摘要：在机器学习领域中,梯度下降算法是求解最优化问题最重要、最基础的方法.随着数据规模的不断扩大,传统的梯度下降算法已不能有效地解决大规模机器学习问题.随机梯度下降算法在迭代过程中随机选择一个或几个样本的梯度来替代总体梯度,以达到降低计算复杂度的目的.近年来,随机梯度下降算法已成为机器学习特别是深度学习研究的焦点.随着对搜索方向和步长的不断探索,涌现出随机梯度下降算法的众多改进版本,本文对这些算法的主要研究进展进行了综述.将随机梯度下降算法的改进策略大致分为动量、方差缩减、增量梯度和自适应学习率等四种.其中,前三种主要是校正梯度或搜索方向,第四种对参数变量的不同分量自适应地设计步长.着重介绍了各种策略下随机梯度下降算法的核心思想、原理,探讨了不同算法之间的区别与联系.将主要的随机梯度下降算法应用到逻辑回归和深度卷积神经网络等机器学习任务中,并定量地比较了这些算法的实际性能.文末总结了本文的主要研究工作,并展望了随机梯度下降算法的未来发展方向.

摘要：随着图形处理单元、现场可编程门阵列等计算单元的快速发展,由不同类型计算资源组成的异构计算平台具有计算资源丰富、架构灵活多样、并行处理能力强等优点,在云计算、数据中心、物联网等领域中得到广泛的应用。针对异构计算平台任务调度中存在的计算资源异构及缺乏任务全局信息的问题,首先根据任务及资源的属性进行任务执行的抽象建模;然后利用图神经网络对任务和计算资源进行可伸缩的状态信息编码,从3个层次聚合任务及资源特征,解决了任务数量不确定、缺乏全局信息的问题;接着以最小化任务的平均完成时间为目标,基于深度确定性策略梯度算法设计任务调度算法。实验结果表明,JEDERL算法与随机调度、先进先出调度、短任务优先调度、轮盘法调度以及现有的强化学习调度算法相比,任务平均完成时间分别减少了约27.8%、12.6%、28.6%、21.9%、5.3%,并且在异构计算平台中服务器个数和任务数变化时表现稳定。

摘要：柔性可穿戴的紫外线探测器在个体紫外线暴露监测、智能仿生眼和军事领域受到广泛关注.然而,传统不可拉伸的材料和器件结构设计限制了设备在可动态变形的人体皮肤和非平面表面上的精确监测应用和稳定附着.在本研究中,我们提出了基于氧化铜/碳-水凝胶-氧化锌/碳的新型应变隔离异质结构的本征可拉伸(拉伸应变或弯曲高达150%)紫外线探测器,该探测器具有高灵敏度(开/关比为2100%)、高稳定性(大于4000次循环),以及快速响应和恢复时间(分别为1.5和4 s).值得注意的是,该探测器通过水凝胶桥在氧化铜/碳和氧化锌/碳电极之间引入的p-n结能带结构,以及离子导电水凝胶中I^(-)/I_(3)^(-)的电化学反应机制,显著提高了其载流子效率和紫外线响应强度.本文通过集成传感器与所设计的电路板,进一步开发了一种无线紫外线报警系统,用于紫外线强度超标警报.此外,本文还设计了一种光电传感器阵列,并将其用作视网膜假体,以实现对环境紫外线强度的实时监测和成像.本文基于水凝胶基异质结构为开发可穿戴、可拉伸的光电紫外线传感器单元和成像阵列提供了一种新的可行方法.

摘要：为解决结构数字孪生系统构建、结构健康监测系统搭建以及部分结构关键信息获取等过程中传感器的布局设计(布设)优化问题,研究了基于人工鱼群算法(Artificial Fish Swarms Algorithm,AFSA)的电阻应变传感器布设优化方法。分析了智能仿生优化算法中应用较广泛的遗传算法(Genetic Algorithm,GA)、粒子群算法(Particle Swarm Optimization,PSO)、AFSA的优势与不足,初步确定以AFSA作为电阻应变传感器布设优化方法的核心算法;以机翼长桁含孔结构为研究对象进行有限元分析,确定了应力集中部位为关键部位;根据AFSA的基本原理构建了电阻应变传感器布设区域坐标系,进行传感器布设问题向人工鱼群游动规则的转化,以及电阻应变传感器布设位置的寻优分析;最后,以传感器覆盖面积、优化所用时间为指标,对GA、PSO、AFSA的优化结果分别进行评估,进一步验证了此方法的有效性。基于AFSA的电阻应变传感器布设优化方法实现了对电阻应变传感器布设位置的快速优化,可根据具体工况随时修改鱼群游动规则及传感器数量,实用性较强,为数字孪生、结构健康监测等系统构建过程中的传感器布设问题提供解决方案与技术参考。