为了提高可燃气体异常检测的预测精度,针对回声状态网络中权值的随机初始化会造成实际值和预测值之间误差较大的问题,提出一种改进回声状态网络的权值初始化方法.首先利用Xavier初始化方法使得各层激活值的方差、状态梯度的方差分别在传播过程中保持一致,从而确保网络中信息更好地流动,然后采用改进回声状态网络对时间序列数据进行学习,建立预测模型,最后分别在三类不同的数据集上对模型性能进行仿真测试.结果表明,与原回声状态网络相比,改进后模型的均方误差、归一化均方根误差和平均绝对百分比误差明显降低,可以对可燃气体信息进行更准确的预测,根据预测值和实际值的残差实现对可燃气体的异常检测,具有更好的应用价值.
近年来河流生态系统健康日益受到关注,对于河流生态系统健康的评价既是推进河流生态系统保护工作的重要评估工具,又是深入了解河流现状,促进沿河地区经济社会可持续发展的一项重要举措.国内外学者运用多种评价方法来评估河流生态系统健康状况,其中多指标评价法是如今运用最多的一种评价方法.文章介绍了多指标评价法在河流生态系统健康评价中的研究现状,分析了不同评价方法的优劣,综述了国内外学者运用多指标评价法在河流生态系统健康评价中取得的研究成果,讨论并展望了多指标评价法在河流生态系统健康评价中的应用前景.
相关性分析因其能快速发现数据间潜在的关系而变得越来越重要了.在现实生活中,人们经常要分析多变量间的相关性大小.鉴于此,提出一种能够度量多变量间相关关系的度量方法——多变量间的最大互信息系数(Multi-variable Maximal Mutual Information Coefficient,Mv_MMIC),该方法能够探测多变量间广泛的相关关系,这里的广泛相关关系包括线性和非线性的函数型关系,甚至所有的函数型关系.首先利用最大互信息系数MIC(Mutual Information Coeffi-cient)构建最大互信息系数矩阵,然后基于矩阵的特征分解原理,利用最大互信息系数矩阵的特征值构建出度量多变量间相关关系的度量方法,把度量两个随机变量间的相关关系的方法MIC巧妙地从两纬度的度量准则推广到度量多变量间的相关性的多维度度量准则中,最后通过实验证明:多变量间的最大互信息系数Mv_MMIC保留了 MIC的通用性和公平性的优点,具有一定的理论研究和实际应用价值.
网络表示学习是为了将网络中的顶点用低维的向量进行表示,将网络的整体结构保持的完整.这些表示过后的向量可以被看做原始网络的特征,进行下游任务,在多标签节点分类,多路链路预测实验时,结果表明我们的方法在不同数据集中有着优秀的表现.
借助多元变换技巧,将广义变系数Kadomtsev-Petviashvili方程约化为常系数(2+1)维Kadomtsev-Petviashvili方程,基于Hirota双线性方法,按照Wronskian技巧,可以得到常系数Kadomtsev-Petviashvili方程的精确解,再运用多元变换,构造出广义变系数Kadomtsev-Petviash-vili 方程一般化的单孤子解、双孤子解以及N孤子解,并且展示出单、双孤子解的非线性动力学过程,这将有助于理解孤波的演化发展.
