检索结果-内蒙古大学图书馆

自动化学报 2018年第9期44卷 1569-1589页

作者：汤健乔俊飞柴天佑刘卓吴志伟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 流程工业综合自动化国家重点实验室沈阳110004

采用具有多组分、非平稳、非线性等特性的机械振动/振声信号构建数据驱动软测量模型,是目前工业界测量高能耗旋转机械设备内部难以检测过程参数的常用手段.针对机械信号产生机理的复杂性导致模型解释性弱,以及工业过程连续不间断运行和... 详细信息

采用具有多组分、非平稳、非线性等特性的机械振动/振声信号构建数据驱动软测量模型,是目前工业界测量高能耗旋转机械设备内部难以检测过程参数的常用手段.针对机械信号产生机理的复杂性导致模型解释性弱,以及工业过程连续不间断运行和机械设备旋转封闭的特殊性导致获取完备训练样本的经济性差和周期性长等问题,本文提出一种基于虚拟样本生成(Virtual sample generation,VSG)技术的多组分机械信号建模方法.首先,将机械信号自适应分解为具有不同时间尺度的平稳子信号并变换为多尺度谱数据;接着,采用适合于小样本高维数据建模的改进选择性集成核偏最小二乘(Selective ensemble kernel partial least squares,SENKPLS)算法构建面向真实训练样本的基于可行性的规划(Feasibilitybased programming,FBP)模型,提出一种综合先验知识和FBP模型等手段面向高维谱数据的VSG技术,用以弥补真实训练样本的短缺问题;然后,基于互信息(Mutual information,MI)对由真实和虚拟训练样本组成的混合建模数据进行自适应特征选择;最后,基于约简的混合训练样本采用SENKPLS构建软测量模型.以近红外谱数据和磨矿过程实验球磨机的筒体振动/振声信号验证所提VSG技术和面向多组分机械信号建模方法的合理性和有效性.

关键词：多组分机械信号高维谱数据难以检测过程参数数据驱动建模虚拟样本生成

来源：评论

学校读者我要写书评

暂无评论

学校读者我要写书评

暂无评论

基于CK均值聚类算法的RBF神经网络设计

基于CK均值聚类算法的RBF神经网络设计

引用

第30届中国过程控制会议（CPCC 2019）

作者：贾丽杰李文静乔俊飞北京工业大学信息学部北京工业大学计算智能与智能系统北京市重点实验室

针对RBF神经网络在利用K-means算法进行学习时初始聚类中心难以确定,造成网络学习速度慢,分类精度不高等问题。本文提出了一种基于Canopy-Kmeans(CK)聚类算法的RBF神经网络的学习方法。首先利用Canopy算法对数据进行粗聚类,将得到的中... 详细信息

针对RBF神经网络在利用K-means算法进行学习时初始聚类中心难以确定,造成网络学习速度慢,分类精度不高等问题。本文提出了一种基于Canopy-Kmeans(CK)聚类算法的RBF神经网络的学习方法。首先利用Canopy算法对数据进行粗聚类,将得到的中心作为K-means的初始聚类中心,然后再利用K-means聚类算法对神经网络的隐层中心参数进行学习。利用非线性函数逼近、多个UCI公开数据集分类和污水处理中BOD浓度预测三个实验对算法的有效性进行验证,结果表明,基于CK算法的RBF网络学习速度快,分类精度高,泛化能力强,网络性能良好。

关键词： RBF神经网络 Canopy算法 K-means算法函数逼近 UCI数据集 BOD浓度预测

来源：评论

学校读者我要写书评

暂无评论

海底表层沉积物声速特性研究进展与探讨

引用

海洋学报 2019年第1期41卷 160-171页

作者：邹大鹏肖体兵龙建军卢博李赶先广东工业大学广东省计算机集成制造重点实验室广东广州510006 中国科学院声学研究所声场声信息国家重点实验室北京100190 中国科学院南海海洋研究所中国科学院边缘海与大洋地质重点实验室广东广州510301

海底表层沉积物具有多相、多颗粒、多形态的组成结构,导致其声学特性复杂多样。通过分析压缩波速度和切变波速度特性的研究现状,指出有待于解决的科学问题和关键技术问题。在分析国内外有关海底沉积层声速特性研究基础上,提出采取系统... 详细信息

海底表层沉积物具有多相、多颗粒、多形态的组成结构,导致其声学特性复杂多样。通过分析压缩波速度和切变波速度特性的研究现状,指出有待于解决的科学问题和关键技术问题。在分析国内外有关海底沉积层声速特性研究基础上,提出采取系统、可控的实验测量手段解决当前测量存在的4点问题。综合分析了压缩波速度和切变波速度存在的统计回归关系和理论分析关系,探讨了当前地声反演、采样样品声学测量、原位声学测量3种方法存在的测量尺度、测量频率、测量状态等的差异,探讨建立不同测量方法和测量技术对测量结果进行统一性解释的方法,从而获得不同类型、不同区域的海底表层沉积物真实的声速特性。最后,从实验室声学测量、物理力学参数测量、流固耦合特性分析、原位测量及海底监测、采样测量与原位测量的误差分析及校正、海底大纵深声学测量6个方面提出技术需求,为提高声学探测海洋和海底的精度服务,推动海洋声学探测和海洋工程发展。

关键词：海底沉积物切变波压缩波声速原位测量

来源：评论

学校读者我要写书评

暂无评论

基于锁相值和图论的脑功能网络特征提取方法

引用

北京生物医学工程 2019年第1期38卷 15-21页

作者：李明爱南琳孙炎珺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

目的为了研究大脑运动想象时脑功能网络的状态变化,并区分运动想象任务,本文提出一种基于锁相值和图论的脑功能网络特征提取方法。方法首先获取Mu节律和Beta节律的运动想象脑电信号(motor imagery electroencephalography,MI-EEG),计算... 详细信息

目的为了研究大脑运动想象时脑功能网络的状态变化,并区分运动想象任务,本文提出一种基于锁相值和图论的脑功能网络特征提取方法。方法首先获取Mu节律和Beta节律的运动想象脑电信号(motor imagery electroencephalography,MI-EEG),计算任意两导相同节律MI-EEG之间的锁相值;然后分别构建两个节律的脑功能网络,并提取6种全局网络特征参数,对其归一化处理后进行串行融合获得特征向量;最后以支持向量机(support vector machine,SVM)作为分类器,采用10折交叉验证法,在BCI Competition III Data Sets IIIa数据集上对两种运动想象任务进行分类。结果相比于其他脑网络特征提取方法,本文方法获得了较高的识别率,最高识别率和平均识别率分别达到100. 00%和83. 33%。结论从脑功能网络的角度,通过构建Mu节律和Beta节律两个运动节律MI-EEG的脑功能网络,提取多个反映大脑网络整体信息的特征,相对于构建单一运动节律MI-EEG的脑功能网络,提取单个网络特征参数,能够有效改善运动想象任务的识别效果,为MI-EEG信号的特征提取方法提供了一种新的思路。

关键词：运动想象脑电信号脑功能网络图论特征提取锁相值

来源：评论

学校读者我要写书评

暂无评论

基于E-LSTM循环神经网络的制冷设备状态预测

引用

测控技术 2019年第12期38卷 40-45页

作者：徐晨蕊贾克斌刘鹏宇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 计算智能与智能系统北京市重点实验室北京100124

制冷设备是高可靠性和高安全性的复杂系统,多年的设备运行产生了大量的时间序列数据。为了解决制冷设备运行状态难以准确预测等问题,提出使用改进型LSTM(Enhanced-LSTM)对制冷设备的状态进行预测。通过使用均值滤波的方法对原始数据进... 详细信息

制冷设备是高可靠性和高安全性的复杂系统,多年的设备运行产生了大量的时间序列数据。为了解决制冷设备运行状态难以准确预测等问题,提出使用改进型LSTM(Enhanced-LSTM)对制冷设备的状态进行预测。通过使用均值滤波的方法对原始数据进行预处理,填补空缺值,处理异常值。对特征进行相关性分析,选择与制冷设备状态关联系数较大的特征:PUE、冷源功率、冷冻二次泵作为研究对象,实现基于E-LSTM的网络结构的设计、训练和预测,最后对预测结果进行比较分析。通过与线性回归、SVR、GRU、RNN、LSTM等模型的对比实验,表明了所改进的E-LSTM神经网络对制冷设备的运行状态有更高的预测精度。对制冷设备里的重要参数进行预测,在理论研究方面为制冷设备检修风险评估分析提供科学、真实、有效的数据,保证数据中心正常工作。

关键词：预测深度学习 LSTM 制冷设备智能化

来源：评论

学校读者我要写书评

暂无评论

基于树形拓扑网络的实用拜占庭容错共识算法

基于树形拓扑网络的实用拜占庭容错共识算法

引用

2019中国区块链技术大会

作者：包振山王凯旋张文博北京工业大学信息学部北京100124 北京工业大学信息学部北京100124 可信计算北京市重点实验室北京100124

实用拜占庭容错算法在节点数量较多的广域网环境下存在性能瓶颈。为提高该算法的可扩展性，基于树形拓扑网络将全网范围共识拆分为若干子网范围共识;同时引入信誉模型以降低错误节点在共识过程中的影响力，提高系统的安全性、容错性与... 详细信息

实用拜占庭容错算法在节点数量较多的广域网环境下存在性能瓶颈。为提高该算法的可扩展性，基于树形拓扑网络将全网范围共识拆分为若干子网范围共识;同时引入信誉模型以降低错误节点在共识过程中的影响力，提高系统的安全性、容错性与可靠性。实验结果表明：所提算法的性能明显优于原有算法，表现出良好的可扩展性，可用于大规模许可链系统。

关键词：许可链共识算法实用拜占庭容错树形拓扑网络信誉模型

来源：评论

学校读者我要写书评

暂无评论

基于XGBoost的质量性状基因互作检测方法

引用

智能计算机与应用 2020年第3期10卷 202-208页

作者：郭颖婕李傲刘晓燕郭茂祖哈尔滨工业大学计算机科学与技术学院哈尔滨150001 北京建筑大学电气与信息工程学院建筑大数据智能处理方法研究北京市重点实验室北京100044

在质量性状全基因组关联分析GWAS中,以基因作为研究单位的基因-基因相互作用检测方法,以其在统计效力与生物可解释性方面的优势备受关注。然而现有方法中多数对基因之间互作形式给出了强假设,降低了算法对互作关系的检测性能。针对已有... 详细信息

在质量性状全基因组关联分析GWAS中,以基因作为研究单位的基因-基因相互作用检测方法,以其在统计效力与生物可解释性方面的优势备受关注。然而现有方法中多数对基因之间互作形式给出了强假设,降低了算法对互作关系的检测性能。针对已有方法存在的局限性,本文提出一种基于XGBoost的基因互作检测方法 geXGB。XGBoost作为一种流行且高效的机器学习方法,可以拟合基因型数据与表型之间的作用关系,并利用预测概率与加和模型之间的偏差表征相互作用关系的程度。geXGB对相互作用形式不作假设,增强该方法对不同形式相互作用的检测能力。仿真与真实实验结果表明:该方法能够有效进行不同类型相互作用的检测,可以应用于全基因组关联研究。

关键词： XGBoost 基因相互作用单核苷酸多态性位点质量性状全基因组关联分析

来源：评论

学校读者我要写书评

暂无评论

“互联网+”背景下实践教学基地整合优化方式研究

引用

中国现代教育装备 2019年第13期 24-26,30页

作者：韩红桂杨翠丽于建均李慧杰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

随着我国信息技术的高速发展和对高质量人才的需求,互联网与教育领域相结合的"互联网+教育"形式正急剧发展。然而,由于我国实践教学基地之间办学条件、资金投入、教学基本建设、师资力量、实训条件等方面存在较大差距,严重影... 详细信息

随着我国信息技术的高速发展和对高质量人才的需求,互联网与教育领域相结合的"互联网+教育"形式正急剧发展。然而,由于我国实践教学基地之间办学条件、资金投入、教学基本建设、师资力量、实训条件等方面存在较大差距,严重影响了实践教学基地的利用率,制约了高校实践教学发展和高质量人才的培养。因此,应以建设目标为根本,结合实践教学基地的优势,完成实践教学基地资源的分类;根据运行状况实现实践教学基地的资源重组。同时,不断完善实践教学基地的运行方式,形成有效的实践教学基地整合优化方式。

关键词： "互联网+" 人才培养资源重组整合优化

来源：评论

学校读者我要写书评

暂无评论

深度学习技术在农业害虫检测识别中的应用

深度学习技术在农业害虫检测识别中的应用

引用

中国植物保护学会2021年学术年会

作者：郑腾飞杨信廷杨占魁李明李文勇国家农业信息技术工程技术研究中心北京 100089 上海海洋大学信息学院上海 201306 农产品质量安全追溯技术与应用国家工程实验室北京 100124 国家农业信息技术工程技术研究中心北京 100089 农产品质量安全追溯技术与应用国家工程实验室北京 100124 国家农业信息技术工程技术研究中心北京 100089 北京工业大学计算机科学与技术学院北京 100124 农产品质量安全追溯技术与应用国家工程实验室北京 100124

目标检测一直以来都是计算机视觉领域的研究热点之一，其任务是返回给定图像中的单个或多个特定目标的类别与矩形包围框坐标。昆虫检测是目标检测问题的一个小分支，尤其对于害虫的检测，一直是我国农业领域的关注焦点，它同时涉及图像... 详细信息

目标检测一直以来都是计算机视觉领域的研究热点之一，其任务是返回给定图像中的单个或多个特定目标的类别与矩形包围框坐标。昆虫检测是目标检测问题的一个小分支，尤其对于害虫的检测，一直是我国农业领域的关注焦点，它同时涉及图像中昆虫的分类和定位，检测结果也影响着害虫的精准防治。本文阐述了目标检测方法以及研究现状，并比较了目标检测与昆虫检测，然后分析在昆虫领域衍生出多目标、多尺度、差异性、重叠程度等问题，最终进行总结与展望。

关键词：昆虫检测目标检测多目标多尺度差异性重叠程度

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：