检索结果-内蒙古大学图书馆

控制与决策 2020年第7期35卷 1597-1605页

作者：郭鑫李文静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

针对在线模块化神经网络难以实时有效划分样本空间,提出一种改进的在线自适应模块化神经网络.首先,基于距离与密度实时更新样本局部密度及RBF神经元中心,实现样本空间在线划分;然后,将子网络模块数根据划分样本空间的个数进行自适应增减... 详细信息

针对在线模块化神经网络难以实时有效划分样本空间,提出一种改进的在线自适应模块化神经网络.首先,基于距离与密度实时更新样本局部密度及RBF神经元中心,实现样本空间在线划分;然后,将子网络模块数根据划分样本空间的个数进行自适应增减,每个子网络模块对属于对应样本空间的样本进行学习;最后,集成模块对子网络模块的输出结果进行集成,输出最终结果.针对在线梯度下降法要求样本有足够的随机性问题,提出一种具有固定记忆的在线梯度下降法对网络进行在线学习.通过对典型非线性时变系统及污水处理过程中出水氨氮浓度进行预测,验证了该模块化神经网络能够实时有效地更新RBF神经元中心,并减少学习过程中子网络模块不必要的增减,且网络结构更加简洁,能够准确预测不同的时变系统.

关键词：自适应模块化神经网络局部密度固定记忆在线梯度下降时变系统

来源：评论

学校读者我要写书评

暂无评论

基于WTFMC 算法的递归模糊神经网络结构设计

引用

自动化学报 2020年第11期46卷 2367-2378页

作者：乔俊飞丁海旭李文静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

针对递归模糊神经网络(Recurrent fuzzy neural network,RFNN)的递归量难以自适应的问题,提出一种基于小波变换–模糊马尔科夫链(Wavelet transform fuzzy Markov chain,WTFMC)算法的RFNN模型.首先,在时间维度上记录隐含层神经元的模糊... 详细信息

针对递归模糊神经网络(Recurrent fuzzy neural network,RFNN)的递归量难以自适应的问题,提出一种基于小波变换–模糊马尔科夫链(Wavelet transform fuzzy Markov chain,WTFMC)算法的RFNN模型.首先,在时间维度上记录隐含层神经元的模糊隶属度,并采用小波变换将该时间序列进行分解,通过模糊马尔科夫链对子序列的未来时段进行预测,之后将各预测量合并后代入递归函数中得到具有自适应性的递归量.其次,利用梯度下降算法更新RFNN的参数来保证神经网络的精度.最后,通过非线性系统建模中几个基准问题和实际污水处理中关键水质参数的预测实验,证明了该神经网络模型的可行性和有效性.

关键词：递归模糊神经网络小波变换模糊马尔科夫链动态建模污水处理

来源：评论

学校读者我要写书评

暂无评论

1000 MW燃煤机组排放SO_(2)浓度扩散模拟研究

引用

控制工程 2023年第5期30卷 816-821页

作者：李济瀚李晓理王康崔桂梅无北京工业大学信息学部北京100124 北京市计算智能与智能系统重点实验室北京100124 教育部数字社区工程研究中心北京100124 内蒙古科技大学信息工程学院内蒙古包头014010

1000 MW燃煤机组火电厂排放污染气体中二氧化硫(SO_(2))浓度是我国火电厂排放污染的重点控制目标,为了研究SO_(2)浓度扩散对周围环境及人们身体健康造成的影响,对SO_(2)浓度扩散进行了模拟研究。首先,根据电厂的实际排放数据建立了高斯... 详细信息

1000 MW燃煤机组火电厂排放污染气体中二氧化硫(SO_(2))浓度是我国火电厂排放污染的重点控制目标,为了研究SO_(2)浓度扩散对周围环境及人们身体健康造成的影响,对SO_(2)浓度扩散进行了模拟研究。首先,根据电厂的实际排放数据建立了高斯羽流扩散模型,利用该模型模拟在大气稳定度相同的情况下模拟不同的风速对SO_(2)浓度扩散分布规律的影响,并且分析SO_(2)浓度扩散的距离及范围。结果表明,SO_(2)浓度扩散与风速及大气稳定度有着密切的关系,风速越大,越有利于SO_(2)浓度扩散及气体的稀释,并证明了利用高斯烟羽模型模拟有害气体扩散具有较好的实际参考意义。

关键词：火电厂湿法烟气脱硫高斯烟羽模型二氧化硫扩散模拟

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的机器人最优抓取姿态检测方法

引用

仪器仪表学报 2020年第5期41卷 108-117页

作者：李秀智李家豪张祥银彭小彬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

服务型机器人在抓取任务中面临的是非结构化的场景。由于物体放置方式的不固定以及其形状的不规则,难以准确计算出机器人的抓取姿态。针对此问题,提出一种双网络架构的机器人最优抓取姿态检测算法。首先,改进了YOLO V3目标检测模型,提... 详细信息

服务型机器人在抓取任务中面临的是非结构化的场景。由于物体放置方式的不固定以及其形状的不规则,难以准确计算出机器人的抓取姿态。针对此问题,提出一种双网络架构的机器人最优抓取姿态检测算法。首先,改进了YOLO V3目标检测模型,提升了模型的检测速度与小目标物体的识别性能;其次,利用卷积神经网络设计了多目标抓取检测网络,生成图像中目标物体的抓取区域。为了计算机器人的最优抓取姿态,建立了IOU区域评估算法,筛选出目标物体的最优抓取区域。实验结果表明,改进后的YOLO V3目标检测精度达到91%,多目标抓取检测精度达到86%,机器人最优抓取姿态检测精度达到90%以上。综上所述,所提方法能够高效、精确地计算出目标物体的最优抓取区域,满足抓取任务的要求。

关键词：深度学习目标检测抓取检测机器人最优抓取

来源：评论

学校读者我要写书评

暂无评论

基于神经网络的气压传感器非线性校正

引用

北京工业大学学报 2021年第1期47卷 40-49页

作者：贾克斌王彦明杨加春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 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 天津华云天仪特种气象探测技术有限公司天津300392

为了解决气压传感器非线性校正困难、校正结果精度低的问题,基于小波函数建立反向传播(back propagation,BP)神经网络模型,采用Levenberg-Marquardt算法进行网络参数更新,实现了气压传感器的非线性校正.实验结果表明:传统BP神经网络使... 详细信息

为了解决气压传感器非线性校正困难、校正结果精度低的问题,基于小波函数建立反向传播(back propagation,BP)神经网络模型,采用Levenberg-Marquardt算法进行网络参数更新,实现了气压传感器的非线性校正.实验结果表明:传统BP神经网络使气压传感器均方根误差由最初的2.10降低到0.68,减少了67.6%的测量误差;而提出的小波BP神经网络则使其降低到0.28,进一步减少了19%的测量误差,更好地满足了高空探测的精度要求,具有良好的泛化能力,可以推广到类似传感器的非线性校正中.

关键词：气压传感器温漂非线性校正小波变换 Levenberg-Marquardt(LM)算法神经网络

来源：评论

学校读者我要写书评

暂无评论

基于简化型LSTM神经网络的时间序列预测方法

引用

北京工业大学学报 2021年第5期47卷 480-488页

作者：李文静王潇潇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

针对标准长短期记忆(long short-term memory,LSTM)神经网络用于时间序列预测具有耗时长、复杂度高等问题,提出简化型LSTM神经网络并应用于时间序列预测.首先,通过耦合输入门与遗忘门实现对标准LSTM神经网络的结构简化;其次,从门结构控... 详细信息

针对标准长短期记忆(long short-term memory,LSTM)神经网络用于时间序列预测具有耗时长、复杂度高等问题,提出简化型LSTM神经网络并应用于时间序列预测.首先,通过耦合输入门与遗忘门实现对标准LSTM神经网络的结构简化;其次,从门结构控制方程中消除输入信号与偏差实现进一步精简;然后,采用梯度下降算法更新简化型LSTM神经网络的参数;最后,通过2个时间序列基准数据集及污水处理过程出水生化需氧量(biochemical oxygen demand,BOD)质量浓度预测进行实验验证.结果表明:在不显著降低预测精度的情况下,所设计的模型能够缩短训练时间,减少LSTM神经网络的计算复杂度,实现时间序列的预测.

关键词：时间序列预测长短期记忆(long short-term memory,LSTM)神经网络门耦合参数精简梯度下降算法污水处理过程

来源：评论

学校读者我要写书评

暂无评论

雾计算中基于DQL算法的伪装攻击检测方案

引用

计算机工程与应用 2020年第10期56卷 63-68页

作者：孟远涂山山于金亮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

雾计算是一种在云数据中心和物联网(Internet of Things,IoT)设备之间提供分布式计算、存储等服务的技术,它能利用网络边缘进行认证并提供与云交互的方法。雾计算中以传统的安全技术实现用户与雾节点间安全性的方法不够完善,它仍然面对... 详细信息

雾计算是一种在云数据中心和物联网(Internet of Things,IoT)设备之间提供分布式计算、存储等服务的技术,它能利用网络边缘进行认证并提供与云交互的方法。雾计算中以传统的安全技术实现用户与雾节点间安全性的方法不够完善,它仍然面对着窃听攻击、伪装攻击等安全威胁,这对检测技术提出了新的挑战。针对这一问题,提出了一种基于DQL(Double Q-learning)算法的雾计算伪装攻击检测方案。该方案借助物理层安全技术中的信道参数,首先在Q-learning算法的基础上处理Q值过度估计问题,获取最佳的伪装攻击测试阈值,然后通过阈值实现了用户与雾节点间的伪装攻击检测。实验结果表明,该算法检测伪装攻击的性能优于传统的Q-learning算法,具有在雾计算安全防护方面的优越性。

关键词：雾计算强化学习伪装攻击物理层安全攻击检测

来源：评论

学校读者我要写书评

暂无评论

一种基于Transformer架构的多层级自动睡眠分期模型

引用

电子学报 2025年第2期 545-557页

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

睡眠是人体保持健康的重要生理过程，基于多导睡眠图（PolySomnoGraphy,PSG）的睡眠分期是诊疗睡眠疾病和评估睡眠质量的重要依据.人工睡眠分期法在处理大规模PSG数据时存在耗时久、效率低的问题，采用深度学习模型有效表征PSG的自动睡... 详细信息

睡眠是人体保持健康的重要生理过程，基于多导睡眠图（PolySomnoGraphy,PSG）的睡眠分期是诊疗睡眠疾病和评估睡眠质量的重要依据.人工睡眠分期法在处理大规模PSG数据时存在耗时久、效率低的问题，采用深度学习模型有效表征PSG的自动睡眠分期法显现出广阔的研究前景.针对现有模型未充分考虑PSG片段内波形信息、通道间相关性信息、片段间睡眠转换信息的问题，本文提出一种基于Transformer架构的多层级睡眠分期网络模型（Hierarchical transFormer sleep staging model,HierFormer），采用Transformer编码器有效提取片段内波形特征、通道相关性特征、片段间转换特征，并结合注意力机制综合提升模型对于PSG片段内、通道间、片段间三种视角信号特性的可解释性.基于睡眠集-欧洲数据格式（sleep-European Data Format,sleep-EDF）扩展睡眠数据集开展的实验结果表明：本文模型利用更少的参数量取得优于多种现有基线模型的分期性能，分类准确率、宏平均精确率、宏平均召回率、宏平均F1分数、科恩卡帕系数分别可达到0.807、0.784、0.735、0.750和0.721.通过在三种视角下不同特征编码方式的性能对比和注意力分数的可视化，本文进一步证明了所提模型良好的编码能力和可解释性.本研究旨在为睡眠分期领域的深度学习应用提供新途径和新技术，从而辅助医生提升睡眠疾病诊疗效率.

关键词：多导睡眠图(PSG) 自动睡眠分期深度神经网络 Transformer架构注意力机制模型可解释性

来源：评论

学校读者我要写书评

暂无评论

一种基于感知速度与感知角度的网格野计算模型

引用

生物医学工程学杂志 2020年第5期37卷 863-874页

作者：于乃功冯慧廖诣深郑相国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

直接使用速度信息和角度信息驱动网格细胞吸引子对环境编码的方法,抗干扰能力较差且不具有仿生性。针对这一问题,本文提出一种基于感知速度与感知角度的网格野计算模型。其特点在于,通过对视觉流进行解码处理获得视觉速度,对速度细胞建... 详细信息

直接使用速度信息和角度信息驱动网格细胞吸引子对环境编码的方法,抗干扰能力较差且不具有仿生性。针对这一问题,本文提出一种基于感知速度与感知角度的网格野计算模型。其特点在于,通过对视觉流进行解码处理获得视觉速度,对速度细胞建模并解码获得本体速度,对视觉速度和本体速度进行融合求得感知速度信息;利用加入兴奋性连接的一维环状模型模拟头朝向细胞的放电机制,使机器人以仿生的方式获取当前的感知角度信息。最后,融合速度和角度两种感知信息实现对网格细胞吸引子模型的驱动。对所提模型进行实验验证,结果表明该模型可以实现网格细胞周期性六边形放电野模式以及精确的路径积分功能。研究成果为仿海马认知机制的机器人认知地图构建方法研究奠定了基础。

关键词：感知速度感知角度速度细胞网格细胞网格野计算模型

来源：评论

学校读者我要写书评

暂无评论

泵站断路器手车状态智能检测方法

引用

信息技术与信息化 2023年第7期 213-216页

作者：李记恒褚霄杨王潇刘鹏宇袁静北京市南水北调团城湖管理处北京100195 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

断路器是泵站的核心设备,负责对泵站电机的安全供电,对其手车开关状态的自动监测关乎泵站安全运维、正常运行,更是智慧泵站建设中的重要一环。当前泵站断路器状态检测多采用人工定期巡检,针对其中存在的成本高、隐患大、误差多等问题,... 详细信息

断路器是泵站的核心设备,负责对泵站电机的安全供电,对其手车开关状态的自动监测关乎泵站安全运维、正常运行,更是智慧泵站建设中的重要一环。当前泵站断路器状态检测多采用人工定期巡检,针对其中存在的成本高、隐患大、误差多等问题,研究并提出一种基于机器视觉的泵站断路器手车状态智能检测方法。首先,基于VGG-16特征提取框架融合弱监督学习,构建了字符级别的文字检测模型对断路器标志性文字进行检测;然后融合视频围栏算法实现断路器状态的分类检测。实验结果表明,提出的方法同时兼备检测速度快和检测精度高的特点,较好地克服了现有基于深度学习的图像分类算法对目标深度变化不敏感的弱点,并且在多种场景下对断路器手车推入、推出两种状态检测任务均具有良好的稳定检测性能。

关键词：智能泵站断路器深度学习视频围栏文字检测

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：