【摘 要】
：
针对稀疏信号的准确和实时恢复问题,提出了一种基于神经动力学优化的压缩感知信号恢复方法。通过引入反馈神经网络(recurrent neural network,RNN)模型求解l1范数最小化优化问题,计算RNN的稳态解以恢复稀疏信号。对不同方法的测试结果表明,提出的方法在恢复稀疏信号时所需的观测点数最少,并且可推广到压缩图像的恢复应用中,获得了更高的信噪比。RNN模型也适合并行实现,通过GPU并行计
论文部分内容阅读
针对稀疏信号的准确和实时恢复问题,提出了一种基于神经动力学优化的压缩感知信号恢复方法。通过引入反馈神经网络(recurrent neural network,RNN)模型求解l1范数最小化优化问题,计算RNN的稳态解以恢复稀疏信号。对不同方法的测试结果表明,提出的方法在恢复稀疏信号时所需的观测点数最少,并且可推广到压缩图像的恢复应用中,获得了更高的信噪比。RNN模型也适合并行实现,通过GPU并行计算获得了超过百倍的加速比。与传统的方法相比,所提出的方法不仅能够更加准确地恢复信号,并具有更强的实时处理能力。
其他文献
为了解决现有的数据缓存回收算法不适用于混合云计算和大数据共享的问题,提出了一种新的基于缓存回收的云服务算法。该方法首先构建了一个混合云部署框架,包含预报和云缓存回收两个基本模块,根据统一的成本模型和改进的MLP自适应调整将窗口大小参数化,按照窗口参数或必需的缓存空间选择出一组在缓存中最近最少使用(LRU)的对象。仿真结果显示,相比三种典型的缓存替换算法GD-Size、LRU和LFU,提出的云服务算
选择是遗传算法的三大基本操作之一,适应度比例选择是遗传算法最常用的选择方法。首先比较其与公平席位分配问题的相同点,将其转换为公平席位分配问题;其次,为了克服经典适应度比例选择实现方法、即轮盘赌方法稳定性和可靠性差、随机性高的缺点,提出了改进轮盘赌、比例加惯例法、Q值法、d’Hondt法等,并将这些新方法与传统的轮盘赌方法在公平席位分配原则上进行理论上的比较评价。最后,在立方体、Schaffer、P
股骨医学图像配准是股骨三维重建技术的主要研究内容,通过机器辅助获得配准的参数决定了三维重建的准确性。针对传统ICP算法普遍存在的准确度和鲁棒性较低的问题,提出一种基于仿射CPD的股骨医学图像配准方法,使配准自动化及精准化。该方法通过边缘提取获得浮动、参考点集;在配准后获取结果参数;通过结果参数将股骨通用模型摆成股骨个体化骨折姿态。实验结果表明:平移、旋转的平均误差分别小于2.1 mm、1.6°;配
对双层云环境下的移动应用进行研究,提出一种新的框架,将移动应用建模为任务的位置—时间工作流(LTW)。LTW流对分层移动云资源的最优映射是个NP难题,进而提出一种称为Mu SIC的高效启发式算法。基于真实的云进行仿真实验,结果表明,Mu SIC支持运行的可扩展性,同时提高了Qo S水平。相比于只使用公共云的算法,延时和功耗降低了25%,成本下降了35%。另外,在不同的模式下Mu SIC均具有优越的
人们往往利用公共密钥基础设施(PKI)和每个车辆的化名证书池来研究车载网络的安全和隐私要求,利用这些证书署名消息,通过传播证书撤销列表(CRL)可将行为不端的车辆从网络中删除。分析了CRL部署与隐私保护的关系,提出一种基于停放车辆的CRL部署方案。该方案利用两个哈希链来计算车辆的CRL,防止过去化名和被撤销化名发生关联,并显著降低了通信开销;通过使用停放车辆提升了网络连通性,降低了延时。仿真结果表
鉴于基础设施系统对社会生产和人民生活的重要性,分析基础设施系统的脆弱性,提出相应的抗干扰措施和改进策略,提高基础设施系统的可靠性,成为了当前研究的一个热点课题。基于此,在对基础设施系统脆弱性分析成果的基础上,从方法论的角度探讨了关联基础设施系统的脆弱性,并以华中地区某城市电力—供水网络为例分析了网络在节点级联故障下的脆弱性,为控制基础设施系统的级联故障、增强系统的抗干扰能力提供决策支持。
针对标准粒子群优化算法易出现早熟收敛、搜索速度慢及寻优精度低等缺陷,提出一种基于随机惯性权重的简化粒子群优化算法。算法采用去除速度项的粒子群简化结构,通过随机分布的方式获取惯性权重提高新算法的局部搜索和全局搜索能力,并且学习因子采用异步变化的策略来改善粒子的学习能力。考虑到个体之间的相互影响关系,每个粒子的个体极值用所有粒子个体极值的平均值代替。通过几个典型测试函数仿真及F-检验结果表明,提出的算
针对信道中数据丢失导致图像恢复质量严重受损问题,提出将方向插值引入到基于图像分场描述编码的错误掩盖算法。将每帧图像分为两场独立编码传输,丢失一场数据时,通过改进Sobel算子计算正确接收的另一场图像内部边缘,沿边缘方向插值恢复出丢失的场。实验结果表明,应用这种基于像素行交织的错误掩盖算法后,图像主观恢复质量和峰值信噪比均较现有方法有显著提高。算法计算复杂度低,与H.264编码标准兼容,适于实际工程
极速学习机(ELM)算法只对平衡数据集分类较好,对于非平衡数据集,它通常偏向多数样本类,对于少数样本类性能较低。针对这一问题,提出了一种处理不平衡数据集分类的ELM模型(ELM-CIL),该模型按照代价敏感学习的原则为少数类样本赋予较大的惩罚系数,并引入模糊隶属度值减小了外围噪声点的影响。实验表明,提出的方法不仅对提高不平衡数据集中少数类的分类精度效果较明显,而且提高了对噪声的鲁棒性。
针对最优相互避碰方法在人群仿真中对虚拟人感知行为缺乏考虑,以及在人群密度较大时导致的拥塞行为,提出一种改进的局部避碰方法。首先,在已有虚拟人感知模型的基础上,加入虚拟人视觉随周围人群的密度而变化的规则,以及听觉感知对避碰行为的影响;其次,引入了有区别的避碰责任机制,使虚拟人在不同情况下采用不同的避碰行为;然后,加入一种拥塞响应规则缓解人群拥塞现象。最后通过多组实验与原方法进行对比,实验结果表明改进