缺失数据的情形研究较少。针对不完整数据中含有未被观察信息和存在异常值的特点,提出一种基于概率矩阵分解技术的鲁棒特征选择方法。使用基于分簇的概率矩阵分解模型对数据集中的缺失值进行近似估计,以有效测量相邻簇之间数据的相似性,缩小问题规模,同时降低填充误差。依据缺失数据值存在少量异常值的情形,利用基于l_(2,1)损失函数的方法进行特征选择,在此基础上给出不完整数据集的特征选择方法流程,并对其收敛性进行理论分析。该方法利用不完整数据集中的所有信息,有效应对不完整数据集中异常值带来的影响。实验结果表明,相比传统特征选择方法,该方法在合成数据集上选择更少的无关特征,可降低异常值带来的影响,在真实数据集上获得了较高的分类准确率,能够选择出更为准确的特征。
-
-
王峰;
张海涛
-
-
摘要:
基于声信号的故障诊断由于其所具有的非接触、易安装等优点开始逐渐在机械故障诊断领域中得到广泛应用,但声信号的信噪比低导致其诊断准确率较差,因此急需有效的智能方法以实现噪声背景下的信号特征提取。稀疏滤波算法是一种基于无监督学习的智能特征提取算法,它能够优化特征分布的稀疏性从而得到好的特征表达。为了实现轴承声信号的特征提取和故障诊断,采用稀疏滤波算法从声信号频谱中提取特征,通过对其目标函数添加L2范数约束以减少过拟合现象,然后采用Softmax回归函数作为分类器,实现对不同轴承故障类型的精准识别。最后通过一组特殊设计的轴承故障诊断实验验证了所提方法的有效性。
-
-
谢小军;
马虹;
薛申芳;
乔希民
-
-
摘要:
将三角模糊数序列的三个界点转换为等价的面积型中心、面积型散度、质心三个指标序列。结合广义诱导有序加权平均(GIOWA)算子,选择面积型中心、面积型散度、质心三个指标的L2范数作为最优准则,建立了一类新的三角模糊数优性组合预测模型,并证明了新提出的模型一定是优性组合预测模型。通过实例分析对比,也进一步验证了该模型是有效性和可行性,能够有效提高预测精度,最后并针对GIOWA算子中的参数进行了灵敏度分析。
-
-
丁伯伦;
房广梅;
刘树德
-
-
摘要:
为了研究指数灰色模型GM(1,N)和BP神经网络模型预测生猪价格指数,提出了一种基于L2范数的GOWA算子的中国生猪价格GM-BP组合预测模型.通过理论分析和数值实验表明,该组合预测模型是有效的,并且可以提高生猪价格指数的预测精度.
-
-
赵迎利;
朱旭
-
-
摘要:
影像遗传学的发展很大程度上促进精神类疾病的研究,其主要是分析并挖掘多模态数据以找出与疾病相关的致病机制,但是此类数据的特征之间通常呈现出群组相关或者多个特征相关的特性,传统的方法很难找出具有相关性的疾病机制,易出现过稀疏的问题。针对上述问题,本文引入可以实现组内稀疏和组间平滑的正则化项l_(1,2)范数,并将其与可以实现组间稀疏和组内平滑的l_(2,1)范数联合共同惩罚典型相关分析,通过优化数据之间的相关性实现具有相关性的群组特征和组内特征之间的两模态数据集的特征选择。仿真实验结果表明,本文方法在较准确地估计出2组数据之间的相关系数的同时可选择出具有相关性的组间特征和组内特征;在真实的精神分裂症数据集上,本文方法可找出更多的与精神分裂症相关的易感基因和风险脑区。
-
-
宋雷;
游东东;
郑振兴;
周玉山;
陈龙崇
-
-
摘要:
RV(rotate vector)减速器是现代智能装备中关键传动机构之一,其运动参数的检测信号噪声成分较高,影响了装备的运行精度和稳定性,提出了一种以经验模态分解(empirical mode decomposition,EMD)为基础的信号降噪方法,有效提取了RV减速器运动参数的准确信号。该方法采用连续均方误差(consecutive mean square error,CMSE)和l 2范数两个指标将EMD分解得到的固有模态函数(intrinsic mode function,IMF)区分为噪声IMF、噪声与信息相混合IMF、信息IMF 3个部分,采用不同策略对这三部分IMF进行处理并结合部分重构(part reconstruction,PR)策略实现了信号的降噪处理。采用该文章提出的降噪方法对RV40E减速器的检测信号进行处理,降噪后的信号信噪比得到明显改善,验证了该降噪方法的有效性。
-
-
王亚辉
-
-
摘要:
针对计算流体力学对高精度高分辨率的需求,基于降低经典的三阶加权本质无振荡(WENO)格式的数值耗散特性,该文提出了一种新的参考光滑性指示子.其构造方法与经典的WENO-Z格式不同,它是通过候选子模板上重构多项式的导数的线性组合与整个全局模板上重构多项式的导数的L^(2)范数逼近获得的.采用该计算方法可以得到比WENO-Z格式更高阶的参考光滑性指示子,另外改变自由参数Φ的取值,可以获得不同的参考光滑性指示子.该文通过一系列数值算例证明了该参考光滑性指示子的有效性.
-
-
彭兴;
李婵;
吴其林;
程一元
-
-
摘要:
针对标记分布学习涉及到样本的特征相关性信息及数据可能存在异常和噪声值的情况,结合样本的自我表示性质和样本与标记之间的相关性建立模型,提出联合线性重构与非负稀疏表示的标记分布学习算法(LRNSR-LDL)。首先用特征的自我表示属性,建立样本特征空间之间的线性关系,得到线性重构后的特征相似空间;然后利用特征和标记之间的相关性,通过非负稀疏矩阵分解将标记分布用特征相似空间表示,并分别用损失函数建立优化模型;最后引入l_(2,1)-范数约束,降低离群点的不良影响,同时增加模型的泛化能力。提出算法与现有的3种标记分布学习算法在6个真实数据集上进行对比实验,并分别用5种距离和相似性指标进行评价,最终的实验结果显示提出的LRNSR-LDL算法具有一定的优势。
-
-
吴越;
刘奇;
俞凯
- 《第十四届全国人机语音通讯学术会议》
| 2017年
-
摘要:
神经网络被广泛应用于智能语音、自然语言处理、图像识别等各个领域,并应用小批量梯度下降法对其进行训练.然而该训练方法对初始学习率非常敏感,如果无法通过大量实验得到较好的初始学习率,会严重影响训练结果.本文将探究在LSTM语言模型中自适应地调整学习率和加入自适应稳定算子的L2范数优化对训练结果、收敛速度、初始学习率的敏感程度上的影响.最后得出结论,在语言模型中加入学习率的自适应稳定算子会降低初始学习率的敏感度,加快收敛速度,加入L2范数能小幅度提升模型性能.
-
-
吴越;
刘奇;
俞凯
- 《第十四届全国人机语音通讯学术会议》
| 2017年
-
摘要:
神经网络被广泛应用于智能语音、自然语言处理、图像识别等各个领域,并应用小批量梯度下降法对其进行训练.然而该训练方法对初始学习率非常敏感,如果无法通过大量实验得到较好的初始学习率,会严重影响训练结果.本文将探究在LSTM语言模型中自适应地调整学习率和加入自适应稳定算子的L2范数优化对训练结果、收敛速度、初始学习率的敏感程度上的影响.最后得出结论,在语言模型中加入学习率的自适应稳定算子会降低初始学习率的敏感度,加快收敛速度,加入L2范数能小幅度提升模型性能.
-
-
吴越;
刘奇;
俞凯
- 《第十四届全国人机语音通讯学术会议》
| 2017年
-
摘要:
神经网络被广泛应用于智能语音、自然语言处理、图像识别等各个领域,并应用小批量梯度下降法对其进行训练.然而该训练方法对初始学习率非常敏感,如果无法通过大量实验得到较好的初始学习率,会严重影响训练结果.本文将探究在LSTM语言模型中自适应地调整学习率和加入自适应稳定算子的L2范数优化对训练结果、收敛速度、初始学习率的敏感程度上的影响.最后得出结论,在语言模型中加入学习率的自适应稳定算子会降低初始学习率的敏感度,加快收敛速度,加入L2范数能小幅度提升模型性能.
-
-
吴越;
刘奇;
俞凯
- 《第十四届全国人机语音通讯学术会议》
| 2017年
-
摘要:
神经网络被广泛应用于智能语音、自然语言处理、图像识别等各个领域,并应用小批量梯度下降法对其进行训练.然而该训练方法对初始学习率非常敏感,如果无法通过大量实验得到较好的初始学习率,会严重影响训练结果.本文将探究在LSTM语言模型中自适应地调整学习率和加入自适应稳定算子的L2范数优化对训练结果、收敛速度、初始学习率的敏感程度上的影响.最后得出结论,在语言模型中加入学习率的自适应稳定算子会降低初始学习率的敏感度,加快收敛速度,加入L2范数能小幅度提升模型性能.
-
-
吴越;
刘奇;
俞凯
- 《第十四届全国人机语音通讯学术会议》
| 2017年
-
摘要:
神经网络被广泛应用于智能语音、自然语言处理、图像识别等各个领域,并应用小批量梯度下降法对其进行训练.然而该训练方法对初始学习率非常敏感,如果无法通过大量实验得到较好的初始学习率,会严重影响训练结果.本文将探究在LSTM语言模型中自适应地调整学习率和加入自适应稳定算子的L2范数优化对训练结果、收敛速度、初始学习率的敏感程度上的影响.最后得出结论,在语言模型中加入学习率的自适应稳定算子会降低初始学习率的敏感度,加快收敛速度,加入L2范数能小幅度提升模型性能.
-
-
赵希梅;
郭庆鼎
- 《2005中国控制与决策学术年会》
| 2005年
-
摘要:
在高精度伺服跟踪控制系统中,为使输出响应能完整地跟踪输入指令,不仅要求输出与输入之间的相位差为零,而且要求幅值一致,通常采用零相位误差跟踪控制器(ZPETC)作为前馈控制器,补偿相位误差,但同时也产生一定的增益误差.为改善ZPETC的跟踪性能,本文提出了基于L2-范数优化的前馈控制器设计方案,通过选取适当的目标函数来设计最优的数字前置滤波器.仿真结果表明,该方案在保持系统零相位误差的同时,改善了系统的增益性能,提高了跟踪精度.
-
-
赵希梅;
郭庆鼎
- 《2005中国控制与决策学术年会》
| 2005年
-
摘要:
在高精度伺服跟踪控制系统中,为使输出响应能完整地跟踪输入指令,不仅要求输出与输入之间的相位差为零,而且要求幅值一致,通常采用零相位误差跟踪控制器(ZPETC)作为前馈控制器,补偿相位误差,但同时也产生一定的增益误差.为改善ZPETC的跟踪性能,本文提出了基于L2-范数优化的前馈控制器设计方案,通过选取适当的目标函数来设计最优的数字前置滤波器.仿真结果表明,该方案在保持系统零相位误差的同时,改善了系统的增益性能,提高了跟踪精度.
-
-
赵希梅;
郭庆鼎
- 《2005中国控制与决策学术年会》
| 2005年
-
摘要:
在高精度伺服跟踪控制系统中,为使输出响应能完整地跟踪输入指令,不仅要求输出与输入之间的相位差为零,而且要求幅值一致,通常采用零相位误差跟踪控制器(ZPETC)作为前馈控制器,补偿相位误差,但同时也产生一定的增益误差.为改善ZPETC的跟踪性能,本文提出了基于L2-范数优化的前馈控制器设计方案,通过选取适当的目标函数来设计最优的数字前置滤波器.仿真结果表明,该方案在保持系统零相位误差的同时,改善了系统的增益性能,提高了跟踪精度.
-
-
赵希梅;
郭庆鼎
- 《2005中国控制与决策学术年会》
| 2005年
-
摘要:
在高精度伺服跟踪控制系统中,为使输出响应能完整地跟踪输入指令,不仅要求输出与输入之间的相位差为零,而且要求幅值一致,通常采用零相位误差跟踪控制器(ZPETC)作为前馈控制器,补偿相位误差,但同时也产生一定的增益误差.为改善ZPETC的跟踪性能,本文提出了基于L2-范数优化的前馈控制器设计方案,通过选取适当的目标函数来设计最优的数字前置滤波器.仿真结果表明,该方案在保持系统零相位误差的同时,改善了系统的增益性能,提高了跟踪精度.