检索结果-南通市图书馆

基于宽度学习系统的气动波纹管驱动器无模型跟踪控制

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

控制与决策 2024年第1期39卷 121-128页

作者：赵诗影闫泽孟庆鑫肖怀赖旭芝吴敏中国地质大学(武汉)自动化学院武汉430074 中国地址大学(武汉)复杂系统先进控制与智能自动化湖北省重点实验室武汉430074 中国地址大学(武汉)地球探测智能化技术教育部工程研究中心武汉430074

针对一款具有波纹管外形的充气伸长型气动软体驱动器(简称“气动波纹管驱动器”),提出一种基于宽度学习系统的无模型跟踪控制方法,使该驱动器有效跟踪期望轨迹.首先,介绍气动波纹管驱动器结构,以及气动波纹管驱动器整体实验平台工作原理... 详细信息

针对一款具有波纹管外形的充气伸长型气动软体驱动器(简称“气动波纹管驱动器”),提出一种基于宽度学习系统的无模型跟踪控制方法,使该驱动器有效跟踪期望轨迹.首先,介绍气动波纹管驱动器结构,以及气动波纹管驱动器整体实验平台工作原理.根据驱动器实时位置信息提出一种基于宽度学习系统的跟踪控制方法,受PID跟踪控制方法中积分项作用的启发,所提出控制方法不仅采用系统跟踪误差作为宽度学习系统的输入之一,还将跟踪误差对时间的积分项作为另一输入以消除期望轨迹与实际轨迹间的恒定偏差.然后,采用宽度学习系统计算得到控制气压,同时,利用基于梯度下降法的学习律在线调整宽度学习系统权值,进而减小驱动器跟踪误差.最后,通过实验验证所提出方法的有效性.所提出方法无需建立驱动器模型,能够简化控制器设计步骤,且与深度神经网络控制方法相比,能在避免计算量过大的前提下实现较高的跟踪控制精度.

关键词：气动软体驱动器气动波纹管驱动器软体机器人宽度学习系统无模型跟踪控制梯度下降

基于鲁棒稀疏宽度学习系统的短期风电功率预测

在线全文

学校读者我要写书评

暂无评论

太阳能学报 2024年第5期45卷 32-43页

作者：康逸群刘厦雷兢中国电力科学研究院有限公司北京100192 华北电力大学能源动力与机械工程学院北京102206

为改善预测质量,提出一种基于鲁棒稀疏宽度学习系统(RSBLS)的预测方法。基于正则法将模型训练转化为一个difference-of-convex functions优化问题,利用L1范数作为数据忠诚项以提高估计的鲁棒性,将L1-2范数集成到目标函数中确保输出权的... 详细信息

为改善预测质量,提出一种基于鲁棒稀疏宽度学习系统(RSBLS)的预测方法。基于正则法将模型训练转化为一个difference-of-convex functions优化问题,利用L1范数作为数据忠诚项以提高估计的鲁棒性,将L1-2范数集成到目标函数中确保输出权的稀疏性以提升模型性能,并提出一种融合half-quadratic splitting算法优势的数值方法有效求解该训练模型。基于绝对误差、相对误差、平均绝对误差、均方根误差、平均绝对百分误差、算法稳定性、预测误差改进百分比、灰色关联分析和DM检验等准则进行实验分析,结果表明新算法的预测质量优于流行的预测算法,并具有较好的鲁棒性,为风功率预测提出一种可行的新方法。

关键词：风功率预测宽度学习系统正则化稀疏性优化

维普期刊数据库博看期刊

带有Dropout结构的贝叶斯近似宽度学习系统

在线全文

学校读者我要写书评

暂无评论

控制理论与应用 2024年

作者：陈滔王立杰刘洋徐丽莉于海生青岛科技大学自动化与电子工程学院北京师范大学珠海校区应用数学学院青岛大学自动化学院

宽度学习系统(Broad Learning System, BLS)及其改进算法均普遍存在一个问题,即随着实际场景中数据复杂性的逐步增强,网络结构变得极其复杂,进一步导致计算资源的消耗也大幅度增加.针对此问题,本文提出了一种带有Dropout算法的贝叶斯近... 详细信息

宽度学习系统(Broad Learning System, BLS)及其改进算法均普遍存在一个问题,即随着实际场景中数据复杂性的逐步增强,网络结构变得极其复杂,进一步导致计算资源的消耗也大幅度增加.针对此问题,本文提出了一种带有Dropout算法的贝叶斯近似宽度学习系统(Dropout-BABLS).首先,利用Dropout算法对宽度学习系统的隐藏层节点随机进行丢弃.其次,通过结合高斯回归过程和贝叶斯理论近似Dropout对输出结果的损失函数以确定Dropout-BABLS的目标函数,进一步采用增广拉格朗日乘子法对目标函数的输出权重进行优化求解.最后,通过UCI机器学习知识库的10组回归数据集和自建的6组时间序列数据集对算法进行分析评估.结果表明,本文所提出的Dropout-BABLS算法能保证相应的输出精度,并减少25%～50%的运行时间.

关键词：宽度学习系统 Dropout 高斯过程贝叶斯近似拉格朗日乘子回归分析

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于自适应稀疏宽度学习系统的软测量建模

系统仿真学报 2024年

作者：杜康萍隋璘熊伟丽江南大学物联网工程学院江南大学轻工过程先进控制教育部重点实验室

针对复杂工业过程具有非线性、变量多特征耦合的特性，导致模型复杂度增加及性能降低等问题，提出一种基于自适应稀疏宽度学习系统的软测量建模方法。在宽度学习系统对特征横向增强传递的基础上，进一步采用迹LASSO对网络特征权重进行... 详细信息

针对复杂工业过程具有非线性、变量多特征耦合的特性，导致模型复杂度增加及性能降低等问题，提出一种基于自适应稀疏宽度学习系统的软测量建模方法。在宽度学习系统对特征横向增强传递的基础上，进一步采用迹LASSO对网络特征权重进行优化，根据不同变量间的相关性自适应调整惩罚强度，提高模型特征提取能力；并在增强节点部分引入Dropout机制，利用LASSO求解输出权重，对模型整体进行稀疏优化，剔除过量节点，减少计算过程中的冗余数据。通过在某燃煤电厂烟气脱硫过程实际应用验证了算法的有效性，与传统宽度学习系统等多种算法对比表明，所提方法能在有效简化模型结构的同时，提高其预测性能。

关键词：软测量宽度学习系统迹LASSO 正则化稀疏模型

基于主成分分析和宽度学习系统的土壤铅镉重金属元素定量分析

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

光谱学与光谱分析 2024年第7期44卷 1852-1857页

作者：吕树彬杨婉琪李福生电子科技大学自动化工程学院四川成都611731 电子科技大学长三角研究院(湖州) 浙江湖州313001

在土壤重金属元素定量分析研究中,X射线荧光分析(XRF)是一种有效的无损分析技术。由于受到矩阵效应以及元素干扰的影响,已有的机器学习方法在利用土壤XRF光谱预测铅(Pb)元素、镉(Cd)元素浓度时存在性能不足和不稳定的问题。该工作提出... 详细信息

在土壤重金属元素定量分析研究中,X射线荧光分析(XRF)是一种有效的无损分析技术。由于受到矩阵效应以及元素干扰的影响,已有的机器学习方法在利用土壤XRF光谱预测铅(Pb)元素、镉(Cd)元素浓度时存在性能不足和不稳定的问题。该工作提出了基于主成分分析(PCA)结合宽度学习系统(BLS)的XRF土壤重金属元素定量分析方法(PCA-BLS),用于精确、高效、稳定测定土壤中Pb元素和Cd元素的浓度。使用PCA对56个标准土壤数据进行特征降维,并选取Pb和Cd的前3个主成分作为特征。将最优主成分特征输入宽度学习系统进行校正和测试,并使用网格搜索算法确定最佳网络结构。其中Pb元素和Cd元素对应的BLS的三个最优参数值分别为2,11,11和3,19,15。使用支持向量回归(SVR)、BP神经网络和原始BLS三种模型与PCA-BLS方法进行对比。PCA-BLS在测定Pb对应的决定系数R^(2)、均方根误差RMSE和平均绝对百分比误差MAPE三个指标上取得了0.954、1.433、1.014的结果,在定量Cd实验中取得R^(2)为0.982、RMSE为1.215和MAPE为1.059的精度。网格搜索可视化表明PCA-BLS在预测两种重金属元素时具有稳定的性能。实验结果表明,PCA-BLS可以有效校正土壤XRF光谱中的矩阵效应和干扰,在准确预测Pb和Cd元素浓度的同时保持模型稳定性,是一种具有潜力的XRF光谱定量分析方法。

关键词：土壤重金属 XRF定量分析宽度学习系统主成分分析

一种基于宽度学习系统变体结构的肺炎检测方法

在线全文

学校读者我要写书评

暂无评论

西北大学学报(自然科学版) 2024年

作者：黎珂源张清华靳朋仁谢秦重庆邮电大学计算智能重庆市重点实验室重庆邮电大学大数据智能计算重点实验室重庆邮电大学旅游多源数据感知与决策技术文化和旅游部重点实验室

肺炎作为常见的呼吸系统疾病,准确、快速地诊断对患者的健康恢复至关重要。随着医疗技术的革新和人工智能的发展,计算机辅助诊断在医学领域的应用日益广泛。深度学习在肺炎检测领域取得了显著的成果,但其庞大的参数数量和复杂的网络结... 详细信息

肺炎作为常见的呼吸系统疾病,准确、快速地诊断对患者的健康恢复至关重要。随着医疗技术的革新和人工智能的发展,计算机辅助诊断在医学领域的应用日益广泛。深度学习在肺炎检测领域取得了显著的成果,但其庞大的参数数量和复杂的网络结构导致训练时间长、计算资源消耗大等局限性。为了解决上述问题,文中提出了一种基于宽度学习系统变体结构的肺炎检测方法。该方法在原始宽度学习系统的基础上,引入了级联金字塔结构;同时,利用预训练的EfficientNet网络作为前置特征提取器;此外,还提出了适用于该模型的增量学习算法,包括增加额外的增强节点、特征节点和训练样本,以进一步优化模型性能;最后,在公开的肺炎胸部X射线数据集上进行了对比实验。实验结果表明,该方法实现了92.83%的准确率,AUC值高达98.86%,与众多深度卷积神经网络相比,具有相似的精度,同时大幅缩短了模型的训练时间。

关键词：肺炎检测宽度学习系统级联金字塔增量学习

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

面向三维点云识别的宽度学习系统研究

面向三维点云识别的宽度学习系统研究

作者：李威林北方工业大学

学位级别：硕士

环境感知技术广泛应用于自动驾驶和智能机器人等领域,其中三维点云识别是其重要研究课题之一。作为三维点云识别的核心任务,三维点云物体分类和语义分割为智能汽车等系统的环境理解和解析提供了有效的技术支持。当前,除了主流的深度学... 详细信息

环境感知技术广泛应用于自动驾驶和智能机器人等领域,其中三维点云识别是其重要研究课题之一。作为三维点云识别的核心任务,三维点云物体分类和语义分割为智能汽车等系统的环境理解和解析提供了有效的技术支持。当前,除了主流的深度学习算法,基于宽度学习系统(Broad Learning System,BLS)的三维点云识别研究也备受关注。尽管宽度学习系统具有轻量、高效等优势,但其在三维物体分类精度上仍不及深度学习算法。此外,宽度学习系统在实现三维点云语义分割方面也存在一定局限性。因此,为了进一步提升宽度学习系统在三维点云识别中的能力,实现高精度三维点云语义分割,并对独立的三维物体进行高精度的分类,本文提出了基于宽度学习系统的三维点云语义分割算法和三维点云分类算法。主要内容包括:1.基于共享参数的宽度学习架构的三维点云语义分割算法:1)利用基于宽度学习系统网络结构的宽度共享感知机结合深度特征提取模块,完成点云语义分割任务。在本文中,将多组共享感知机以BLS网络结构的连接方式组合,在不增加神经网络深度的情况下,实现对点云的高精度语义分割。该方法在S3DIS数据集上的mIoU达到了60.5%。2)在语义分割网络中,使用图采样与聚合(Graph SAmple and aggre Gat E,Graph SAGE)层代替特征提取模块中的深层边卷积网络,通过直接更新点特征,避免了大量的边特征计算,同时提高了模型对复杂结构点云的特征提取能力。2.基于堆叠宽度学习系统的三维点云物体分类算法:1)将具有更高分类精度的堆叠宽度学习系统与基于动态图卷积神经网络(Dynamic Graph CNN,DGCNN)的特征提取模块相结合。通过残差拟合,过滤了特征提取过程中的噪声,进而提高了点云物体分类的准确度。2)在点云分类网络中,通过将特征提取模块中的边卷积特征作为BLS块增强层的补充增强节点,使BLS块在学习点云高维特征的同时关注点云原始的局部特征,以提高BLS块对点云特征的学习能力。该方法在Model Net40数据集和LiDARNet数据集上的分类准确率分别达到了93.3%和99.5%。

关键词：三维物体识别宽度学习系统点云分类语义分割

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于自编码器和超图的半监督宽度学习系统

电子学报 2022年第3期50卷 533-539页

作者：王雪松张翰林程玉虎地下空间智能控制教育部工程研究中心江苏徐州221116 中国矿业大学信息与控制工程学院江苏徐州221116

常规宽度学习系统(Broad Learning System,BLS)通常采用的线性稀疏特征提取方法难以对数据的复杂非线性特征进行有效表征.此外,当标记样本量较少时,BLS的泛化性能难以得到保证.为此,提出一种基于自编码器和超图的半监督宽度学习系统(Aut... 详细信息

常规宽度学习系统(Broad Learning System,BLS)通常采用的线性稀疏特征提取方法难以对数据的复杂非线性特征进行有效表征.此外,当标记样本量较少时,BLS的泛化性能难以得到保证.为此,提出一种基于自编码器和超图的半监督宽度学习系统(Autoencoder and Hypergraph-based Semi-supervised BLS,AH-SBLS).主要步骤为:首先,使用包括标记样本和无标记样本在内的全部样本训练自编码器,利用训练好的自编码器自动提取数据的复杂非线性特征;其次,将自编码器特征层中的特征作为AH-SBLS的特征节点并对其进行宽度拓展;然后,构造半监督超图以挖掘标记样本和无标记样本间的高阶流形关系,并将超图正则项引入宽度学习系统的目标函数中;最后,利用岭回归对目标函数进行求解,实现对无标记样本的类别预测.在图像分类实验上的结果表明,AH-SBLS能够实现半监督分类且获得较高的分类精度.

关键词：半监督宽度学习系统自编码器超图图像分类

基于EMD-AR与改进宽度学习系统的滚动轴承故障诊断方法

在线全文

学校读者我要写书评

暂无评论

中国电机工程学报 2023年第22期43卷 8944-8954页

作者：于春雨张文韬张庆海陈佳伟欧阳福浩青岛理工大学机械与汽车工程学院山东省青岛市266520

滚动轴承内、外圈和滚动体的故障振动信号通常伴随噪声,并且频率不尽相同,同时具有非线性、非平稳性等特点,传统的滚动轴承故障诊断方法效率较低,且大多未考虑变负载、噪声情况。针对上述问题,提出基于经验模态分解自回归模型和改进的... 详细信息

滚动轴承内、外圈和滚动体的故障振动信号通常伴随噪声,并且频率不尽相同,同时具有非线性、非平稳性等特点,传统的滚动轴承故障诊断方法效率较低,且大多未考虑变负载、噪声情况。针对上述问题,提出基于经验模态分解自回归模型和改进的宽度学习系统(broad learning system,BLS)的滚动轴承故障诊断方法。首先,对滚动轴承振动信号进行经验模态分解(empirical mode decomposition,EMD),得到一组固有模态函数(intrinsic mode function,IMF);对每个IMF建立自回归(autoregressive model,AR)模型,求得AR模型参数和残差余项,以此作为各类状态信号的特征矩阵;将该特征矩阵输入至改进的BLS,判断滚动轴承的故障位置及故障尺寸,实现滚动轴承的故障诊断与定位;并将该方法应用于变负载、有噪声工况下滚动轴承故障诊断与定位。同时设计2种对比方法,并将所提方法与两种对比方法的预测结果进行比较,实验结果表明所提方法诊断识别能力更强,为变负载、有噪声工况下的滚动轴承故障诊断与定位提供参考。

关键词：滚动轴承旋转机械故障诊断故障特征提取宽度学习系统