导读:本文包含了自学习论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:在线,算法,神经网络,卷积,分系统,参数,余弦。
自学习论文文献综述
高旭,马迎新,汤小兵,陆小荣[1]（2019）在《基于Matlab神经网络算法的智能变电站光纤回路自学习及自动设计的研究》一文中研究指出随着智能变电站建设速度不断加快,大规模智能变电站新建和改扩建工程集中投产。在此背景下,由于设计人员和运维人员在经验、习惯方面的差异,智能变电站光纤回路标准化设计难度大,光纤回路设计与正确性校核靠人工完成,设计效率低、图纸正确性校核困难。针对以上问题,提出了一种基于神经网络算法的智能变电站光纤回路自动设计方案。通过采集海量变电站物理配置描述文件(SPCD文件),经过人工智能学习,建立神经网络决策树,实现根据二次系统设计要求自动输出光纤回路设计图纸。该方案利用人工智能技术提升了智能变电站光纤回路设计效率和质量,进而实现光纤回路设计的标准化、智能化。(本文来源于《电力系统保护与控制》期刊2019年22期）
吴鹏,林国强,郭玉荣,赵振兵[2]（2019）在《自学习稀疏密集连接卷积神经网络图像分类方法》一文中研究指出通道剪枝是深度模型压缩的主要方法之一。针对密集连接卷积神经网络中,每一层都接收其前部所有卷积层的输出特征图作为输入,但并非每个后部层都需要所有先前层的特征,网络中存在很大冗余的缺点。本文提出一种自学习剪枝密集连接网络中冗余通道的方法,得到稀疏密集连接卷积神经网络。首先,提出了一种衡量每个卷积层中每个输入特征图对输出特征图贡献度大小的方法,贡献度小的输入特征图即为冗余特征图;其次,介绍了通过自学习,网络分阶段剪枝冗余通道的训练过程,得到了稀疏密集连接卷积神经网络,该网络剪枝了密集连接网络中的冗余通道,减少了网络参数,降低了存储和计算量;最后,为了验证本文方法的有效性,在图像分类数据集CIFAR-10/100上进行了实验,在不牺牲准确率的前提下减小了模型冗余。(本文来源于《信号处理》期刊2019年10期）
陈庆明,杨焕雯,钟益明[3]（2019）在《储水式电热水器用户习惯的自学习方法及应用》一文中研究指出本文研究了储水式电热水器自学习用户用水习惯的方法及其应用。在储水式电热水器使用数据采集基础上,通过最小二乘法及统计理论在服务器中分析,自识别出用户的用水规律周期,并验证该识别方法的有效性。最终结合云端与电热水器本机的优缺点,有效地应用自学习用户用水习惯方法,在热水器本机上实现按最新习惯所需热水控制电热水器加热。(本文来源于《2019年中国家用电器技术大会论文集》期刊2019-10-21）
彭文,姬亚锋,陈小睿,张殿华[4]（2019）在《热轧非稳态过程轧制力自学习模型优化》一文中研究指出为提高热连轧非稳态过程轧制力的预测精度,提出了一种轧制力自学习模型优化方法.将模型自学习系数分解为层别学习系数和轧制状态学习系数,表征机架间轧制力预报偏差的遗传特性及实际轧辊状态对模型预报的影响.在系数更新过程中,根据层别距离分别对学习系数进行更新,减小了轧制规格切换时轧制力的预报误差.所提方法已成功应用于某热连轧过程,与原模型相比,优化后的自学习方法的预测偏差从2. 8%降低到1. 4%,均方差从3. 3%降低到1. 7%,有效提高了非稳态过程轧制力的预测精度和鲁棒性.(本文来源于《东北大学学报(自然科学版)》期刊2019年10期）
陈智雨,巩少岩,俞学豪,闫龙川,朱京[5]（2019）在《基于自学习超分辨率的电力线路巡检可视化》一文中研究指出为提高可视化电力系统智能巡检的效率,快速精确提取巡检图像的细节信息,文章提出基于单幅图像自学习的巡检图像超分辨率方法,提供高清晰度的图像支撑设备状态的智能化分析。图像超分辨率是将低分辨率(Low-Resolution,LR)图像重构成高分辨率(High-Resolution,HR)图像,基于深度卷积神经网络的超分辨率方法利用外部数据库开展大量的学习计算并进行多层网络参数优化,需要大量的运算成本。为了降低系统的成本消耗,单幅图像超分辨率技术成为一个重要的研究领域。文章提出利用图像自相似性进行自学习单幅图像超分辨(Signal Image Super-Resolution,SISR),在不使用任何外部训练数据库的情况下取得很好的超分辨性能,结合特征相似性有效提升电力设备状态可视化检测的精度。实验结果表明,提出方法能够显着提高设备结构异常变换的精确性。(本文来源于《电力信息与通信技术》期刊2019年09期）
李银通,韩统,赵辉,王骁飞[6]（2019）在《自学习策略和Lévy飞行的正弦余弦优化算法》一文中研究指出针对正弦余弦算法(SCA,sine cosine algorithm)局部搜索能力差的缺陷,提出自学习策略和Lévy飞行的正弦余弦优化算法(SCASL,sine cosine optimization algorithm with selflearning strategy and Lévy flight)。首先,提出正弦余弦算法自学习策略和非线性权重因子,使搜索个体记忆自身历史最优位置,在寻优过程中指导搜索个体更新位置,提高SCA的局部搜索能力;算法寻优后期,当搜索陷入局部最优时,采用基于Lévy飞行的停滞扰动策略使算法跳出局部最优,提高SCA的局部最优规避能力。基于13个经典基准测试函数对算法性能进行测试的实验结果表明,SCASL相比标准SCA和较新的优化算法SSA,VCS,WOA,GSA,具有更高的计算效率,收敛精度以及更强的局部最优规避能力。求解无人作战飞机航迹规划的仿真结果表明,在有6个敌方威胁源的战场环境中,相比SCA,SCASL求解得到的飞行航迹具有更小的航迹代价。综上,所提出的SCASL具有较强的寻优能力。(本文来源于《重庆大学学报》期刊2019年09期）
赵晟然,伍常亮[7]（2019）在《基于SVM的智能统分自学习系统设计与实现》一文中研究指出为了解决传统纸质试卷人工统分过程存在工作量大、错误率高、统分效率低等问题,设计开发一款基于SVM的智能统分自学习系统。该系统由前端用户界面、后台手写分数识别子系统和自学习子系统构成。系统采用C#编程语言和Microsoft Visual Studio软件设计前端用户界面;使用Matlab作为系统运算后台,并构建SVM多分类器识别手写分数;使用C#编程语言设置定时器,在系统空闲时间定时启动Matlab执行自学习程序。经过MNIST数据集的训练和测试,SVM多分类器的测试精度达到97.74%。完成系统设计开发后,使用试卷统分栏图片测试系统。测试结果表明,该系统可以有效实现智能识别、统分栏内手写分数汇总以及自学习功能,并将运行结果清晰准确地显示在前端用户界面上。(本文来源于《软件导刊》期刊2019年08期）
陈增强,秦贝贝,孙明玮,孙青林[8]（2019）在《基于参数自学习的船舶航向自抗扰控制》一文中研究指出船舶在实际航行过程中会受到风、浪、流等的干扰,使船舶模型表现出非线性和不确定性,这为船舶航向控制器的设计带来了困难。针对该问题,结合BP神经网络的自适应能力,设计了两种可以实现参数在线学习的自抗扰控制器,并进行了多种情况下的仿真控制,结果表明自适应自抗扰控制器在船舶受到外界扰动和参数摄动等干扰时仍旧保持良好的控制性能,鲁棒性好。(本文来源于《第30届中国过程控制会议（CPCC 2019）摘要集》期刊2019-07-31）
何倩,张为公,王东,曹斌,田金星[9]（2019）在《电动车驾驶机器人控制器参数自学习方法研究》一文中研究指出针对人工驾驶和现有的机械式驾驶机器人在电动车续驶里程试验中存在成本高、耗时长和错误率高的问题,利用电动车结构和控制上的独特性,依托自行设计的电动车转毂驾驶机器人,采用电信号完成对车辆的控制。为了提高系统适应性,采用非线性最小二乘法实现电动车模型参数的在线辨识;并基于粒子群算法对车辆PID控制器参数进行在线整定,从而完成对任意设定工况速度曲线的跟随。实车试验表明,提出的方法能实现加速踏板的平滑控制,且控制重复性高,完全可以代替驾驶员进行电动车续驶里程试验。(本文来源于《测控技术》期刊2019年07期）
刘嘉,谢冰,杨传旭,万洪强,郑妍[10]（2019）在《基于网络行为自学习的高级持续性威胁检测技术研究》一文中研究指出高级持续威胁(APT)对网络安全构成严重威胁,其独特的高度不可预测性、深度隐蔽性和严重危害性使得传统网络监控技术在大规模复杂网络流量背景下面临前所未有的挑战。针对APT检测的迫切需求,依托大数据分析和云计算技术的快速发展,基于机器学习理论,对网络应用语义丰富的行为特征模式进行描述,通过网络协议反向分析和数据流处理技术的有机结合,建立了一套支持建立入侵容忍网络生态环境的新的APT自学习检测框架。(本文来源于《计算技术与自动化》期刊2019年02期）
自学习论文开题报告
（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：
通道剪枝是深度模型压缩的主要方法之一。针对密集连接卷积神经网络中,每一层都接收其前部所有卷积层的输出特征图作为输入,但并非每个后部层都需要所有先前层的特征,网络中存在很大冗余的缺点。本文提出一种自学习剪枝密集连接网络中冗余通道的方法,得到稀疏密集连接卷积神经网络。首先,提出了一种衡量每个卷积层中每个输入特征图对输出特征图贡献度大小的方法,贡献度小的输入特征图即为冗余特征图;其次,介绍了通过自学习,网络分阶段剪枝冗余通道的训练过程,得到了稀疏密集连接卷积神经网络,该网络剪枝了密集连接网络中的冗余通道,减少了网络参数,降低了存储和计算量;最后,为了验证本文方法的有效性,在图像分类数据集CIFAR-10/100上进行了实验,在不牺牲准确率的前提下减小了模型冗余。
（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。
自学习论文参考文献
[1].高旭,马迎新,汤小兵,陆小荣.基于Matlab神经网络算法的智能变电站光纤回路自学习及自动设计的研究[J].电力系统保护与控制.2019
[2].吴鹏,林国强,郭玉荣,赵振兵.自学习稀疏密集连接卷积神经网络图像分类方法[J].信号处理.2019
[3].陈庆明,杨焕雯,钟益明.储水式电热水器用户习惯的自学习方法及应用[C].2019年中国家用电器技术大会论文集.2019
[4].彭文,姬亚锋,陈小睿,张殿华.热轧非稳态过程轧制力自学习模型优化[J].东北大学学报(自然科学版).2019
[5].陈智雨,巩少岩,俞学豪,闫龙川,朱京.基于自学习超分辨率的电力线路巡检可视化[J].电力信息与通信技术.2019
[6].李银通,韩统,赵辉,王骁飞.自学习策略和Lévy飞行的正弦余弦优化算法[J].重庆大学学报.2019
[7].赵晟然,伍常亮.基于SVM的智能统分自学习系统设计与实现[J].软件导刊.2019
[8].陈增强,秦贝贝,孙明玮,孙青林.基于参数自学习的船舶航向自抗扰控制[C].第30届中国过程控制会议（CPCC2019）摘要集.2019
[9].何倩,张为公,王东,曹斌,田金星.电动车驾驶机器人控制器参数自学习方法研究[J].测控技术.2019
[10].刘嘉,谢冰,杨传旭,万洪强,郑妍.基于网络行为自学习的高级持续性威胁检测技术研究[J].计算技术与自动化.2019
论文知识图
