检索结果-内蒙古大学图书馆

中南大学学报(自然科学版) 2025年第3期56卷 941-954页

作者：苗宪盛王环哲韩香江陈建中国农业大学工学院北京100083 江苏大学省部共建现代农业装备与技术协同创新中心江苏镇江212013 浙江大学能源高效清洁利用全国重点实验室浙江杭州310027 安徽智立通科技股份有限公司安徽合肥230088

针对植保无人车(plant-protection UGV)在田间施药时药箱中药液晃动、空气阻力和非线性摩擦等不确定因素对于速度和转向角控制的影响,设计了一种基于模糊间接迭代学习的自抗扰控制器(FILC-ADRC)。首先,建立了包含药箱的植保无人车的非... 详细信息

针对植保无人车(plant-protection UGV)在田间施药时药箱中药液晃动、空气阻力和非线性摩擦等不确定因素对于速度和转向角控制的影响,设计了一种基于模糊间接迭代学习的自抗扰控制器(FILC-ADRC)。首先,建立了包含药箱的植保无人车的非线性时变动力学模型;然后,将模糊迭代学习控制器与自抗扰控制器相结合,设计了基于模糊间接迭代学习的自抗扰控制器,其中,间接迭代学习控制器用于在线整定带宽和控制通道增益参数,模糊控制器负责实时更新间接迭代学习的学习参数;最后,通过仿真试验验证FILC-ADRC在植保无人车控制中的有效性。研究结果表明:在速度和转向角的阶跃信号、正弦信号跟踪试验中,FILC-ADRC较PID控制器、自抗扰控制器(ADRC)均呈现出更好的控制效果;在考虑真实干扰的速度跟踪试验中,FILC-ADRC在面对非线性摩擦和地面凹凸不平等复杂干扰时,仍能较好地实现速度控制;在路径跟踪控制试验中,FILC-ADRC对速度、转向角和路径均取得了较好的跟踪效果。本文所提方法可用于稻田、番茄种植园等具有复杂干扰的非结构化环境中,提升植保无人车施药作业效率。

关键词：植保无人车干扰抑制自抗扰控制器迭代学习控制模糊控制

来源：评论

学校读者我要写书评

暂无评论

不依赖初始容许控制的非对称约束零和博弈智能评判设计

引用

控制与决策 2025年第4期40卷 1347-1356页

作者：李梦花王鼎赵明明乔俊飞北京工业大学信息科学技术学院北京100124 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 北京工业大学智慧环保北京实验室北京100124 北京工业大学北京人工智能研究院北京100124

利用自适应评判控制方法研究具有非对称约束的连续时间零和博弈问题.首先,建立一种新颖的非二次型函数处理非对称约束问题,以降低对控制矩阵的限制.其次,推导最优控制、最坏扰动,以及Hamilton-Jacobi-Isaacs方程.然后,建立一种自适应评... 详细信息

利用自适应评判控制方法研究具有非对称约束的连续时间零和博弈问题.首先,建立一种新颖的非二次型函数处理非对称约束问题,以降低对控制矩阵的限制.其次,推导最优控制、最坏扰动,以及Hamilton-Jacobi-Isaacs方程.然后,建立一种自适应评判控制方法以近似最优代价函数,从而获得近似最优控制以及近似最坏扰动.针对具有非对称约束的零和博弈问题,提出一种新型评判学习准则来强化学习过程并消除对初始容许控制的依赖.此外,利用Lyapunov方法证明系统状态和评判网络权值近似误差的稳定性.最后,利用F-16战斗机和倒立摆两个实例验证所提算法的有效性.同时,给出传统学习算法下的仿真结果,进一步说明所提新型学习准则的可行性.

关键词：自适应评判设计自适应动态规划连续系统零和博弈非对称约束初始容许控制

来源：评论

学校读者我要写书评

暂无评论

基于生理电信号的自动睡眠分期算法综述

引用

北京工业大学学报 2025年第4期51卷 435-451页

作者：金峥贾克斌北京工业大学信息科学技术学院北京100124 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

基于生理电信号的睡眠分期是监测睡眠过程和诊疗睡眠疾病的重要前提,针对人工睡眠分期方法存在耗时久、效率低、具有主观性等问题,近年来自动睡眠分期方法凭借高效性和准确性受到研究者的关注。因此,从算法设计的角度针对近6年的自动睡... 详细信息

基于生理电信号的睡眠分期是监测睡眠过程和诊疗睡眠疾病的重要前提,针对人工睡眠分期方法存在耗时久、效率低、具有主观性等问题,近年来自动睡眠分期方法凭借高效性和准确性受到研究者的关注。因此,从算法设计的角度针对近6年的自动睡眠分期算法进行综述,分为传统机器学习和深度学习两大类,并对2个类别按照单通道与多通道生理电信号2种输入方式,从模型算法、信号类型、分期性能方面进行归纳总结。通过对比可知:单通道信号输入降低了信号采集成本,更适用于家庭睡眠监测,而多通道信号输入贴合分期准则,更适用于临床睡眠分析;深度学习类算法相较于传统机器学习类算法更具有研究前景,其可利用深度神经网络自动学习信号内在表征,在高效处理大规模数据的同时提供较好的分期性能。深度学习方法未来的研究重点应该从模型设计的角度转变为提升模型可解释性和泛化性,从而推动深度神经网络在睡眠医学领域中的应用。

关键词：睡眠医学生理电信号自动睡眠分期机器学习深度学习深度神经网络

来源：评论

学校读者我要写书评

暂无评论

面向云边个性化模型解耦的聚类联邦学习方法

引用

计算机学报 2025年第2期48卷 407-432页

作者：杜甜陈星延寇纲赵宇许长桥西南财经大学金融智能与金融工程四川省重点实验室成都 611130 西南财经大学金融智能与金融工程四川省重点实验室成都 611130 西南财经大学计算机与人工智能学院成都 611130 北京邮电大学网络与交换技术全国重点实验室北京 100876

联邦学习是一种前沿的分布式学习范式,该技术允许多个边缘客户端协作训练全局模型,而无需客户端共享数据至中央服务器,有效缓解了深度模型训练的"数据孤岛"和数据隐私安全问题.生成式人工智能的发展推动了更大规模的模型和数... 详细信息

联邦学习是一种前沿的分布式学习范式,该技术允许多个边缘客户端协作训练全局模型,而无需客户端共享数据至中央服务器,有效缓解了深度模型训练的"数据孤岛"和数据隐私安全问题.生成式人工智能的发展推动了更大规模的模型和数据集应用,加剧了联邦学习所面临的现实挑战,特别是由客户端本地数据高度异构导致的训练效率低和通信成本高等问题.本文提出了一种基于云边模型解耦的联邦学习创新框架,FedCPMD,该框架通过为客户端动态选择最优个性化层来应对数据异质性.动机实验表明,具有异构数据分布的客户端在选用不同神经网络层作为个性化层时,其性能存在明显差异.基于此,本文设计了一种逐层知识化表征方法,通过独立量化每一层神经网络对最终模型效果的影响,实现对个性化层的选择.FedCPMD还引入了一种基于知识表征的客户端聚类策略,通过将具有相同选层结果的客户端聚类到同一集群,来提升异构联邦学习的模型性能.本文在九个真实数据集上开展实验,结果表明与现有十余种先进方案相比,FedCPMD具有明显优势.针对CIFAR100、CINIC10、SVHN和Tiny ImageNet等复杂数据集,FedCPMD在LeNet5架构上的准确率平均提升2.450%(α=0.1),在VGG11架构上平均提升3.963%(α=0.1).

关键词：聚类个性化联邦学习模型解耦云边系统绿色通信

来源：评论

学校读者我要写书评

暂无评论

COVID-19疫情压力对青少年生命史策略的影响及其行为表现

引用

心理发展与教育 2025年第03期 398-409页

作者：罗玉晗徐梓婧周晴杨政乾柯李王耘陈福美北京师范大学认知神经科学与学习国家重点实验室加州大学伯克利分校心理系北京师范大学基础教育质量监测协同创新中心

基于生命史理论，个体在COVID-19疫情压力下对自身生命史策略的调整是其适应性的表现之一。本研究采用方便取样的方法，以3所初中的8、9年级共1125名(男生：51.2%, T1时年龄：14.30±0.73)初中生为被试，开展两次追踪研究，结果发现... 详细信息

基于生命史理论，个体在COVID-19疫情压力下对自身生命史策略的调整是其适应性的表现之一。本研究采用方便取样的方法，以3所初中的8、9年级共1125名(男生：51.2%, T1时年龄：14.30±0.73)初中生为被试，开展两次追踪研究，结果发现：(1)疫情后青少年快生命史策略水平显著升高，并且疫情压力越大，个体越倾向于快生命史策略；(2)快生命史策略的水平在疫情压力影响内化问题行为水平中起部分中介作用，在影响外化问题行为和亲社会行为的水平中起完全中介作用；快生命史策略的变化在疫情压力影响三类行为变化中均起完全中介作用。研究初步揭示了疫情压力对快生命史策略的影响及其对青少年社会适应的作用。

关键词：生命史策略疫情压力问题行为亲社会行为青少年

来源：评论

学校读者我要写书评

暂无评论

人工智能算法在抗菌肽预测领域的应用

引用

食品科学 2025年第11期 384-393页

作者：钱宇辰聂挺花彦铭徐诗莹郭盛张鑫罗小虎刘亚楠宁波大学食品科学与工程学院浙江-马来西亚农产品加工与营养健康联合实验室全省食品微生物与营养健康重点实验室上海交通大学生命科学技术学院微生物代谢国家重点实验室代谢与发育科学国际合作联合实验室宁波市产品食品质量检验研究院(宁波市纤维检验所) 中国商业联合会食品重点危害物质检测与风险防范重点实验室宁波市食品重点危害物质检测控制与预警重点实验室南京农业大学食品科技学院

抗菌肽作为具有广泛抗菌活性的小分子肽，因其独特抑菌机制在食品保鲜等领域展现出巨大潜力。然而，传统筛选方法耗时费力、资源消耗大，且所得抗菌肽常存在稳定性差、细胞毒性高等问题，限制了其广泛应用。近年来，人工智能技术的快速... 详细信息

抗菌肽作为具有广泛抗菌活性的小分子肽，因其独特抑菌机制在食品保鲜等领域展现出巨大潜力。然而，传统筛选方法耗时费力、资源消耗大，且所得抗菌肽常存在稳定性差、细胞毒性高等问题，限制了其广泛应用。近年来，人工智能技术的快速发展为抗菌肽研究带来了新机遇。人工智能算法能够基于先验知识与实时数据持续优化，显著提高了抗菌肽的预测效率，降低了研发成本。同时，这些算法还为探索抗菌肽的多样性、优化其性能提供了可能。目前，多个专业数据库已建立，为算法模型训练提供了丰富资源。此外，基因组学、转录组学、蛋白质组学等多源生物信息数据也被广泛用于抗菌肽预测，以期更精准地识别具有潜在抗菌活性的肽段。本文综述当前各类人工智能算法模型预测抗菌肽的原理及适用情况，并探讨针对抗菌肽应用困境而设计的特定预测模型。旨在启发读者如何选择和设计人工智能算法，推动其在食品安全与人类健康领域的创新应用。

关键词：人工智能算法机器学习深度学习抗菌肽

来源：评论

学校读者我要写书评

暂无评论

基于选择性标注与样本平衡的局部放电模式识别在线学习方法

引用

中国电机工程学报 2025年第2期45卷 778-790,I0032页

作者：谢庆王春鑫张雨桐刘景立谢晨昊郑炎律方成谢军新能源电力系统国家重点实验室(华北电力大学) 北京市昌平区102206

训练与检测样本分布不一致是深度学习方法对现场新增局部放电(partial discharge,PD)(简称“局放”)识别准确率低的主要原因,为实现局放模式识别对现场数据分布变化的持续适配、降低样本标注工作量,该文提出一种局部放电模式识别在线学... 详细信息

训练与检测样本分布不一致是深度学习方法对现场新增局部放电(partial discharge,PD)(简称“局放”)识别准确率低的主要原因,为实现局放模式识别对现场数据分布变化的持续适配、降低样本标注工作量,该文提出一种局部放电模式识别在线学习方法。首先,以局放模式识别模型各层特征为信息来源,利用推理模型区分处于训练集分布内外的新增局放样本,并分别采用软标签及人工方式对两种样本进行在线标注;其次,为平衡训练集分布内外样本的数量、提升新增样本识别准确率,采用基于梯度惩罚的条件式wasserstein距离生成对抗网络(conditional wasserstein generative adversarial network with gradient penalty,CWGAN-GP)扩充两类局放样本,并以联合训练的方式更新局放模式识别模型。利用实验及现场采样得到的局放样本对所提方法进行验证,结果表明,所提方法标注工作量降低66.68%,在线学习结束后,新增样本集与训练集分布相同时识别准确率可提升4.61%,分布不同时识别准确率最低提升22.27%。

关键词：局部放电选择性标注在线学习模式识别

来源：评论

学校读者我要写书评

暂无评论

基于局部频率的W变换方法

引用

石油地球物理勘探 2025年第1期60卷 177-184页

作者：武国宁周鑫郑意腾张子昂顾亚鑫吴春勇中国石油大学(北京)理学院北京102249

时频分析是一种能够揭示信号频谱随时间变化规律的重要方法,在地震信号处理和特征分析等领域具有重要意义。为提高时频分析的精度,文中提出了一种基于局部频率的W变换时频分析方法。该方法借助局部频率获得信号的平滑主频率,然后将该平... 详细信息

时频分析是一种能够揭示信号频谱随时间变化规律的重要方法,在地震信号处理和特征分析等领域具有重要意义。为提高时频分析的精度,文中提出了一种基于局部频率的W变换时频分析方法。该方法借助局部频率获得信号的平滑主频率,然后将该平滑主频率应用于W变换,进而得到信号的时频谱。通过局部频率对主频率进行平滑处理,有效减少了噪声的干扰,获得更为精确的主频率,从而提高了时频分析的可靠性。与传统的S变换相比,这种基于局部频率的W变换在一定程度上克服了高频段的频散现象,在低频段能够获得更高的时间分辨率。相较于W变换,该方法使信号的频谱能量更好地聚集在能量中心,具有较好的聚焦性。引入局部频率对W变换进行改进,提高了时频分析的精度。最后,本文通过数值试验验证了方法的有效性和优越性。

关键词：时频分析 W 变换局部频率频散低频阴影

来源：评论

学校读者我要写书评

暂无评论

机器学习在有机固体废物资源化的应用进展

引用

工程科学学报 2025年第3期47卷 550-561页

作者：马鸿志刘忆婵赵继华费凡高明汪群慧北京科技大学能源与环境工程学院北京100083 工业典型污染物资源化处理北京市重点实验室北京100083 伊犁师范大学资源与环境学院伊宁835000

机器学习(ML)方法,以其卓越的数据解析和模式识别能力,已在有机固体废物(OSW)处理领域展现出显著的应用潜力.随着对OSW处理需求的日益增长及技术革新的推进,ML在该领域的应用正迅速普及.聚焦ML技术在OSW资源化处理中的应用,首先界定了OS... 详细信息

机器学习(ML)方法,以其卓越的数据解析和模式识别能力,已在有机固体废物(OSW)处理领域展现出显著的应用潜力.随着对OSW处理需求的日益增长及技术革新的推进,ML在该领域的应用正迅速普及.聚焦ML技术在OSW资源化处理中的应用,首先界定了OSW的范畴,针对OSW处理中存在的异质性和复杂性问题,指出了传统处理技术在进行OSW产量预测和条件优化时的局限性.通过对2018—2023年相关学术成果进行系统梳理和分析,揭示了ML在OSW处理中的研究趋势和潜力.特别是发现以人工神经网络(ANN)、支持向量机(SVM)、决策树(DT)、随机森林(RF)和极端梯度提升(XGBoost)为代表的常用模型结合遗传(GA)优化算法,成为提高OSW处理效率和资源回收率的研究热点.分析了这些模型在源头产生与分类、热化学转化处理、厌氧生物处理和好氧堆肥等具体应用中的现状及应用频率,同时评估了它们的优缺点及适用性.研究发现,ML技术能够有效提高OSW处理的预测精度和工艺优化能力,尤其是在废物特性预测和生物处理过程模拟方面展现出显著优势.然而,数据质量、模型的泛化能力以及算法选择仍然是ML技术应用中的关键挑战.为此,提出开发综合模型、加强跨学科技术融合等一系列解决策略,以期为OSW资源化提供科学指导和技术支持.

关键词：有机固体废物机器学习资源化高效处理建模预测过程优化

来源：评论

学校读者我要写书评

暂无评论

融合规范知识库和异质信息网络嵌入的作者姓名消歧研究

引用

数据分析与知识发现 2025年第1期9卷 133-144页

作者：董文佳孙坦赵瑞雪马玮璐熊赫鲜国建中国农业科学院农业信息研究所北京100081 农业农村部农业大数据重点实验室北京100081 中国农业科学院北京100081 农业融合出版知识挖掘与知识服务重点实验室北京100081

【目的】深入挖掘文献特征间的深层次关联关系,提升学术文献作者姓名消歧的效果。【方法】结合机构名称规范库、学科分类体系、主题词表等规范知识库的先验知识,设计一种基于知识增强的特征提取框架,在规范数据的基础上,通过异质信息网... 详细信息

【目的】深入挖掘文献特征间的深层次关联关系,提升学术文献作者姓名消歧的效果。【方法】结合机构名称规范库、学科分类体系、主题词表等规范知识库的先验知识,设计一种基于知识增强的特征提取框架,在规范数据的基础上,通过异质信息网络嵌入融合文献特征的语义信息和关系信息,生成高质量的文献向量表示,使用层次凝聚算法进行聚类。【结果】在本文构建的测试集中,模型F1值达到89.07%。【局限】知识库的质量和规模限制了模型在新兴及细分领域的准确性和泛化能力。【结论】本文方法结合专家先验知识和深度学习的强大学习能力,为学术文献中的姓名消歧任务提供了有效路径。

关键词：姓名消歧规范知识库特征提取深度学习异质信息网络

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：