中医(traditional Chinese medicine, TCM)舌诊客观化研究中需要分析的舌象特征很多,不同的舌象特征往往采用单独的方法进行分析,导致分析系统的整体实现复杂度大幅增加。为此,基于持续学习的思想,提出一种中医舌色苔色协同分类方法,该...
详细信息
中医(traditional Chinese medicine, TCM)舌诊客观化研究中需要分析的舌象特征很多,不同的舌象特征往往采用单独的方法进行分析,导致分析系统的整体实现复杂度大幅增加。为此,基于持续学习的思想,提出一种中医舌色苔色协同分类方法,该方法将舌色分类作为旧任务,将苔色分类作为新任务,充分利用2个任务的相似性和相关性,仅通过一个网络结构就同时实现舌色和苔色的准确分类。首先,设计一种基于全局-局部混合注意力机制(global local hybrid attention, GLHA)的双分支网络结构,将网络高层语义特征与低层特征相融合,提升特征的表达能力;然后,提出基于正则化和回放相结合的持续学习策略,使得该网络在学习新任务知识的同时有效防止对旧任务知识的遗忘。在2个自建的中医舌象特征分析数据集上的实验结果表明,提出的协同分类方法可以获得与单个任务相当的分类性能,同时可以将2个分类任务的整体复杂度降低一半左右。其中,舌色分类准确率分别达到93.92%和92.97%,精确率分别达到93.69%和92.87%,召回率分别达到93.96%和93.16%;苔色分类准确率分别达到90.17%和90.26%,精确率分别达到90.05%和90.17%,召回率分别达到90.24%和90.29%。
城市污水处理运行过程的优化控制方法是提高其运行效率和改善其运行效果的关键.然而,由于城市污水处理过程进水负荷多变,运行过程存在多种工况且变化频繁,导致城市污水处理过程难以实现优化运行.因此,如何设计优化控制策略应对多种工况变化,保证出水总氮和出水总磷等水质指标达标,是城市污水处理过程亟需解决的挑战性问题.本文设计了基于领域自适应的城市污水处理运行过程多工况优化控制方法(multi-operating optimization control with domain adaptive,MOOC-DA).首先,建立城市污水处理运行过程多工况优化目标模型,捕获运行能耗以及出水水质的时间序列特性,实现运行指标的精确预测.其次,设计基于多任务领域自适应粒子群的多工况优化设定方法,保证多工况运行出水水质达标.最后,设计基于多任务模糊神经网络的优化设定跟踪控制方法,实现城市污水处理过程多工况优化运行.为了验证所提出方法的有效性,基于活性污泥模型仿真平台将提出的MOOC-DA与其他优化控制方法进行对比实验.结果表明,该方法能够实现污水处理过程多工况的优化运行,保证出水总氮和出水总磷等水质指标达标.
针对传统无监督领域自适应方法扩展到多工况滚动轴承故障诊断场景适用性较弱的问题,提出了一种多源域自适应残差网络(multi-source domain adaptive residual network,MDARN),通过对齐来自多个源域的相关子域,从而提高模型在多工况下的故障诊断性能。首先,利用ResNeXt残差网络从源域和目标域充分提取可迁移特征;然后,引入局部最大平均差异(local maximum mean difference,LMMD)准则,以两个源域的子域为基础对齐目标域中相关子域,减少相关子域间和全局域间的分布差异;最后,利用美国凯斯西储大学轴承数据集和MFS机械综合故障试验台产生的真实的轴承振动数据集,对所提方法进行了试验验证。结果表明,该方法在多工况下的平均故障诊断精度高达99.76%。与现有代表性方法相比,所提方法具有更好的故障诊断效果。
暂无评论