检索结果-内蒙古大学图书馆

造船技术 2025年第1期53卷 66-71页

作者：占晓明薛阳刘强浙江华东测绘与工程安全技术有限公司浙江杭州310014 中国电建集团华东勘测设计研究院有限公司浙江杭州311122

自治式潜水器(Autonomous Underwater Vehicle,AUV)的运动仿真和控制器设计均需要精确的操纵模型,但传统的建模方法和操纵方程不能使操纵模型达到较高的预测精度。针对高斯过程(Gaussian Process,GP)计算效率低、无法实现预测不确定性... 详细信息

自治式潜水器(Autonomous Underwater Vehicle,AUV)的运动仿真和控制器设计均需要精确的操纵模型,但传统的建模方法和操纵方程不能使操纵模型达到较高的预测精度。针对高斯过程(Gaussian Process,GP)计算效率低、无法实现预测不确定性传播的问题,提出一种采用稀疏高斯过程(Sparse Gaussian Process,SGP)的AUV模型辨识方法。建立AUV三自由度动力学模型,采用基于矩匹配的近似方法处理GP预测不确定性传播,采用基于距离相似度的SGP提高GP的计算效率。使用美国海军研究生院(Naval Postgraduate School,NPS)的AUV模型进行运动仿真。结果表明,所提出的方法泛化能力强、准确度高,可方便地用于AUV的动力学模型辨识。

关键词：自治式潜水器动力学模型辨识方法稀疏高斯过程高斯过程预测不确定性传播矩匹配距离相似度

来源：评论

学校读者我要写书评

暂无评论

稀疏高斯过程在短期风电功率概率预测中的应用

引用

电机与控制学报 2019年第8期23卷 67-77页

作者：李军杜雪兰州交通大学自动化与电气工程学院

针对短期风电功率预测,提出一类基于稀疏高斯过程(sparse gaussian processes,Sparse-GP)的概率预测方法。通过对数据集随机划分所形成的数据子集,给出基于数据点子集(subset of datapoints,SoD)近似、回归子集(subset of regressors,S... 详细信息

针对短期风电功率预测,提出一类基于稀疏高斯过程(sparse gaussian processes,Sparse-GP)的概率预测方法。通过对数据集随机划分所形成的数据子集,给出基于数据点子集(subset of datapoints,SoD)近似、回归子集(subset of regressors,SoR)近似、投影过程(projected process,PP)近似算法的3种Sparse-GP方法,该方法不仅能给出模型的均值预测,而且能获取模型的预测方差,这很好地解释了模型置信水平。不同的Sparse-GP方法在保持常规GP方法优点的同时,还能解决GP方法随着训练数据增加而产生的矩阵运算困难等难题,且计算效率高。将具有不同协方差函数形式的Sparse-GP方法应用于不同地区的短期风电功率单步与多步预测实例中,在同等条件下还与常规GP、SVM方法进行对比。实验结果表明,Sparse-GP方法可以给出较好的预测效果,且适用于较大规模数据集的训练。

关键词：稀疏高斯过程风电功率概率预测协方差函数近似算法

来源：评论

学校读者我要写书评

暂无评论

基于带有噪声输入的稀疏高斯过程的人体姿态估计

引用

自动化学报 2019年第4期45卷 693-705页

作者：夏嘉欣陈曦林金星李伟鹏吴奇上海交通大学电子信息与电气工程学院自动化系上海200240 系统控制与信息处理教育部重点实验室上海200240 上海交通大学航空航天学院上海200240 南京邮电大学自动化学院南京210000

高斯过程回归(Gaussian process regression, GPR)是一种广泛应用的回归方法,可以用于解决输入输出均为多元变量的人体姿态估计问题.计算复杂度是高斯过程回归的一个重要考虑因素,而常用的降低计算复杂度的方法为稀疏表示算法.在稀疏算... 详细信息

高斯过程回归(Gaussian process regression, GPR)是一种广泛应用的回归方法,可以用于解决输入输出均为多元变量的人体姿态估计问题.计算复杂度是高斯过程回归的一个重要考虑因素,而常用的降低计算复杂度的方法为稀疏表示算法.在稀疏算法中,完全独立训练条件(Fully independent training conditional, FITC)法是一种较为先进的算法,多用于解决输入变量彼此之间完全独立的回归问题.另外,输入变量的噪声问题是高斯过程回归的另一个需要考虑的重要因素.对于测试的输入变量噪声,可以通过矩匹配的方法进行解决,而训练输入样本的噪声则可通过将其转换为输出噪声的方法进行解决,从而得到更高的计算精度.本文基于以上算法,提出一种基于噪声输入的稀疏高斯算法,同时将其应用于解决人体姿态估计问题.本文实验中的数据集来源于之前的众多研究人员,其输入为从视频序列中截取的图像或通过特征提取得到的图像信息,输出为三维的人体姿态.与其他算法相比,本文的算法在准确性,运行时间与算法稳定性方面均达到了令人满意的效果.

关键词：姿态估计回归分析稀疏高斯过程噪声输入视频处理

来源：评论

学校读者我要写书评

暂无评论

基于稀疏高斯过程回归的船舶动力学模型辨识

引用

海军工程大学学报 2022年第5期34卷 84-89页

作者：陈刚王威霍聪海军工程大学舰船与海洋学院武汉430033 中国空气动力研究与发展中心低速空气动力研究所四川绵阳621000

船舶动力学模型对于自主航行船舶的运动规划和控制具有十分关键的作用。针对高斯过程回归建模计算复杂度高的问题,提出基于稀疏高斯过程回归的船舶动力学模型辨识算法,利用相似度对大样本进行稀疏,改善高斯过程回归难以应用于大样本数... 详细信息

船舶动力学模型对于自主航行船舶的运动规划和控制具有十分关键的作用。针对高斯过程回归建模计算复杂度高的问题,提出基于稀疏高斯过程回归的船舶动力学模型辨识算法,利用相似度对大样本进行稀疏,改善高斯过程回归难以应用于大样本数据学习的缺陷,以KVLCC2船舶的试验数据验证所提方法的有效性。结果表明:稀疏高斯过程缩短了模型计算时间,得到了比参数化模型精度更高的船舶运动预报。

关键词：船舶动力学稀疏高斯过程辨识相似度

来源：评论

学校读者我要写书评

暂无评论

单任务以及多任务稀疏高斯过程

单任务以及多任务稀疏高斯过程

引用

作者：朱江华东师范大学

学位级别：硕士

高斯过程是一个流形且有效的用于回归和分类问题的贝叶斯方法。然而受限于训练样本数目的三次方的时间复杂度的限制,用高斯过程处理样本数目过多的大数据集非常耗时。本文中我们将研究单任务以及多任务稀疏高斯过程。首先,从稀疏图的角... 详细信息

高斯过程是一个流形且有效的用于回归和分类问题的贝叶斯方法。然而受限于训练样本数目的三次方的时间复杂度的限制,用高斯过程处理样本数目过多的大数据集非常耗时。本文中我们将研究单任务以及多任务稀疏高斯过程。首先,从稀疏图的角度考虑我们将流形保持图缩减算法应用于构建单任务稀疏高斯过程中。然而该算法并没有有效的考虑到输出对高斯过程的影响,我们紧接着将一个考虑输出的算法嵌入到流形保持图缩减算法的框架中,提出了有输出的流形保持图缩减算法。本文中,我们嵌入了信息向量机算法。实验结果表明有输出的流形保持图缩减算法构建的稀疏高斯过程性能最好,它的准确率和使用完全的训练集训练的高斯过程相当。其次,我们提出了一个多任务稀疏规范化器,试图利用相关任务的局部和全局一致性来规范化多个相关稀疏高斯过程的子集选择。然而这个规范化器仍然存在两个问题：1)对于初始样本点的过拟合；2)没有考虑不同任务之间输入值范围差异大的情况。因此,我们提出了改进的多任务稀疏规范化器,在稀疏化前进行了规范化同时将多任务稀疏规范化器公式中的已选点替换成了粗糙的全局结构。本文中,我们将这两个规范化器与流形保持图缩减算法和有输出的流形保持图缩减算法结合来构建多任务稀疏高斯过程。实验结果表明它们的优越性,改进的多任务稀疏规范化器的性能最好,多任务稀疏规范化器次之。

关键词：稀疏高斯过程流形保持图缩减规范化器局部和全局一致性

来源：评论

学校读者我要写书评

暂无评论

基于深度稀疏高斯过程的人体姿态估计

基于深度稀疏高斯过程的人体姿态估计

引用

第30届中国过程控制会议（CPCC 2019）

作者：刘楠吴奇上海交通大学电子信息与电子工程学院

高斯过程(Gaussian Process)模型由于其在函数估计方面的灵活性和非参数性,在解决输入输出均为多元变量的人体姿态估计问题中,发挥了重要作用.然而,高斯过程只能代表一类受限的函数,使其应用范围仍然受到诸多限制.因此,本文提出了一种... 详细信息

高斯过程(Gaussian Process)模型由于其在函数估计方面的灵活性和非参数性,在解决输入输出均为多元变量的人体姿态估计问题中,发挥了重要作用.然而,高斯过程只能代表一类受限的函数,使其应用范围仍然受到诸多限制.因此,本文提出了一种深度稀疏高斯过程(Deep Sparse Gaussian Process)来解决这种局限性,并将其应用于人体姿态估计的问题中.深度稀疏高斯过程是由基本的高斯过程通过递归形成的多层网络模型,但整个模型不再是一个高斯过程,具有更强的学习能力和泛化能力,可以求取更为复杂的问题的近似解,同时具有更好的灵活性.本文构建了一个适于深度稀疏高斯过程的变分近似结构,将变分的方法和隐变量模型(Latent Variable Model)整合到深度模型中,从而获得一个非监督的深度非参数生成模型,同时,在模型中引入了稀疏的方法,使其在面对大规模数据时仍有较强的适用性.

关键词：姿态估计深度学习高斯过程稀疏高斯过程网络模型

来源：评论

学校读者我要写书评

暂无评论

抗噪性高斯过程用于风电系统暂态电压稳定性的评估

引用

南方电网技术 2024年第9期18卷 126-137页

作者：王强张津李上杨三峡大学电气与新能源学院湖北宜昌443002 智慧能源技术湖北省工程研究中心湖北宜昌443002

基于机器学习的风电系统安全评估方法已成为当下热点,但对样本噪声影响不予以充分考虑,则难以保证系统暂态电压稳定性评估的准确性和可靠性。为此构建抗噪性高斯过程多分类模型(noisy input multi-class Gaussian process,NIMGP),首先,... 详细信息

基于机器学习的风电系统安全评估方法已成为当下热点,但对样本噪声影响不予以充分考虑,则难以保证系统暂态电压稳定性评估的准确性和可靠性。为此构建抗噪性高斯过程多分类模型(noisy input multi-class Gaussian process,NIMGP),首先,引入稀疏高斯过程,选用诱导点代替部分原输入点进行训练,以降低模型计算的复杂度;其次,对模型中的输入数据引入可加性高斯噪声实现抗噪处理,通过泰勒级数法近似求解含噪声输入的高斯过程,使输入噪声转化为输出噪声、改善模型评估性能。最后,在含风电场的新英格兰39节点系统进行仿真,对系统暂态电压的稳定、临界和失稳状态及稳定样本的稳定裕度进行预测。多种不同工况仿真结果对比表明,NIMGP具有较强的泛化能力、在不同工况下仍有较好的预测精度。

关键词：风电系统稀疏高斯过程抗噪性高斯过程多分类稳定裕度

来源：评论

学校读者我要写书评

暂无评论

基于高斯过程的风电功率概率预测

基于高斯过程的风电功率概率预测

引用

作者：杜雪兰州交通大学

学位级别：硕士

风能是最有效的绿色可再生能源,但由于风能的随机性及非线性特征,导致风力发电的输出功率难以控制,给电网的计划和调度带来了挑战和困难。因此,可靠、精确的风电功率预测对改进电力系统的可靠性和优化电网的运行成本极为关键,它也成为... 详细信息

风能是最有效的绿色可再生能源,但由于风能的随机性及非线性特征,导致风力发电的输出功率难以控制,给电网的计划和调度带来了挑战和困难。因此,可靠、精确的风电功率预测对改进电力系统的可靠性和优化电网的运行成本极为关键,它也成为了新能源领域非常重要的研究方向之一。目前,常用的预测方法如神经网络、SVM(Support Vector Machines,支持向量机)等方法均在风电功率预测中取得较好的效果。但是,由于风速受到各种天气因素的影响,使得风电功率的误差不能完全避免,由于神经网络及SVM方法仅能得到预期均值的点预测值,这也在一定程度上提高了预测的误差,若能提高预测精确度的同时,还能给出预测的置信水平,则更有利于评价依靠预测结果的决策风险。GP(Gaussian Processes,高斯过程)方法基于对训练数据的学习,能自适应确定先验协方差函数中的“超参数”,在给出模型预测输出的同时,还能获取预测输出的方差,从而很好地解释模型的置信水平,这也是其建模的特色之处。考虑具有较大规模训练数据集时,与SVM相似,GP方法会出现协方差函数矩阵运算的困难,其计算的复杂性增加,这在一定程度上限制了它的应用。Sparse-GP(Sparse Gaussian Processes,稀疏高斯过程)方法作为一类对具有固定“超参数”的GP的概率逼近,则能适用于较大规模数据集的学习,通过随机选取训练数据集的数据子集,给出基于SoD(Subset of Datapoints,数据点子集)逼近、SoR(Subset of Regressors,回归量子集)逼近、PP(Projected Process,投影过程)逼近的Sparse-GP方法,在保持GP方法优点的同时,降低了计算复杂度。本文的主要研究内容如下:(1)研究GP相应的学习算法,并对GP中用到的协方差函数和“超参数”进行分析。(2)进一步研究Sparse-GP的基本理论,其中着重研究一类具有固定“超参数”的稀疏高斯过程方法,并对其中的三种方法:SoD方法、SoR方法和PP方法进行了研究。(3)将3种Sparse-GP方法应用于不同地区的短期风电功率单步与多步预测实验中,并考虑不同的单一协方差函数或组合协方差函数形式,在同等条件下,还与常规GP、SVM方法进行比较,可看出本文方法在不同的单一协方差函数和组合协方差函数形式下的预测精度均高于常规GP方法及支持向量机,并且同一种方法在组合协方差函数形式下的预测精度要高于单一协方差函数。

关键词：稀疏高斯过程协方差函数风电功率概率预测

来源：评论

学校读者我要写书评

暂无评论

基于高斯过程回归的时间域航空电磁去噪方法研究

基于高斯过程回归的时间域航空电磁去噪方法研究

引用

作者：刘怡茹成都理工大学

学位级别：硕士

时间域航空电磁法是以飞机为载体,通过测量地下介质感应产生的随时间变化的二次场,来探测地下介质的电性分布的一种地球物理勘探方法。具有勘探面积广、成本相对较低、受地形地貌影响较小、勘探效率较高以及具有良好的水平分辨率等优点... 详细信息

时间域航空电磁法是以飞机为载体,通过测量地下介质感应产生的随时间变化的二次场,来探测地下介质的电性分布的一种地球物理勘探方法。具有勘探面积广、成本相对较低、受地形地貌影响较小、勘探效率较高以及具有良好的水平分辨率等优点,因此,可以被广泛的应用在众多领域中,比如:地下水分布调查和矿物资源勘探、未爆炸物的检测、地质填图以及地质灾害监测等。时间域航空电磁法通常采集的是信号较弱的二次场响应,其有效信号频带较宽,从而使得接收到的信号容易受到多种噪声的影响,制约了航空电磁探测系统对地下介质的勘探深度以及后期的数据处理和反演成像精度。所以,对时间域航空电磁数据进行预处理,提高数据的信噪比,对提高数据处理质量和反演解释精度有着重要的意义。常规的抑制噪声手段大多是从单一噪声入手,从时域、频域、信号分解的角度进行滤波,但航空电磁信号与噪声在时频域存在重叠,常规处理手段往往达不到理想效果。由于许多现象或信号可以看作是随机信号,因此,从统计学角度对信号进行处理研究是目前重要手段之一。本文在“十三五”国家重点研发计划项目课题“直升机航空电磁探测数据解释软件系统研发”支持下,利用高斯过程回归方法对时间域航空电磁数据进行去噪研究,并对其有效性和可行性进行分析。具体来说,主要研究内容如下:(1)时间域航空电磁模拟数据的生成。首先,使用一维正演模拟方法获得基于中心回线装置的一维航空瞬变电磁响应数据。然后,建立层状二维地电模型,并利用2.5维正演模拟方法生成模拟的二维电磁剖面数据。最后,根据实测数据中噪声的高斯特性和天电噪声的特点,在一、二维电磁数据的基础上添加高斯白噪声和天电噪声得到模拟后的含噪数据,从而为后面的去噪方法研究及去噪结果分析提供了基础测试数据。(2)基于高斯过程回归模型的去噪方法。首先,针对高斯过程回归中核函数的选择问题对常见的平方指数协方差函数和有理二次协方差函数定义的高斯先验做采集实验,分析哪种核函数优越性高为后续去噪实验做模型支撑;然后针对高斯过程回归中超参数选择问题,从单一参数(长度规模尺度)入手,做正态线性拟合实验,分析不同参数值对模型拟合效果有何影响,为后续去噪实验自适应获取超参数值提供理论依据。最后,利用高斯过程回归方法对时间域航空电磁一维模拟数据进行去噪,并对其有效性和可行性进行分析。(3)基于稀疏高斯过程回归的去噪方法。由于高斯过程回归方法中需要对协方差函数进行求逆,导致了传统高斯过程回归方法需要消耗大量的计算成本,因此本文采用稀疏高斯过程回归方法降低运算成本,提高预测效率。首先,对正弦模型添加一定噪声做预测实验,证明稀疏伪输入法的去噪可行性。然后,在固定伪输入集个数的情况下基于不同训练点数做曲线拟合实验,分析训练点数对预测结果和预测速度的影响。最后,在固定训练点数的情况下针对不同伪输入集个数将稀疏伪输入法和传统高斯过程回归方法应用到时间域航空电磁一维模拟数据去噪中,并通过信噪比和均方根误差评价两者的去噪效果,通过训练时间和预测时间评价两方法的去噪效率。(4)高斯过程回归和稀疏高斯过程回归去噪方法性能比较。首先利用高斯过程回归和稀疏高斯过程回归两种方法对模拟二维剖面电磁响应数据进行去噪;然后对去噪后的数据进行反演成像,分析上述两种方法的去噪效果;最后使用这两种方法对新疆某探区实测数据进行处理,进一步验证所推荐去噪方法的可行性。

关键词：时间域航空电磁法去噪高斯过程回归稀疏高斯过程稀疏伪输入法

来源：评论

学校读者我要写书评

暂无评论

基于信息向量机的神经活动分类和译码研究

引用

计算机工程 2010年第7期36卷 198-199,202页

作者：徐翔刘建伟罗雄麟中国石油大学机电工程学院北京102249

利用信息向量机(IVM)算法对来自脑皮层的少量运动神经元激发率进行分类,识别出神经状态,用该神经状态指导神经元激发率的译码。将IVM算法与支持向量机算法、相关向量机算法进行实验比较,结果证明,IVM算法的神经活动分类和译码性能最优,... 详细信息

利用信息向量机(IVM)算法对来自脑皮层的少量运动神经元激发率进行分类,识别出神经状态,用该神经状态指导神经元激发率的译码。将IVM算法与支持向量机算法、相关向量机算法进行实验比较,结果证明,IVM算法的神经活动分类和译码性能最优,运行时间最短。

关键词：信息向量机稀疏高斯过程神经活动分类和译码支持向量机相关向量机

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：