检索结果-内蒙古大学图书馆

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

基于选择性集成核学习算法的固废焚烧过程二噁英排放浓度软测量

引用

化工学报 2019年第2期70卷 696-706页

作者：汤健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

城市固废焚烧(MSWI)过程排放的二噁英(DXN)是被称为"世纪之毒"的持续性污染物。该过程的多阶段、多温度区间的物理化学特性导致DXN排放浓度的机理模型难以构建。工业实际中通常以月或季为周期耗时近1周时间在实验室以离线化... 详细信息

城市固废焚烧(MSWI)过程排放的二噁英(DXN)是被称为"世纪之毒"的持续性污染物。该过程的多阶段、多温度区间的物理化学特性导致DXN排放浓度的机理模型难以构建。工业实际中通常以月或季为周期耗时近1周时间在实验室以离线化验方式滞后检测。针对这些问题,提出了基于选择性集成(SEN)核学习算法的DXN排放浓度软测量方法。首先,基于先验知识给出候选核参数集和候选惩罚参数集,采用核学习算法构建基于这些超参数的候选子子模型;然后,耦合优化和加权算法对相同核参数的候选子子模型进行选择与合并,进而得到基于不同核参数的候选SEN子模型集合;最后,再次采用优化和加权算法获得结构与超参数自适应的多层SEN软测量模型。采用UCI平台水泥抗压强度和焚烧过程DXN数据验证了所提方法的有效性。

关键词：城市固废焚烧过程系统二噁英参数估值选择性集成废物处理

来源：评论

学校读者我要写书评

暂无评论

基于互信息和自组织RBF神经网络的出水BOD软测量方法

引用

化工学报 2019年第2期70卷 687-695页

作者：李文静李萌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

针对污水处理过程出水生化需氧量(biochemical oxygen demand,BOD)难以实时准确测量的问题,提出了一种基于互信息和自组织RBF神经网络的软测量方法对出水BOD进行预测。首先,使用基于互信息的方法提取相关特征参量作为软测量模型的输入变... 详细信息

针对污水处理过程出水生化需氧量(biochemical oxygen demand,BOD)难以实时准确测量的问题,提出了一种基于互信息和自组织RBF神经网络的软测量方法对出水BOD进行预测。首先,使用基于互信息的方法提取相关特征参量作为软测量模型的输入变量;其次,设计一种基于误差校正-敏感度分析的自组织RBF神经网络,使用改进的Levenberg-Marquardt (LM)算法对网络进行训练以提高训练速度;最后将软测量模型应用于UCI公开数据集及实际的污水处理过程,实验结果表明该软测量模型结构紧凑,训练时间相对较短,预测精度有所提高,能够对出水BOD实现快速准确预测。

关键词：神经网络动态建模互信息 RBF 自组织出水BOD 预测

来源：评论

学校读者我要写书评

暂无评论

基于类脑模块化神经网络的污水处理过程关键出水参数软测量

引用

自动化学报 2019年第5期45卷 906-919页

作者：蒙西乔俊飞韩红桂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

针对城市污水处理过程关键出水参数难以实时检测的问题,文中提出了一种基于类脑模块化神经网络(Brain-like modular neural network, BLMNN)的关键出水参数软测量方法.首先,基于互信息和专家知识进行任务分解,分析关键出水参数的相关变... 详细信息

针对城市污水处理过程关键出水参数难以实时检测的问题,文中提出了一种基于类脑模块化神经网络(Brain-like modular neural network, BLMNN)的关键出水参数软测量方法.首先,基于互信息和专家知识进行任务分解,分析关键出水参数的相关变量,获取各出水参数的辅助变量.其次,通过模拟大脑皮层模块化分区结构,构建软测量子模型对各水质参数进行同步测量,降低软测量模型复杂度的同时保证了其精度.最后,通过基于实际数据的仿真实验验证了所提出方法的准确性和有效性.

关键词：污水处理过程关键出水参数软测量类脑模块化神经网络

来源：评论

学校读者我要写书评

暂无评论

基于收敛速度和多样性的多目标粒子群种群规模优化设计

引用

电子学报 2018年第9期46卷 2263-2269页

作者：韩红桂武淑君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

针对多目标粒子群优化算法种群规模难以确定的问题,文中提出了一种基于收敛速度和多样性的多目标粒子群优化(Convergence speed and Diversity-based Multi-Objective Particle Swarm Optimization,CD-MOPSO)算法.首先,利用优化过程的... 详细信息

针对多目标粒子群优化算法种群规模难以确定的问题,文中提出了一种基于收敛速度和多样性的多目标粒子群优化(Convergence speed and Diversity-based Multi-Objective Particle Swarm Optimization,CD-MOPSO)算法.首先,利用优化过程的收敛速度和多样性指标构造种群规模适应度函数,完成了种群规模与优化性能关系的描述;其次,基于适应度函数设计了一种种群规模自适应调整方法,实现了种群规模的动态调整;最后,将提出的CD-MOPSO在基准优化问题ZDT上测试并应用于城市管网优化,实验结果显示CD-MOPSO能够根据求解问题自动调整种群规模,与NSGA-II、MOPSO。

关键词：多目标粒子群优化算法种群规模自适应调整方法动态调整适应度函数收敛速度多样性基准测试函数城市管网优化

来源：评论

学校读者我要写书评

暂无评论

一种改进的在线自适应模块化神经网络

引用

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

基于降质图像-光流场复原的智能轮椅测速

引用

仪器仪表学报 2016年第11期37卷 2597-2605页

作者：李秀智徐传骆贾松敏李尚宇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

提出一种运动图像去模糊复原和基于仿射运动模型的光流场去抖动方法,以提高智能轮椅中光流里程计测速方法的精度。当轮椅线速度或角速度较大时,导致机载相机成像产生显著的运动模糊;且轮椅机器人的机械抖动也易产生光流场的偏差,进而影... 详细信息

提出一种运动图像去模糊复原和基于仿射运动模型的光流场去抖动方法,以提高智能轮椅中光流里程计测速方法的精度。当轮椅线速度或角速度较大时,导致机载相机成像产生显著的运动模糊;且轮椅机器人的机械抖动也易产生光流场的偏差,进而影响速度估计的精度。针对于此,首先利用一种基于自适应模糊核的运动图像去模糊方法实现图像复原,以改善视频帧质量;其次,针对智能轮椅在行进中的机械抖动,利用随机抽样一致(RANSAC)排异后的光流场,在卡尔曼滤波框架下估计同名像点的仿射运动模型参数,进而实现光流补偿。实验结果表明所提方法能够提升基于光流场的智能轮椅视觉测速精度。

关键词：机器视觉速度测量光流图像复原仿射运动

来源：评论

学校读者我要写书评

暂无评论

一种能量函数意义下的生成式对抗网络

引用

自动化学报 2018年第5期44卷 793-803页

作者：王功明乔俊飞王磊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

生成式对抗网络(Generative adversarial network,GAN)是目前人工智能领域的一个研究热点,引起了众多学者的关注.针对现有GAN生成模型效率低下和判别模型的梯度消失问题,本文提出一种基于重构误差的能量函数意义下的生成式对抗网络模型(... 详细信息

生成式对抗网络(Generative adversarial network,GAN)是目前人工智能领域的一个研究热点,引起了众多学者的关注.针对现有GAN生成模型效率低下和判别模型的梯度消失问题,本文提出一种基于重构误差的能量函数意义下的生成式对抗网络模型(Energy reconstruction error GAN,E-REGAN).首先,将自适应深度信念网络(Adaptive deep belief network,ADBN)作为生成模型,来快速学习给定样本数据的概率分布并进一步生成相似的样本数据.其次,将自适应深度自编码器(Adaptive deep autoencoder,ADAE)的重构误差(Reconstruction error,RE)作为一个表征判别模型性能的能量函数,能量越小表示GAN学习优化过程越趋近纳什均衡的平衡点,否则反之.同时,通过反推法给出了E-REGAN的稳定性分析.最后在MNIST和CIFAR-10标准数据集上的实验结果表明,相较于现有的类似模型,E-REGAN在学习速度和数据生成能力两方面均有较大提高.

关键词：生成式对抗网络能量函数重构误差自适应深度信念网络自适应深度自编码器纳什均衡

来源：评论

学校读者我要写书评

暂无评论

低质量渲染图像的目标物体6D姿态估计

引用

控制与决策 2022年第1期37卷 135-141页

作者：左国玉张成威刘洪星龚道雄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

从图像中获取目标物体的6D位姿信息在机器人操作和虚拟现实等领域有着广泛的应用,然而,基于深度学习的位姿估计方法在训练模型时通常需要大量的训练数据集来提高模型的泛化能力,一般的数据采集方法存在收集成本高同时缺乏3D空间位置信... 详细信息

从图像中获取目标物体的6D位姿信息在机器人操作和虚拟现实等领域有着广泛的应用,然而,基于深度学习的位姿估计方法在训练模型时通常需要大量的训练数据集来提高模型的泛化能力,一般的数据采集方法存在收集成本高同时缺乏3D空间位置信息等问题.鉴于此,提出一种低质量渲染图像的目标物体6D姿态估计网络框架.该网络中,特征提取部分以单张RGB图像作为输入,用残差网络提取输入图像特征;位姿估计部分的目标物体分类流用于预测目标物体的类别,姿态回归流在3D空间中回归目标物体的旋转角度和平移矢量.另外,采用域随机化方法以低收集成本方式构建大规模低质量渲染、带有物体3D空间位置信息的图像数据集Pose6DDR.在所建立的Pose6DDR数据集和LineMod公共数据集上的测试结果表明了所提出位姿估计方法的优越性以及大规模数据集域随机化生成数据方法的有效性.

关键词： 6D位姿估计域随机化低质量渲染 RGB图像 Pose6DDR

来源：评论

学校读者我要写书评

暂无评论

基于显著特征增强的跨模态视频片段检索

引用

电子与信息学报 2022年第12期44卷 4395-4404页

作者：杨金福刘玉斌宋琳闫雪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

随着视频获取设备和技术的不断发展,视频数量增长快速,在海量视频中精准查找目标视频片段是具有挑战的任务。跨模态视频片段检索旨在根据输入一段查询文本,模型能够从视频库中找出符合描述的视频片段。现有的研究工作多是关注文本与候... 详细信息

随着视频获取设备和技术的不断发展,视频数量增长快速,在海量视频中精准查找目标视频片段是具有挑战的任务。跨模态视频片段检索旨在根据输入一段查询文本,模型能够从视频库中找出符合描述的视频片段。现有的研究工作多是关注文本与候选视频片段的匹配,忽略了视频上下文的“语境”信息,在视频理解时,存在对特征关系表达不足的问题。针对此,该文提出一种基于显著特征增强的跨模态视频片段检索方法,通过构建时间相邻网络学习视频的上下文信息,然后使用轻量化残差通道注意力突出视频片段的显著特征,提升神经网络对视频语义的理解能力。在公开的数据集TACoS和ActivityNet Captions的实验结果表明,该文所提方法能更好地完成视频片段检索任务,比主流的基于匹配的方法和基于视频-文本特征关系的方法取得了更好的表现。

关键词：跨模态视频片段检索时间相邻网络残差通道注意力特征关系

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：