检索结果-内蒙古大学图书馆

化工学报 2024年

作者：李欣怡王功明王自鹏乔俊飞北京工业大学智慧环保北京实验室北京工业大学信息科学技术学院

针对污水处理过程非平稳性、多工况性导致的水质难以高效、精准预测的问题，提出了一种事件触发的模糊神经网络(Event-triggered fuzzy neural network， ETFNN)总磷预测模型设计方法，以事件的形式感知污水处理总磷状态演化过程的非... 详细信息

针对污水处理过程非平稳性、多工况性导致的水质难以高效、精准预测的问题，提出了一种事件触发的模糊神经网络(Event-triggered fuzzy neural network， ETFNN)总磷预测模型设计方法，以事件的形式感知污水处理总磷状态演化过程的非平稳性和多工况性，进而实现对总磷状态高效、精准的跟踪和预测。首先，利用总磷历史数据对模糊神经网络(Fuzzy Neural Network， FNN)进行训练，根据能够反映多工况切换的训练误差变化趋势来定义事件；其次，设计事件触发的模型参数更新策略，当不同事件发生时，模型会触发变步长的参数更新行为，即实现对污水处理运行非平稳性、多工况性的感知和识别；同时，本文通过构造等效马尔科夫决策过程的性能势函数证明了ETFNN模型学习过程的收敛性；最后，将ETFNN作为软测量模型，用于实际污水处理过程出水总磷建模与预测，并进行了综合分析。实验结果表明，所提出的ETFNN软测量模型不仅能提高总磷预测精度，还能以事件的形式识别并跳过无效数据，进而降低预测模型的计算复杂度。

关键词：污水处理水质预测事件触发模糊神经网络马尔科夫决策性能势函数

来源：评论

学校读者我要写书评

暂无评论

基于迭代优化展开的Cherenkov激发的荧光扫描成像重建算法

引用

中国激光 2023年第15期50卷 50-60页

作者：耿梦凡张虎李哲胡婷贾克斌孙中华冯金超北京工业大学信息学部计算智能与智能系统北京市重点实验室北京100124 先进信息网络北京实验室北京100124

Cherenkov激发的荧光扫描成像(CELSI)是一种新型的光学成像技术,为监测体内恶性肿瘤的生物学特性提供了一种手段.为提高CELSI图像重建质量,本文提出了一种基于迭代优化展开的深度学习图像重建算法——ADMM-Net.在该算法中,交替方向乘子... 详细信息

Cherenkov激发的荧光扫描成像(CELSI)是一种新型的光学成像技术,为监测体内恶性肿瘤的生物学特性提供了一种手段.为提高CELSI图像重建质量,本文提出了一种基于迭代优化展开的深度学习图像重建算法——ADMM-Net.在该算法中,交替方向乘子法(ADMM)与卷积神经网络(CNN)相结合组成一个深度网络,网络中的所有参数通过端到端训练进行学习.实验结果表明:该算法可以有效提升重建图像的质量.当网络层数为5时,该算法重建的单荧光目标图像的平均峰值信噪比和结构相似性值分别可达到33.75dB和0.86.该算法不仅可以分辨出边沿距离最小为2 mm的双荧光目标,而且在多荧光目标和不同荧光量子产额比率下表现出了良好的泛化能力.

关键词：医用光学生物技术 Cherenkov激发的荧光扫描成像图像重建技术交替方向乘子法深度学习优化展开

来源：评论

学校读者我要写书评

暂无评论

基于三维卷积时空融合网络的压缩视频质量增强算法

引用

高技术通讯 2024年第7期34卷 726-733页

作者：黄威威贾克斌北京工业大学信息学部北京100124 北京工业大学计算智能与智能系统北京市重点实验室北京100124 先进信息网络北京实验室北京100124

视频数据在存储与网络传输时,通常使用标准压缩算法对原始视频进行压缩。针对压缩后视频存在压缩伪影导致视频质量下降的问题,本文提出一种基于深度学习的后处理方法提高压缩视频质量。首先,提出一种新的三维卷积时空融合网络(3D-CSTF)... 详细信息

视频数据在存储与网络传输时,通常使用标准压缩算法对原始视频进行压缩。针对压缩后视频存在压缩伪影导致视频质量下降的问题,本文提出一种基于深度学习的后处理方法提高压缩视频质量。首先,提出一种新的三维卷积时空融合网络(3D-CSTF),通过三维卷积的滤波特性提取连续视频帧之间的时空信息,并利用视频帧之间信息的强相关性来提高视频质量。其中,设计了一种用于映射和提取视频帧特征的质量增强网络(Qe-Net)。其次,将7个连续的视频帧送到网络进行端到端训练,利用前3帧和后3帧的信息增强当前帧。最后,在MFQE数据集上进行训练和测试。实验结果表明,该方法在视频质量评估标准峰值信噪比(PSNR)上取得了良好的性能。当量化参数(QP)等于37、32、27和22时,相比压缩后的视频,PSNR分别增加0.82 dB、0.83 dB、0.79 dB和0.74 dB。

关键词： 3D卷积视频质量增强多帧信息深度学习

来源：评论

学校读者我要写书评

暂无评论

基于编解码结构的激光雷达动态物体点云分割网络

引用

高技术通讯 2024年第10期34卷 1091-1097页

作者：赵宇轩贾克斌李志坚北京工业大学信息学部北京100124 北京工业大学计算智能与智能系统北京市重点实验室北京100124 先进信息网络北京实验室北京100124

随着科技的不断发展,自动驾驶技术越来越多地进入到人们的生活中。动态物体点云分割是其中十分关键的一项任务,它可以为地图构建、路径规划等任务提供前置帮助。本文提出一种基于编码器-解码器结构的激光雷达动态物体点云分割网络,使用... 详细信息

随着科技的不断发展,自动驾驶技术越来越多地进入到人们的生活中。动态物体点云分割是其中十分关键的一项任务,它可以为地图构建、路径规划等任务提供前置帮助。本文提出一种基于编码器-解码器结构的激光雷达动态物体点云分割网络,使用自校正卷积替换上下文特征提取模块中的普通卷积,提升神经网络的特征学习能力;并在网络解码阶段加入通道注意力机制,提升网络对重要特征通道的关注学习程度,从而达成更好的分割效果。本文在SemanticKITTI MOS数据集上进行实验,实验结果表明,本文所提出的动态物体点云分割网络相比原有方法取得更优表现,交并比(IoU)达到72.1%。

关键词：激光雷达深度学习点云分割自动驾驶

来源：评论

学校读者我要写书评

暂无评论

基于注意力-残差双特征流卷积神经网络的深度图帧内编码单元快速划分算法

引用

北京工业大学学报 2025年第5期51卷 539-551页

作者：贾克斌吴岳珩北京工业大学信息学部北京100124 先进信息网络北京实验室北京100124 北京工业大学计算智能与智能系统北京市重点实验室北京100124

针对三维高效视频编码(three-dimensional high efficiency video coding,3D-HEVC)深度图编码单元(coding unit,CU)划分复杂度高的问题,提出一种基于卷积神经网络(convolutional neural networks,CNN)的算法来实现快速深度图帧内编码。首先,提出一种具有3个分支的注意力-残差双特征流卷积神经网络(attention-residual bi-feature stream convolutional neural networks,ARBS-CNN)模型,其中基于残差模块(residual module,RM)和特征蒸馏(feature distill,FD)模块的2个分支用于提取全局图像特征,基于动态模块(dynamic module,DM)和卷积-卷积块注意力模块(convolutional-convolutional block attention module,Conv-CBAM)的分支用于提取局部图像特征;然后,将提取到的特征进行整合并输出,得到对深度图CU划分结构的预测;最后,将ARBS-CNN嵌入到3D-HEVC测试平台中,利用预测结果加速深度图帧内编码。与原始算法相比,提出的算法能在维持率失真性能几乎不受影响的条件下,平均减少74.2%的编码时间。实验结果表明,该算法能够在保持率失真性能的条件下,有效降低3D-HEVC的编码复杂度。

关键词：三维高效视频编码(three-dimensional high efficiency video coding,3D-HEVC) 深度图卷积神经网络(convolutional neural networks,CNN) 编码单元(coding unit,CU)划分帧内编码双特征流

来源：评论

学校读者我要写书评

暂无评论

数据驱动选择策略的多目标差分进化算法

引用

控制与决策 2023年第7期38卷 1816-1824页

作者：侯莹吴毅琳白星韩红桂北京工业大学信息学部北京100124 北京工业大学教育部数字社区工程研究中心北京100124 北京工业大学计算智能与智能系统北京市重点实验室北京100124

针对多目标差分进化算法求解复杂多目标优化问题时,最优解选择策略中非支配排序计算复杂度高的问题,提出一种数据驱动选择策略的多目标差分进化(MODE-DDSS)算法.首先,设计多目标差分进化算法的优化解排序等级评估准则,建立基于评估准则... 详细信息

针对多目标差分进化算法求解复杂多目标优化问题时,最优解选择策略中非支配排序计算复杂度高的问题,提出一种数据驱动选择策略的多目标差分进化(MODE-DDSS)算法.首先,设计多目标差分进化算法的优化解排序等级评估准则,建立基于评估准则的优化解排序等级评估库;其次,设计基于优化解双向搜索机制和无重复比较机制的数据驱动选择策略,实现优化解的高效搜索和快速排序;最后,构建数据驱动选择策略的多目标差分进化算法,降低算法在最优解选择操作中的时间复杂度,提高算法的寻优效率.实验结果表明,所提出的MODE-DDSS算法能够有效减少最优解在选择过程中的比较次数,提升多目标差分进化算法解决复杂多目标优化问题的寻优效率.

关键词：数据驱动选择策略非支配排序多目标优化差分进化算法寻优效率

来源：评论

学校读者我要写书评

暂无评论

基于生理电信号的自动睡眠分期算法综述

引用

北京工业大学学报 2025年第4期51卷 435-451页

作者：金峥贾克斌北京工业大学信息科学技术学院北京100124 先进信息网络北京实验室北京100124 计算智能与智能系统北京市重点实验室北京100124

基于生理电信号的睡眠分期是监测睡眠过程和诊疗睡眠疾病的重要前提,针对人工睡眠分期方法存在耗时久、效率低、具有主观性等问题,近年来自动睡眠分期方法凭借高效性和准确性受到研究者的关注。因此,从算法设计的角度针对近6年的自动睡... 详细信息

基于生理电信号的睡眠分期是监测睡眠过程和诊疗睡眠疾病的重要前提,针对人工睡眠分期方法存在耗时久、效率低、具有主观性等问题,近年来自动睡眠分期方法凭借高效性和准确性受到研究者的关注。因此,从算法设计的角度针对近6年的自动睡眠分期算法进行综述,分为传统机器学习和深度学习两大类,并对2个类别按照单通道与多通道生理电信号2种输入方式,从模型算法、信号类型、分期性能方面进行归纳总结。通过对比可知:单通道信号输入降低了信号采集成本,更适用于家庭睡眠监测,而多通道信号输入贴合分期准则,更适用于临床睡眠分析;深度学习类算法相较于传统机器学习类算法更具有研究前景,其可利用深度神经网络自动学习信号内在表征,在高效处理大规模数据的同时提供较好的分期性能。深度学习方法未来的研究重点应该从模型设计的角度转变为提升模型可解释性和泛化性,从而推动深度神经网络在睡眠医学领域中的应用。

关键词：睡眠医学生理电信号自动睡眠分期机器学习深度学习深度神经网络

来源：评论

学校读者我要写书评

暂无评论

基于Q学习的多任务多目标粒子群优化算法

引用

控制与决策 2023年第11期38卷 3039-3047页

作者：韩红桂徐子昂王晶晶北京工业大学信息学部北京100124 计算智能与智能系统北京市重点实验室北京100124

多任务粒子群优化算法(multi-task particle swarm ptimization,MTPSO)通过知识迁移学习,具有快速收敛能力,广泛应用于求解多任务多目标优化问题.然而,MTPSO难以根据种群进化状态自适应调整优化过程,容易陷入局部最优,收敛性能较差.针... 详细信息

多任务粒子群优化算法(multi-task particle swarm ptimization,MTPSO)通过知识迁移学习,具有快速收敛能力,广泛应用于求解多任务多目标优化问题.然而,MTPSO难以根据种群进化状态自适应调整优化过程,容易陷入局部最优,收敛性能较差.针对此问题,利用强化学习的自我进化与预测能力,提出一种基于Q学习的多任务多目标粒子群优化算法(QM2PSO).首先,设计粒子群参数动态更新方法,利用Q学习方法在线更新粒子群算法的惯性权重和加速度参数,提高当前粒子收敛到Pareto前沿的能力;其次,提出基于柯西分布的突变搜索策略,通过全局和局部交替搜索多任务最优解,避免算法陷入局部最优;最后,设计基于正向迁移准则的知识迁移方法,采用Q学习方法更新知识迁移率,改善知识负迁移现象.与已有经典算法的对比实验结果表明所提出的QM2PSO算法具有更优越的收敛性.

关键词：多任务多目标优化粒子群优化知识迁移 Q学习

来源：评论

学校读者我要写书评

暂无评论

基于多目标粒子群优化的污水处理系统自适应评判控制

引用

工程科学学报 2024年第5期46卷 908-917页

作者：王鼎赵慧玲李鑫北京工业大学信息学部北京100124 计算智能与智能系统北京市重点实验室北京100124 智慧环保北京实验室北京100124 北京人工智能研究院北京100124

考虑到城市污水处理系统存在保证出水水质达标和降低能耗的需要,将其运行过程视为一个多目标优化控制问题.针对此问题,提出一种基于多目标粒子群优化(Multi-objective particle swarm optimization,MOPSO)算法的污水处理系统自适应评判... 详细信息

考虑到城市污水处理系统存在保证出水水质达标和降低能耗的需要,将其运行过程视为一个多目标优化控制问题.针对此问题,提出一种基于多目标粒子群优化(Multi-objective particle swarm optimization,MOPSO)算法的污水处理系统自适应评判控制方案,该方案分为上层优化和底层跟踪控制两部分.首先,污水处理过程存在非线性、多变量、大时变等特点,结合数据驱动思想对入水及出水组分数据进行分析,构建关于出水水质和运行能耗的多目标优化模型.采用径向基函数(Radial basis function,RBF)神经网络进行建模,并与反向传播(Back propagation,BP)神经网络进行了对比.然后,结合MOPSO算法强大的优化能力,采用MOPSO算法对优化目标进行求解,并设计一个决策方式从最优解集中选出偏好解,作为溶解氧与硝态氮浓度的最优设定值.接下来,底层跟踪控制部分采用基于自适应动态规划的辅助控制器对比例–积分–微分算法的控制策略进行补充,弥补了传统控制算法自适应能力差的不足.此外,比例–积分–微分算法也为自适应动态规划算法提供了初始的稳定控制策略,克服了学习算法前期控制效果差的缺陷,保证了污水处理过程的安全性和可靠性.最终,该控制器成功实现了对最优设定值的跟踪控制.将所提算法在污水处理基准仿真平台上进行验证,结果表明所提算法能有效地提高污水处理过程的运行性能,不仅能保证出水水质达标,同时能有效地降低污水处理过程产生的能耗.

关键词：污水处理多目标优化自适应评判跟踪控制神经网络

来源：评论

学校读者我要写书评

暂无评论

融合自适应评判的随机系统数据驱动策略优化

引用

自动化学报 2024年第5期50卷 980-990页

作者：王鼎王将宇乔俊飞北京工业大学信息学部北京100124 计算智能与智能系统北京市重点实验室北京100124 北京人工智能研究院北京100124 智慧环保北京实验室北京100124

自适应评判技术已经广泛应用于求解复杂非线性系统的最优控制问题,但利用其求解离散时间非线性随机系统的无限时域最优控制问题还存在一定局限性.本文融合自适应评判技术,建立一种数据驱动的离散随机系统折扣最优调节方法.首先,针对宽... 详细信息

自适应评判技术已经广泛应用于求解复杂非线性系统的最优控制问题,但利用其求解离散时间非线性随机系统的无限时域最优控制问题还存在一定局限性.本文融合自适应评判技术,建立一种数据驱动的离散随机系统折扣最优调节方法.首先,针对宽松假设下的非线性随机系统,研究带有折扣因子的无限时域最优控制问题.所提的随机系统Q-learning算法能够将初始的容许策略单调不增地优化至最优策略.基于数据驱动思想,随机系统Q-learning算法在不建立模型的情况下直接利用数据进行策略优化.其次,利用执行−评判神经网络方案,实现了随机系统Q-learning算法.最后,通过两个基准系统,验证本文提出的随机系统Q-learning算法的有效性.

关键词：自适应评判设计数据驱动离散系统神经网络 Q-learning 随机最优控制

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：