导读:本文包含了高斯模式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:高斯,模式,波束,喇叭,盖尔,馈源,热核。
高斯模式论文文献综述
陈凯[1]（2019）在《面向多任务模式学习与外推的自适应高斯过程算法研究》一文中研究指出在机器学习中,自适应多任务模式学习和外推算法可以广泛应用在气候预测、市场波动预警、环境监测、河流流量变化估计等物联网场景中。近年来,多任务高斯过程MTGPs(Multi-task Gaussian Processes)在学习任务间的协同关系和多任务并发预测上取得了显着的进展,比如:从线性结合相互独立的单任务高斯过程模型到直接对任务间的交叉协方差结构建模,使其可以有效地同时对多任务进行自适应模式学习,因而提高了多任务并发预测的精度。值得注意的是,所有这些具有代表性的MTPGs都必须对任意变量间两层相关关系进行编码,分别是单任务输入空间内随机变量的相关关系和任务间的协同关系,但是现有方法SM(Spectral Mixture)、GPRN(Gaussian Process Regression Network)、CSM(Cross Spectral Mixture)在可表达性和可解释性上还需进一步提升,MOSM(Multi-output Spectral Mixture)则存在多任务与单任务的兼容性问题,而这些问题都影响了自适应多任务模式学习和外推预测的准确率。为了纠正和更好地数学描述这两层相关关系,本论文提出了一种结构化可解释的通用卷积谱混合成分核函数GCSM(Generalized Convolution Spectral Mixture)来构造单任务高斯过程,然后利用这种核函数的交叉卷积机制将其平滑扩展到多任务高斯过程学习的场景中,从而得到了MOCSM(Multi-output Convolution Spectral Mixture)和GCSM-CC(Generalized Convolution Spectral Mixture with Cross Coregionalization)。首先,在高斯过程(Gaussian Processes,GP)机器学习中,表示能力较强的谱混合成分核函数SM可以自适应地从数据中发现模式、进行外推甚至描述变量间的负协方差。由于SM仅仅只是准周期高斯成分的线性加权级数,使得SM难以明确地表示这些成分间的依赖关系。本论文研究了SM成分间的依赖关系、依赖关系的时延和相位特点以及这些依赖关系的作用。通过分析后验协方差和代表性的实例,本论文提出了一种框架来分析这种依赖关系的存在性。进一步扩展SM使其可以明确地表示SM成分间的依赖关系,在本论文称之为GCSM。构造满足正定条件的GCSM可以分为两个步骤:1.改造SM成分成为使其可以包含时延θ和相位?,然后利用卷积将改造后的SM成分开根号分解为基成分;2.构造基成分之间交叉相关系数,本质上等同于交叉卷积,该交叉相关系数经过傅里叶变换后成为交叉谱密度。在该方法中,SM仅仅考虑到了基成分的自卷积。如果不考虑时延和相位,相比SM,GCSM没有额外增加超参数的数量。无论是在合成数据集还是在真实数据集上,全面的实验分析和比较表明对SM成分的依赖进行表示可以有效提高GP的自适应学习能力和外推性能,同时还可以利用交叉验证技术来设置依赖关系中是否包含时延和相位。这种性能提升在对自然现象的建模中特别明显,因为自然现象往往较少受到人类活动的干扰,而受到物理因素的相干干涉影响较大。其次,受到GCSM的启发,本论文利用交叉卷积来构造了一个新的多通道多输出卷积谱混合成分核MOCSM来解决多通道多输出高斯过程的自适应学习,在这里多通道多输出高斯过程和多任务高斯过程本质一样,一个通道输出对应于一个任务。在MOCSM中,利用交叉卷积来表示不同通道间的依赖关系,该依赖关系也具有时延和相位特点。MOCSM可以同时预测多个输出通道,并且具有更好的性能和兼容性。通过在合成数据集和实际物联网数据集上的全面实验表明MOCSM在自适应学习能力上具有明显的优势并且超过当前的最新模型。特别是,考虑一种特殊情况,即当只有一种输出通道需要拟合时,MOCSM可以完美的降级为SM,这是其他的模型所不具备的。与最近提出的MOSM模型做全面对比,在MOSM的幅度信息中混合了信号方差(signal variance)和距离缩放因子(length scale),当不同通道中的谱密度比较相似时,MOSM会产生不合理的局部协方差缩放效果。因此,显然MOCSM具有更好的自适应兼容性和普适性。然后,本论文进一步分析了MTGPs中的高斯过程回归网络框架GPRN,并且针对任务间的协同关系提出了一种参数化解释。GPRN用神经网络来表示多任务建模的协同关系,而在所有基于GPRN的方法中,全部使用了多个通道(神经元)的线性加权和来描述单个任务输入空间的变量关系和任务间的协同关系,而忽略了通道间的交互耦合。鉴于此,本论文赋予该神经网络的多个通道间存在依赖关系并对其进行编码。本论文提出了一种新的基于神经网络的多任务高斯过程模型,该模型可以同时模拟两层依赖关系,分别是单任务输入空间内随机变量内在成分间的依赖(即变量内在依赖)和任务间不同协同关系通道的依赖(任务交叉依赖),该模型提升了现有方法的可表达性和可解释性。具体而言,本论文利用交叉卷积来描述GPRN神经网络中各独立通道(神经元)之间的变量内在依赖,其中每个通道都由一个SM成分来描述,再利用耦合区域协同来描述任务间交叉依赖。这两个层次的依赖建立了一种信息管道使得GPRN神经网络中不同的神经元之间可以通信。本论文把这种对GPRN神经网络中神经元之间依赖关系进行显式建模的方法称为通道交叉卷积和耦合区域协同的高斯过程回归网络GCSM-CC。以上方法兼顾了单任务和多任务高斯过程的不同特点,具有很好的兼容性、可解释性、可表达性、普适性和自适应模式学习能力。在合成数据集和物联网数据集上的大量实验表明,本论文提出的方法可以有效地实现单任务和多任务的未来趋势外推预测,相比于现有最新的方法,均表现出了更优的预测性能。(本文来源于《中国科学院大学(中国科学院深圳先进技术研究院)》期刊2019-10-01）
胡海霞,王陵,李晨,李凡,朱典[2]（2019）在《截断混合高斯分布入组模式下生存资料样本量估计》一文中研究指出目的在入组间期长的生存资料临床试验中,受试者入组速率可能受招募广告宣传等多因素影响而存在反复波动,本文采用截断混合高斯分布拟合这种入组速率变化并估计该入组模式下需要的样本量。方法在指数分布生存时间和指数失访假设下,采用多重积分法推导受试者入组速率服从截断混合高斯分布时的事件发生率及样本量计算公式;分别计算截断混合高斯分布中均值、方差、权重分配变化时样本量变化情况;通过Monte Carlo模拟对采用均匀分布估计波动入组速率可能引起的试验检验效能损失及对提出样本量计算公式的稳健性进行评价。结果截断混合高斯入组模式下各高斯组分的均值越小、均值较小高斯组分的方差越小、权重越大,需要的样本量越小,即受试者入组速率高峰出现较晚或早期入组速率波峰窄小时需要更多的样本量;采用均匀分布拟合波动入组速率可能会引起不同程度的试验检验效能不足,而在截断混合高斯入组模式计算的样本量下试验检验效能基本能稳定在预期水平;截断混合高斯入组模式还可以近似恒定入组速率,单调增或减入组速率等情况。结论截断混合高斯入组模式及提出的样本量计算公式具有较好的稳健性,适用性更广,可以用于生存资料临床试验样本量估计。(本文来源于《中国卫生统计》期刊2019年03期）
邵鹏飞,邹丽娜[3]（2019）在《高斯色噪声下的子阵平滑主模式抑制波束形成》一文中研究指出实际海洋波导是一种具有空-时相关性的衰落信道,且其驻留的海洋环境背景噪声场呈现非均匀各向异性的特性,噪声场时空相关性并非δ函数,大孔径声呐的探测性能会受到很大影响。将背景噪声建模为有色高斯随机过程,设计基于子阵平滑的主模式抑制(Dominant Mode Rejection, DMR)波束形成算法,以实现小快拍数条件下具有去相关作用的自适应处理,较好地提高了大孔径阵声呐在高斯色噪声环境下的探测能力。模拟仿真结果表明,该方法具有良好的抑制高斯色噪声的能力。(本文来源于《声学技术》期刊2019年01期）
张研,王伟,张炳晖[4]（2018）在《基于高斯过程的层状危岩失稳模式识别》一文中研究指出层状危岩失稳与其影响因素之间存在着复杂的非线性关系,如何根据影响因素有效识别层状危岩稳定性是一类复杂的模式识别问题。基于高斯过程二元分类模型,提出一种层状危岩失稳模式识别方法。该方法通过对少量训练样本的学习,建立层状危岩失稳模式与其影响因素之间的复杂非线性映射关系,对仅提供影响因素的预测样本进行具有概率意义的识别输出。研究结果表明:该方法除具有小样本、模型参数自适应确定、识别精度高等优点之外,还能够对预测结果给予概率意义的可信度,为工程实际有效识别层状危岩失稳模式提供了定量的依据,具有良好的应用前景。(本文来源于《人民长江》期刊2018年S2期）
刘本田,张杨,张亦弛,李志良,冯进军[5]（2018）在《TE_(22,6)模式—高斯波的准光模式转换器设计》一文中研究指出准光模式转换器是高功率毫米波回旋管的重要组成部份,能够实现电磁波与电子注的分离、隔离波的反射,并实现回旋管的高斯波束输出。基于耦合波理论,分析设计出用于频率140GHz、TE_(22.6)模式回旋管的Denisov辐射器;基于几何光学理论,设计出准光反射镜面系统,并采用Feko软件进行优化。计算结果表明,所设计的准光模式转换器系统的转换效率约为97.3%,波束的高斯含量约为93.3%,达到了回旋管的应用需求。(本文来源于《太赫兹科学与电子信息学报》期刊2018年05期）
谢继龙,王宁,陈明明,贾宏志[6]（2018）在《基于拉盖尔-高斯光束的螺旋干涉模式研究》一文中研究指出为提高粒子操控的灵活性和精度,一种基于拉盖尔-高斯光束的可控螺旋干涉模式被提出。通过理论分析两束拉盖尔-高斯光束同轴迭加光场,给出了不同参数的变化对干涉光场强度分布的影响。通过仿真模拟,研究参数变化对场强结构的调控作用。结果表明,通过改变两束拉盖尔-高斯光束的拓扑电荷数可以实现干涉模式光场强度极大值的数量和分布的动态调整,增加了对粒子操控的灵活性和可控性,为提高光束微粒操控的精度的提升提供了可能。(本文来源于《光学仪器》期刊2018年05期）
李志良,冯进军,刘本田,张杨[7]（2018）在《263GHzDNP-NMR用回旋管高斯模式输出窗设计》一文中研究指出根据增强型动态核极化核磁共振(DNP-NMR)发展需要,对263GHz回旋振荡管高斯模式输出窗进行研究,以蓝宝石作为输出窗片的材料,通过理论分析,优化设计出无反射高斯模式输出窗片的尺寸。分析各参数对高斯模式透射率的影响,并利用FEKO软件进行计算验证,两者结果一致,从而获得高斯模式输出窗设计参数,为DNP-NMR用回旋振荡管的研究提供有益参考。(本文来源于《中国电子学会真空电子学分会第二十一届学术年会论文集》期刊2018-08-23）
刘小明,于海洋,王海,俞俊生,陈晓东[8]（2018）在《多模式超高斯馈源的设计与分析》一文中研究指出针对各类探测器高性能馈源喇叭的需求,对多模式超高斯馈源的理论进行研究,特别是对低旁瓣进行分析。采用波纹喇叭及多节喇叭技术对馈源进行设计,并用全波分析法进行仿真验证。讨论利用级联矩阵理论对多节结构进行优化分析的基本流程。基于仿真结果,综合比较了基于这2种设计技术的馈源喇叭性能的优劣。结果表明:多节结构相对传统的波纹喇叭具有结构简单、旁瓣电平无明显恶化的优势;其劣势在于由于引入多模结构,带宽仍有待提高。采用级联矩阵的优化方法可将结构与模式理论结合,是一种物理概念更加清晰的方法。该研究对于高性能超高斯喇叭的设计和加工有一定的参考价值。(本文来源于《上海航天》期刊2018年02期）
崔晨,刘伟,毛洪钧,吴琳[9]（2018）在《基于高斯模式的天津机动车尾气扩散模拟研究》一文中研究指出以高斯模式作为理论基础,建立天津市机动车尾气扩散模型,并利用气象条件进行修正.选取天津市2016年12月22日作为研究时间,天津市东丽区某路线作为研究区域对车外PM2.5、O3和CO进行数值模拟,并将模拟结果与实测值进行对比分析.结果表明,经模型模拟得到的PM2.5、O3和CO质量浓度模拟值与实测值起伏变化趋势基本一致,经过统计学分析后PM2.5的模拟值和实测值相关系数可达0.87,O3的模拟值和实测值相关系数可达0.41,CO的模拟值和实测值相关系数可达0.7,说明建立的该模型对于天津市的车外空气质量模拟效果较好,模型具有可适性.(本文来源于《哈尔滨商业大学学报(自然科学版)》期刊2018年01期）
黄辰,费继友,刘晓东[10]（2018）在《基于高斯局部二值模式的纹理特征分类方法》一文中研究指出纹理描述在图像分析和模式分类领域具有极为重要的意义。为提高特征描述的鲁棒性,提出了一种基于高斯局部二值模式的纹理特征提取方法。首先,采用加强预处理使高斯滤波获得不同尺度的图像,从而构建多尺度的图像金字塔;其次,为提升旋转不变性和抗噪声能力,提出具有主方向特征的二值模式;最后,在不同尺度上提取3种有效的局部二值模式联合构造纹理描述,并通过直方图降维。试验结果表明,该特征具有较好的可区分性和有效性,可以有效应用到视觉图像的纹理分类中。(本文来源于《电子技术应用》期刊2018年01期）
高斯模式论文开题报告
（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：
目的在入组间期长的生存资料临床试验中,受试者入组速率可能受招募广告宣传等多因素影响而存在反复波动,本文采用截断混合高斯分布拟合这种入组速率变化并估计该入组模式下需要的样本量。方法在指数分布生存时间和指数失访假设下,采用多重积分法推导受试者入组速率服从截断混合高斯分布时的事件发生率及样本量计算公式;分别计算截断混合高斯分布中均值、方差、权重分配变化时样本量变化情况;通过Monte Carlo模拟对采用均匀分布估计波动入组速率可能引起的试验检验效能损失及对提出样本量计算公式的稳健性进行评价。结果截断混合高斯入组模式下各高斯组分的均值越小、均值较小高斯组分的方差越小、权重越大,需要的样本量越小,即受试者入组速率高峰出现较晚或早期入组速率波峰窄小时需要更多的样本量;采用均匀分布拟合波动入组速率可能会引起不同程度的试验检验效能不足,而在截断混合高斯入组模式计算的样本量下试验检验效能基本能稳定在预期水平;截断混合高斯入组模式还可以近似恒定入组速率,单调增或减入组速率等情况。结论截断混合高斯入组模式及提出的样本量计算公式具有较好的稳健性,适用性更广,可以用于生存资料临床试验样本量估计。
（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。
高斯模式论文参考文献
[1].陈凯.面向多任务模式学习与外推的自适应高斯过程算法研究[D].中国科学院大学(中国科学院深圳先进技术研究院).2019
[2].胡海霞,王陵,李晨,李凡,朱典.截断混合高斯分布入组模式下生存资料样本量估计[J].中国卫生统计.2019
[3].邵鹏飞,邹丽娜.高斯色噪声下的子阵平滑主模式抑制波束形成[J].声学技术.2019
[4].张研,王伟,张炳晖.基于高斯过程的层状危岩失稳模式识别[J].人民长江.2018
[5].刘本田,张杨,张亦弛,李志良,冯进军.TE_(22,6)模式—高斯波的准光模式转换器设计[J].太赫兹科学与电子信息学报.2018
[6].谢继龙,王宁,陈明明,贾宏志.基于拉盖尔-高斯光束的螺旋干涉模式研究[J].光学仪器.2018
[7].李志良,冯进军,刘本田,张杨.263GHzDNP-NMR用回旋管高斯模式输出窗设计[C].中国电子学会真空电子学分会第二十一届学术年会论文集.2018
[8].刘小明,于海洋,王海,俞俊生,陈晓东.多模式超高斯馈源的设计与分析[J].上海航天.2018
[9].崔晨,刘伟,毛洪钧,吴琳.基于高斯模式的天津机动车尾气扩散模拟研究[J].哈尔滨商业大学学报(自然科学版).2018
[10].黄辰,费继友,刘晓东.基于高斯局部二值模式的纹理特征分类方法[J].电子技术应用.2018
论文知识图
