检索结果-内蒙古大学图书馆

南京大学学报（自然科学版） 2023年第4期59卷 543-549页

作者：武桐舟刘强王亮中国科学院大学人工智能学院北京100190 中国科学院自动化研究所智能感知与计算研究中心北京100190

推荐系统在互联网应用中扮演重要的角色,它的核心任务是将最相关的物品推荐给用户,然而,由于推荐系统通常在大规模、稀疏和高维的数据集上运行,因此存在严重的偏差问题.近年来,多任务学习成为解决推荐系统偏差的有效方法,它可以同时学... 详细信息

推荐系统在互联网应用中扮演重要的角色,它的核心任务是将最相关的物品推荐给用户,然而,由于推荐系统通常在大规模、稀疏和高维的数据集上运行,因此存在严重的偏差问题.近年来,多任务学习成为解决推荐系统偏差的有效方法,它可以同时学习多个相关任务,充分利用数据集的内在结构和相关性,研究人员最近还提出全空间反事实的转化率预测,利用逆倾向得分和双重鲁棒方法对推荐算法的效果进行估计.然而,通过理论分析发现,倾向性分数估计不准确和插值误差往往会导致预估偏差,这在实践中经常发生,影响了推荐的准确性和可靠性.由此,引入不确定性估计,结合多任务学习,通过计算每个用户反馈数据的概率分布来衡量数据的可靠程度,减轻模型在数据稀疏或数据噪声较大时的过拟合问题,有效地提高系统的泛化能力并减少偏差.实验结果表明,加入不确定性估计的多任务学习可以更好地适应不确定性的环境,在推荐系统中有广阔的应用前景.

关键词：推荐系统多任务学习双重鲁棒逆倾向得分不确定性估计

来源：评论

学校读者我要写书评

暂无评论

基于深度不确定性估计网络的低轨卫星互联网故障预测方法

引用

天地一体化信息网络 2022年第2期3卷 89-97页

作者：孙文宇张伟嘉王立民中国电科网络通信研究院河北石家庄050081

低轨卫星互联网技术具有创新性强、已有案例少且卫星数量众多、拓扑变化频繁、载荷类型繁杂等特点,其故障类别难以靠专家系统或者工程经验等方法遍历和训练。同时传统的基于单颗卫星、单一功能的故障检测和诊断方法,对于复杂多变条件下... 详细信息

低轨卫星互联网技术具有创新性强、已有案例少且卫星数量众多、拓扑变化频繁、载荷类型繁杂等特点,其故障类别难以靠专家系统或者工程经验等方法遍历和训练。同时传统的基于单颗卫星、单一功能的故障检测和诊断方法,对于复杂多变条件下的不确定性故障难以进行预测。针对以上问题,提出一种基于深度不确定性估计网络的低轨卫星互联网星座故障预测算法模型,并基于地面星地联试获得的数据对所提方法进行验证。实验结果表明,提出的方法可以提高已知故障的检测准确率,尤其是对未知故障具有更准确的预测能力。

关键词：低轨卫星互联网低轨卫星星座故障预测深度神经网络不确定性估计

来源：评论

学校读者我要写书评

暂无评论

基于伪标签不确定性估计的无源域自适应方法

引用

计算机科学 2024年

作者：黄超程春玲王有康南京邮电大学计算机学院软件学院网络空间安全学院

无源域自适应大多采用基于伪标签的自监督学习方法来解决无源的问题，然而这些方法忽视了伪标签生成过程中，目标样本特征分布的聚类结构和分类决策边界处样本的不确定性对伪标签噪声的影响，降低了模型性能。为此，提出一种基于伪标签... 详细信息

无源域自适应大多采用基于伪标签的自监督学习方法来解决无源的问题，然而这些方法忽视了伪标签生成过程中，目标样本特征分布的聚类结构和分类决策边界处样本的不确定性对伪标签噪声的影响，降低了模型性能。为此，提出一种基于伪标签不确定性估计的无源域自适应方法。首先，对模型特征提取器参数进行多次扰动来模拟源知识被数据微调后的变化，并利用样本在不同扰动模型下的特征分布相似性来评估源知识的泛化不确定性。并提出极值信息熵来衡量目标域内部的隐含信息不确定性，该信息熵根据预测概率中最大值与次最大值的数值差异采用不同的熵计算方法。其次，根据两种不确定性将目标样本分为可靠样本和不可靠样本，对可靠样本采用自监督学习，并以其预测概率结果为权重将样本特征更新至类原型中，同时，引入历史类原型以增强类原型的稳定性。对不可靠样本采用对比学习，使其靠近相似的类原型。在Office-31，Office-Home和VisDA-C三个公开基准数据集上与多个基线模型相比，在分类准确度上得到提升，验证了方法的有效性。

关键词：域自适应无源域数据不确定性估计信息熵对比学习

来源：评论

学校读者我要写书评

暂无评论

江西省主要树种不同立地等级的地上生物量与不确定性估计

江西省主要树种不同立地等级的地上生物量与不确定性估计

引用

作者：赵菡中国林业科学研究院

学位级别：博士

森林立地生产力是森林植被的潜在生产能力,是指导森林经营管理、制定经营决策方案的重要指标,对森林可持续经营有着重要的意义。森林生物量是森林群落在其生命过程中所产生的干物质的积累量,可以作为反映森林立地生产力的指标,并与立地... 详细信息

森林立地生产力是森林植被的潜在生产能力,是指导森林经营管理、制定经营决策方案的重要指标,对森林可持续经营有着重要的意义。森林生物量是森林群落在其生命过程中所产生的干物质的积累量,可以作为反映森林立地生产力的指标,并与立地类型和质量息息相关。由于立地条件的多样性或差异性,同一树种在不同区域的生物量估计结果以及生物量估计误差也会随立地质量的不同而变化,忽略立地质量差异引起生物量估计结果以及生物量估计误差不同的结果必然是粗略而不精准的。为了精准获得不同立地条件下的森林生物量及立地生产力的估计,本文将我国江西省第六次和第七次国家森林资源连续清查数据主要树种分为杉木、马尾松、硬阔和软阔四类,对主要树种立地条件进行了样地水平的立地分级;采用异速生物量模型和生物量扩展转换因子（BCEF）模型,估计了区域不同立地条件下森林生物量及其不确定性;探究了林分起源、龄组、密度等因素对森林地上生物量及其各组分估计误差的影响;建立了基于气候和立地因子的江西省主要树种的生物量增量模型,为降低森林生物量估计的不确定性、改进生物量估计模型精度提供技术和方法基础。得到的主要结论如下:（1）采用树高分级法,建立了江西省杉木林、马尾松林、硬阔林、软阔林的优势木树高—胸径模型,用优势木树高等级代表立地等级,将江西省杉木林分立地质量为7个等级,马尾松林分立地质量分为5个等级,硬阔林分立地质量分为5个等级,软阔林分立地质量分为3个等级。通过计算杉木林和马尾松林分在不同立地等级下的生物量均值和误差估计,发现不同立地等级的区域马尾松优势林分地上生物量均值随着立地水平提高而增大,即立地质量越高,森林生物量密度越大。证明了优势木树高分级用作划分立地等级依据的可行性。（2）采用三种异速生物量模型、两种生物量扩展转换因子（BCEF）模型,结合蒙特卡洛模拟法估计了江西省杉木和马尾松在不同立地等级下的地上生物量均值及误差。以地上生物量均值的相对均方根误差的大小作为评价指标,比较并确定了三种异速生物量模型、两种BCEF模型在估计杉木和马尾松不同立地等级下地上生物量均值的最优模型形式。A.三种异速地上生物量模型形式下的杉木和马尾松地上生物量估计结果相比,加入树高变量的单木生物量模型比单独用胸径做变量的模型能够提高估计精度。在同时拥有胸径和树高两种变量存在的时候,马尾松拥有两个参数的模型较有三个参数的模型获得了更好的估计效果。而杉木则是三个参数的模型好于两参数的模型,具体应用时应根据树种选模型形式。异速模型的生物量估计误差在立地平均水平——也就是中间立地等级的误差最小;立地质量越接近平均水平,生物量估计的相对误差越小。B.两种BCEF模型相比较,经验（回归）模型法估计的各立地等级的生物量均值误差相差不大,而用连续函数法估计的各立地等级的生物量均值误差相差较大。异速生物量模型与BCEF模型相比较,在估计区域尺度的生物量均值时,BCEF模型相对误差较异速模型估计误差要小。在估计不同立地等级的生物量时经验（回归）模型要优于异速生物量模型,异速生物量模型优于BCEF连续函数模型,对于包含多种不同立地条件的大尺度区域,BCEF经验（回归）模型法的估计结果更可靠。对于江西省杉木和马尾松而言,BCEF均值在不同立地等级下的差异不大。（3）选择合适的预测变量是建立生物量增长模型的关键,比较各生物地理气候因子的重要性后发现,林木竞争是江西省森林生物量增长的主要影响因素。对于针叶林而言,次要影响因素是气候因子（无霜期天数、年平均温度）、龄组,最后是地形因子（海拔）。对于阔叶林来说,立地等级是次要的影响因子,最后是气候因子。立地等级对于针叶林生物量增量估计影响不大,影响江西省森林（主要树种）生物量增量的气候因子是温度。地形因子对阔叶林影响无显著性,对针叶林影响较小。因此,在用生物量增长估计江西省针叶林立地生产力时,气候因子和龄组可以作为立地指数替代变量;而在估计阔叶林立地生产力时,立地等级似乎是更好的选择。（4）不同起源分类对于杉木林异速生物量模型估计地上及各组分生物量均值影响不大,对于马尾松林人工林生物量均值模型误差要高于天然林分,对马尾松各组分中树枝、树叶影响较大。起源对于异速生物量模型估计误差的影响因树种而异。随着龄组增大,杉木地上生物量及各组分生物量的模型误差估计值是随着龄组增大而降低的。龄组对马尾松异速生物量模型估计误差的影响为幼龄林模型误差最大,其次是中龄林、成熟林、近熟林和过熟林。密度对杉木异速生物量模型地上生物量估计误差影响不大,对于树枝和树叶而言,低密度林分中的生物量均值估计模型误差相较高密度林分及区域水平更大。密度对马尾松异速生物量模型地上生物量估计误差影响不大,对于各组分而言,除树叶在区分密度后生物量均值模型误差较不分类时升高而外,在树干、树皮及树枝中,低密度和高密度林分的生物量均值模型误差较

关键词：立地分级地上生物量估计不确定性估计生物量增量模型

来源：评论

学校读者我要写书评

暂无评论

基于不确定性估计的小目标医学影像分割研究

基于不确定性估计的小目标医学影像分割研究

引用

作者：贾淑慧湘潭大学

学位级别：硕士

医学影像分割是深度学习在医学影像处理中的一个重要应用领域,其目的是从医学影像中分割出目标组织或器官。与传统分割算法相比,基于深度学习的分割算法能够自动提取图像特征、全自动地预测,可以快而准的分割出病变组织或器官的关键信息... 详细信息

医学影像分割是深度学习在医学影像处理中的一个重要应用领域,其目的是从医学影像中分割出目标组织或器官。与传统分割算法相比,基于深度学习的分割算法能够自动提取图像特征、全自动地预测,可以快而准的分割出病变组织或器官的关键信息,为后续病情诊断和治疗提供及时且准确的帮助。目前医学影像分割领域仍存在一些问题: (1)针对肝囊肿的分割任务中的CT肝囊肿数据集很少,每个数据集的数据量也很少; (2)在对体积极小的目标进行分割时,基于深度学习的分割方法会出现有效特征丢失、特定局部区域的显著特征不够突出、对先验知识的利用不够充分等情况; (3)大多数医学影像分割任务的标注数据都很少、数据标注都很困难。为了解决上述问题,本文进行了以下的研究工作: (1)与湖南省某中心医院合作整理了一个CT肝囊肿数据集,对CT领域的肝囊肿数据集进行扩充。该数据集搜集了 94例肝囊肿患者的腹部薄层平扫CT影像,每例数据均包含一个或多个囊肿,并由专业的放射科主任医生进行标注; (2)针对CT中体积极小的肝囊肿的分割,本文提出了一种包含新的池化模块和新的不确定性注意力模块的分割网络。池化模块针对肝囊肿CT值的特点,以“最小”池化为基础,并与平均池化进行了自适应结合,实验结果证明其减少了有效特征在池化层的信息丢失。不确定性注意力模块利用不确定性和注意力的思想生成更可靠的权重矩阵,来抑制不相关区域的特征,突出特定目标区域的特征; (3)为了更充分地利用先验信息,本文提出了一种新的基于肝脏先验信息和随机裁剪的训练策略。该方法利用腹部CT影像中肝脏位置等先验信息,在三维医学影像数据横断面的x轴上按照设计好的方式进行随机裁剪,既保留了更多的先验信息,又利用了随机裁剪的思想。实验结果验证了该方法的有效性; (4)为了缓解医学影像标注数据量少、标注难的问题,本文提出了一种基于高斯相似度的不确定性估计半监督方法,来提高使用不确定性估计过滤后的伪标签的质量,还在该方法的基础上,提出了一种通过阈值对多种不确定性估计方法进行结合的方案,来增加不确定性估计的准确度。实验表明,该方法比基于预测熵和KL散度的方法效果要好。

关键词：神经网络图像分割 CT肝脏囊肿影像注意力不确定性估计

来源：评论

学校读者我要写书评

暂无评论

基于数据不确定性估计的行人重识别方法研究

基于数据不确定性估计的行人重识别方法研究

引用

作者：孙文宇北京邮电大学

学位级别：硕士

随着设备计算能力的快速迭代和深度学习技术的发展,行人重识别(Person Re-Identification,ReID)开始作为社会智能安防的关键技术,逐渐由算法研究走向实际应用的落地,比如刑侦、监控、安防等领域。但是,由于行人重识别场景中数据采集大... 详细信息

随着设备计算能力的快速迭代和深度学习技术的发展,行人重识别(Person Re-Identification,ReID)开始作为社会智能安防的关键技术,逐渐由算法研究走向实际应用的落地,比如刑侦、监控、安防等领域。但是,由于行人重识别场景中数据采集大多是被动式的,即人不配合摄像头的情况,所以数据质量相比人脸数据质量更差。此外,由于一些应用领域的敏感性,如何提供更准确且具有高可靠性的输出就成为了必然的发展方向。一般来说,不确定性估计方法(Uncertainty Estimation Method)能够提高深度模型的可靠性和鲁棒性,这对实际落地应用能够提供巨大的帮助。基于上述背景,本文围绕数据的不确定性估计在行人重识别中的应用展开研究,主要工作如下:1、本文提出了一种基于数据不确定性估计的行人重识别模型,针对行人数据特点对局部特征进行不确定性建模分析,通过在模型中设计不确定性分支以及在局部行人特征嵌入引入不确定性分量,随后利用模型对引入不确定性分量的特征(均值)和不确定性(方差)进行学习。该方法同时赋予了行人重识别模型估计局部与全局不确定性的能力,提高了从噪声样本中抽取特征的鲁棒性。此外,与其他方法在生成的噪声数据集上的对比实验中,本文模型均取得了最优的性能。2、本文设计了一种面向行人重识别的不确定性估计损失函数,该损失函数可同时对不确定性和特征进行约束,既解决了不确定性分支训练难以收敛的问题,也避免了训练中的偏向性和平凡解问题。通过在Market1501和DukeMTMC-reID数据集上的对比实验,结果表明使用改进的损失函数能够提高识别的准确率。3、本文还提出了一种新的基于不确定性的行人数据质量评估方法。该方法作为一种无参考的客观评价方法相比传统质量评估方法具有明显的优势。本文通过在iLIDS-VID和MARS数据集上的质量过滤实验以及人工感知质量评价测试,从主观质量评价和客观质量评价两方面进行实验,通过和另一种无参考的质量评估方法QAN进行对比,验证了所提出方法的有效性。

关键词：行人重识别不确定性估计噪声学习质量评价计算机视觉

来源：评论

学校读者我要写书评

暂无评论

基于贝叶斯不确定性估计的脑机接口深度学习研究

基于贝叶斯不确定性估计的脑机接口深度学习研究

引用

作者：马荣华华南理工大学

学位级别：硕士

脑机接口(brain computer interface,BCI)允许用户通过脑信号与外界设备进行通信和交互,为瘫痪或有其他严重运动缺陷的人提供了一种新的增强通信技术。其中,基于P300的字符拼写系统是研究最广泛的BCI应用之一。为了提高这类BCI系统的性... 详细信息

脑机接口(brain computer interface,BCI)允许用户通过脑信号与外界设备进行通信和交互,为瘫痪或有其他严重运动缺陷的人提供了一种新的增强通信技术。其中,基于P300的字符拼写系统是研究最广泛的BCI应用之一。为了提高这类BCI系统的性能,深度学习技术已经广泛应用于P300检测并取得了显著的成效。然而传统的深度网络的权值是点估计形式,这些网络无法对预测结果中的不确定性进行度量,也就无法得知预测结果是否可靠。近年研究表明,贝叶斯神经网络(Bayesian neural network,BNN)通过在模型参数上设置概率分布来捕获模型的不确定性,因此能提供有效的预测不确定性估计。并且BNN为模型引入了参数的先验信息,因而对过拟合具有鲁棒性。鉴于这些优势,本文研究如何利用BNN来解决深度学习应用在P300脑机接口中的不确定性估计问题,并探讨其在提高P300检测性能、BCI对抗攻击防御、深度网络结构优化、拒绝分类策略和脑电小训练集问题等方向的应用,研究内容主要分为以下三个方面:(1)提出一种基于贝叶斯卷积神经网络的P300检测方法。该方法将卷积神经网络的每个权值用概率分布表示。在预测阶段,通过蒙特卡洛采样一定数量的子网络,并集成各个子网络的预测,不仅使得预测结果更可靠,提高P300检测性能,而且可以获得预测的不确定性。同时,利用权值不确定性进一步研究深度网络的剪枝优化;并利用预测不确定性进一步研究深度网络的对抗攻击防御,以提高字符拼写系统的安全性。(2)传统的胶囊网络无法度量预测的不确定性,且其参数量较大,在脑电数据上容易过拟合。针对这一问题,本文提出一种贝叶斯胶囊网络用于P300检测。通过在模型参数上设置先验分布实现对权值的正则化,从而降低胶囊网络在小样本脑电训练下过拟合的风险。同时,通过对抗攻击实验研究该网络的鲁棒性,并设计了拒绝分类策略,通过拒绝预测不确定性高的样本来降低模型的分类错误率,提高BCI系统可靠性。另外,通过减少训练样本验证了该网络在小样本脑电下的深度学习性能。(3)网络模型的深度对P300特征提取和学习的效果起着关键作用,如何确定网络的最优深度一直以来是P300深度学习中棘手的问题。针对这一问题,本文提出一种时域卷积深度不确定网络,对P300信号需要的时域卷积深度进行概率推理。通过训练,在每个时域卷积层上得到一个后验概率,利用这些概率可以确定每个时域卷积层对P300检测的重要程度,从而优化网络深度,提高字符拼写系统的效率。实验表明,该网络不仅可以实现优异的P300检测性能,而且其训练得到的后验概率对BCI深度学习中的网络层数设计具有一定的指导价值。

关键词：脑机接口 P300 深度学习不确定性估计贝叶斯神经网络

来源：评论

学校读者我要写书评

暂无评论

数据驱动托卡马克放电建模及不确定性估计

数据驱动托卡马克放电建模及不确定性估计

引用

作者：程彬倩安徽大学

学位级别：硕士

核聚变是一种清洁、高效的能源产生方式，是满足世界未来能源需求同时最大限度地减少环境影响的最有前途的选择之一。托卡马克作为研究可控核聚变的装置，其放电建模研究有助于理解和优化核聚变反应的过程，为实现可控核聚变提供理论和... 详细信息

核聚变是一种清洁、高效的能源产生方式，是满足世界未来能源需求同时最大限度地减少环境影响的最有前途的选择之一。托卡马克作为研究可控核聚变的装置，其放电建模研究有助于理解和优化核聚变反应的过程，为实现可控核聚变提供理论和技术支持。　　基于机器学习的数据驱动方法，由于其良好的特征提取能力和对非线性关系的建模能力，在托卡马克放电建模领域逐渐崭露头角。但是现有的数据驱动托卡马克放电建模只能给出点预测，其预测结果与实验诊断之间往往存在偏差。一方面，根据经验和物理原理所挑选的特征集中往往存在不相关或冗余的特征，可能会带来更多的噪声干扰进而影响建模的准确性。另一方面，数据驱动模型针对不同的数据样本的预测可靠性是不同的。当模型面对超出训练数据参数空间范围的样本时，可能会给出偏差较大的预测结果。若在没有其他参考信息的情况下过分信赖机器学习模型给出的预测，有可能导致托卡马克放电实验的失败，甚至引发装置损坏等更为严重的后果。　　基于这一现状，我们尝试从两个方面——特征选择和不确定性估计，改善数据驱动方法，增强其可靠性和安全性。本文在现有数据驱动托卡马克建模的基础上，结合深度学习、特征选择与不确定性估计方法，同时考虑了托卡马克数据特点，对数据驱动托卡马克放电建模及不确定性估计进行研究，主要研究内容如下:　　首先，提出一种基于皮尔逊相关系数和改进后特征选择框架的特征选择方法。本文考虑到托卡马克数据系统的复杂性，采用改进后的特征选择框架和皮尔逊相关系数，从数据维度分析信号相关性和冗余性并筛选得到最终的特征子集。利用全超导托卡马克核聚变实验装置（Experimental Advanced Superconducting Tokamak,EAST）放电实验数据，通过对建模性能的对比和消融实验，验证了特征选择方法的有效性和特征选择工作的必要性。　　同时，提出一种基于注意力机制的托卡马克放电建模及不确定性估计框架。本文考虑到托卡马克领域对数据驱动模型可靠性和安全性的要求，提出一种基于注意力机制的托卡马克放电建模及不确定性估计框架。该框架由一组编码器和两组解码器组成，能够通过一次前馈过程同时给出时间序列预测结果及其不确定性。此外，提出一种基于均方误差的带权损失函数用以对预测不确定性进行建模，可以有效平衡预测不确定性覆盖率和预测不确定性宽度。利用EAST放电实验数据，通过一系列对比测试及对影响不确定性因素的深入分析验证，验证了放电建模的准确性和所提出不确定性估计方法的有效性。　　最后，设计开发一个托卡马克放电建模工具。该工具结合了数据预处理、特征选择、机器学习及不确定性估计技术，以实现对托卡马克放电过程的模拟。通过Jupyter交互平台，该工具提供可视化的交互界面，使得用户能够直观地了解特征选择及建模过程，并方便地调整参数和配置，有效提升了建模的效率和准确性。

关键词：托卡马克装置放电建模不确定性估计深度学习特征选择

来源：评论

学校读者我要写书评

暂无评论

基于学习基因和不确定性估计的多模态情感分析

基于学习基因和不确定性估计的多模态情感分析

引用

作者：宋倩华中师范大学

学位级别：硕士

多模态情感分析(Multimodal Sentiment Analysisi,MSA)是一种整合多种感知模态信息的技术,旨在理解和预测人类情感状态。在这一领域中,MSA结合文本、图像、音频等不同形式的数据,以获得更全面的情感表达。这种综合性方法使研究者能更深... 详细信息

多模态情感分析(Multimodal Sentiment Analysisi,MSA)是一种整合多种感知模态信息的技术,旨在理解和预测人类情感状态。在这一领域中,MSA结合文本、图像、音频等不同形式的数据,以获得更全面的情感表达。这种综合性方法使研究者能更深入地理解人类情感,并为各种应用领域提供重要支持。当前的多模态情感分析任务主要通过对齐不同模态的特征来学习多模态情感特征。然而,这种方法主要侧重于学习模态之间的一致性信息,而忽略了非语言模态的独特信息,导致出现对齐偏差可能会影响模型预测准确性。由于模态的异质性,不同模态之间的训练学习也存在不一致的情况,这会导致多模态模型容易出现过拟合问题。此外,目前多模态情感分析任务通常将提高模型准确率作为重点,而忽略了多模态数据的可靠性问题。因此,本文针对以上问题进行了以下研究: (1)针对多模态特征学习存在的问题,提出了一种基于学习基因的多模态情感分析模型。首先,基于学习基因的特征表示方法,通过监控模型训练过程中的梯度变化来更新参数,以解决模型训练中学习不一致导致的过拟合问题。同时,将捕捉模态不同方面特征的参数细分为共性学习基因和个性学习基因,用于学习模态间的一致性信息和特异性信息,以解决多模态特征对齐偏差导致的情感识别误差问题。该方法本质上从特征动态变化视角中挖掘特征训练过程中的不变信息,识别出具有学习潜力的参数,从而缓解当前多模态模型训练中存在的学习偏差问题。最后,通过基于文本为主导的对比学习设计,挖掘不同样本之间的相关性,鼓励模型能够更好地学习跨模态交互表示。实验结果表明,在三个流行的多模态情感分析数据集上,该模型在多个性能指标上均优于先前的所有方法,为解决学习偏差问题提供了新的途径。 (2)针对多模态情感分析任务中模态数据的不可靠问题,提出了一种基于不确定性估计的多模态情感分析模型。首先,基于学习基因的多模态特征提取方法,能够有效地学习不同模态的一致性和特异性表示。同时,引入跨模态注意力机制,在不同模态之间建立有效的关联,以更好地捕捉多模态情感信息的丰富性和复杂性。最后,引入了不确定性估计的方法,以动态赋予模态融合权重,避免模型因低质量模态而产生决策偏差。该方法的本质是动态调整融合权重,根据每个模态数据的可靠程度,以确保在模态融合过程中更客观地考虑每个模态的贡献。这种基于不确定性估计的多模态情感分析模型不仅可以提高模型的泛化能力,还能够在面对不可靠数据时有效地保持模型的稳健性和鲁棒性。在两个公开数据集上进行的实验结果直观地证明了该模型在处理不可靠模态数据时的优越性。

关键词：多模态情感分析学习基因对比学习不确定性估计

来源：评论

学校读者我要写书评

暂无评论

中央空调系统数字孪生模型参数辨识及其不确定性估计方法研究

中央空调系统数字孪生模型参数辨识及其不确定性估计方法研究

引用

作者：张丽珠浙江大学

学位级别：硕士

中央空调系统在住宅、商场、医院、数据机房和工业厂房等建筑中有着广泛的应用,其能源消耗大约占中国建筑总能耗的50%～65%。因此,中央空调系统具有较大的节能潜力。长期以来,我国中央空调系统从业人员专业素养整体不高,运行维护管理相... 详细信息

中央空调系统在住宅、商场、医院、数据机房和工业厂房等建筑中有着广泛的应用,其能源消耗大约占中国建筑总能耗的50%～65%。因此,中央空调系统具有较大的节能潜力。长期以来,我国中央空调系统从业人员专业素养整体不高,运行维护管理相当粗放,普遍能源浪费十分严重。传统基于人工经验的运行维护管理已难以实现空调系统的可靠、低能耗、高效率地运行,因此有必要对空调系统进行整体智能化升级。物联网、5G通讯、人工智能、自动化等领域的快速发展,为实现中央空调系统信息化和数字化转型提供了技术支撑。借助新一代信息技术发展智慧能源是我国能源行业的发展趋势,而融合物理系统与信息技术的“数字孪生”为解决当前智慧能源发展所面临的问题提供了新的思路。通过“数字孪生”技术,计算机能够低成本地探索最佳设计方案、最优控制策略以及潜在故障风险,从而自动化地指导系统的运行维护。构建准确和可靠的系统模型是实现以上愿景的基石。其中,如何对模型参数进行可靠辨识、如何估计模型预测不确定性以及如何降低模型预测不确定性是系统建模领域三个亟待解决的关键科学问题。为此,本文开展了以下研究工作:(1)提出了一种基于遗传算法和多策略初始解空间优化的中央空调系统设备模型参数辨识框架,克服了遗传算法在高维模型参数辨识时效率不高且模型精度较低的问题。该框架包含初始解空间优化和遗传算法寻优两个步骤:首先,提出了一种多策略初始解空间优化方法来确定模型初始解空间;然后,采用遗传算法在给定初始解空间内对模型参数进行辨识。结果表明,该方法可以有效提高遗传算法的参数辨识效率,并且最终得到的模型具有较高的精度。(2)提出了一种基于k-means聚类的中央空调系统设备模型预测区间估计方法,旨在对模型的预测不确定性进行定量估计。该方法包括残差聚类和预测区间估计两个步骤:首先,采用k-means聚类对训练集上的模型残差进行划分,得到不同输入组合下的模型残差;然后,根据模型残差的统计分位数估计模型的预测区间。结果表明,通过该方法可以得到可靠的预测区间。此外,模型预测不确定性与模型输入有关,该方法得到的预测区间能够自适应地追踪输入变量变化。(3)采用了模型残差补偿方法,旨在对中央空调系统设备模型的预测结果进行修正,提高中央空调系统设备模型的预测精度,并降低模型的预测不确定性。该方法使用人工神经网络对模型残差与模型输入之间的关系进行建模,从而实现对设备模型残差进行补偿。结果表明,对于冷水机组模型,经过误差补偿后,该模型的精度得到显著提高。其平均绝对误差、均方根误差、平均绝对误差百分比和均方根误差的变异系数分别降低36.49%、46.00%、33.16%和45.73%,而其决定系数提高25.75%。此外,结果进一步表明,该方法可以显著降低模型的预测不确定性。经过误差补偿后,该模型的预测区间宽度显著减小。本文为提高中央空调系统设备模型准确度和可靠性提供了新思路,有助于构建准确可靠的中央空调系统“数字孪生”模型,并最终实现高度自动化、智能化和低碳化的中央空调系统运维管理。

关键词：中央空调系统数字孪生模型参数辨识不确定性估计误差补偿

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：