期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到5篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于条件高斯PAC-Bayes的机载CNN分类器安全性评估 被引量：1
1
作者 马赞 白杰 +2 位作者 陈勇 刘瑞华 张艳婷 《航空学报》 北大核心 2025年第4期217-230,共14页
针对机器学习技术的固有不确定输出特性给航空器适航安全性定量评估造成的挑战,在SAE ARP4761标准框架下,基于条件高斯PAC-Bayes泛化理论提出一种面向卷积神经网络(CNN)分类功能的系统安全性评估方法。首先,基于PAC-Bayes理论,通过条件... 针对机器学习技术的固有不确定输出特性给航空器适航安全性定量评估造成的挑战,在SAE ARP4761标准框架下,基于条件高斯PAC-Bayes泛化理论提出一种面向卷积神经网络(CNN)分类功能的系统安全性评估方法。首先,基于PAC-Bayes理论,通过条件高斯分布改进训练方法,优化泛化界,获取CNN模型不确定性量化表示。其次,提出一种基于泛化界置信度的软件不确定性与硬件可靠性融合方法,获取CNN部件的综合失效基础数据,支持整机/系统的定量安全性评估。最后,以基于CNN的全球导航卫星系统干扰信号识别模块装机为案例,表明该方法对适航安全性评估的有效支撑作用,为CNN技术的装机应用提供了必要的适航符合性保证。同时也实验验证基于条件高斯的方法比标准PAC-Bayes及Vapnik-Chervonenkis维都具有更紧的计算边界。 展开更多
关键词 机载CNN分类器 pac-bayes SAE ARP4761 条件高斯 适航安全性
原文传递
基于PAC-Bayes的多目标强化学习A2C算法研究
2
作者 刘翔 金乾坤 《系统仿真学报》 北大核心 2025年第12期3212-3223,共12页
针对多目标强化学习(multi-objective reinforcement learning,MORL)在探索-利用权衡与不确定性建模方面的理论挑战,构建了一种基于PAC-Bayes理论的学习框架MO-PAC。通过引入多目标随机Critic网络与动态偏好机制,对传统A2C架构进行了关... 针对多目标强化学习(multi-objective reinforcement learning,MORL)在探索-利用权衡与不确定性建模方面的理论挑战,构建了一种基于PAC-Bayes理论的学习框架MO-PAC。通过引入多目标随机Critic网络与动态偏好机制,对传统A2C架构进行了关键性扩展,实现了对复杂Pareto前沿的自适应与高效逼近。实验结果表明:在MuJoCo多目标环境中,MO-PAC相比基线算法在超体积指标上平均提升约20%,期望效用指标平均提升约60%,并展现出更优的收敛效率与鲁棒性,验证了其在多目标决策中的理论价值与实际性能优势。MO-PAC框架克服了现有方法在动态权衡及不确定性建模的理论局限,为MORL理论体系提供新的方法论支撑。 展开更多
关键词 多目标优化 多目标强化学习 行动者-批评家算法 不确定性 pac-bayes理论
原文传递
PAC-Bayes理论及应用研究综述 被引量：3
3
作者 汤莉 宫秀军 何丽 《计算机科学与探索》 CSCD 北大核心 2015年第1期1-13,共13页
PAC-Bayes理论融合了贝叶斯定理和随机分类器的结构风险最小化原理,它作为一个理论框架,可得到最紧的泛化风险边界。分析了PAC-Bayes理论的研究背景和重要意义,介绍了PAC-Bayes理论框架及其在支持向量机上的应用,分别探讨了多种机器学... PAC-Bayes理论融合了贝叶斯定理和随机分类器的结构风险最小化原理,它作为一个理论框架,可得到最紧的泛化风险边界。分析了PAC-Bayes理论的研究背景和重要意义,介绍了PAC-Bayes理论框架及其在支持向量机上的应用,分别探讨了多种机器学习算法的PAC-Bayes边界,并特别对非独立同分布数据的PACBayes边界进行了分析。从4个方面深入阐述了PAC-Bayes边界应用的研究现状及进展,并对不同的研究方法和特点进行了比较。最后展望了PAC-Bayes边界未来的研究发展方向。 展开更多
关键词 pac-bayes边界 支持向量机 泛化能力 分类器
在线阅读 下载PDF
基于PAC-Bayes理论的Web文档数据质量评估方法 被引量：2
4
作者 汤莉 何丽 《计算机工程与科学》 CSCD 北大核心 2017年第3期572-579,共8页
为了更好地评估Web文档数据质量,提出一种基于PAC-Bayes理论的Web文档质量评估指标体系和评估方法。PAC-Bayes理论融合了PAC理论和贝叶斯定理,在充分利用样本先验信息的基础上,推导出了最紧的泛化风险边界,用于衡量学习算法的泛化性能... 为了更好地评估Web文档数据质量,提出一种基于PAC-Bayes理论的Web文档质量评估指标体系和评估方法。PAC-Bayes理论融合了PAC理论和贝叶斯定理,在充分利用样本先验信息的基础上,推导出了最紧的泛化风险边界,用于衡量学习算法的泛化性能。首先阐述了文档数据质量评估的研究现状,介绍了PAC-Bayes理论框架及其在支持向量机上的应用;其次提出一种基于PAC-Bayes理论的Web文档数据质量评估方法(DQAPB),将SVM算法及其PAC-Bayes边界应用于Web文档的质量评价中,并构建了基于PAC-Bayes理论的Web文档质量评估指标体系;最后采用Wikipedia文档进行实验,实验结果表明该方法具有简便快速、稳定性和鲁棒性较强的优点。 展开更多
关键词 pac-bayes边界 支持向量机 泛化能力 数据质量评估
在线阅读 下载PDF
变分推断域适配驱动的城市街景语义分割
5
作者 金玉杰 初旭 +1 位作者 王亚沙 赵俊峰 《计算机科学》 CSCD 北大核心 2022年第11期126-133,共8页
街景语义分割技术旨在从图像中识别分割出行人、障碍物、道路、标志物等要素,为车辆提供道路上自由空间的信息,是自动驾驶的关键技术之一。高性能的语义分割系统非常依赖于训练时所需的大量真实标注数据,然而为图像中的每个像素进行标... 街景语义分割技术旨在从图像中识别分割出行人、障碍物、道路、标志物等要素,为车辆提供道路上自由空间的信息,是自动驾驶的关键技术之一。高性能的语义分割系统非常依赖于训练时所需的大量真实标注数据,然而为图像中的每个像素进行标注成本很高,往往难以实现。一种低成本获取标注数据的方法是利用视频游戏收集逼真且标注成本低的合成图片,来帮助机器学习模型对现实世界中的图片作语义分割,这对应域适配技术。与当前基于VC维理论或Rademacher复杂度理论的主流语义分割域适配方法不同,受基于PAC-Bayes理论的兼容伪标签函数的域适配目标域Gibbs风险上界启发,考虑假设空间的平均情况而非最差情况,以避免主流方法过度约束隐空间上的领域差异,从而导致目标域泛化误差上界未能被有效估计并优化的问题。在上述思想的指导下,提出了一种变分推断语义分割域适配方法(VISA),该方法在利用Dropout变分族进行变分推断求解假设空间上的理想后验分布的同时能快速得到一个近似Bayes分类器,并通过目标域熵最小化和筛选像素点使得对风险上界的估计更加准确。在街景语义分割数据集GTA5→Cityscapes上的适配的实验结果表明,VISA方法相比基线方法平均交并比提高了0.5%~6.6%,且在行人、车辆等关键街景要素上具有较高的识别准确率。 展开更多
关键词 语义分割 域适配 pac-bayes理论 变分推断 深度神经网络
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部