移动互联网的高速发展带来了大量具有图结构的数据,如社交网络等,这些具有图结构的数据越来越得到人们的关注。为了深入挖掘空间结构信息,人们提出了图卷积神经网络。然而,图卷积神经网络虽然能很好的挖掘出图结构的信息,但当一个新的领域出现时,训练好的神经网络并不能不加修改的直接应用于新的领域。迁移学习可以利用已有域即源域的知识帮助解决新的领域即目标域的问题。根据源域的个数,可以分为单源域和多源域,单源域实际上是多源域的一个特例,因此本文主要研究多源域的情况。本文根据源域与目标域特征空间的异同,提出了两种基于图卷积神经网络的迁移学习方法,分别解决同构社交网络图模型下的节点识别问题和异构社交网络图模型下的节点识别问题。针对同构社交网络图模型下的节点识别问题,首先,本文提出了一种基于混合度量的分布距离衡量方法,选择分布距离与目标域较小的源域进行融合,然后对融合的源域和目标域进行分布对齐,减小它们的分布差异,最后使用图卷积神经网络提取他们的空间特  (本文共66页) 本文目录 | 阅读全文>>

随着Cohen-Grossberg神经网络的广泛应用,越来越多的学者对该网络模型展开了研究,并已取得了大量深刻的研究成果。由于脉冲信息传输是生物神经网络的内在属性,近年来,脉冲神经网络成为了人工智能领域的研究热点。同时,由于物理属性的限制,生物神经元或者其它物理系统的输入和输出都不可避免地存在着饱和现象。因此,对具有饱和约束的脉冲神经网络进行研究,具有重要的理论意义和潜在的应用价值。本文利用脉冲微分方程理论、饱和控制系统理论,以及不等式技术,对含饱和脉冲输入的Cohen-Grossberg神经网络的稳定性进行了研究,得到了该神经网络渐近稳定的充分条件。具体地,本文的主要工作包括如下两个方面:(1)研究了具有固定时刻饱和脉冲输入的Cohen-Grossberg神经网络的稳定性问题。考虑到对称饱和约束,本文提出了受到对称饱和脉冲影响的CohenGrossberg神经网络模型,并对此网络的稳定性进行了研究。利用Lyapunov稳定性理...  (本文共57页) 本文目录 | 阅读全文>>

近年来,由于神经网络在信号处理、优化、联想记忆等领域的广泛应用而备受关注。作为一种特殊的复杂网络,耦合神经网络是由多个相互作用的神经网络组成的,目前也成为一个热点问题。然而,大多数关于耦合神经网络的现有工作中所考虑的网络模型是单权重的。事实上,现实世界中的大多数网络模型由节点以多权重耦合形式耦合的多权重复杂动态网络表示更加准确,例如,社交网络、通信网络、交通网络等。因此,研究多权重耦合神经网络是具有重要意义的。本文分别提出了具有和不具有时变时滞耦合的多权重耦合神经网络模型,并利用Lyapunov稳定性理论和一些不等式技术研究了网络的反同步和有限时间反同步问题。首先,通过构造合适Lyapunov泛函以及利用一些不等式技术分析了多权重耦合神经网络的反同步问题,并给出了所考虑网络实现反同步的条件。同时,通过设计合适的牵制自适应控制器控制网络中的一部分节点,我们进一步研究了网络的反同步问题,并得到了保证网络实现牵制反同步的有效准则。其次...  (本文共69页) 本文目录 | 阅读全文>>

语音增强是指从含有噪声的语音信号中恢复纯净语音信号的任务。语音增强的目的是为了提高被噪声干扰的语音信号的语音质量和可懂度。语音增强有很多的应用领域,包括移动语音通信、助听器设计、自动语音识别和自动说话人识别等。在过去的几十年里,科学家们提出了很多语音增强方法。例如谱减法和维纳滤波法,但这两种经典方法的一个共同问题是将“音乐噪声”引入到了增强后的语音中;直到Malah等人提出了基于最小均方误差估计的语音增强模型,才取得了优于谱减法和维纳滤波的性能,音乐噪声的问题也得到了有效改善;在此之后,众多的基于最小均方误差的语音增强方法被科学家们提出,例如基于最小均方误差准则的对数谱幅度估计算法和最优改进的对数谱幅度估计算法。在这些传统方法中,大部分方法都假设噪声频谱的估计是可用而且准确的,然而在低信噪比的条件下,噪声模型却很难被准确估计,这样就会导致语音增强后的信号出现失真现象。为了克服传统语音增强方法的不足,基于深度学习的语音增强方法近些...  (本文共55页) 本文目录 | 阅读全文>>

煤体结构即地质历史演变阶段煤层受到不同地质作用所呈现结构特征,通过变形与变质作用下,煤体随之分成原生结构煤与构造煤。目前很多学者通过宏观法、显微法观察构造煤分类,宏观法主要通过人眼现场以及手标本观察,宏观法分为OM显微镜观察与SEM显微镜下图像分析,方法费时费力,精度不高。在这种背景下,本文提出了基于循环神经网络的模型预测煤体结构分类。首先,通过LDA方法对三维地震属性数据降维,最大程度减小不同变量间相关性;其次,针对传统循环神经网络容易出现梯度消失的问题,论文提出了两种改进的循环神经网络结构:LSTM和GRU。根据三维地震属性数据的高维度特性进行优化,构建了高维循环神经网络。同时,对LSTM作为控制单元的高维循环神经网络模型进行调整。为了保证预测模型的精度,论文使用Softmax函数输出分类结果。最后,论文把改进的高维循环神经网络预测模型应用于芦岭煤矿Ⅱ六采区8煤层,预测结果显示与真实的地质资料具有良好的一致性。同时,该模型与...  (本文共72页) 本文目录 | 阅读全文>>

许多工程问题可以简化为多自由度振动问题来描述机械系统振动的主要特征,因此多自由度振动方程的求解和分析是非常重要的。求解多自由度振动方程的方法有很多,但这些方法都有一些不足,如振型叠加法在求解过程中涉及矩阵求逆,对于大型问题并不适用;直接积分法需要选择合理的迭代步骤,但这是不易操作的;精细积分计算过程出现大量矩阵计算和矩阵指数计算,如何处理这些运算对计算结果很重要。由于人工智能的高速发展,神经网络作为其中一员,其理论也取得了极大的进步,并且被应用到了众多领域,本文详细论述了应用神经网络方法求解多自由度振动方程的问题。对于传统的求解振动方程的方法,由于涉及大量的矩阵计算或者是迭代过程的参数难以确定而对求解过程带来难题。为此本文引入对偶神经网络方法求解多自由度振动问题,此方法的优势在于只需要对振动方程进行简单的等效变换而不涉及大量的矩阵计算,并且只需要调整神经网络参数就可以得到多自由度振动方程的结果。通过算例仿真,证明应用对偶神经网络...  (本文共58页) 本文目录 | 阅读全文>>