检索结果-内蒙古大学图书馆

北京生物医学工程 2022年第4期41卷 360-367页

作者：张圆圆孙炎珺李明爱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 数字社区教育部工程研究中心北京100124

目的为了准确地分离并去除脑电(electroencephalogram,EEG)信号中的尖峰状眼电(electrooculogram,EOG)伪迹,本文提出一种基于核独立分量分析(kernel independent component analysis,KICA)和掩膜最小弧长经验模态分解(masking-aided minimum arclength empirical mode decomposition,MAMA-EMD)的眼电伪迹去除方法,即KICMME。方法首先,使用KICA将多通道受污染的EEG信号分离为多个独立分量(independent components,ICs);然后,计算每个IC的峰度值,确定与EOG相关的IC,并利用MAMA-EMD算法对其进一步分解,得到一组固有模态函数(intrinsic mode function,IMF);进而,通过计算各IMF的低频功率占比,识别并剔除与EOG相关性高的IMF;最后,基于MAMA-EMD和KICA的逆变换重构出“纯净”EEG信号。结果在半模拟和真实脑电两个数据集上进行实验研究,KICMME取得的均方误差和信噪比分别为0.82和12.51 dB,获得的分类准确率和Kappa值分别为91%和0.82。结论MAMA-EMD能够准确地分离出与EOG相关的IMF分量,使得KICMME可以在保留有用神经信息的同时,最大限度地去除EEG信号中的EOG伪迹,相对现有基于盲源分离的眼电伪迹去除方法具有明显优势。

关键词：脑电信号眼电伪迹核独立分量分析模态分裂掩膜最小弧长经验模态分解

来源：评论

学校读者我要写书评

暂无评论

基于循环自动编码器的间歇过程故障监测

引用

化工学报 2020年第7期71卷 3172-3179页

作者：高学金刘腾飞徐子东高慧慧于涌川北京工业大学信息学部北京100124 数字社区教育部工程研究中心北京100124 城市轨道交通北京实验室北京100124 计算智能与智能系统北京市重点实验室北京100124

针对间歇过程数据非线性、动态性特征,提出一种基于循环自动编码器(recurrent autoencoder,RAE)的过程故障监测方法。采用长短时记忆(long short-term memory,LSTM)循环神经网络构建自动编码器建立监控模型,相比传统自动编码器,其能有... 详细信息

针对间歇过程数据非线性、动态性特征,提出一种基于循环自动编码器(recurrent autoencoder,RAE)的过程故障监测方法。采用长短时记忆(long short-term memory,LSTM)循环神经网络构建自动编码器建立监控模型,相比传统自动编码器,其能有效挖掘时序样本间的动态关联信息。该方法首先利用批次展开与变量展开相结合的三步展开方法将间歇过程数据展开成二维,并通过滑动窗采样得到模型输入序列;然后使用LSTM构建自动编码器,重构输入序列。进一步,利用重构误差构造平方预测误差(squared prediction error,SPE)统计量实现在线监测。最后将所提方法应用于青霉素发酵仿真和重组大肠杆菌发酵过程监测,结果表明,该方法能及时监测到故障,具有较好的监测性能。

关键词：算法动态建模神经网络 LSTM 过程监测循环自动编码器

来源：评论

学校读者我要写书评

暂无评论

基于多变量卷积神经网络的发酵过程故障监测

引用

高校化学工程学报 2020年第6期34卷 1511-1519页

作者：高学金刘爽爽高慧慧北京工业大学信息学部北京100124 数字社区教育部工程研究中心北京100124 城市轨道交通北京实验室北京100124 计算智能与智能系统北京市重点实验室北京100124

针对传统故障监测方法难以提取数据深层特征的问题,提出一种基于多变量深度卷积神经网络的故障监测方法,以提高监测精度。为捕获过程动态性,采用滑动窗技术对过程变量序列进行分割,利用希尔伯特-黄变换对分割后的序列进行分解,得到时频... 详细信息

针对传统故障监测方法难以提取数据深层特征的问题,提出一种基于多变量深度卷积神经网络的故障监测方法,以提高监测精度。为捕获过程动态性,采用滑动窗技术对过程变量序列进行分割,利用希尔伯特-黄变换对分割后的序列进行分解,得到时频图,有效挖掘变量序列在幅值、频率、相位上的异常变化信息;以时频图为输入,基于深度卷积神经网络构建故障监测模型,提取故障信息深层特征,提高监测精度;利用青霉素发酵过程仿真数据和大肠杆菌生产数据进行实验验证,结果表明所提方法监测精度分别高达95%和93%以上。

关键词：卷积神经网络希尔伯特-黄变换特征提取发酵过程故障监测

来源：评论

学校读者我要写书评

暂无评论

基于四阶累积分析的工业大肠杆菌制备过程故障诊断

引用

控制理论与应用 2020年第3期37卷 667-675页

作者：常鹏乔俊飞张祥宇王普北京工业大学信息学部北京100124 北京工业大学计算智能和智能系统北京市重点实验室北京100124 北京工业大学数字社区教育部工程研究中心北京100124

工业大肠杆菌制备过程具有非线性和非高斯性共存的特征,导致难以对故障源进行有效定位,针对这个问题,提出一种基于多向核熵独立元分析(MKEICA)的过程监测方法;同时针对传统低阶监控统计量(T2, I2和SPE)无法得到非高斯信息的不足提出了... 详细信息

工业大肠杆菌制备过程具有非线性和非高斯性共存的特征,导致难以对故障源进行有效定位,针对这个问题,提出一种基于多向核熵独立元分析(MKEICA)的过程监测方法;同时针对传统低阶监控统计量(T2, I2和SPE)无法得到非高斯信息的不足提出了四阶累积监控统计量的方法;其次通过对四阶累积监控量进行推导,得到故障产生的原因.最后将其应用在实际的工业过程并与多向核独立元分析(MKICA)监测模型进行对比验证该方法的可行性及有效性.

关键词：多向核熵独立成分分析四阶累积分析多向核主成分分析多向核独立成分分析故障监测

来源：评论

学校读者我要写书评

暂无评论

基于卷积神经网络的仿鼠脑海马结构认知地图构建方法

引用

模式识别与人工智能 2020年第1期33卷 50-58页

作者：于乃功魏雅乾王林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 北京工业大学数字社区教育部工程研究中心北京100124

针对融合视觉信息的仿鼠脑海马模型闭环检测精度较低、地图构建不准确的问题,文中提出基于卷积神经网络的仿鼠脑海马结构认知地图构建方法.利用改进的卷积神经网络模型提取视觉输入特征,融合空间细胞计算模型得到位置信息,并构建认知地... 详细信息

针对融合视觉信息的仿鼠脑海马模型闭环检测精度较低、地图构建不准确的问题,文中提出基于卷积神经网络的仿鼠脑海马结构认知地图构建方法.利用改进的卷积神经网络模型提取视觉输入特征,融合空间细胞计算模型得到位置信息,并构建认知地图.基于汉明距离计算视觉信息与视图库中图像的相似度,实现对复杂动态环境中熟悉场景的识别,完成机器人在环境中的定位及位置纠正.仿真与物理实验验证文中方法的有效性与鲁棒性.

关键词：卷积神经网络(CNN) 海马体认知地图位置细胞网格细胞

来源：评论

学校读者我要写书评

暂无评论

微粉生产过程中磨机进出口温度多目标优化

引用

控制理论与应用 2020年第2期37卷 275-282页

作者：李晓理高杰王康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 数字社区教育部工程研究中心北京100124 北京未来网络科技高精尖创新中心北京100124

微粉是钢铁废渣经过研磨后所形成的一种粉末,是一种高效且环保的建筑材料添加剂.在微粉生产过程中磨机进出口温度之间存在正相关的关系,但在正常工况下进口温度的升高将有助于提高产量,而出口温度的降低却有利于保证生产的安全性,因此... 详细信息

微粉是钢铁废渣经过研磨后所形成的一种粉末,是一种高效且环保的建筑材料添加剂.在微粉生产过程中磨机进出口温度之间存在正相关的关系,但在正常工况下进口温度的升高将有助于提高产量,而出口温度的降低却有利于保证生产的安全性,因此温度设定值的求解将是一个多目标优化问题,较难获得最优值.从实际生产工况出发,采用非支配排序遗传算法II、多目标粒子群优化算法和多目标灰狼优化算法多种多目标优化算法求解此问题,并进行对比分析获得最优可行解集.优化后得到的解集能更好的为温度的设定提供参考,从而提升产量与生产的安全.

关键词：微粉环保温度多目标优化设定值可行解

来源：评论

学校读者我要写书评

暂无评论

轮子打滑状态下全向移动机器人轨迹跟踪控制

引用

控制与决策 2020年第4期35卷 833-842页

作者：贾松敏卢兴阳张祥银张国梁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 北京工业大学数字社区教育部工程研究中心北京100124

针对全向移动机器人轨迹跟踪控制中存在未知轮子打滑干扰问题,设计自抗扰反步控制器.首先,建立存在轮子打滑扰动的全向移动机器人的运动学模型;然后,融合自抗扰控制技术与反步控制技术,设计基于全向移动机器人运动学模型的轨迹跟踪控制... 详细信息

针对全向移动机器人轨迹跟踪控制中存在未知轮子打滑干扰问题,设计自抗扰反步控制器.首先,建立存在轮子打滑扰动的全向移动机器人的运动学模型;然后,融合自抗扰控制技术与反步控制技术,设计基于全向移动机器人运动学模型的轨迹跟踪控制器,该控制器分别从纵向控制、横向控制及姿态控制上对打滑干扰进行实时估计与补偿;最后,利用Lyapunov定理分析闭环系统的稳定性并通过仿真实验验证了所提出控制算法的有效性和鲁棒性.

关键词：全向移动机器人自抗扰控制反步控制轮子打滑运动学模型

来源：评论

学校读者我要写书评

暂无评论

基于多尺度像素特征融合的实时小交通标志检测算法

引用

信号处理 2020年第9期36卷 1457-1463页

作者：任坤黄泷范春奇高学金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 北京城市轨道交通实验室北京100124 智能计算与智能系统北京市重点实验室北京100124

交通标志检测技术是先进驾驶辅助系统中重要组成部分。真实的驾驶环境中要求交通标志检测系统具备极高的实时性与准确性。轻量级网络MobileNetv2-SSD能够满足检测的实时性,但准确性不足以满足实际需求。本文将MobileNetv2-SSD作为基础网... 详细信息

交通标志检测技术是先进驾驶辅助系统中重要组成部分。真实的驾驶环境中要求交通标志检测系统具备极高的实时性与准确性。轻量级网络MobileNetv2-SSD能够满足检测的实时性,但准确性不足以满足实际需求。本文将MobileNetv2-SSD作为基础网络,提出一种基于像素重排的多尺度像素特征融合方法,并在网络的检测层引入高效通道注意力机制,实现特征增强。在保证算法的实时性的同时,有效提升了小交通标志的检测性能。实验结果表明,本文算法模型能够在真实环境下准确实时地检测小交通标志。在长沙理工大学中国交通标志检测数据集CCTSDB上取得93.2%的mAP,模型大小仅为17.3M,检测每张图像的时间为0.022 s。

关键词：交通标志检测多尺度特征融合像素重排特征增强通道注意力

来源：评论

学校读者我要写书评

暂无评论

基于改进PCL模型的输电线路缺销螺栓弱监督检测方法

引用

科学技术与工程 2022年第23期22卷 10169-10178页

作者：赵振兵丁洁涛华北电力大学电子与通信工程系保定071003 华北电力大学河北省电力物联网技术重点实验室保定071003 华北电力大学复杂能源系统智能计算教育部工程研究中心保定071003

销子缺失是输电线路中常见的螺栓缺陷,及时检测出缺销螺栓对输电线路的安全运行至关重要。基于全监督检测模型的螺栓缺陷检测需要目标级标注,目标级标注会消耗大量的人力物力,为减少这种消耗,提出一种基于改进PCL(proposal cluster lear... 详细信息

销子缺失是输电线路中常见的螺栓缺陷,及时检测出缺销螺栓对输电线路的安全运行至关重要。基于全监督检测模型的螺栓缺陷检测需要目标级标注,目标级标注会消耗大量的人力物力,为减少这种消耗,提出一种基于改进PCL(proposal cluster learning)模型的输电线路缺销螺栓弱监督检测方法,仅利用图像级标注实现缺销螺栓检测。引入通道注意力机制,生成加权特征图,突出目标区域特征,有效地挖掘出螺栓的位置信息;采用加权交叉熵损失函数,控制正负样本对损失值的贡献,增大困难样本的损失比重,提高模型对螺栓目标的关注程度和识别能力;融合全监督的多任务学习思想,使模型能随着迭代次数的增加修正预先得到的边界框。实验结果表明,在测试集上,相比于基础模型,改进后的模型缺销螺栓的AP(average precision)值提升了25.6%,mAP(mean average precision)值提升了25.4%,最终验证了本文方法的鲁棒性。

关键词：缺销螺栓检测弱监督注意力机制样本平衡多任务学习

来源：评论

学校读者我要写书评

暂无评论

基于时间卷积脉冲神经网络的超表面信号识别

引用

天津理工大学学报 2024年第6期40卷 87-93页

作者：孙娜李毅天津理工大学计算机科学与工程学院 “学习型智能系统”教育部工程研究中心天津300384 天津理工大学集成电路科学与工程学院光电器件与通信技术教育部工程研究中心天津市薄膜电子与通信器件重点实验室天津300384

近年来,随着人工智能的发展,研究人员逐渐尝试将超表面信号与深度学习相结合进行研究。为了准确高效地完成超表面信号的识别任务,提出了一种基于时间卷积脉冲神经网络(temporal convolutional spiking neural network,TCSNN)的超表面信... 详细信息

近年来,随着人工智能的发展,研究人员逐渐尝试将超表面信号与深度学习相结合进行研究。为了准确高效地完成超表面信号的识别任务,提出了一种基于时间卷积脉冲神经网络(temporal convolutional spiking neural network,TCSNN)的超表面信号识别方法。TCSNN是通过在浅层全连接的脉冲神经网络上,加入时间卷积和残差结构两个模块进行构建的,然后基于超表面信号数据集,与全连接的脉冲神经网络和脉冲卷积神经网络(convolutional spiking neural network,CSNN)两个网络模型进行对比实验,对本模型的性能进行评估。实验结果表明:相较于其他两种常用的脉冲神经网络模型,提出的TCSNN可以取得最优的识别效果。总之,提出的方法不仅为光学信号识别领域的研究提供了一种新思路,而且可以对脉冲神经网络的发展起到一定推动作用。

关键词：脉冲神经网络时间卷积残差结构超表面

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：