导读:本文包含了混合传播算法论文开题报告文献综述及选题提纲参考文献，主要关键词:机器学习,期望传播,随机优化,方差缩减
混合传播算法论文文献综述
何少杰[1]（2019）在《基于混合指数族分布的广义期望传播算法研究》一文中研究指出贝叶斯机器学习的中心任务是在给定观测值的情况下推断隐变量的后验分布,并计算关于该分布的期望值。然而,这通常在计算上难以处理,因此人们不得不寻求近似的解决方案。确定性近似推理技术作为基于数值采样的随机近似推理的替代方法,在过去的二十年中取得了许多进步。期望传播(EP)是贝叶斯机器学习中广泛使用的确定性近似推理算法。传统的EP通过一组迭代更新的局部近似因子来近似难以处理的后验分布。EP在很多领域中都有卓越的表现,但是它也有一些明显的缺陷。例如,EP算法的迭代不保证收敛,无法拓展到大规模数据和复杂模型,以及在局部因子近似过程中造成内存消耗过大等问题。本文以EP的KL散度为目标函数,提出了一种新的确定性近似推理方法,称为广义期望传播算法(GEP)。然而,当目标函数梯度的方差很大时,算法可能需要很长时间来收敛。我们使用了控制变量,并基于这个方差缩减技术方法提出GEP的方差缩减版本,称为GEP-CV。与近期提出的最先进的方法相比,所提出方法提供了更快的收敛性和更好的性能。GEP算法具有迭代收敛且适用于复杂模型的优势,将广义期望传播算法在经典的或流行的模型中进行推广具有实际意义。本文进一步提出了基于广义期望传播的贝叶斯逻辑回归以及基于广义期望传播的贝叶斯神经网络。由于广义期望传播算法是贝叶斯框架下的近似推理方法,它在捕获模型不确定性的能力上远胜于最近流行的深度学习工具。我们考虑贝叶斯神经网络,因为贝叶斯模型提供了推理模型不确定性的理论框架。为了获得真实世界贝叶斯深度学习模型的不确定性估计,需要实际的近似推理方法。例如,dropout变分推理(VI)已用于计算机视觉和医疗等应用,但dropout VI可能严重低估模型的不确定性。在本文中,我们使用GEP作为贝叶斯深度神经网络的近似贝叶斯推理方法。这缓解了深度学习方法无法在不牺牲计算效率或测试精度的情况下捕获模型不确定性的问题。(本文来源于《华东师范大学》期刊2019-03-01）
宋晓晶[2]（2018）在《基于多项式混沌展开的混合不确定性传播算法》一文中研究指出近年来不确定性理论一直在不断地发展和完善,各种各样的不确定性表示和传播方法被相继提出。不确定性是一个宽泛的术语,它包括测量误差、自然变化、模糊性和知识缺乏等。在许多实际问题中,多种类型的不确定性经常是共存的。但是关于混合不确定性的研究仍处于初级阶段,还有许多关键问题有待解决。因此研究混合不确定性及其传播算法具有重要的学术意义和应用价值。本论文主要研究含随机不确定性和认知不确定性的混合不确定性传播算法。首先建立所研究的混合不确定性系统模型,该模型含有已知可能性分布的模糊变量和已知概率盒形式的随机变量。以上述系统模型作为研究对象设计有效快速的混合不确定性传播算法,主要研究内容为:(1)引入多项式混沌展开的原理,解决多项式混沌展开中的两个关键问题:计算多维的Legendre多项式和求解多项式混沌展开的系数。通过计算系统输出响应的统计特征对这种不确定性分析方法进行评估。然后利用Garloff方法将多项式混沌展开转化为Bernstein形式,根据Bernstein多项式的性质得到输出的最值。(2)介绍模糊变量的基本理论知识、模糊不确定性的处理方法、概率盒的概念和不确定性分析;建立所要研究的混合不确定性模型,采用等概率转化的思想将概率分布的参数与随机变量分离开。然后对系统模型中的随机变量进行拉丁超立方抽样,模糊不确定性通过α截集退化为区间不确定性,之后采用多项式混沌展开的方法处理区间不确定性传播问题。(3)分析防洪坝设计的风险模型中关于水位的混合不确定性。研究计算河流最大水位解析近似的系统模型。将上面提出的混合不确定性传播算法应用于该模型分析不确定性。分别采用二阶和叁阶多项式混沌展开分析效果,并且采用传统的不确定分析方法作为对比,验证新算法的准确性和有效性。(本文来源于《长安大学》期刊2018-05-06）
乔娜[3]（2017）在《FDTD和PSTD的混合算法在低频地波传播中的应用》一文中研究指出低频地波信号因其传输稳定、衰减小、绕射能力强、传播距离远等特点而被广泛应用于远距离导航、授时和通信等方面。然而,受到传播路径地形起伏变化、地物非均匀分布、大气环境空时变化等因素的影响,使得实际低频地波信号的传播速度、方向和相位等有别于真空中的情况。研究复杂环境下低频地波传播特性的高精度快速预测方法是提高低频地波导航授时系统精度的关键。现有的时域有限差分方法(Finite-Difference Time-Domain Method,FDTD)能够模拟实际信号的传播过程,但长距离应用时存在数值色散误差大、计算机消耗过大等问题;时域伪谱方法(Pseudo-spectral Time-Domain Method,PSTD)能够处理电大尺寸电磁计算问题,但对复杂结构及媒质突变问题处理困难。针对上述问题,本文提出一种“FDTD+PSTD”频域空域结合的数值预测方法,通过将传播区域进行划分,结合FDTD方法与PSTD方法各自优势,实现低频地波传播性能的高精度、快速预测。具体研究内容包括:首先,从FDTD和PSTD的基本理论出发,推导了两种算法的实现过程并进行了仿真验证,对比分析了各算法的特点;其次,针对低频地波传播问题,分析了 FDTD方法与PSTD方法应用于该问题的可行性与存在的问题;再次,基于上述分析结果,提出“FDTD+PSTD”频域空域结合的数值预测方法,从区域划分、结合模式、场量迭代方式、网格剖分、分界面处场量传递等方面进行系统研究,仿真验证了不同地面模型下混合算法的有效性;最后,将混合方法进一步应用于天线近场效应研究,仿真分析了地面条件对天线辐射特性的影响。仿真结果表明:在保证一定的预测精度下,计算相同区域时混合算法比FDTD在计算速度上快3～4倍,而在内存占用上则少1～2倍;同时,近场区地面条件对天线的辐射特性及相位中心将产生较大的影响。本文研究成果将为长距离、大面积低频地波传播性能的高精度预测及其工程实现提供技术支撑。(本文来源于《西安理工大学》期刊2017-06-30）
邓观明[4]（2016）在《基于混合的K核影响力的标签传播算法》一文中研究指出社会网络中近年来的一个研究热点就是社团发现,在众多的社团发现算法中,将标签传播算法应用到社团发现中是非常快速的一种算法,得益于其接近线性的时间复杂度,该算法能够处理大规模的社会网络。KLPA是一种基于k值影响力的改进标签传播算法,结合K值及局部影响力改进迭代及标签选择过程。实验证明,使用改进算法能够得到更好的社区划分结果。(本文来源于《信息通信》期刊2016年02期）
黄德才,钱潮恺[5]（2015）在《基于维度属性距离的混合属性近邻传播聚类算法》一文中研究指出针对近邻传播聚类算法不能处理混合属性数据集的问题,提出了一种新的距离度量测度,并将其应用到近邻传播聚类算法中,提出了一种基于维度属性距离的混合属性近邻传播聚类算法。与传统聚类算法不同的是,该算法不需要计算虚拟的中心点,同时考虑了数据集整体分布对聚类结果的影响。将算法在UCI数据库的2个混合属性数据集上进行验证,同时对比了经典的K-Prototypes算法以及K-Modes算法。实验结果表明,改进后的算法具有更好的聚类质量以及执行效率,算法的优越性得到了验证。(本文来源于《计算机科学》期刊2015年S2期）
万九卿,布少聪,钟丽萍[6]（2016）在《基于混合动态信念传播的多无人机协同定位算法》一文中研究指出针对多无人机(UAVs)协同定位问题,提出一种基于混合动态信念传播的定位算法。在部分无人机GPS信号丢失的情况下,该算法可根据其他无人机的GPS观测,相邻无人机之间的相对距离观测,以及无人机加速度计的输出,对每个无人机的位置和速度状态进行分布式在线估计。首先用因子图模型描述多无人机的联合信念状态,接着给出一种混合动态信念传播推理算法计算图模型中的每个变量节点(对应于每个无人机)状态的边缘后验分布。推理过程仅包括每个无人机对自身局部信息的处理以及相邻无人机之间的信息交互,因此该算法可完全分布式实现。通过仿真实验以及与传统协同定位算法的比较,表明了本文算法的有效性。(本文来源于《北京航空航天大学学报》期刊2016年05期）
马亮,郭进,陈光伟,郭瑞[7]（2015）在《铁路编组站动态配流的约束传播和多点构建性搜索的混合算法》一文中研究指出为了提高动态配流模型的通用性和稳定性,基于约束程序累积调度和字典序多目标优化,以作业之间实施逻辑和优先级关系、班计划和列车编组计划要求、资源容量限制等为约束,按照配流成功的出发列车优先级总和最大、车辆平均中停时最小和资源利用率最高3个目标的优先级,建立适应于不同解体方式的动态配流字典序多目标累积调度的3层模型.为提高算法效率,设计了约束传播和多点构建性搜索混合的带初始解迭代算法,每层先通过约束传播算法化简模型,再通过带约束传播的多点构建性搜索算法快速求解,以决策出优化的作业排程和配流方案.实验表明,模型扩展性更强、更稳定、更符合现场实际;算法效率高,能够满足现场对计划编制和调整的实施性需求.(本文来源于《信息与控制》期刊2015年02期）
周晓平,吴德佩,柳朝阳,杨明珊[8]（2014）在《电波传播混合路径循迹的算法研究》一文中研究指出为快速准确预测基站周边环境中辐射场强,提出了射线跟踪技术中混合路径的反射点、绕射点算法.给出了求镜像点与镜像线的通用公式,提出了多次反射路径中反射点算法.推出了多次绕射路径中绕射点算法的优化公式.提出将混合型路径中反射及绕射进行适当的变换,从而实现混合路径转换成绕射路径的算法.最后将该算法运用于z-缓存区改进算法中,对一个通信基站周边环境中的射线传播路径进行跟踪,并对场强进行计算,计算结果与实测值非常吻合.(本文来源于《郑州大学学报(工学版)》期刊2014年03期）
张建朋,陈福才,李邵梅,于洪涛[9]（2013）在《基于混合测度的并行仿射传播聚类算法》一文中研究指出针对仿射传播聚类(AP)算法应用于流形结构复杂、密度不均匀的数据集存在的不足,通过学习数据集的低维流形结构,提出了密度自适应的"流形距离核"(ad-MDK)的概念。该距离测度既考虑了数据点的局部密度信息,又包含了数据集全局结构信息,从而提高了算法对这类数据集的处理能力。同时,针对引入流形距离所带来的计算复杂问题,提出了算法的并行化设计方法,有效提高了算法处理效率。通过在多个数据集上的实验验证了所提算法在处理大规模多尺度数据集上的性能优于传统AP算法。(本文来源于《计算机科学》期刊2013年07期）
徐英凯,曹洁,陈晓群[10]（2013）在《一种抑制非视距传播误差的混合定位算法》一文中研究指出为减小蜂窝网定位中影响定位精度的非视距(NLOS)传播误差,提出一种基于两步卡尔曼滤波到达时间差/到达角度的混合定位算法。利用卡尔曼滤波器的估计值计算非视距数据的方差,调节卡尔曼滤波器的参数,减小测量值的NLOS误差,并将经过预处理的测量值输入到扩展卡尔曼滤波器,实现混合定位。实验结果表明,该算法能有效消除NLOS误差,与Chan算法相比,其定位精度更高。(本文来源于《计算机工程》期刊2013年07期）
混合传播算法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
近年来不确定性理论一直在不断地发展和完善,各种各样的不确定性表示和传播方法被相继提出。不确定性是一个宽泛的术语,它包括测量误差、自然变化、模糊性和知识缺乏等。在许多实际问题中,多种类型的不确定性经常是共存的。但是关于混合不确定性的研究仍处于初级阶段,还有许多关键问题有待解决。因此研究混合不确定性及其传播算法具有重要的学术意义和应用价值。本论文主要研究含随机不确定性和认知不确定性的混合不确定性传播算法。首先建立所研究的混合不确定性系统模型,该模型含有已知可能性分布的模糊变量和已知概率盒形式的随机变量。以上述系统模型作为研究对象设计有效快速的混合不确定性传播算法,主要研究内容为:(1)引入多项式混沌展开的原理,解决多项式混沌展开中的两个关键问题:计算多维的Legendre多项式和求解多项式混沌展开的系数。通过计算系统输出响应的统计特征对这种不确定性分析方法进行评估。然后利用Garloff方法将多项式混沌展开转化为Bernstein形式,根据Bernstein多项式的性质得到输出的最值。(2)介绍模糊变量的基本理论知识、模糊不确定性的处理方法、概率盒的概念和不确定性分析;建立所要研究的混合不确定性模型,采用等概率转化的思想将概率分布的参数与随机变量分离开。然后对系统模型中的随机变量进行拉丁超立方抽样,模糊不确定性通过α截集退化为区间不确定性,之后采用多项式混沌展开的方法处理区间不确定性传播问题。(3)分析防洪坝设计的风险模型中关于水位的混合不确定性。研究计算河流最大水位解析近似的系统模型。将上面提出的混合不确定性传播算法应用于该模型分析不确定性。分别采用二阶和叁阶多项式混沌展开分析效果,并且采用传统的不确定分析方法作为对比,验证新算法的准确性和有效性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
混合传播算法论文参考文献
[1].何少杰.基于混合指数族分布的广义期望传播算法研究[D].华东师范大学.2019
[2].宋晓晶.基于多项式混沌展开的混合不确定性传播算法[D].长安大学.2018
[3].乔娜.FDTD和PSTD的混合算法在低频地波传播中的应用[D].西安理工大学.2017
[4].邓观明.基于混合的K核影响力的标签传播算法[J].信息通信.2016
[5].黄德才,钱潮恺.基于维度属性距离的混合属性近邻传播聚类算法[J].计算机科学.2015
[6].万九卿,布少聪,钟丽萍.基于混合动态信念传播的多无人机协同定位算法[J].北京航空航天大学学报.2016
[7].马亮,郭进,陈光伟,郭瑞.铁路编组站动态配流的约束传播和多点构建性搜索的混合算法[J].信息与控制.2015
[8].周晓平,吴德佩,柳朝阳,杨明珊.电波传播混合路径循迹的算法研究[J].郑州大学学报(工学版).2014
[9].张建朋,陈福才,李邵梅,于洪涛.基于混合测度的并行仿射传播聚类算法[J].计算机科学.2013
[10].徐英凯,曹洁,陈晓群.一种抑制非视距传播误差的混合定位算法[J].计算机工程.2013