针对用电过程中的盗电窃电问题，基于数据挖掘的思想提出了一种自动检测窃电行为的方法。
通过分析用户用电数据的特点，在循环神经网络（RNN）算法的基础上引入长短期记忆单元（LSTM），通过输入门、输出门与遗忘门等函数选择性地保留记忆单元的输入输出信息，改善算法训练时的梯度消失现象。
将RNN网路改进为并行化网络，将长时间序列的输入特征向量进行片段化处理，克服RNN网络在处理长序列时的信息丢失缺点。
使用国家电网的公开数据集进行仿真实验。
结果表明，在相同的时间复杂度下，相较于传统RNN网络，改进算法对窃电行为的识别精度提升到了92.85%，模型的交叉熵损失下降为0.253，AUC增长至0.871，算法的综合功能显著提升。
通过分析用户用电数据的特点，在循环神经网络（RNN）算法的基础上引入长短期记忆单元（LSTM），通过输入门、输出门与遗忘门等函数选择性地保留记忆单元的输入输出信息，改善算法训练时的梯度消失现象。
将RNN网路改进为并行化网络，将长时间序列的输入特征向量进行片段化处理，克服RNN网络在处理长序列时的信息丢失缺点。
使用国家电网的公开数据集进行仿真实验。
结果表明，在相同的时间复杂度下，相较于传统RNN网络，改进算法对窃电行为的识别精度提升到了92.85%，模型的交叉熵损失下降为0.253，AUC增长至0.871，算法的综合功能显著提升。
2021/9/2 6:54:54
1.41MB
1
本文考虑采用平滑L0正则化（BGSL0）的批梯度方法进行训练和修剪前馈神经网络。
我们展示了为什么BGSL0可以产生稀疏的权重，这对于修剪网络。
我们证明了在温和条件下BGSL0的弱收敛和强收敛。
还获得了误差函数在训练过程中递减的单调性。
两个例子是用来证明理论分析并显示BGSL0的稀疏性比三个典型Lp正则化更好方法。
我们展示了为什么BGSL0可以产生稀疏的权重，这对于修剪网络。
我们证明了在温和条件下BGSL0的弱收敛和强收敛。
还获得了误差函数在训练过程中递减的单调性。
两个例子是用来证明理论分析并显示BGSL0的稀疏性比三个典型Lp正则化更好方法。
2015/1/7 16:35:10
494KB
1
TELEMAC系统是一套适用于模仿河流、河口和海岸二、三维水动力、泥沙、水质和生态等问题的模型系统，由法国国家水力学与环境实验室开发，基于有限单元或有限体积数值求解。
TELEMAC-2D作为TELEMAC系统中的一个二维模块，可以用于研究水流、风暴潮、波浪、泥沙和污染物输移等。
模型功能包括:考虑非线性影响的波浪传播、底摩阻、科氏力影响、气压和风、紊流、河流入流、水平温盐密度梯度、干湿网格判断等。
其网格划分为非结构化的三角形网格，考虑到近岸水流、地形梯度的差异，对于重要区域可进行局部加密，对复杂地形的适用性比较强。
TELEMAC-2D作为TELEMAC系统中的一个二维模块，可以用于研究水流、风暴潮、波浪、泥沙和污染物输移等。
模型功能包括:考虑非线性影响的波浪传播、底摩阻、科氏力影响、气压和风、紊流、河流入流、水平温盐密度梯度、干湿网格判断等。
其网格划分为非结构化的三角形网格，考虑到近岸水流、地形梯度的差异，对于重要区域可进行局部加密，对复杂地形的适用性比较强。
2017/9/15 14:25:53
596KB
1
深度强化学习是人工智能领域的一个新的研究热点．它以一种通用的方式将深度学习的感知能力与强化学习的决策能力相结合，并能够通过端对端的学习方式实现从原始输入到输出的直接控制．自提出以来，在许多需要感知高维度原始输入数据和决策控制的任务中，深度强化学习方法已经取得了实质性的突破．该文首先阐述了三类主要的深度强化学习方法，包括基于值函数的深度强化学习、基于策略梯度的深度强化学习和基于搜索与监督的深度强化学习；
其次对深度强化学习领域的一些前沿研究方向进行了综述，包括分层深度强化学习、多任务迁移深度强化学习、多智能体深度强化学习、基于记忆与推理的深度强化学习等．最后总结了深度强化学习在若干领域的成功应用和未来发展趋势．
其次对深度强化学习领域的一些前沿研究方向进行了综述，包括分层深度强化学习、多任务迁移深度强化学习、多智能体深度强化学习、基于记忆与推理的深度强化学习等．最后总结了深度强化学习在若干领域的成功应用和未来发展趋势．
2021/5/8 20:51:30
2.73MB
1
自己编写的图像功能参数程序，使用matlab软件实现，最全的图像质量评价函数，包括计算均值、标准差、熵、平均梯度、相关系数、扭曲程度、偏差指数、峰值信噪比、均方根误差、信噪比、空间频率、互信息、联合熵、交叉熵等功能指标，几乎包含目前所有常用的图像评价功能参数。
2021/3/1 18:16:41
6KB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB