检索结果-内蒙古大学图书馆

计算机集成制造系统 2024年第5期30卷 1668-1682页

作者：苗秀侯文军北京邮电大学现代邮政学院(自动化学院) 北京100876 内蒙古科技大学建筑与艺术设计学院内蒙古包头014010 北京邮电大学数字媒体与设计艺术学院北京100876 北京邮电大学网络系统与网络文化北京市重点实验室北京100876 北京邮电大学交互技术与体验系统文化和旅游部重点实验室北京100876

在短期内具有完全自主水平的机器智能无法实现的情况下,人仍是人机系统的重要组成部分。智能系统感觉并预测用户的意图,有助于实现人机之间自然动态地协同,提高人机系统安全和效率。然而,人机交互的过程中充斥着大量模糊、隐蔽的隐式意... 详细信息

在短期内具有完全自主水平的机器智能无法实现的情况下,人仍是人机系统的重要组成部分。智能系统感觉并预测用户的意图,有助于实现人机之间自然动态地协同,提高人机系统安全和效率。然而,人机交互的过程中充斥着大量模糊、隐蔽的隐式意图,传统的心理或行为分析方法解析意图无法保证时效性和准确性。随着传感技术发展,基于生理信号识别用户意图成为主流方法,但现有关于隐式意图的研究存在可分模式少、识别精度低、面向领域实境研究不足等问题。面向工控复杂系统领域,在生理视域下基于被动脑机接口技术,提出一种将人自然地纳入到智能人机系统回路中的方法。首先,抽取操作者与工业软件交互过程中的典型任务,在多属性任务组(MATB)多任务范式基础上设计意图生理信号诱发实验程序;接着,采用共空间模式(CSP)算法提取多任务意图脑电空域特征;最后,通过被试间交叉验证和5折参数寻优,构建机器学习意图模型,实现对隐式交互意图的自动识别。研究发现,相比传统特征提取方法,基于改良后的多分类CSP算法对意图特征提取更为有效,结合三维空间特征可视化进一步证实了特征的有效性;脑电信号能够作为判断人机交互隐式意图的依据,CSP SVM算法模型能够有效提高人机交互隐式意图脑电的解码性能。对隐式意图信息的转译对构建基于意图的高效人机交互模型,以及发展人机系统、提高人机协作效率具有重要意义。

关键词：隐式意图人机交互电解码多任务建模

来源：评论

学校读者我要写书评

暂无评论

回声状态网络改进及在太阳能预测中的应用研究

回声状态网络改进及在太阳能预测中的应用研究

引用

作者：黎倩重庆大学

学位级别：博士

太阳能混合发电系统在新能源利用和节约电力成本方面发挥着重要作用。太阳能的准确预测,可保障系统安全稳定运行,对节约电力成本和提高经济效益具有重要意义。由于回声状态网络具有良好的动力学特性和简单高效的建模效率等优势,已成为... 详细信息

太阳能混合发电系统在新能源利用和节约电力成本方面发挥着重要作用。太阳能的准确预测,可保障系统安全稳定运行,对节约电力成本和提高经济效益具有重要意义。由于回声状态网络具有良好的动力学特性和简单高效的建模效率等优势,已成为时间序列预测领域的研究热点。然而,传统的回声状态网络是由输入层、隐含层(储备池)和输出层组成的单储备池层单任务学习模型,存在计算能力有限、可拓展灵活性及鲁棒性差、不适用于多尺度多任务的复杂太阳能预测问题,在一定程度上限制了回声状态网络在实际工程中的广泛应用与发展。因此,本文以太阳能序列为研究对象,以回声状态网络为主要方法,从网络结构设计及改进方面展开研究,设计了满足不同太阳能预测任务需求下的回声状态网络算法。论文主要研究工作及创新点如下:(1)设计了适用于单步和多步太阳能预测的多簇回声状态网络算法。首先,基于复杂网络理论,建立了多簇回声状态网络。为了探究不同历史信息及温湿度气象因素对建模精度的影响,分别构建了具有不同输入输出的多簇回声状态网络太阳能预测模型。另外,在实验分析中,针对现有研究大都只对预测结果进行定量分析,忽略了可以反映数据演化规律的内部特征的问题,本文采用定量和定性分析相结合的方法,对所建立的模型进行了综合评估。定量分析包括均方根误差、平均绝对误差等指标,从外部反映结果的准确度。定性分析包括非平稳性和复杂性等指标,从内部反映建模结果的准确性。(2)提出了适用于太阳能多任务预测需求的多时间尺度回声状态网络算法。针对具有多尺度多任务需求的太阳能预测问题,提出了多任务学习视角下的多时间尺度预测框架。在该框架下,设计了适用于太阳能多任务预测需求的多时间尺度回声状态网络算法。基于历史太阳能信息和多时间尺度回声状态网络,建立了可以并行完成多个任务的太阳能预测模型。在该模型中,不同时间尺度上的信息通过多个储备池进行状态共享,并在输出层集成得到期望值。实验结果表明,相比于多个单时间尺度单任务预测模型,本文提出的多任务多时间尺度预测模型可以更加有效地并行完成多个时间尺度上的预测任务。另外,由于利用了不同时间尺度上任务之间的关联信息,多任务模型在建模精度方面也优于单任务模型。(3)建立了满足太阳能预测简单高效需求的多储备池回声状态网络深度学习算法。传统单隐含层回声状态网络计算能力有限,且现有时间序列深度学习太阳能预测模型存在计算负担重等问题。因此,为了发挥深度学习强大的学习能力和回声状态网络简单高效的训练机制,设计了基于深度学习理念的多储备池回声状态网络算法。基于历史太阳能信息,建立了适用于单步和多步太阳能预测的多储备池回声状态网络模型。在储备池总规模一定的前提下,分析了隐含层层数对网络性能的影响。从网络内部特征表现,进一步探讨了模型在不同储备池层数下性能产生差异的原因。实验结果表明,在相同的储备池规模下,多隐含层回声状态网络性能优于单隐含层回声状态网络,且具有更丰富的动态特性和更强的信息处理能力。(4)提出了适用于太阳能时空预测需求且具有更好鲁棒性的链式回声状态网络算法。传统的回声状态网络融合高维数据集特征的能力有限。另外,当输入变量的维数发生改变或来自某个维度的信号发生干扰时,模型的可拓展灵活性和鲁棒性也需要进一步研究。因此,为了提高回声状态网络在时空建模中的可拓展灵活性和鲁棒性,本文提出了链式回声状态网络算法。基于时空太阳能历史信息,建立了单步链式回声状态网络太阳能预测模型。该模型由多个回声状态网络模块组成,采用了“分而治之”的思想,将高维输入变量划分为多个不同的低维变量集,并分别获得每个变量集的预测值。通过不断地集成每个变量集,进而获得最终的预测结果。实验结果表明,相比于传统的回声状态网络模型,链式回声状态网络在处理高维变量时具有更好的建模精度、可拓展灵活性和鲁棒性。

关键词：回声状态网络太阳能预测储备池设计多任务建模时空建模

来源：评论

学校读者我要写书评

暂无评论

融合神经肌肉动力学和QN认知体系的驾驶员车辆控制模型

融合神经肌肉动力学和QN认知体系的驾驶员车辆控制模型

引用

作者：王翠娥北京理工大学

学位级别：硕士

驾驶员车辆控制模型不但可以揭示驾驶员的驾驶机理，而且可以计算、仿真和预测驾驶员的车辆控制行为，帮助改进车辆和辅助驾驶系统的设计过程。此外，它们可以为智能辅助驾驶系统和无人驾驶车辆控制技术的研究提供新的思路。因此，驾驶... 详细信息

驾驶员车辆控制模型不但可以揭示驾驶员的驾驶机理，而且可以计算、仿真和预测驾驶员的车辆控制行为，帮助改进车辆和辅助驾驶系统的设计过程。此外，它们可以为智能辅助驾驶系统和无人驾驶车辆控制技术的研究提供新的思路。因此，驾驶员车辆控制模型的研究有重要的科学意义和实用价值。现有的研究或从控制（包括驾驶员神经肌肉系统方面）或从认知角度发展驾驶员车辆控制模型。因此，这些模型不能全面的揭示驾驶员的控制机理和仿真驾驶员的车辆控制行为，这也限制了它们在帮助发展辅助驾驶系统等方面的价值。为了解决上述问题，本文建立了融合神经肌肉动力学和QN认知体系的驾驶员车辆侧向控制模型，提出了运动辅助任务条件下的驾驶员车辆侧向控制的双任务建模方法。该模型以QN认知体系为框架可以反映驾驶员认知能力和局限，与控制理论的结合可以实现车辆控制的数学描述，融入神经肌肉动力学可以体现驾驶员的神经肌肉系统和车辆转向系统之间的动态交互。本论文取得的主要创新性成果： 1）改进了基于QN认知体系的驾驶员模型，提出了表征驾驶转向控制的神经肌肉动力学模型，在此基础上，通过融合神经肌肉动力学和QN认知体系模型，建立了一种新颖的驾驶员车辆侧向控制模型。 2）利用建立的驾驶员模型，揭示了神经肌肉动力学参数（包括肌肉协同收缩刚度和反射控制增益）对驾驶员侧向控制性能的影响规律。 3）在建立的驾驶员模型的基础上，通过应用多任务调度方法，提出了一种运动辅助任务条件下的驾驶员车辆侧向控制的双任务建模方法。这些创新成果的取得不仅可以帮助更好地揭示驾驶员的车辆控制机理，解释运动辅助任务对驾驶主任务的影响，也可以为智能车辆和智能辅助驾驶系统的研究和开发提供支持。

关键词：驾驶员模型 QN认知体系神经肌肉动力学侧向控制多任务建模

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：