- 利用卫星数据在尼泊尔不同地区进行太阳能供电预测
该研究利用替代气象参数预测尼泊尔潜在站点的太阳辐射,使用包括 CERES SYN1deg 和 MERRA-2 的近十年数据集,采用随机森林、XGBoost、K - 最近邻、LSTM 和 ANN-MLP 等机器学习模型,结果显示这些模型在预测 - 通过进化计算发现用于解决偏微分方程的物理知识网络模型
基于进化计算方法提出一种解决偏微分方程的人工神经网络模型,具有更高的逼近精度和更快的收敛速度。
- 物品或关系 — 人工神经网络学习了什么?
人工神经网络(ANN)通过成功训练来解决任务后,学到的是训练项集还是它们之间的关系?在现代应用的 ANN 中,这个问题很难回答,因为其规模和复杂性巨大。因此,我们在这里考虑一个低维网络和一个简单任务,即网络必须完全复制一系列训练项。我们通过 - 人工神经网络轨迹的动力稳定性与混沌
通过分析网络轨迹和学习过程中的动力学特性,研究了浅层神经网络在简单分类任务中的演化过程,发现不同学习速率下的动力学和轨道稳定性,这一发现与神经网络和动力学系统理论的常见智慧相对照,为动力系统理论、网络理论和机器学习之间的相互交流提供了贡献。
- 分散式联邦学习中的初始化与拓扑效果
去中心化联邦学习,在保持训练数据本地化的同时,能够在网络上分布式设备上进行个体机器学习模型的协作训练。我们的研究强调了去中心化联邦学习的有效性受连接设备的网络拓扑结构的显著影响。通过简化的数值模型研究这些系统的早期行为,我们得出了一种改进的 - ICML光通信基于 ANN 的实时 FPGA 演示器
本文介绍了一个基于人工神经网络的均衡器的高通量可编程逻辑门阵列实验平台。该平台在实时中展示并运行着一个 30 GBd 的双级脉冲幅度调制光通信系统的均衡化过程。
- 分布式发电下配电系统基于数据驱动的接地故障定位方法
该研究提出了一种数据驱动的接地故障定位方法,通过分析处理后的数据的统计量,利用人工神经网络找到计算的电压特征与故障之间的映射关系,实现了接地故障的定位。研究结果表明该方法具有良好的潜力,并为测试鲁棒性而应用于未知系统状态的数据集。
- 利用 GANs 进行欺诈检测:使用合成交易数据进行模型训练
使用生成对抗网络(GANs)算法设计和实现了一个基于深度学习技术的伪造人脸验证代码和欺诈检测系统,以增强交易过程的安全性。
- 多类实时碰撞风险预测:基于卷积神经网络的伊斯坦布尔案例研究
该研究通过使用人工神经网络(ANN)来预测事故风险,在分析交通和天气数据后,选择相关特征作为输入数据,并使用卷积神经网络模型学习处理这些特征,最终表现出较其他模型更好的性能,建议将其作为多类别预测模型来实时预测事故风险。
- 在印度风电资源评估中,在级联人工神经网络中使用 Relief 算法的新应用
通过人工神经网络方法进行风力发电和风速预测的广泛综述,并考虑了不同印度站点的特征选择、级联人工神经网络模型和预测准确性评估,以解决风速预测中最相关输入参数的选择问题。
- 循环神经网络
通过仿生智能 (BI) 中神经元形成复杂的图结构网络的启示,引入了突破性的循环神经网络(Cyclic NNs),模拟生物神经系统灵活和动态的图结构特性,允许神经元之间以包括循环在内的任意图状结构连接,相较于当前 ANN 的有向无环结构,具有 - 基于孤立波和生物灵感非线性变换的物理储层计算
利用表面流动液膜上激发的孤立波,实验证明一种物理上的储备计算系统,该系统通过对输入数据进行非线性转换来替代随机性的影响,从而作为传统储备计算算法的技术简单的硬件改进。
- 人工神经网络的无误训练
传统的人工神经网络训练方法无法系统地实现大数据的零错误率。一种新的训练方法包括三个步骤:首先从传统训练的参数创建一个辅助数据,其对应于克隆数据的损失函数的全局最小值;其次,创建辅助数据和原始数据的一个参数连续(混合);第三,通过保持每次迭代 - 一维卷积神经网络检测行星凌变
开发了一个能够检测来自不同望远镜和调查中的光曲线中的短时(transits)的人工神经网络模型,结果表明 1D CNN 是处理非相位折叠的光曲线具有短时的良好选择,并减少了传统分析所需要的时间。
- 同构人工神经网络
本文提出了一种人工神经网络(ANN),作为一类特殊函数(称为广义齐次函数)的全局逼近器。证明了一种齐次通用逼近定理,并提出了将现有 ANN 升级为齐次 ANN 的方法。理论结果通过计算机科学、系统理论和自动控制领域的示例进行支持。
- Spiking NeRF: 通过不连续表示来表示现实世界的几何形状
该研究提出了脉冲神经反馈网络(spiking NeRF),通过混合人工神经网络(ANN)和脉冲神经网络(SNN)的框架,构建不连续的密度场从而实现准确的几何表示。
- 基于机器学习的广带随机载荷下疲劳寿命预测的新模型
通过建立三个机器学习模型,即支持向量机(SVM)、高斯过程回归(GPR)和人工神经网络(ANN),利用不同带宽参数的多个功率谱样本和与疲劳寿命相关的多种材料特性,提出了广域疲劳寿命预测的机器学习方法,经过大量的蒙特卡洛数值模拟验证,表明新开 - 深度学习的数学导引:方法、实现和理论
该研究论文介绍了深度学习算法的主题,包括不同的人工神经网络架构、优化算法和理论方面,同时讨论了用于偏微分方程的深度学习逼近方法。
- MM基于单光子探测器和毫米波雷达融合时序数据的单像素三维成像
提出了一种基于融合数据的三维成像方法,利用单像素单光子探测器和毫米波雷达从多个角度捕捉场景的时间直方图,通过使用人工神经网络从一维融合时序数据中重建三维信息,成功消除对称模糊并提高了重建图像的质量。
- 人工神经网络中的特征选择和超参数优化用于木材质量分类
通过调整神经网络的超参数及选择更好地描述木板质量的特征来同时解决特征选择和超参数调整问题,对于工业应用来说,至少其中一种方法应被考虑。