基于WBS-RBS方法的索赔风险识别应用

本文通过研究工程项目索赔管理风险识别方法和WBS结构分解法的特点,结合某市儿童福利院工程教学综合楼顶层预应力楼盖子项目工程运用WBS-RBS方法构建RBM风险分解矩阵,分析业主方索赔潜在的风险。为风险识别WBS-RBS方法在实际工程运用,提供一些启示。     

深度学习应用技术研究

本文针对深度学习应用技术进行了研究性综述。详细阐述了RBM（Restricted Boltzmann Machine）逐层预训练后再用BP（back-propagation）微调的深度学习贪婪层训练方法,对比分析了BP算法中三种梯度下降的方式,建议在线学习系统,采用随机梯度下降,静态离线学习系统采用随机小批量梯度下降;归纳总结了深度学习深层结构特征,并推荐了目前最受欢迎的5层深度网络结构设计方法。分析了前馈神经网络非线性激活函数的必要性及常用的激活函数优点,并推荐ReLU （rectified linear units）激活函数。最后简要概括了深度CNNs(Convolutional Neural Networks), 深度RNNs(recurrent neural networks), LSTM(long short-termmemory networks)等新型深度网络的特点及应用场景,并归纳总结了当前深度学习可能的发展方向。     

一种分布式CPS异常检测的无监督图模型

在分布式信息物理融合系统（CPS）中，由于各子系统间的强耦合性，常常会因为故障的传播导致整个系统的物理故障和网络异常。针对这一问题，提出了一种新的基于数据驱动的框架用于检测系统范围内的异常。该框架是用于发现和表征CPS各个子系统间相互作用的一种基于符号动力学的时空特征提取方案，并将提取的特征通过受限玻尔兹曼机（RBM）学习到一个系统级的模型。实验结果表明，该框架可以通过一个图模型捕获CPS的多模态，同时可用于异常检测。     

一种改进的机载雷达RBM成像方法

在现有机载雷达RBM成像方法基础上,提出一种改进的方法。该方法通过距离向补偿和滑窗积累,在信号处理时增强信号幅度,从而提高图像的场景识别度,同时完善了成像处理方法,使机载雷达得到了更好的对地成像效果。     

RBM之路——实施可靠性为基础的维修

可靠性为基础的维修(RBM)的出现是为了提高企业生产率的战略规划，集成预防维修，预测维修和主动维修，通过综合平衡地运用，修改和优化企业以往的设备故障处理状况。我们并不鼓吹规模大，集成度高的“标志”性维修体制，而主张从小规模开始。     

基于TPLBP/HOG特征与DBN深度模型的人脸识别研究

针对传统人脸识别方法所提取的人脸信息特征较为单一,且分类算法存在局限性的问题,在多特征信息融合的基础上结合深度信念网络(DBN)对人脸进行深度训练并进行识别。首先采取对比度受限自适应均衡化对人脸图像进行预处理,从而削弱光照对人脸识别的影响;然后,将提取到的人脸图像的TPLBP纹理特征和HOG结构特征进行特征融合,得到信息互补的融合特征;最后,将降维后的融合特征作为DBN的输入,通过对DBN深度模型的参数的动态搜索确定最佳值后,基于训练好的深度信念网络实现人脸图像样本的识别。以ORL、AR和Yale-B人脸数据库为基础进行试验,试验结果表明本文方法相较于传统的SVM、KNN和DBN算法准确率有很大提高,鲁棒性强。     

基于深度信念网络的语音服务文本分类

在线人工语音服务已经在各种商业活动中展开,为了提供更好的客户服务就必须对语音服务质量进行有效的评估。目的就是将人工语音服务利用语音识别技术转化为文本,再进行有效的分类评估。常用文本分类模型有朴素贝叶斯、KNN、BP神经网络、支持向量机等模型,这些模型比较依赖于语音文本预处理后的特征表示,并且容易出现维数灾难、局部最优、训练时间长问题。而深度信念网络模型（DBN）可以从文本预处理后的特征表示中学习到更具有本质含义的特征表示,便于分类器分类,且避免以上模型的不足。在人工服务语音文本化后,通过深度信念网络模型转换特征表示再进行分类,最终的分类效果比上述分类模型直接利用文本的特征表示进行分类效果略微提高。     

基于WBS-RBS方法的桥梁施工风险识别

桥梁工程是一项复杂系统工程,其施工过程中存在许多风险因素,而系统全面的识别出这些风险因素是十分关键的。工作分解结构(WBS)是项目管理中一种广泛应用的方法,本文在此法的基础上结合风险分解结构(RBS),构建出风险分解矩阵(RBM),将风险因素对应于每项子工作,详细地对整个桥梁施工过程进行风险识别,为桥梁施工风险管理迈出了极为重要的一步。     

一种基于RBM的滚动轴承退化指标构建方法EI北大核心CSCD

针对现有滚动轴承性能退化指标构建方法高度依赖先验知识,实际应用情境单一,提出了一种基于受限玻尔兹曼机(restricted Boltzmann machine,RBM)的滚动轴承退化指标构建方法。将滚动轴承正常状态下的振动信号处理为归一化幅值谱,以此作为建立RBM模型的训练样本,其中RBM模型结构特点是将其输出层单元数设为1,以训练完成后模型的输出作为退化指标构建的基础。通过不同情境下的滚动轴承全寿命周期试验数据验证了该方法的有效性。与最近相关文献相比,该退化指标在构建过程中避免了人工选择退化特征,能够清晰描述出轴承退化过程,且对早期微弱故障检测具有一定的敏感性。