检索结果-内蒙古大学图书馆

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

基于移动边缘计算的GI/GI/1排队建模与调度算法

引用

自动化学报 2022年第7期48卷 1737-1746页

作者：张珂张利国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

针对车联网环境下路侧边缘计算节点部署不均衡、服务密度小、实时调度计算压力大等问题,提出一种基于智能车移动边缘计算(Mobile edge computing,MEC)的任务排队建模与调度算法,提供弹性计算服务,将具备感知、计算、控制功能的智能车作... 详细信息

针对车联网环境下路侧边缘计算节点部署不均衡、服务密度小、实时调度计算压力大等问题,提出一种基于智能车移动边缘计算(Mobile edge computing,MEC)的任务排队建模与调度算法,提供弹性计算服务,将具备感知、计算、控制功能的智能车作为移动边缘计算服务器,设计了车联网环境下的MEC体系架构.首先基于虚拟化技术对智能车进行虚拟化抽象,利用排队论对虚拟车任务构建了GI/GI/1排队模型.然后基于云平台Voronoi分配算法对虚拟车任务进行分配绑定,进而实现了智能车的优化调度与分布式弹性服务,解决了边缘计算任务分配不均衡等问题.最后通过城市交通路网中的车辆污染排放的实时计算实验,验证了该方法的有效性.

关键词：车联网移动边缘计算排队模型调度分配算法

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

基于Q学习的多任务多目标粒子群优化算法

引用

控制与决策 2023年第11期38卷 3039-3047页

作者：韩红桂徐子昂王晶晶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

多任务粒子群优化算法(multi-task particle swarm ptimization,MTPSO)通过知识迁移学习,具有快速收敛能力,广泛应用于求解多任务多目标优化问题.然而,MTPSO难以根据种群进化状态自适应调整优化过程,容易陷入局部最优,收敛性能较差.针... 详细信息

多任务粒子群优化算法(multi-task particle swarm ptimization,MTPSO)通过知识迁移学习,具有快速收敛能力,广泛应用于求解多任务多目标优化问题.然而,MTPSO难以根据种群进化状态自适应调整优化过程,容易陷入局部最优,收敛性能较差.针对此问题,利用强化学习的自我进化与预测能力,提出一种基于Q学习的多任务多目标粒子群优化算法(QM2PSO).首先,设计粒子群参数动态更新方法,利用Q学习方法在线更新粒子群算法的惯性权重和加速度参数,提高当前粒子收敛到Pareto前沿的能力;其次,提出基于柯西分布的突变搜索策略,通过全局和局部交替搜索多任务最优解,避免算法陷入局部最优;最后,设计基于正向迁移准则的知识迁移方法,采用Q学习方法更新知识迁移率,改善知识负迁移现象.与已有经典算法的对比实验结果表明所提出的QM2PSO算法具有更优越的收敛性.

关键词：多任务多目标优化粒子群优化知识迁移 Q学习

来源：评论

学校读者我要写书评

暂无评论

基于尖峰自组织模糊神经网络的需水量预测

引用

控制与决策 2018年第12期33卷 2197-2202页

作者：乔俊飞张力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

短期需水量预测是城市给水管网安全稳定运行的前提和保证.针对日需水量预测提出一种基于尖峰机制的自组织模糊神经网络(SSOFNN)模型.针对影响变量复杂多变的特点,采用主成分分析对原始数据进行降维处理,获取线性无关的主成分变量作为预... 详细信息

短期需水量预测是城市给水管网安全稳定运行的前提和保证.针对日需水量预测提出一种基于尖峰机制的自组织模糊神经网络(SSOFNN)模型.针对影响变量复杂多变的特点,采用主成分分析对原始数据进行降维处理,获取线性无关的主成分变量作为预测模型输入数据. SSOFNN模型根据尖峰强度和误差指标在训练过程中对隐含层神经元进行增长修剪,结合改进Leveberg-Marquardt算法简化参数更新过程中的计算过程,大大减少了计算量,能够获得紧凑的网络结构,且跟踪精度高,运行时间短,预测效果好.

关键词：模糊神经网络自组织尖峰机制需水量预测给水管网

来源：评论

学校读者我要写书评

暂无评论

基于动作注意策略的树形DDQN目标候选区域提取方法

引用

电子与信息学报 2019年第3期41卷 666-673页

作者：左国玉杜婷婷马蕾卢佳豪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

针对机器人在家庭环境下的目标检测问题,该文提出一种基于动作注意策略的树形双深度Q网络(TDDQN)目标候选区域提取的方法,该方法将双深度Q网络(DDQN)的方法与树结构的方法相结合,通过执行改变检测框的动作以使目标逐渐集中在检测框内。... 详细信息

针对机器人在家庭环境下的目标检测问题,该文提出一种基于动作注意策略的树形双深度Q网络(TDDQN)目标候选区域提取的方法,该方法将双深度Q网络(DDQN)的方法与树结构的方法相结合,通过执行改变检测框的动作以使目标逐渐集中在检测框内。首先采用DDQN方法在执行较少的动作后选择出当前状态的最佳动作,获取符合条件的候选区域。然后根据执行所选择动作之后所得到的状态重复执行上述过程,以此构成树结构的多条"最佳"路径。最后采用非极大值抑制的方法从多个符合条件的候选区域选择出最佳候选区域。在PascalVOC2007以及Pascal VOC2012上的实验结果表明,在不同数量的候选区域、不同阈值的IoU和不同大小以及不同种类对象的实验条件下,所提方法较其他方法都有着更好的检测性能,可以较好地实现目标检测。

关键词：目标检测候选区域树结构双深度Q网络动作注意

来源：评论

学校读者我要写书评

暂无评论

基于均匀分布NSGAII算法的污水处理多目标优化控制

引用

化工学报 2019年第5期70卷 1868-1878页

作者：李霏杨翠丽李文静乔俊飞北京工业大学信息学部北京100124 计算智能和智能系统北京市重点实验室北京100124

针对污水处理过程控制中能耗过大、出水水质超标严重等问题,提出了一种基于均匀分布的NSGAII(non-dominated sorting genetic algorithm II based on uniform distribution, UDNSGAII)多目标优化智能控制系统。首先,该方法以污水处理能... 详细信息

针对污水处理过程控制中能耗过大、出水水质超标严重等问题,提出了一种基于均匀分布的NSGAII(non-dominated sorting genetic algorithm II based on uniform distribution, UDNSGAII)多目标优化智能控制系统。首先,该方法以污水处理能耗和出水水质作为优化目标,建立多目标优化模型。其次,为了获得溶解氧和硝态氮的优化设定值,提高Pareto解的性能,该算法将种群映射到目标函数对应的超平面,并在该平面上进行聚类以增加解的多样性。此外,加入分布性判断模块和分布性加强模块提高解的分布性。最后,采用比例积分微分(proportional integral derivative, PID)控制器对溶解氧和硝态氮的优化设定值进行底层跟踪控制。为了验证该算法的有效性,采用国际基准的污水处理仿真平台(benchmark simulation model No.1, BSM1)来进行实验。结果显示,所提出的UDNSGAII多目标优化控制方法能够在满足出水水质达标的同时,有效地降低污水处理过程能耗。

关键词：污水处理过程均匀分布遗传算法优化控制

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

基于潜在特征选择性集成建模的二噁英排放浓度软测量

引用

自动化学报 2022年第1期48卷 223-238页

作者：汤健乔俊飞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

二噁英(Dioxin,DXN)是导致城市固废焚烧(Municipal solid waste incineration, MSWI)建厂存在"邻避现象"的主要原因之一.工业现场多采用离线化验手段检测DXN浓度,难以满足污染物减排控制的需求.针对上述问题,本文提出了基于... 详细信息

二噁英(Dioxin,DXN)是导致城市固废焚烧(Municipal solid waste incineration, MSWI)建厂存在"邻避现象"的主要原因之一.工业现场多采用离线化验手段检测DXN浓度,难以满足污染物减排控制的需求.针对上述问题,本文提出了基于潜在特征选择性集成(Selective ensemble, SEN)建模的DXN排放浓度软测量方法.首先,采用主元分析(Principal component analysis, PCA)分别提取依据工艺阶段子系统及全流程系统过程变量的潜在特征,并依据预设贡献率阈值进行特征初选;接着,采用互信息(Mutual information, MI)度量初选特征与DXN间的相关性,并自适应确定再选的上下限及阈值;最后,采用具有超参数自适应选择机制的最小二乘-支持向量机(Least squares—support vector machine,LS-SVM)算法建立多源特征的候选子模型,基于分支定界(Branch and bound, BB)优化和预测误差信息熵加权算法进行集成子模型的优化选择和加权组合,进而得到软测量模型.基于某MSWI焚烧厂DXN检测数据仿真验证了所提方法的有效性.

关键词：城市固废焚烧二噁英多源潜在特征最小二乘-支持向量机选择性集成建模

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

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：