检索结果-内蒙古大学图书馆

智慧农业(中英文) 2025年第1期7卷 57-69页

作者：许世卫李乾川栾汝朋庄家煜刘佳佳熊露中国农业科学院农业信息研究所北京100081 北京市农林科学院数据科学与农业经济研究所北京100097 农业农村部农业监测预警技术重点实验室北京100081 中国农业科学院农业监测预警智能系统重点开放实验室北京100081

[目的/意义]农产品供给、消费和价格的变化直接影响市场监测和预警。随着中国农业生产方式和市场体系的转型,数据获取技术的进步使得农业数据呈现爆炸式增长。然而,农产品多品种的联动监测和预测仍面临数据复杂、模型狭窄、应变能力弱... 详细信息

[目的/意义]农产品供给、消费和价格的变化直接影响市场监测和预警。随着中国农业生产方式和市场体系的转型,数据获取技术的进步使得农业数据呈现爆炸式增长。然而,农产品多品种的联动监测和预测仍面临数据复杂、模型狭窄、应变能力弱等挑战。因此,亟需构建适应中国农业数据特点的深度学习模型,以提升农产品市场的监测与预警能力,推动精准决策和应急响应。[方法]本研究应用深度学习方法,从中国多维农业数据资源实际出发,创新提出了一套不同监测预警对象条件下深度学习综合预测方法,构建了生成对抗与残差网络协同生产量模型(Generative Adversarial Network and Residual Network, GAN-ResNet)、变分自编码器岭回归消费预测模型(Variational Autoencoder and Ridge Regression, VAE-Ridge)、自适应变换器价格预测模型(Adaptive-Transformer)。为适应实际需求,研究在CAMES中采用“离线计算与可视化分离”策略,模型推理离线完成,平衡了计算复杂度与实时预警需求。[结果和讨论]深度学习综合预测方法在玉米单产、生猪消费量和番茄市场价格的预测上,均表现出显著的精度提升。GAN-ResNet生产量预测模型进行县级尺度玉米单产预测的平均绝对百分比误差(Mean Absolute Percentage Error, MAPE)为6.58%,运用VAE-Ridge模型分析生猪消费量的MAPE为6.28%,运用Adaptive-Transformer模型预测番茄价格的MAPE为2.25%。[结论]该研究提出的深度学习综合预测方法,具有较先进的单品种、多场景、宽条件下的农产品市场监测预警分析能力,并在处理不同区域多维数据、多品种替代、市场季节性波动等分析方面显示出优良的指标性能,可为中国农产品市场监测预警提供一套新的有效分析方法。

关键词：监测预警深度学习生产量预测消费量预测价格预测生成对抗与残差网络协同生产量模型变分自编码器岭回归消费预测模型自适应变换器价格预测模型

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

城市污水处理过程出水氨氮优化控制

引用

上海交通大学学报 2020年第9期54卷 916-923页

作者：韩红桂杨士恒张璐乔俊飞北京工业大学信息学部计算智能与智能系统北京市重点实验室北京100124

为了改善城市污水处理过程出水氨氮的处理效果,提出一种城市污水处理过程出水氨氮优化控制方法.首先,基于机理特性分析影响出水氨氮浓度的性能指标,建立一种基于自适应核函数的性能指标与控制变量的关联模型,并通过粒子群优化算法获取... 详细信息

为了改善城市污水处理过程出水氨氮的处理效果,提出一种城市污水处理过程出水氨氮优化控制方法.首先,基于机理特性分析影响出水氨氮浓度的性能指标,建立一种基于自适应核函数的性能指标与控制变量的关联模型,并通过粒子群优化算法获取控制变量溶解氧浓度的优化设定值;其次,设计自适应模糊神经网络控制器,完成溶解氧浓度优化设定值的跟踪控制;最后,将出水氨氮优化控制方法应用于基准仿真平台BSM1.实验结果表明,该优化控制方法不仅提高了出水氨氮的去除效果,而且有效降低了能耗.

关键词：城市污水处理过程出水氨氮优化控制自适应模糊神经网络控制器

来源：评论

学校读者我要写书评

暂无评论

基于高斯混合模型最大期望聚类的同时定位与地图构建数据关联

引用

控制理论与应用 2020年第2期37卷 265-274页

作者：阮晓钢张晶晶朱晓庆周静北京工业大学信息学部计算智能与智能系统北京市重点实验室北京100124

数据关联是移动机器人同时定位与地图构建(SLAM)中状态估计的前提和基础,针对当前联合兼容分支定界算法存在计算复杂度高、耗时长的问题,提出了基于高斯混合模型(GMM)最大期望聚类分组的SLAM数据关联算法.首先,为减少同一时刻参与关联... 详细信息

数据关联是移动机器人同时定位与地图构建(SLAM)中状态估计的前提和基础,针对当前联合兼容分支定界算法存在计算复杂度高、耗时长的问题,提出了基于高斯混合模型(GMM)最大期望聚类分组的SLAM数据关联算法.首先,为减少同一时刻参与关联的观测值数目,在局部区域内采用GMM最大期望聚类算法对当前时刻的观测值进行分组;其次,在各观测小组中采用联合兼容分支定界算法进行数据关联;最后,综合各观测小组的观测值同局部地图特征得到的关联解,得到最优的关联结果.仿真实验结果表明,基于高斯混合模型最大期望聚类分组的SLAM数据关联算法在保证数据关联准确度的前提下,计算复杂度得到了降低,缩短了运行时间.

关键词：同时定位与地图构建数据关联联合兼容分支定界高斯混合模型最大期望聚类移动机器人

来源：评论

学校读者我要写书评

暂无评论

基于改进型生成式对抗网络的EEG-fNIRS多模态信号数据增广研究

引用

北京生物医学工程 2024年第3期43卷 250-258页

作者：王鹏举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 教育部数字社区教育工程中心北京100124

目的基于深度学习的脑电图-功能性近红外光谱技术(electroencephalogram-functional near-infrared spectroscopy,EEG-fNIRS)多模态脑机接口在康复工程中具有广泛的应用前景,但存在数据量不足的问题。为此,本文提出一种基于改进条件生... 详细信息

目的基于深度学习的脑电图-功能性近红外光谱技术(electroencephalogram-functional near-infrared spectroscopy,EEG-fNIRS)多模态脑机接口在康复工程中具有广泛的应用前景,但存在数据量不足的问题。为此,本文提出一种基于改进条件生成式对抗网络(conditional generative adversarial network,CGAN)的EEG-fNIRS多模态信号数据增广方法,以解决EEG-fNIRS多模态脑机接口与深度学习结合时面临的数据量匮乏的问题。方法首先,对EEG和fNIRS数据进行滤波、归一化和下采样等预处理。然后,针对EEG的非平稳特点,在CGAN生成器和判别器中增加自注意力机制,获得EEG数据增广模型CGAN_(E),加强捕捉和学习时变关键信息的能力。同时,针对fNIRS采样率低、信息量不充分问题,在CGAN生成器和判别器中增加上采样卷积层,获得fNIRS数据增广模型CGAN_(f),加强模型的信息挖掘能力,并将CGAN_(E)和CGAN_(f)的条件信息设置为类标签;进而,利用CGAN_(E)和CGAN_(f)对每导EEG和fNIRS分别进行增广,并将多导EEG扩增数据和多导fNIRS[包括氧合血红蛋白浓度(oxyhemoglobin concentration,HbO)和脱氧血红蛋白浓度(deoxyhemoglobin concentration,HbR)两种]扩增数据串接融合,获得EEG-fNIRS多模态增广数据。最后,对公开的EEG-fNIRS多模态信号数据集TU-Berlin-A前6名受试者数据进行增广实验,并设计一维卷积神经网络分类器评估增广数据的质量。结果基于EEG-fNIRS多模态信号公开数据集TU-Berlin-A前6名受试者的左右手运动想象数据进行实验研究表明,当数据扩增5倍时,本文方法取得94.81%的平均分类准确率。结论CGAN_(E)和CGAN_(f)能够生成接近真实数据分布的EEG和fNIRS信号,验证了对CGAN改进和本文所提EEG-fNIRS多模态数据增广方法的有效性。

关键词：脑电图功能性近红外光成像技术多模态信号条件生成式对抗网络数据增广

来源：评论

学校读者我要写书评

暂无评论

基于混合注意力时序网络的睡眠分期算法研究

引用

生物医学工程学杂志 2021年第2期38卷 241-248页

作者：金峥贾克斌袁野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 北京京东智能城市大数据研究院北京100190

睡眠分期是研究睡眠疾病的重要途径,近年来受到了广泛关注。传统手工标记方法与传统机器学习算法存在效率低下、泛化性不足的问题,虽然近期流行的深度学习网络模型依靠其学习复杂特征的能力改善了睡眠分期结果,但仍存在着忽略片段内时... 详细信息

睡眠分期是研究睡眠疾病的重要途径,近年来受到了广泛关注。传统手工标记方法与传统机器学习算法存在效率低下、泛化性不足的问题,虽然近期流行的深度学习网络模型依靠其学习复杂特征的能力改善了睡眠分期结果,但仍存在着忽略片段内时序信息与通道相关性的问题。本文提出了一种混合注意力时序网络,利用循环神经网络取代较为传统的卷积神经网络,从时间角度提取多导睡眠图的时序特征;然后采用片段内时序注意力与通道注意力机制,实现信号片段内时序特征融合和通道相关性特征融合;再基于循环神经网络与片段间时序注意力机制,进一步实现信号片段间时序上下文特征融合;最终根据上述混合特征完成端到端自动睡眠分期。本文采用开源数据网站上包含多个多导睡眠图的睡眠数据集进行对比实验,实验结果表明本文模型能够优于10种典型基线模型,睡眠分期准确率分别可达到0.801、0.801、0.717,平均F1分数可达到0.752、0.728、0.700,验证了本文模型的有效性。

关键词：睡眠分期循环神经网络注意力机制

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

基于改进型SVM的城市污水处理过程异常数据清洗方法

引用

北京工业大学学报 2021年第9期47卷 1011-1020页

作者：韩红桂鲁树武伍小龙乔俊飞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

针对城市污水处理过程数据存在噪声和缺失的问题,提出一种基于改进型支持向量机(improved support vector machine,ISVM)的异常数据清洗方法.首先,设计一种基于密度估计的噪声数据检测方法,实现对污水噪声数据甄别与剔除.其次,建立一种... 详细信息

针对城市污水处理过程数据存在噪声和缺失的问题,提出一种基于改进型支持向量机(improved support vector machine,ISVM)的异常数据清洗方法.首先,设计一种基于密度估计的噪声数据检测方法,实现对污水噪声数据甄别与剔除.其次,建立一种基于ISVM的缺失数据补偿模型,对缺失数据进行非线性拟合,获得数据缺失时刻的补偿值.最后,运用粒子群优化(particle swarm optimization,PSO)算法更新ISVM参数,提高缺失数据的补偿精度.将该清洗方法应用于城市污水处理过程中,实验结果表明,基于ISVM的异常数据清洗方法能够实现对异常数据的剔除以及缺失数据的补偿,提高了数据质量.

关键词：污水处理数据异常数据清洗密度估计支持向量机粒子群优化

来源：评论

学校读者我要写书评

暂无评论

面向城市固废焚烧过程的二噁英排放浓度检测方法综述

引用

自动化学报 2020年第6期46卷 1063-1089页

作者：乔俊飞郭子豪汤健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

焚烧在城市固体废物(Municipal solid wastes,MSW)的无害化、减量化和资源化处理方面优势显著.MSW焚烧(MSW incineration,MSWI)过程副产品之一的剧毒持久性污染物二噁英(Dioxins,DXN)是造成焚烧建厂“邻避效应”的主要原因.DXN排放浓度... 详细信息

焚烧在城市固体废物(Municipal solid wastes,MSW)的无害化、减量化和资源化处理方面优势显著.MSW焚烧(MSW incineration,MSWI)过程副产品之一的剧毒持久性污染物二噁英(Dioxins,DXN)是造成焚烧建厂“邻避效应”的主要原因.DXN排放浓度难以在线实时检测的工业现状已成为制约MSWI过程运行优化与城市环境污染控制的瓶颈.首先,结合典型MSWI过程分析DXN的生成特性与排放控制策略;接着,将DXN排放浓度检测方法从测量原理、复杂度和时间尺度等视角分为离线直接检测法、指示物/关联物在线间接检测法和软测量法并进行综述;然后,对不同方法的发展阶段和关联性进行分析,指出各自的优劣性和相互间的互补性,结合MSWI过程特点归纳基于过程数据进行DXN排放浓度软测量的难点,并将其提炼为一类面向小样本高维稀疏标记数据的智能建模问题;最后,指出进行DXN排放浓度智能软测量的未来研究方向和发展前景.

关键词：城市固体废物焚烧二噁英排放在线检测小样本高维数据智能软测量

来源：评论

学校读者我要写书评

暂无评论

基于结构优化的DDAG-SVM上肢康复训练动作识别方法

引用

自动化学报 2020年第3期46卷 549-561页

作者：左国玉徐兆坤卢佳豪龚道雄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

针对上肢康复训练系统中训练评估方法核心的动作识别问题,提出一种面向Brunnstrom 4~5期患者上肢康复训练动作的SODDAG-SVM(Structure-optimized decision directed acyclic graph-support vector machine)多分类识别方法.首先将多分类问题分解成一组二分类问题,并使用支持向量机构建各二分类器,分别采用遗传算法和特征子集区分度准则对各二分类器的核函数参数及特征子集进行优化.然后使用类对的SVM二分类器泛化误差来衡量每个类对的易被分离程度,并由其建立类对泛化误差上三角矩阵.最后由根节点开始,依次根据各节点的泛化误差矩阵,通过选择其中最易被分离类对的SVM分类器构成该节点的方式,来构建SODDAG-SVM多分类器结构.当待预测的实例较少时,直接构建实例经过的SODDAG-SVM部分结构并对实例进行预测;当待预测的实例较多时,先构建完整的SODDAG-SVM结构,再代入所有实例进行预测.通过人体传感技术获得Brunnstrom 4~5阶段上肢康复训练的常用动作样本集,进行SODDAG-SVM动作识别实验,准确率达到了95.49%,结果均优于常规的决策有向无环图(Decision directed acyceic graph,DDAG)和MaxWins方法,实验表明本文方法能有效地提高上肢康复训练动作识别的准确率.

关键词：上肢康复训练动作识别 SODDAG-SVM 多分类器二分类器

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：