检索结果-内蒙古大学图书馆

计算机学报 2021年第3期44卷 594-608页

作者：阮晓钢李鹏朱晓庆刘鹏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

针对在具有动态因素且视觉丰富环境中的导航问题,受路标机制空间记忆方式启发,提出一种可同步学习目标导向行为和记忆空间结构的视觉导航方法.首先,为直接从原始输入中学习控制策略,以深度强化学习为基本导航框架,同时添加碰撞预测作为... 详细信息

针对在具有动态因素且视觉丰富环境中的导航问题,受路标机制空间记忆方式启发,提出一种可同步学习目标导向行为和记忆空间结构的视觉导航方法.首先,为直接从原始输入中学习控制策略,以深度强化学习为基本导航框架,同时添加碰撞预测作为模型辅助任务;然后,在智能体学习导航过程中,利用时间相关性网络祛除冗余观测及寻找导航节点,实现通过情景记忆递增描述环境结构;最后,将空间拓扑地图作为路径规划模块集成到模型中,并结合动作网络用于获取更加通用的导航方法.实验在3D仿真环境DMlab中进行,实验结果表明,本文方法可从视觉输入中学习目标导向行为,在所有测试环境中均展现出更高效的学习方法和导航策略,同时减少构建地图所需数据量;而在包含动态堵塞的环境中,该模型可使用拓扑地图动态规划路径,从而引导绕路行为完成导航任务,展现出良好的环境适应性.

关键词：目标导向行为深度强化学习碰撞预测时间相关性网络空间拓扑地图动作网络

来源：评论

学校读者我要写书评

暂无评论

基于改进集合经验模态分解和深度信念网络的出水总磷预测

引用

化工学报 2021年第5期72卷 2745-2753页

作者：王龙洋蒙西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

出水总磷的准确预测对于城市污水处理厂的高效、稳定的运行至关重要。文中针对城市污水处理过程中出水总磷难以预测的问题,提出一种基于改进集合经验模态分解(modified ensemble empirical mode decomposition,MEEMD)和深度信念网络(dee... 详细信息

出水总磷的准确预测对于城市污水处理厂的高效、稳定的运行至关重要。文中针对城市污水处理过程中出水总磷难以预测的问题,提出一种基于改进集合经验模态分解(modified ensemble empirical mode decomposition,MEEMD)和深度信念网络(deep belief network,DBN)的出水总磷预测方法。首先,设计一种MEEMD算法对城市污水处理过程出水总磷数据信号进行分解,获取多个本征模态函数(intrinsic mode function,IMF)组合;然后,建立一种基于模拟退火(simulated annealing,SA)算法的深度信念网络预测模型,通过优化的模型结构对分解后得到的每个IMF分量进行有效预测;最后,通过大气CO_(2)浓度预测和城市污水处理出水总磷预测验证了所提出方法的有效性。

关键词：城市污水处理过程出水总磷集合经验模态分解深度信念网络

来源：评论

学校读者我要写书评

暂无评论

基于特征约简与选择性集成算法的城市固废焚烧过程二噁英排放浓度软测量

引用

控制理论与应用 2021年第1期38卷 110-120页

作者：汤健乔俊飞徐喆郭子豪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

城市固废焚烧(MSWI)排放的污染物二噁英(DXN)对生态环境与人类健康具有极大危害,其浓度的实时检测对MSWI过程运行优化和城市污染控制至关重要.具有痕量特性的DXN排放浓度不能实时检测,机理模型难以构建,并且其与过程变量间的映射关系复... 详细信息

城市固废焚烧(MSWI)排放的污染物二噁英(DXN)对生态环境与人类健康具有极大危害,其浓度的实时检测对MSWI过程运行优化和城市污染控制至关重要.具有痕量特性的DXN排放浓度不能实时检测,机理模型难以构建,并且其与过程变量间的映射关系复杂.针对上述问题,本文提出了一种基于特征约简和选择性集成算法的DXN排放浓度软测量方法.首先,对在线采集的MSWI过程变量和离线化验的DXN排放浓度数据进行预处理,获得具有小样本高维特性的建模样本;接着,基于变量投影重要性(VIP)值和特征约简比率值确定模型输入特征;最后,基于操纵训练样本的集成构造策略构建自适应确定核参数的选择性集成模型.采用国外文献和国内工业MSWI过程的DXN排放浓度数据仿真验证了所提方法的有效性.

关键词：城市固废焚烧(MSWI) 二噁英(DXN) 变量投影重要性(VIP) 特征约简选择性集成算法

来源：评论

学校读者我要写书评

暂无评论

一种改进的皮层网络环境认知模型

引用

自动化学报 2021年第6期47卷 1401-1411页

作者：武悦阮晓钢黄静柴洁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

前额皮层是哺乳动物环境认知能力的重要神经生理基础,许多研究基于皮层网络结构对前额皮层进行计算建模,使机器人能够完成环境认知与导航任务.但是,对皮层网络模型神经元噪声(一种干扰神经元规律放电的内部电信号)鲁棒性方面的研究不多... 详细信息

前额皮层是哺乳动物环境认知能力的重要神经生理基础,许多研究基于皮层网络结构对前额皮层进行计算建模,使机器人能够完成环境认知与导航任务.但是,对皮层网络模型神经元噪声(一种干扰神经元规律放电的内部电信号)鲁棒性方面的研究不多,传统模型采用的奖励扩散方法存在着导航性能随噪声增大而下降过快的问题,同时其路径规划方法效果不好,无法规划出全局最短路径.针对上述问题,本文在皮层网络的基础上引入波前传播算法,结合全局抑制神经元来设计奖励传播回路,同时将时间细胞和位置偏好细胞引入模型的路径规划回路以改善路径规划效果.为了验证模型的有效性,本文复现了心理学上两个经典的环境认知实验.实验结果表明,本模型与其他皮层网络模型相比表现出更强的神经元噪声鲁棒性.同时,模型保持了较好的路径规划效果,与传统路径规划算法相比具有较高的效率.

关键词：皮层网络波前传播神经元噪声环境认知类脑计算

来源：评论

学校读者我要写书评

暂无评论

面向工业过程软测量建模的概念漂移检测综述

引用

控制理论与应用 2021年第8期38卷 1159-1174页

作者：乔俊飞孙子健汤健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

基于数据驱动的软测量模型广泛用于工业过程中产品质量与环保指标等难测参数的在线测量,该过程中存在的概念漂移问题易导致模型精度下降.如何有效识别过程概念变化并精准检测漂移样本是提高模型测量性能的关键.本文总结并分析目前漂移... 详细信息

基于数据驱动的软测量模型广泛用于工业过程中产品质量与环保指标等难测参数的在线测量,该过程中存在的概念漂移问题易导致模型精度下降.如何有效识别过程概念变化并精准检测漂移样本是提高模型测量性能的关键.本文总结并分析目前漂移检测的研究思路与进展,为面向工业过程软测量的漂移检测算法提供设计指导.首先,介绍了概念漂移的通常定义与其在工业过程中的表现形式;然后,从检测依据与检测对象两个视角分析了目前具有代表性的检测方法;接着,讨论了这些算法的技术特点和当前工业领域的研究难点;最后,展望了未来的研究方向.

关键词：工业过程软测量概念漂移过程变量样本分布

来源：评论

学校读者我要写书评

暂无评论

基于气味奖励引导的Q-learning环境认知方法

引用

清华大学学报（自然科学版） 2021年第3期61卷 254-260页

作者：阮晓钢刘鹏飞朱晓庆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

Q-learning作为一种无模型的值迭代强化学习算法,被广泛应用于移动机器人在非结构环境下的导航任务中。针对Q-learning在移动机器人导航中环境探索和利用存在矛盾关系导致收敛速度慢的问题,该文在Q-learning算法的基础上,受啮齿类动物... 详细信息

Q-learning作为一种无模型的值迭代强化学习算法,被广泛应用于移动机器人在非结构环境下的导航任务中。针对Q-learning在移动机器人导航中环境探索和利用存在矛盾关系导致收敛速度慢的问题,该文在Q-learning算法的基础上,受啮齿类动物可以利用嗅觉线索来进行空间定向和导航的启发,提出一种基于气味奖励引导的Q-learning环境认知策略。该算法通过改善Q-learning中的动作选择策略来减少对环境的无用探索,在动作选择策略中融入了环境气味奖励的引导,并提出了嗅觉因子来平衡动作选择策略中Q-learning和气味奖励引导的权重关系。为了验证算法的有效性,在Tolman老鼠实验所用的迷宫环境中进行了仿真实验,动态仿真结果表明,相比Q-learning算法,基于气味奖励引导的Q-learning算法在环境认知过程中,可减少对环境的无用探索,并增强对环境的认知学习能力,且提高算法的收敛速度。

关键词：机器人导航环境认知 Q-learning 嗅觉因子

来源：评论

学校读者我要写书评

暂无评论

融合点线特征的视觉惯性SLAM算法

引用

计算机应用研究 2022年第2期39卷 349-355页

作者：付煜郑爽别桐朱晓庆王全民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

为使移动机器人在昏暗场景中获得更高的定位精度以实现更好的建图效果,针对特征点稀疏、相机移动过快所导致的SLAM算法初始化困难、定位精度较低等问题,提出了一种融合点线特征的视觉惯性SLAM算法。通过EDLines线特征提取匹配算法来引... 详细信息

为使移动机器人在昏暗场景中获得更高的定位精度以实现更好的建图效果,针对特征点稀疏、相机移动过快所导致的SLAM算法初始化困难、定位精度较低等问题,提出了一种融合点线特征的视觉惯性SLAM算法。通过EDLines线特征提取匹配算法来引入丰富的线特征,进而提升特征跟踪的鲁棒性;利用惯性传感器和视觉传感器的互补优势,通过视觉惯性分步联合初始化方法在初始化阶段分三步进行优化,进而提升初始化的精度和速度。实验表明,该算法所使用的线特征提取匹配算法相比传统的LSD算法具有了更快的匹配速度和更低的误匹配率,并且该算法在视觉惯性数据集中相机位姿的估计精度更高、鲁棒性更强。

关键词：视觉同时定位与地图构建视觉惯性融合稀疏建图点线特征提取

来源：评论

学校读者我要写书评

暂无评论

基于BMC构建TPCM可信根

基于BMC构建TPCM可信根

引用

首批可信计算认证产品发布会——主动免疫可信计算自主创新论坛

作者：韩现群张建标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

在可信计算3.0的双体系结构中,TPCM可信根是防护部件的核心模块.构建TPCM可信根有多种实现形式,其中在服务器平台,利用服务器本身的BMC构建TPCM是一种比较适合和易于实现的方式,一般是在BMC原有的代码内加入可信计算的相关代码,构建一个... 详细信息

在可信计算3.0的双体系结构中,TPCM可信根是防护部件的核心模块.构建TPCM可信根有多种实现形式,其中在服务器平台,利用服务器本身的BMC构建TPCM是一种比较适合和易于实现的方式,一般是在BMC原有的代码内加入可信计算的相关代码,构建一个TPCM可信根,但是BMC本身的业务代码可能存在安全隐患,会对TPCM可信根造成威胁.针对这一问题,提出了一种利用服务器多核BMC构建TPCM可信根的方案,通过多核BMC中的一个核作为BMC可信核,结合可信密码模块,实现TPCM可信根的功能,同时,基于TPCM可信根,设计了一种服务器双体系安全防护方案,经过验证,该方案可以达到设计要求,是一种安全可行的方案.

关键词：可信计算3.0 双体系架构 TPCM BMC

来源：评论

学校读者我要写书评

暂无评论

基于深度Attention-LSTM网络的脱硫过程建模研究

引用

北京工业大学学报 2023年 140-151页

作者：刘泉伯李晓理王康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数字社区教育部工程研究中心

脱硫过程是具有高度动态非线性和较大延迟时间的复杂工业过程,为了解决烟气脱硫过程的建模问题,本文设计了注意力机制下的深度长短期记忆(attention mechanism-based long short-term memory,AttLSTM)网络,并基于该网络设计自动编码器,... 详细信息

脱硫过程是具有高度动态非线性和较大延迟时间的复杂工业过程,为了解决烟气脱硫过程的建模问题,本文设计了注意力机制下的深度长短期记忆(attention mechanism-based long short-term memory,AttLSTM)网络,并基于该网络设计自动编码器,完成脱硫过程异常点的检测。本文首次提出使用AttLSTM网络自编码器对脱硫过程进行离群点检测,并且该网络模型同样首次应用于脱硫过程的辨识任务中。从更深的意义上讲,本文尝试使用深度学习模型对复杂系统进行辨识,所建立的AttLSTM网络之前未出现在系统辨识领域,该网络的出现可以丰富辨识模型的选择,同时为人工智能技术在系统辨识领域和控制领域的应用和推广提供参考。实验结果表明,相比于之前文献出现的脱硫过程建模方法,所提方法在不同性能指标上均具有更好的性能,由此可以证明深度AttLSTM网络在脱硫场景下的有效性。

关键词：湿法烟气脱硫过程建模长短期记忆网络注意力机制自动编码器大气污染

来源：评论

学校读者我要写书评

暂无评论

基于域自适应残差收缩网络的滚动轴承故障诊断

引用

组合机床与自动化加工技术 2023年第5期 164-168,173页

作者：高学金李虎韩华云齐咏生北京工业大学信息学部北京100124 北京工业大学数字社区教育部工程研究中心北京100124 北京工业大学城市轨道交通北京实验室北京100124 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 内蒙古工业大学电力学院呼和浩特010080

针对滚动轴承在新工况下无标记数据且存在噪声干扰问题,提出一种具备抗噪能力的滚动轴承故障诊断领域自适应深度残差收缩网络(DADRSN)。首先,采用深度残差收缩网络(DRSN)去除已知工况和新工况数据噪声冗余并充分提取数据特征;其次,应用... 详细信息

针对滚动轴承在新工况下无标记数据且存在噪声干扰问题,提出一种具备抗噪能力的滚动轴承故障诊断领域自适应深度残差收缩网络(DADRSN)。首先,采用深度残差收缩网络(DRSN)去除已知工况和新工况数据噪声冗余并充分提取数据特征;其次,应用迁移学习中的领域自适应(DA)方法,计算已知工况和新工况数据的局部最大均值差异(LMMD),以对齐两种工况数据之间的分布;最后,对新工况下故障样本进行分类。实验结果表明,该模型在噪声干扰、缺少标记数据、工况变化的情况下仍能保持较高的故障诊断精度。

关键词：滚动轴承故障诊断迁移学习深度残差收缩网络局部最大均值差异

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：