针对具有时变传输时滞和间隔的网络控制系统(Networked Control Systems,NCSs)进行分析,基于传输时滞及输入时滞构建一种新的依赖于时间的非连续的Lyapunov泛函,提出新的稳定性准则。考虑零阶保持器更新时间在两个有效采样时间范围内,...针对具有时变传输时滞和间隔的网络控制系统(Networked Control Systems,NCSs)进行分析,基于传输时滞及输入时滞构建一种新的依赖于时间的非连续的Lyapunov泛函,提出新的稳定性准则。考虑零阶保持器更新时间在两个有效采样时间范围内,结合缩放方法及凸优化技术,最后通过线性矩阵不等式计算,得到新的稳定性准则能减少系统保守性。与其它方法相比,本文提出的方法具有更小的保守性。展开更多
半监督学习方法通过少量标记数据和大量未标记数据来提升学习性能.Tri-training是一种经典的基于分歧的半监督学习方法,但在学习过程中可能产生标记噪声问题.为了减少Tri-training中的标记噪声对未标记数据的预测偏差,学习到更好的半监...半监督学习方法通过少量标记数据和大量未标记数据来提升学习性能.Tri-training是一种经典的基于分歧的半监督学习方法,但在学习过程中可能产生标记噪声问题.为了减少Tri-training中的标记噪声对未标记数据的预测偏差,学习到更好的半监督分类模型,用交叉熵代替错误率以更好地反映模型预估结果和真实分布之间的差距,并结合凸优化方法来达到降低标记噪声的目的,保证模型效果.在此基础上,分别提出了一种基于交叉熵的Tri-training算法、一个安全的Tri-training算法,以及一种基于交叉熵的安全Tri-training算法.在UCI(University of California Irvine)机器学习库等基准数据集上验证了所提方法的有效性,并利用显著性检验从统计学的角度进一步验证了方法的性能.实验结果表明,提出的半监督学习方法在分类性能方面优于传统的Tri-training算法,其中基于交叉熵的安全Tri-training算法拥有更高的分类性能和泛化能力.展开更多
文摘针对具有时变传输时滞和间隔的网络控制系统(Networked Control Systems,NCSs)进行分析,基于传输时滞及输入时滞构建一种新的依赖于时间的非连续的Lyapunov泛函,提出新的稳定性准则。考虑零阶保持器更新时间在两个有效采样时间范围内,结合缩放方法及凸优化技术,最后通过线性矩阵不等式计算,得到新的稳定性准则能减少系统保守性。与其它方法相比,本文提出的方法具有更小的保守性。
文摘半监督学习方法通过少量标记数据和大量未标记数据来提升学习性能.Tri-training是一种经典的基于分歧的半监督学习方法,但在学习过程中可能产生标记噪声问题.为了减少Tri-training中的标记噪声对未标记数据的预测偏差,学习到更好的半监督分类模型,用交叉熵代替错误率以更好地反映模型预估结果和真实分布之间的差距,并结合凸优化方法来达到降低标记噪声的目的,保证模型效果.在此基础上,分别提出了一种基于交叉熵的Tri-training算法、一个安全的Tri-training算法,以及一种基于交叉熵的安全Tri-training算法.在UCI(University of California Irvine)机器学习库等基准数据集上验证了所提方法的有效性,并利用显著性检验从统计学的角度进一步验证了方法的性能.实验结果表明,提出的半监督学习方法在分类性能方面优于传统的Tri-training算法,其中基于交叉熵的安全Tri-training算法拥有更高的分类性能和泛化能力.
基金supported by the National Key R&D Program of China(2019YFA0308700,2017YFA0303700)the National Natural Science Foundation of China(61734005,11761141014,and 11690033)+2 种基金the Science and Technology Commission of Shanghai Municipality(15QA1402200,16JC1400405,and 17JC1400403)the Shanghai Municipal Education Commission(16SG09 and 2017-01-07-00-02-E00049)additional support from a Shanghai Talent Program.