张春霞
- 作品数：24 被引量：317H指数：6
- 供职机构：西安交通大学数学与统计学院更多>>
- 发文基金：国家自然科学基金国家教育部博士点基金中央高校基本科研业务费专项资金更多>>
- 相关领域：自动化与计算机技术理学天文地球动力工程及工程热物理更多>>
- 受限波尔兹曼机被引量：102
- 2015年
- 受限波尔兹曼机(restricted Boltzmann machines,RBM)是一类具有两层结构、对称连接且无自反馈的随机神经网络模型,层间全连接,层内无连接.近年来,随着RBM的快速学习算法一对比散度的出现,机器学习界掀起了研究RBM理论及应用的热潮.实践表明,RBM是一种有效的特征提取方法,用于初始化前馈神经网络可明显提高泛化能力,堆叠多个RBM组成的深度信念网络能提取更抽象的特征.鉴于RBM的优点及其在深度学习中的广泛应用,本文对RBM的基本模型、学习算法、参数设置、评估方法、变形算法等进行了详细介绍,最后探讨了RBM在未来值得研究的方向.
- 张春霞姬楠楠王冠伟
- 关键词：GIBBS采样
- Out-of-bag样本的应用研究被引量：8
- 2011年
- Bagging集成通过组合不稳定的基分类器在很大程度上降低"弱"学习算法的分类误差,Out-of-bag样本是Bagging集成的自然产物。目前,Out-of-bag样本在估计Bagging集成的泛化误差、构建相关集成分类器等方面得到了广泛应用。文章对Out-of-bag样本的应用进行了综述,阐述了对其进行研究的主要内容和特点,并对它在将来可能的研究方向进行了讨论。
- 张春霞郭高
- 关键词：BAGGING泛化误差
- 基于out-of-bag样本的随机森林算法的超参数估计被引量：14
- 2011年
- 随机森林是一种有效的分类树集成算法,但为了使它具有较高的预测精度,要采用某种方法确定其超参数的最优值.在不额外增加计算复杂性的前提下,提出了一种基于out-of-bag样本估计其超参数取值的方法.仿真试验的结果表明,利用文中提出的方法所选取的超参数在多数情况下都能使随机森林算法的分类效果达到最优.
- 李毓张春霞
- 关键词：泛化能力
- 基于多Agent的FMS建模仿真方法研究被引量：3
- 2005年
- 对FMS进行层次分解,将功能独立、具有自主决策能力的设备作为研究FMS的主体,并利用FSA描述主体的状态及演化,从而建立主体的行为模型。在此基础上,主体实现了符合HLA/RTI规范的网络接口,从而构建FMS的Agent模型,并使模型具有互操作性和可重用性,从而具备协同求解的能力。最后提出了基于多Agent的FMS仿真的基本框架,以便能快速建立各种FMS的仿真应用。
- 张春霞苏秦
- 关键词：柔性制造系统智能体有限状态机多智能体
- 集成学习中有关算法的研究
- 集成学习是一种新的机器学习范式,它使用多个学习机来解决同一个问题。由于它能显著提高一个学习系统的泛化能力,从20世纪90年代开始,对集成学习理论和算法的研究一直是机器学习领域中的热点问题之一。目前,集成学习已经被成功应用...
- 张春霞
- 关键词：集成分类器
- 文献传递
- 一种基于音素和韵律结构的中文语音合成方法
- 本发明提供一种基于音素和韵律结构的中文语音合成方法，该方法分为训练阶段和合成阶段；根据语言学知识，从待处理文本中的韵律标注信息中提取出韵律结构特征，基于韵律结构特征训练韵律模型；对待处理文本和音频进行预处理，得到包含韵律...
- 张春霞谢壮壮
- 文献传递
- 变量选择集成方法被引量：2
- 2019年
- 随着海量高维数据在众多研究和应用领域的不断涌现,如何利用数据的稀疏性特征,从中挖掘到有价值的信息显得至关重要.变量选择作为可解释性建模、提高统计推断和预测精度的有效工具,在高维数据的分析中发挥着愈来愈重要的作用.由于集成学习能显著提高选择精度、缓解变量选择过程的不稳定性、降低噪声变量被误选的机率,变量选择集成方法近年来得到了广泛研究.为了给相关方向的研究者提供一个系统的参考资料,论文对现有的变量选择集成方法进行了详细阐述,按照构建集成所用的不同策略将其分为两大类,分析了各类方法的特征,并采用数值试验研究了各类方法在变量选择、预测等方面的性能.最后,论文对变量选择集成方法在未来值得研究的方向进行了探讨.
- 张春霞李俊丽
- 关键词：线性回归模型稳定性
- 基于粗-细网络模型分步训练的地震数据重建方法
- 2024年
- 由于地形等复杂条件的限制,叠前地震数据在空间上存在不完整或不规则分布的情况,导致数据出现缺失或混淆等现象。近年来,基于卷积神经网络的方法已经广泛应用于缺失地震数据重建工作。然而一步训练过程的网络模型不足以重建具有宽振幅范围的缺失地震数据,低振幅缺失部分的重建结果仍需改进。因此本文提出一种具有分步训练过程的粗-细网络模型。该模型由粗网络和细网络组成,分步恢复宽振幅范围内的缺失地震数据。在细网络中引入离散小波变换代替池化操作,其可逆性在上采样阶段有利于保留细节特征。模型采用混合损失函数重建缺失信号的真实细节。粗网络的初步恢复结果经过掩码操作处理后输入到细网络,细网络进一步精确恢复缺失部分的低振幅信号。实验结果表明,与残差网络(ResNet)、U型网络(U-Net)和多级小波卷积神经网络(MWCNN)的重建方法相比,本文方法在合成数据和真实数据上展现出更卓越的重建性能:在缺失75%的合成数据上,信噪比为18.818 5 dB;在缺失50%的真实数据上,信噪比为12.2551 dB。在消融研究中,本文模型重建的均方误差为1.689 3×10^(-4),信噪比为19.284 6 dB,峰值信噪比为43.743 5 dB,结构相似性为0.984 1,均优于其他三组对照实验。
- 葛康建王长鹏张春霞张讲社熊登
- 关键词：离散小波变换地震数据重建
- 非参数回归分析中有关问题的研究
- 张春霞
- 风电数据的不确定性建模及在电网规划的应用
- 2024年
- 在我国经济高速发展的同时,矿物资源的使用持续增长,对环境的污染也在不断加剧,发展风力发电是我国实现低碳转型的一项重要措施。然而,由于风力发电具有较强的不稳定性,这给电网的运行带来了较大的不确定性。因此,考虑风力发电过程中的不确定性因素,并对其进行建模,开展含风力发电的电网规划研究。首先对风电出力的不确定性进行建模,建立了风电机组出力的数学模型。其次,提出了以总成本、总网损最小为目标函数的考虑风电不确定性的最优潮流模型,并给出一种采用局部模型并引入动态惯性权重系数改进的粒子群优化求解算法。经采用实际的风电数据进行实验,结果表明与传统的粒子群优化算法相比,改进的粒子群优化算法在求解速度、收敛性以及稳健性方面均具有更优性能。
- 张春霞金玟玎崔玉昆王永军叶天
- 关键词：蒙特卡罗法最优潮流电网规划
