检索结果-内蒙古大学图书馆

小型微型计算机系统 2019年第7期40卷 1374-1379页

作者：曾兆伟曹健上海交通大学计算机科学与工程系

当今数据分析服务在许多领域已经变得至关重要,但与此同时数据分析服务流程模型的构建复杂却严重制约了数据分析服务的发展.近年来研究者将传统的业务服务工作流模型推荐算法引入到了数据分析服务工作流,进行模型推荐.但是数据分析服务... 详细信息

当今数据分析服务在许多领域已经变得至关重要,但与此同时数据分析服务流程模型的构建复杂却严重制约了数据分析服务的发展.近年来研究者将传统的业务服务工作流模型推荐算法引入到了数据分析服务工作流,进行模型推荐.但是数据分析服务工作流与传统的业务服务工作流存在很大的不同,即数据分析中至关重要的数据信息和上下文信息,它们对数据分析服务流程模型推荐的影响十分之大.故本文拟结合数据集的数据特征和文本描述信息来进行模型推荐.通过这些信息定义最佳模型,将数据集数据和文本描述信息特征提取出来,并对比几种不同的特征表示方法对文本描述信息的效果.分类得到模型类型,实验多种相似性距离计算方式,再通过协同过滤算法为用户推荐数据分析服务流程模型.对于实验中Top5模型推荐,其能达到77%左右的准确率.

关键词：模型推荐数据挖掘协同过滤工作流

来源：评论

学校读者我要写书评

暂无评论

基于机器学习的关键部件剩余寿命预测与模型推荐方法研究

基于机器学习的关键部件剩余寿命预测与模型推荐方法研究

引用

作者：谭铮湖南科技大学

学位级别：硕士

随着现代工业的进步,机械设备向着高精、高效方向持续发展,传统的设备维护技术越来越难以满足新的要求。由于设备监测数据量的快速增长及现代计算机计算能力的迅速发展,设备状况预测与健康管理(Prognostics and Health Management,PHM)... 详细信息

随着现代工业的进步,机械设备向着高精、高效方向持续发展,传统的设备维护技术越来越难以满足新的要求。由于设备监测数据量的快速增长及现代计算机计算能力的迅速发展,设备状况预测与健康管理(Prognostics and Health Management,PHM)技术的应用研究日益被人们重视。设备剩余寿命预测是PHM技术的基础和核心,然而当前很多传统的机器学习算法存在对设备退化特征缺乏强有力的提取能力不足,以及需要人工参与手动标注数据标签等问题,导致当前的模型难以准确预测设备剩余寿命。另一方面,机器学习模型结果受模型影响严重,不适当的模型选择将导致预测精度难以达到生产要求。本文研究了如何提高PHM技术中剩余寿命预测的准确性。并针对PHM建模复杂和参数试错繁琐问题开发了模型推荐方法,有效提高了PHM技术中的模型开发效率,促进已有机器学习模型在设备健康管理领域的重用或部分重用。同时开发了支持选取预测模型和调整参数的寿命预测界面工具,本文的主要贡献如下:(1)针对关键设备剩余寿命预测问题,提出了一种数据驱动的关键设备剩余寿命预测方法。该方法首先基于堆叠去噪自动编码器神经网络直接对原始监测信号进行自适应的特征提取,并选择合适的特征指标作为设备健康指标HI;然后将HI作为相似性退化模型的输入,结合设备性能退化过程的相似性度量进行预测。在C-MAPSS数据集上的实验结果表明,该方法相比传统模型有更好的预测效果。(2)针对PHM应用中的机器学习模型推荐问题,提出了一种面向设备健康管理的机器学习模型推荐方法。该方法首先基于Doc2Vec与MMD算法得到数据集的文本特征相似度与数据分布特征相似度;文本特征相似度与数据分布特征相似度基于不同权重相加形成融合特征相似度,通过判断融合特征相似度大小,得到相似度最高的待选数据集的最佳模型与最佳模型参数设置;之后将最相似数据集的最佳模型以及模型参数直接推荐给输入的新数据集。本文使用真实工业轴承数据集CWRU与OpenML平台进行实验验证了该方法具有较好的模型推荐能力。(3)设计并实现了一个关键设备剩余寿命预测辅助工具。

关键词：机器学习剩余寿命模型推荐 OpenML

来源：评论

学校读者我要写书评

暂无评论

基于关联规则的城市电力负荷预测模型推荐

基于关联规则的城市电力负荷预测模型推荐

引用

作者：耿芳天津大学

学位级别：硕士

负荷预测是电网规划的基础工作,它的准确性直接影响电网规划质量。而负荷预测模型是进行负荷预测的主要工具。目前可用于电力负荷预测的模型方法众多,在实际应用中一般只选择部分适合模型进行预测和分析,模型的选择主要依靠专家经验。... 详细信息

负荷预测是电网规划的基础工作,它的准确性直接影响电网规划质量。而负荷预测模型是进行负荷预测的主要工具。目前可用于电力负荷预测的模型方法众多,在实际应用中一般只选择部分适合模型进行预测和分析,模型的选择主要依靠专家经验。现有模型自动推荐方法只是简单应用拟合误差,而模型本身的特性和预测地区相关因素对预测结果有很大影响。因此,选定合适的预测模型对预测结果非常重要。当前的模型选择主要根据预测结果与历史数据的拟合精度,关于关联规则在模型推荐方面的应用还未见报道。因此,本文提出了一种新的基于关联规则的负荷预测模型推荐方法。本文以数据挖掘为理论基础,结合电力行业负荷数据的具体特点,将关联规则方法应用于城市电力负荷预测模型推荐中,提出了基于关联规则的电力负荷预测模型推荐方法,解决了面对众多预测模型决策者难以选择的问题。该方法首先建立预测模型与相关因素历史方案数据库,在此基础上进行关联规则挖掘,然后结合给定预测地区的相关因素条件,利用案例推理技术在挖掘出的规则中进行条件匹配,最终得出给定条件下各负荷预测模型对预测地区的适应度并完成模型自动推荐。本文建立了国内42个城市地区预测案例的历史方案数据库,通过数据挖掘,得出132条强关联规则。通过分析结果可以看出特定预测模型适用度与哪些相关因素有关,运用这些规则,本文方法能够得到合理的模型推荐结果。基于关联规则的适合模型推荐方法,不仅能自动分析模型适用度与各相关因素的内在联系,还能在一定程度上体现预测者对模型的偏好。本文还通过在数据中预埋规则的挖掘和我国某地区的负荷预测实例,说明了算法的正确性和可行性。最后,基于模型推荐算法程序,针对如何将其集成到天津大学城市电网规划辅助决策系统CNP4.0的总量负荷预测子系统中进行了设计,以扩展现有的适合模型推荐功能。

关键词：负荷预测拟合精度关联规则模型推荐数据挖掘

来源：评论

学校读者我要写书评

暂无评论

基于用户画像的微博信息推荐模型研究

基于用户画像的微博信息推荐模型研究

引用

作者：张冰黑龙江大学

学位级别：硕士

从理论界的层面而言,现阶段有诸多的研究人士对推荐系统予以了高度的重视,它的应用范围正在逐渐的拓宽。与此同时,与之对应的功能需求的数量也随之而大幅度的提升。举例来说,用户通常来讲会对实时性要求以及准确性要求这两个方面格外的... 详细信息

从理论界的层面而言,现阶段有诸多的研究人士对推荐系统予以了高度的重视,它的应用范围正在逐渐的拓宽。与此同时,与之对应的功能需求的数量也随之而大幅度的提升。举例来说,用户通常来讲会对实时性要求以及准确性要求这两个方面格外的关注。就现阶段来说,无论是在用户自身提出复杂程度较高的需求时,还是系统在分析用户所传达的需求的过程当中,均会运用到多回合模式。对于早期的机器来说,运用单回合模式的优势较为明显和突出。然而从多回合模式的角度而言,则要对强化算法予以高度的重视。笔者将微博网作为先决性条件,建立起以用户画像作为前提条件的推荐模型。之所以要建立起这样一个模型,是为了能够对用户对于项目特征的了解程度以及个人偏好予以详细而透彻的研究,不仅如此,在其中还科学且合理的加入个性化要素。除此之外,在预测评分的期间,笔者则具有高度针对性的选择了引入权重因子这样一种手段,从而使得预测结果更加高效和无误。如果将笔者所提出的模型与早期的推荐算法这两者相互比较一番则能够不难发现,前者所得出的结果更加的精准,误差值较小。然而总体来说,笔者所提出的模型依然有进一步提高和完善的地方,希望在以后的学习当中对其予以更深层次的完善。

关键词：微博用户画像模型推荐

来源：评论

学校读者我要写书评

暂无评论

多智能体强化学习模型的自动构建和可视分析方法研究

多智能体强化学习模型的自动构建和可视分析方法研究

引用

作者：顾浩嵚杭州电子科技大学

学位级别：硕士

在当前的人工智能时代,强化学习作为人工智能的重要分支,在自动驾驶、智能游戏、机器人导航等多个领域展现了解决复杂问题的巨大潜力。强化学习通过让智能体在与环境的交互中学习如何做出决策以最大化累积奖励,打开了一条通往高度自主... 详细信息

在当前的人工智能时代,强化学习作为人工智能的重要分支,在自动驾驶、智能游戏、机器人导航等多个领域展现了解决复杂问题的巨大潜力。强化学习通过让智能体在与环境的交互中学习如何做出决策以最大化累积奖励,打开了一条通往高度自主智能系统的道路。尽管其应用前景广阔,但在实践中,特别是在涉及多智能体系统的情境下,如何高效地构建、分析并优化强化学习模型仍是一个棘手的问题。同时多智能体系统中的智能体需要学会如何协作或竞争以达到各自或共同的目标,这也增加了问题的复杂度。为应对这一挑战,本研究提出了两种创新方法,旨在简化强化学习模型的构建过程,并增强对多智能体系统的理解和分析能力。本文工作如下: (1)在强化学习模型构建方面,针对目前构建方法自动化程度不足、缺乏有效的网络推荐机制的问题,本文提出了一种以大语言模型为驱动的推荐构建方法。实验表明,本文的方法可以很好的通过自然语言实现定制化强化学习模型的构建。针对缺乏网络推荐机制的问题,本文提出的网络推荐方法,根据用户自然语言描述中分析出的参数选择最合适的强化学习网络。基于这些技术,本文设计了强化学习模型推荐构建系统,并通过案例和实验证明了该系统的有效性。 (2)在强化学习模型分析优化方面,针对目前多智能体环境下缺乏分析方法的问题,本文提出了一种针对多智能体强化学习的可视分析方法。对于多智能体环境下的行为分析问题,本文提出了一种行为模式提取方法,案例表明其可以很好的从训练数据样本中抽取出智能体形成的行为模式,尤其是多个智能体之间形成的配合。对于多智能体环境下的注意力分析问题,本文的方法可以很好的提取出模型对于各智能体的关注度以及各智能体对于不同属性的关注度。基于这些技术,本文设计了多智能体强化学习模型可视分析系统,通过案例演示了该系统如何进行模型理解、诊断和优化,也证明了我们提出方法可以有效的进行多智能体强化学习模型的分析优化。

关键词：强化学习大语言模型自动构建模型推荐多智能体可视化分析

来源：评论

学校读者我要写书评

暂无评论

面向知识抽取的ModelOps平台设计与实现

面向知识抽取的ModelOps平台设计与实现

引用

作者：邹佩聂北京大学

学位级别：硕士

随着信息技术的发展,海量数据不断累积,其中非结构化数据成为了其中增长主力,这些数据中蕴含着丰富的知识,如何高效地从这些数据中提取知识成为了亟待解决的问题。在此背景下,知识抽取作为自然语言处理领域的一个重要技术,得到了广泛的... 详细信息

随着信息技术的发展,海量数据不断累积,其中非结构化数据成为了其中增长主力,这些数据中蕴含着丰富的知识,如何高效地从这些数据中提取知识成为了亟待解决的问题。在此背景下,知识抽取作为自然语言处理领域的一个重要技术,得到了广泛的应用和发展。它旨在从非结构化或半结构化的文本数据中自动提取结构化信息,为信息检索、智能问答、自然语言理解等领域提供支持。然而,知识抽取模型的构建与应用仍面临诸多挑战。首先,在数据集处理和模型开发阶段,研究人员经常需要投入大量时间进行数据集和模型之间的适配工作,这个过程既繁琐又低效。其次,在模型训练和评估阶段,研究人员需要手动参与模型实验全程,缺乏自动化的过程管理,导致资源浪费,并且实验结果难以追踪。最后,在模型选择和应用阶段,面对众多可选的知识抽取模型,研究人员往往难以快速准确地找到满足特定需求的模型,导致效率低下。针对以上问题和挑战,本文利用Model Ops的思想,针对知识抽取任务,进行相关研究。我们的目标是构建一个高效的Model Ops平台,以支持知识抽取任务的全流程管理和自动化。具体而言,本文的主要工作如下:1.针对数据集与模型之间的适配问题,我们设计并实现了一种基于多层回调函数的数据集抽象描述机制。通过将数据集文件及其对应的数据处理方法、数据清洗方法和模型特有的特征抽取方法以回调函数形式动态地嵌入,形成数据集抽象描述,使得平台中的模型与数据集能够高效适配,更好地支持知识抽取任务的实施。本文对该机制进行了验证,证明了其有效性。目前平台已成功整合了12个知识抽取的数据集和8个模型,展示了该机制的可行性和适用性。通过这种机制,研究人员能够方便地在平台上新增数据集和模型,无需修改平台的核心代码,提高了工作的灵活性和效率。2.针对模型开发过程中的管理不足、自动化程度低、可复用性差等问题,我们设计并实现了一个可复用的模型监控与管理机制。该机制实现了计算资源的自动分配、模型训练与评估的自动化,以及模型持续监控与管理。通过该机制,我们能够高效管理模型的开发和实验过程,提升管理效率和可复用性。3.针对知识抽取模型选择困难问题,我们设计并实现了一种基于数据集相似性的模型推荐方法。该方法利用最大均值差异和弗雷彻距离计算数据集之间的相似度,通过秩和比法将两个相似度指标融合,计算最终的数据集相似度,进而进行模型推荐。实验结果证明了本方法的有效性。基于上述研究内容,本文设计并实现了一个面向知识抽取的Model Ops平台。该平台具备数据集管理、数据标注、模型训练与评估、模型监控、模型推荐以及模型使用等功能,形成了生态闭环,为知识抽取任务提供了全面支持。此外,平台还提供了友好的用户界面,使得用户能够方便地管理和查看相关数据与运行结果。本文的研究成果为知识抽取任务提供了便捷、高效、智能的支持,并且本文工作具备良好的可扩展性,能够支撑其他AI任务中的模型运维。

关键词：知识抽取 ModelOps平台模型管理模型推荐

来源：评论

学校读者我要写书评

暂无评论

基于深度元学习的风电流程剩余时间预测

基于深度元学习的风电流程剩余时间预测

引用

作者：田玉超山东建筑大学

学位级别：硕士

风能作为一种新型能源正逐渐受到广泛关注,推动了风力发电技术的快速发展,随之产生的风机设备检修问题制约着风力发电的产能效率。风电运维工作对于风能的高效产出具有关键性作用,涉及到工作票的填写、人员变更、流程延期等多种操作,造... 详细信息

风能作为一种新型能源正逐渐受到广泛关注,推动了风力发电技术的快速发展,随之产生的风机设备检修问题制约着风力发电的产能效率。风电运维工作对于风能的高效产出具有关键性作用,涉及到工作票的填写、人员变更、流程延期等多种操作,造成风电运维流程日益复杂,降低了人员运维效率,风机设备也无法得到及时维护。当前,风电业务流程复杂度较高,业务流程变更信息众多,并且因流程周期较长导致运维事件日志数量有限,致使现有的剩余时间预测模型容易出现模型过拟合、泛化能力弱等问题。因此,业务流程的剩余时间预测效果存在一定的提升空间。针对当前已有剩余时间预测模型的不足及事件日志样本数量有限的问题,本文改进了剩余时间预测方法,并提出了一种针对剩余时间预测模型的推荐方法,适用于不同场景下特定事件日志的预测模型推荐。主要内容研究如下:(1)针对风电业务流程复杂,流程反复变更,产生的流程轨迹长造成现有事件日志数量较少的问题,提出一种基于元学习和时间卷积网络的剩余时间预测模型。首先,获取不同长度的流程轨迹前缀数据,利用时间卷积网络建立预测模型。然后,考虑到事件日志样本数量较少的问题,在时间卷积网络的基础上,加入元学习技术,为小样本数据的训练任务提供较好的初始超参数,提升本文所提模型的预测精度。(2)针对特定的业务场景中剩余时间预测模型的选择耗时,且易受人的主观决策影响的问题,本文提出一种剩余时间预测模型的推荐方法。采用元学习策略(元特征提取、元目标模型选择、元数据库构建、推荐模型构建以及剩余时间预测模型推荐)实现剩余时间预测模型的推荐方法。通过设计对比实验,证明了方法的有效性。(3)通过构建风电运维流程数据集,建立风电业务流程管理与预测原型系统,将风电运维开票流程通过业务流程建模语言进行可视化展示,并利用未完成工作票流程的剩余时间预测结果进行超时判断,并将超时时间进行展示,实现流程的超时告警。

关键词：风电运维业务流程剩余时间预测模型推荐流程监控

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：