导读:本文包含了正则化策略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:正则,方程,图像,策略,参数,迭代法,卷积。
正则化策略论文文献综述
胡辉,司凤洋,曾琛,舒文璐[1]（2019）在《一种结合Dropblock和Dropout的正则化策略》一文中研究指出为了能够全面且高效加快卷积分类网络的收敛速度和提升稳定性,提出了一种新的正则化策略,将Dropblock算法和Dropout算法相结合,从而实现对整个卷积分类网络的浅层、中层和深层网络进行正则化.其中,Dropblock通过隐藏部分特征图实现卷积层正则化,Dropout通过隐藏部分权重参数实现全连接层正则化,从而实现对整个卷积分类网络进行全面正则化.通过Kaggle猫狗分类大赛提供的数据集进行训练和测试实验表明,提出的新的正则化策略可有效加快分类网络的收敛速度和提升稳定性,此外,能有效提高深度卷积分类网络的分类准确率.(本文来源于《河南师范大学学报(自然科学版)》期刊2019年06期）
安佳星[2]（2019）在《CS-MRI图像重建算法正则化参数控制策略研究》一文中研究指出磁共振成像技术(MRI)作为现代医疗影像技术中不可或缺的组成部分,信号采集时间过长是其最主要的缺陷。因此,众多学者致力于研究MRI的快速成像技术。压缩感知(CS)理论是信号处理领域兴起的一种信号采集和处理理论,将压缩感知理论应用于磁共振成像,可以有效地利用先验信息和部分K空间数据,通过非线性重建算法将磁共振图像精确地重建出来。在重建算法中,正则化模型的选取和步长大小固定是影响算法精度的重要因素,针对以上不足,本文在应用压缩感知理论的基础上,对已有的正则化模型进行改进,并提出了一种正则化参数控制策略,在算法迭代过程中修正正则化参数,从而精确重建出高质量MRI图像。交替方向乘子(ADMM)算法是求解优化问题的有效方法,该算法是从增广拉格朗日算法的基础上发展起来的,兼具了乘子法和交替最小化算法的优点,可以行之有效地解决具有可分离结构的凸优化问题。本文在以全变分作为ADMM算法正则项的基础上,提出一种非局部全变分(NLTV)正则化模型,该模型使用图像块间的距离来衡量图像的结构相似度的方式代替利用邻域像素点的度量方式,因此它能够更好地保护图像的细节纹理。传统非线性重建算法中正则化系数具有平衡正则项的作用,正则化系数的取值通常为固定值。在精确重建图像过程中,随着迭代次数的增多,两个相邻迭代的重建图像能量差是逐渐减小的,总体上重建图像能量差在重建初期下降幅度较快,随后下降幅度减慢,最后在一定范围内稳定。本文根据相邻迭代阶段的重建图像能量差的变化规律,提出一种修正正则化参数(MRP)的正则化参数控制策略,使得在压缩感知磁共振重建算法迭代过程中,采用数值较大的正则化参数平滑噪声,采用数值较小的正则化参数恢复边缘细节信息,平衡正则项和数据项。实验结果表明,在相同测量数据和实验条件的情况下,利用本文所提控制策略的重建算法重建出图像的质量均获得了提升,无论主客观评价指标均有所提高。(本文来源于《哈尔滨理工大学》期刊2019-03-01）
吴文亮,李建军[3]（2018）在《预光滑子正则化求解的图像修复策略》一文中研究指出由于传感器噪声或者拍摄抖动,容易导致数字图像含有噪声,所以必须对模糊图像进行修复处理,本文针对正则化模型在图像修复中还存在的抗噪性能较差的问题,提出了一种预光滑子正则化求解的图像修复策略。首先采用软阈值对正则化去噪模型进行最优化求解,然后构建基于离散小波的多重网格,然后为了得到最优正则化参数,采用预光滑子策略对其最粗层进行优化,并采用软阈值方法消除残留的高频信息。算法仿真实验结果表明,本文提出的方法在大多数噪声水平下比其它方法表现更优秀,并且计算时间明显比其它方法更少。(本文来源于《科技通报》期刊2018年09期）
毛东玲[4]（2018）在《修正的Helmholtz方程Cauchy问题的两类正则化策略》一文中研究指出本文研究了修正的Helmholtz方程Cauchy问题,该问题是一类严重不适定问题.为了得到稳定的数值解,本文分别采用软化的正则化方法与分数次Tikhonov正则化方法得到它的近似解,并分别给出其近似解与精确解之间的误差估计.最后给出几个例子以说明这两种正则方法的可行性和有效性.(本文来源于《西北师范大学》期刊2018-05-01）
宋天恒[5]（2016）在《强化学习问题中的正则化最小二乘策略评价算法的研究》一文中研究指出策略评价和学习控制是强化学习问题中两大主要任务。其中策略评价过程是指在给定策略下,对特定起始状态之后可获得的未来奖赏折扣和的期望值做出估计。近年来,许多基于时域差分和值函数逼近的改进策略评价算法被提出,改进的内容包括提高样本利用率、实现参数正则化、以资格迹形式扩展,及应用于离策略问题的扩展等。因此,课题重点研究了提高正则化在线策略评价算法的方法,提出了一系列求解不同类型问题中的特定算法。论文的研究内容分为叁个部分:(1)提出了带有梯度修正项的最小二乘时域差分(LS-TDC)策略评价算法,以及基于核方法的KLS-TDC算法。LS-TDC在最小二乘框架下借助梯度修正作用,具有良好的收敛性能。通过采用核方法构造特征函数,KLS-TDC方法具有更好的泛化特性,并且利用近似线性独立性分析,该方法可以自动进行特征函数选择。另外基于KLS-TDC构造了一种用于解决学习控制问题的策略迭代方法。通过在策略和离策略学习问题,以及学习控制问题测试了所提出两种方法的收敛性和参数敏感度。(2)基于多步递推最小二乘技术,提出了一种具有O(n2)复杂度的在线递推LS-TDC方法,称为RC算法。为了进一步提高样本利用率,RC算法进行了带有资格迹形式的扩展。同时为了使RC可以进行离策略学习,利用重要性采样方法对状态分布进行了加权。为了使得RC算法实现具有目标函数意义的正则化,提出了带有正则化更新步骤在线l2-正则化RC算法,使得正则化效果随着样本数量的增加保持不变,参数的变化更加稳定。同时还提出一个计算量更小的等效近似算法FRRC。论文给出了以上所有方法的收敛性分析,并利用在策略和离策略benchmark问题验证了算法的性能和优势。(3)为了实现特征函数选择功能,基于l1-正则化提出了一种带梯度修正项的稀疏化邻近递推最小二乘时域差分算法,称为l1-RC。l1-RC通过求解带有l1-正则化惩罚项的目标函数MSPBE实现稀疏化和正则化,并且在每一时刻的算法复杂度控制在O(n2)。在两步嵌套优化的求解中,RC迭代校正方法用于算子误差步骤(OPE)的优化求解,ADMM方法用于不动点误差步骤(FPE)的优化求解。两步求解过程交替迭代共同寻找最小化目标函数的不动点。论文还给出了l1-RC算法的一些相应扩展,同时应用ODE方法对其收敛性进行了分析,并利用benchmark问题证实了所提出的方法可以得到理想的稀疏解,并证实了其收敛性能优于最新的一阶正则化方法。(本文来源于《北京化工大学》期刊2016-12-02）
陈晓,何发智,潘一腾,张德军[6]（2016）在《基于纹理分布弱假设和正则化策略的自然图像抠图》一文中研究指出针对经典贝叶斯抠图方法在函数建模和模型求解方面存在不足,提出基于纹理分布弱假设和正则化策略的抠图方法:首先针对函数建模问题,基于直方图和巴氏距离,定义和设计了对高斯分布方差进行修正的计算测度以及修正系数,提出一种考虑纹理复杂程度的自适应方差高斯分布模型;然后针对模型求解方法的不足,提出一种基于正则化策略的抠图求解模型,即通过增广拉格朗日乘子法,在基本模型中增加了数据约束项与惩罚项.通过定性和定量相结合的方式进行实验,结果表明该方法在复杂纹理区域上取得更好的效果,并且更加接近真实值.(本文来源于《计算机辅助设计与图形学学报》期刊2016年10期）
殷瑞,苏松志,李绍滋[7]（2016）在《一种卷积神经网络的图像矩正则化策略》一文中研究指出卷积神经网络的池化策略包含极大池化和平均池化,极大池化选择池化区域中的最大值,极易出现过抑合现象;平均池化对池化区域中所有元素赋予相同权重,降低了高频分量的权重。本文提出将矩池化作为卷积神经网络的正则化策略,矩池化将几何矩概念引入到卷积神经网络的池化过程中,首先计算池化区域的中心矩,然后根据类插值法依概率随机地从中心矩的4个邻域中选择响应值。在数据集MNIST、CIFAR10、CIFAR100上的实验结果表明随着训练迭代次数的增加,矩池化的训练误差和测试误差最低,矩池化的高差别性和强鲁棒性使其获得了比极大池化和平均池化更好的泛化能力。(本文来源于《智能系统学报》期刊2016年01期）
李维[8]（2015）在《有限元方法和正则化策略在光学分子影像中的应用》一文中研究指出光学分子影像是一种新兴的在体无创检测技术,可以在细胞分子水平上实现生物体生理及病理活动的在体动态检测。相比于传统的成像模态,光学分子影像技术由于具有无辐射、高灵敏度、高特异性、低成本等特点,目前已广泛应用于早期疾病诊断、肿瘤检测及药物研发等领域。叁维光学分子影像技术由于具备对靶标进行定位和定量分析的能力,已成为光学分子影像技术研究的热点问题之一。但是,由于光子在生物体内传输过程的复杂性,以及光学测量信息的不完整性,导致叁维光学重建是一个严重的病态逆问题。如何建立准确适当的前向光传输模型并获取准确的重建结果是叁维光学分子影像技术的核心问题。本文叁维光学重建问题展开研究,主要研究工作如下：针对扩散近似模型及其有限元求解方法存在的局限性,采用扩展有限元方法求解简化球谐波近似(Simplified spherical harmonics equations, SPN)方程,避免了内部网格的生成过程,有效的提高了计算的效率。在此方法中,通过符号距离函数来反映靠近边界的四面体节点与边界的距离关系,利用符号距离函数构成扩展有限元的富集基函数；将富集函数加入到标准有限元的基函数当中,因而被边界切割的四面体被“富集”,生物组织的内部边界信息也被富集函数所表达；最后采用高斯积分计算SPN方程的弱形式,建立系统方程。由于在整个过程中有效的避免了内部网格生成过程,此方法可有效提高计算效率。仿体和数字鼠实验结果验证了扩展有限元方法的高效性。针对自适应有限元计算中误差估计不足的问题,提出了基于双网格自适应有限元的生物发光断层成像(Bioluminescence Tomography, BLT)算法。基于扩散近似模型的BLT算法多采用有限元方法进行求解,其中,有限元网格的精细程度和插值基函数的阶次决定了有限元方法的精度,但过细的网格和过高阶次插值会增加系统方程未知量的个数,反而加重BLT重建的病态性。自适应求解方法在误差较大的区域增加网格或基函数阶次,在误差较低的区域使用粗网格,能够在保证计算精度的同时提高计算效率。误差估计是自适应求解方法的核心,本文综合使用了最大值选取方法和Kelly的误差估计方法作为指示器,有效的避免了单一误差估计方法的不足；同时,网格的细分也根据指示器在两个网格上交替执行,有效的避免了在同一网格上的过度细分。网格细分后,再结合智能的光源可行区减小策略,最终获取较准确和稳定的结果。本文通过数值实验和真实小鼠实验验证了该算法的优越性。针对传统扩散近似模型与Tikhonov正则化方法的局限性,提出了一种基于简化球谐波近似与Laplace正则化的荧光分子断层成像(Fluorescence Molecular Tomography, FMT)方法。根据SPN近似模型,推导得出了表面荧光数据与内部未知荧光光源的线性关系,同时在图像重建过程中引入结构先验信息,有效的降低了问题的不适定性,最后利用最小二乘QR分解(Least Square QR decomposition, LSQR)方法求解。相比于传统的Tikhonov正则化方法,该方法能够充分利用结构先验信息,得到更加准确可靠的定量定位重建结果,提高了图像的分辨率。数值实验结果证明了该方法的鲁棒性和准确性。BLT重建方法多采用基于易的正则化方法,但该类方法的重建结果分布范围较大,能量重建平滑,不适应BLT重建目标稀疏的特点。本文基于压缩感知理论,利用生物发光光源的稀疏分布特性,研究了基于l1正则化的重建方法。论文研究了五种l1正则化方法,分别为同伦方法、正交匹配追踪方法、初始对偶内点法、迭代收缩阈值法和截断牛顿内点法。在基于数字鼠的仿真实验中,测试了五种方法对不同水平程度的噪声和正则化参数的鲁棒性。结果表明,同伦方法和迭代收缩阈值方法的综合性能要高于其他叁种l1正则化方法。(本文来源于《西安电子科技大学》期刊2015-07-01）
田月桐[9]（2014）在《波动方程反演的自适应正则化参数选取策略研究》一文中研究指出地球物理反问题一直是国内外学者研究的热点,它是一种从实践中抽象出的边缘学科.本文主要研究其分支之一的二维波动方程反问题.对大多数反问题而言,它可能是不适定的,在实际求解过程中有很多困难.因此,波动方程反问题的进一步研究具有深刻的理论意义和广泛的应用前景.本文主要针对波动方程自身的特点,并选取二维弹性波动方程为具体的数学模型.使用有限差分方法进行离散得到离散方程后,对这个非线性问题进行正则化的处理.由于测量数据是含噪的,我们选择正则化参数的同时,提出不需要噪音等级方面信息的模型函数法.这一方法仅需要残差范数和正则解范数的计算,进而迭代修正正则参数.这不仅更有效地避免了传统迭代法的收敛性强烈依赖于初值选取的问题,又减少了计算量且保证了算法的收敛性.为了检验算法是否可行、效率的高低以及稳定性,我们选取了二维波动方程的参数在叁层介质上反演进行了数值仿真,并分别与试探法、L-曲线法选取的正则化参数进行比较,得出本文提出算法的优越性.本文反演的方法既可靠又实用,在一定程度上克服了反演问题的一些困难.(本文来源于《哈尔滨工程大学》期刊2014-12-01）
罗兴钧,李玉娟,李繁春,刘洋[10]（2010）在《截断策略下正则化参数的后验选择方法》一文中研究指出基于截断投影方法,构造了求解半正定病态积分方程的Lavrentiev截断快速算法,给出了先验误差估计,并提出了新的后验参数选择准则,与传统投影方法相比得到了相同的最优收敛率,但内积的计算个数少于传统投影方法.(本文来源于《赣南师范学院学报》期刊2010年06期）
正则化策略论文开题报告
（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：
磁共振成像技术(MRI)作为现代医疗影像技术中不可或缺的组成部分,信号采集时间过长是其最主要的缺陷。因此,众多学者致力于研究MRI的快速成像技术。压缩感知(CS)理论是信号处理领域兴起的一种信号采集和处理理论,将压缩感知理论应用于磁共振成像,可以有效地利用先验信息和部分K空间数据,通过非线性重建算法将磁共振图像精确地重建出来。在重建算法中,正则化模型的选取和步长大小固定是影响算法精度的重要因素,针对以上不足,本文在应用压缩感知理论的基础上,对已有的正则化模型进行改进,并提出了一种正则化参数控制策略,在算法迭代过程中修正正则化参数,从而精确重建出高质量MRI图像。交替方向乘子(ADMM)算法是求解优化问题的有效方法,该算法是从增广拉格朗日算法的基础上发展起来的,兼具了乘子法和交替最小化算法的优点,可以行之有效地解决具有可分离结构的凸优化问题。本文在以全变分作为ADMM算法正则项的基础上,提出一种非局部全变分(NLTV)正则化模型,该模型使用图像块间的距离来衡量图像的结构相似度的方式代替利用邻域像素点的度量方式,因此它能够更好地保护图像的细节纹理。传统非线性重建算法中正则化系数具有平衡正则项的作用,正则化系数的取值通常为固定值。在精确重建图像过程中,随着迭代次数的增多,两个相邻迭代的重建图像能量差是逐渐减小的,总体上重建图像能量差在重建初期下降幅度较快,随后下降幅度减慢,最后在一定范围内稳定。本文根据相邻迭代阶段的重建图像能量差的变化规律,提出一种修正正则化参数(MRP)的正则化参数控制策略,使得在压缩感知磁共振重建算法迭代过程中,采用数值较大的正则化参数平滑噪声,采用数值较小的正则化参数恢复边缘细节信息,平衡正则项和数据项。实验结果表明,在相同测量数据和实验条件的情况下,利用本文所提控制策略的重建算法重建出图像的质量均获得了提升,无论主客观评价指标均有所提高。
（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。
正则化策略论文参考文献
[1].胡辉,司凤洋,曾琛,舒文璐.一种结合Dropblock和Dropout的正则化策略[J].河南师范大学学报(自然科学版).2019
[2].安佳星.CS-MRI图像重建算法正则化参数控制策略研究[D].哈尔滨理工大学.2019
[3].吴文亮,李建军.预光滑子正则化求解的图像修复策略[J].科技通报.2018
[4].毛东玲.修正的Helmholtz方程Cauchy问题的两类正则化策略[D].西北师范大学.2018
[5].宋天恒.强化学习问题中的正则化最小二乘策略评价算法的研究[D].北京化工大学.2016
[6].陈晓,何发智,潘一腾,张德军.基于纹理分布弱假设和正则化策略的自然图像抠图[J].计算机辅助设计与图形学学报.2016
[7].殷瑞,苏松志,李绍滋.一种卷积神经网络的图像矩正则化策略[J].智能系统学报.2016
[8].李维.有限元方法和正则化策略在光学分子影像中的应用[D].西安电子科技大学.2015
[9].田月桐.波动方程反演的自适应正则化参数选取策略研究[D].哈尔滨工程大学.2014
[10].罗兴钧,李玉娟,李繁春,刘洋.截断策略下正则化参数的后验选择方法[J].赣南师范学院学报.2010
论文知识图
