检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

结构性“手拉手”模型问题的解法

初中生天地 2024年第12期 36-39页

作者：李景财不详

近几年,结构性“手拉手”模型试题成为各种考试的热点题型,该题型在考查“四基”“四能”的基础上,还考查同学们的阅读理解能力,即时学习能力,分析问题和解决问题的能力。例1【问题背景】(1)如图1-1,分别以△ABC的边AB,AC为边作等边三角... 详细信息

近几年,结构性“手拉手”模型试题成为各种考试的热点题型,该题型在考查“四基”“四能”的基础上,还考查同学们的阅读理解能力,即时学习能力,分析问题和解决问题的能力。例1【问题背景】(1)如图1-1,分别以△ABC的边AB,AC为边作等边三角形ABD和等边三角形ACE,求证:BE=CD。

关键词：等边三角形四基四能手拉手阅读理解能力结构性热点题型即时学习

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

基于工况差异度量的多源即时学习软测量

控制工程 2022年第10期29卷 1768-1773页

作者：徐志强王芳程兰陈泽华阎高伟太原理工大学电气与动力工程学院山西太原030024 太原理工大学大数据学院山西太原030024

历史数据库中各数据集之间存在工况差异,会在一定程度上降低即时学习方法在非线性工业过程数据上的预测精度。针对多工况问题,研究了一种基于工况差异度量的多源集成即时学习软测量模型,首先,采用公共差异信息提取方法(JIVE)提取各过程... 详细信息

历史数据库中各数据集之间存在工况差异,会在一定程度上降低即时学习方法在非线性工业过程数据上的预测精度。针对多工况问题,研究了一种基于工况差异度量的多源集成即时学习软测量模型,首先,采用公共差异信息提取方法(JIVE)提取各过程的特殊信息,并以当前过程作为查询域;然后,计算其与各历史过程的特殊信息之间的KL散度,并得到最近邻域;最后,利用得到的最近邻域与对应的度量信息建立多源集成即时学习模型并得到加权预测结果。通过田纳西-伊斯曼(TE)多工况过程数据仿真结果表明,该方法可以有效地提升软测量模型的预测精度和稳定性。

关键词：即时学习软测量工况差异度量多源集成

考虑易用性和可解释性的自组织映射-即时学习风险预测框架

在线全文

学校读者我要写书评

暂无评论

西安交通大学学报 2023年

作者：马潇驰陆建霍宗鑫夏萧菡南洋理工大学土木与环境工程学院东南大学现代城市交通技术江苏高校协同创新中心东南大学江苏省城市智能交通重点实验室东南大学交通学院

为提高风险预测系统的易用性和可解释性，提出基于自组织映射网络（SOM）改进的即时学习（JITL）风险预测框架。首先，应用SOM对数据样本进行聚类，并对聚类特征进行解释。进而，通过基于聚类结果的样本选择算法构建待测数据的相似样本... 详细信息

为提高风险预测系统的易用性和可解释性，提出基于自组织映射网络（SOM）改进的即时学习（JITL）风险预测框架。首先，应用SOM对数据样本进行聚类，并对聚类特征进行解释。进而，通过基于聚类结果的样本选择算法构建待测数据的相似样本集，在线上调用作为基学习器的支持向量机（SVM）进行建模并输出风险预测结果。最后，采用一个交通事故数据集对风险模型的性能进行测试，检验其精度、易用性和可解释性。结果表明：采用SOM-JITL策略的SVM模型其受试者工作状况曲线面积指标达到0.720，相比不使用该策略的传统SVM模型提高17.5%，精度较高；SOM-JITL模型构建所需参数调节工作少，具有较好的易用性；此外，SOM聚类结果准确识别出处于交通拥堵等高风险场景，与现实场景一致，具有可解释性。综上，SOM-JITL策略能有效提高基学习器的性能，达到精度、可解释性和易用性的平衡，有助于以低成本大规模推广风险预测系统。

关键词：机器学习风险预测易用性可解释性即时学习自组织映射

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

即时学习多模型加权GPR软测量方法

北京理工大学学报 2018年第2期38卷 196-199,204页

作者：王莉孙玉梅杨凯刘学杰陈祥光北京理工大学化学与化工学院北京100081 烟台南山学院电气工程学院山东龙口265713 中国人民公安大学国际警务执法学院北京100038

针对工业过程中难以实现实时在线测量的重要过程变量,在主成分降解变量分组的基础上,提出了一种基于即时学习与集成学习的多模型高斯过程回归建模方法.该方法首先利用多变量组合实现集成模型的多样性,然后借助即时学习的自适应能力进行... 详细信息

针对工业过程中难以实现实时在线测量的重要过程变量,在主成分降解变量分组的基础上,提出了一种基于即时学习与集成学习的多模型高斯过程回归建模方法.该方法首先利用多变量组合实现集成模型的多样性,然后借助即时学习的自适应能力进行即时建模,最终多模型加权获得最终的预测结果.将所提方法应用于实际的工业炼胶过程,实验结果表明,该方法具有很好的预测性能.

关键词：软测量即时学习集成建模高斯过程回归

基于即时学习的高速列车牵引系统故障检测研究

在线全文

学校读者我要写书评

暂无评论

基于即时学习的高速列车牵引系统故障检测研究

作者：孙修远长春工业大学

学位级别：硕士

伴随交通运输业的蓬勃发展,高速列车已成为兼具时效性与卓越承载量的重要交通运载工具。牵引系统作为高速列车的重要组成部分,为高速列车的高效运行提供不竭动力。牵引系统结构复杂,内部各部件之间存在复杂的耦合关系。因此,系统工作过... 详细信息

伴随交通运输业的蓬勃发展,高速列车已成为兼具时效性与卓越承载量的重要交通运载工具。牵引系统作为高速列车的重要组成部分,为高速列车的高效运行提供不竭动力。牵引系统结构复杂,内部各部件之间存在复杂的耦合关系。因此,系统工作过程中内部机械结构之间的摩擦,以及各元器件的自然老化,使得系统故障易于产生。此外,由于列车行驶环境复杂多变,导致牵引系统常态化工作于恶劣的外部环境和过载条件下,进而加快系统内各部件的损耗。换言之,牵引系统的内部结构与外部环境共同决定了牵引系统易发故障的特点。因此,对牵引系统故障的及时检测是保持系统健康状态,保证高速列车安全可靠运行的重要前提。本文将牵引系统作为研究对象,围绕即时学习建模方法开展针对实际工况下系统故障的检测策略设计。本文的工作主要从以下几个方面展开:(1)对牵引系统的组成结构和工作机理展开介绍和分析,以基于信号的形式将系统内的观测变量、故障以及扰动因素进行公式化表达;此外,对即时学习方法的建模原理进行介绍,从系统特性的角度分析即时学习方法在牵引系统故障检测上的优势。(2)针对高速列车牵引系统的早期故障检测难题,提出了一种即时学习与慢特征分析方法相结合的故障检测方案。从牵引系统的实际工况出发,对牵引系统早期故障的产生原因及表现进行定性分析。首先,通过即时学习局部模型得到对牵引系统健康状态下输出的预测,进而计算获取能够适用于静态系统分析方法的残差信号。其次,利用慢特征分析方法能够从高维观测数据中筛选缓变特征变量的优势,有效过滤噪声等扰动因素。最后,通过在高速列车牵引系统平台上注入多种类型的早期故障,证明了所提出方法对实际工况下牵引系统早期故障的卓越检测能力。(3)针对高速列车牵引系统多模态工作过程中,故障与工作模式切换难以区分的问题,提出了一种即时流形学习故障检测模型。牵引系统工作模式的切换会伴随系统参数突变,监测信号的跃迁使得常规故障检测方法极易产生误检。因此,本研究立足于将全局问题拆解成局部问题解决的思想,将局部流形学习融入即时学习框架中,构建即时流形局部模型。所提出方案通过提取局部数据结构的特征信息,避免了全局数据结构特征信息的丢失。以局部数据的特征结构为建模基础,降低了建模的计算复杂度,提高了检测精度和速度。最后,通过在牵引系统平台上的一系列多模态故障检测实验,验证了所提出方案的有效性和优越性。

关键词：牵引系统故障检测即时学习慢特征分析流形学习

基于特征降维和即时学习的转炉炼钢终点碳温软测量方法研究

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

基于特征降维和即时学习的转炉炼钢终点碳温软测量方法研究

作者：赵安昆明理工大学

学位级别：硕士

转炉炼钢终点碳温的准确检测是吹炼后期判断出钢的关键,即钢铁是否达到出钢标准与转炉吹炼末期熔池中钢水的碳含量和温度息息相关,目标钢种具有特定的、相应的碳温范围。因此,转炉炼钢终点碳温的实时准确检测,能够有效控制所炼钢铁的品... 详细信息

转炉炼钢终点碳温的准确检测是吹炼后期判断出钢的关键,即钢铁是否达到出钢标准与转炉吹炼末期熔池中钢水的碳含量和温度息息相关,目标钢种具有特定的、相应的碳温范围。因此,转炉炼钢终点碳温的实时准确检测,能够有效控制所炼钢铁的品质,提高冶炼效率,节约资源,进而推动钢铁行业的进步。复杂的炼钢生产中,机理过程描述熔池物化反应较为困难,同时受限于传统接触式碳温检测方法难以连续进行,维护成本较高,很难做到终点碳温的实时准确检测,而利用生产过程数据构建数据驱动的软测量模型是一种有效途径。但是转炉炼钢生产过程数据具有高维度、非线性和复杂多工况的数据特性,这些复杂的数据特性增加了软测量建模的难度,导致实现实时精准预测终点碳温具有一定的挑战。因此,本文根据炼钢生产过程数据特性,从数据监督降维、即时学习相似性度量等方面进行研究进一步实现终点碳温的准确预测,具体研究内容如下:(1)针对转炉炼钢生产过程数据存在高维度、非线性和数据波动大的问题,提出一种CJS-SLLE(Cosine similarity and Jensen Shannon divergence-supervised local linear embedding,CJS-SLLE)降维算法用于过程数据的监督降维。通过在距离度量中引入量化后的碳温标签信息从而构造一种带有监督信息的度量方式实现类内类间方差的调整,然后在带标签信息的基础上引入数据间方向信息,从而实现了样本标签、方向和距离三者信息融合的一种新型CJS相似性度量策略,应用到局部线性嵌入中获得高维训练样本低维坐标;其次,提出一种自适应局部线性投影策略用于无标签待测样本,实现其低维坐标中同样包含标签信息;最后,根据即时学习算法选取样本子集建立偏最小二乘局部回归模型对终点碳温预测。在实际转炉炼钢生产过程数据仿真下,碳含量在±0.02%误差范围内精度达到90%,温度在±10℃误差范围内精度达到87%。(2)针对转炉炼钢生产过程数据严重非线性、多工况,全局单一预测模型难以符合所有工况,导致软测量模型预测存在一定的偏移的问题,提出一种FCMEMDPP(Fuzzy C-Means Clustering-Earth Mover’s Distance Posterior Probability,FCM-EMDPP)加权融合即时学习局部模型的终点碳温软测量方法。在加权融合策略中,通过模糊C均值聚类算法对历史数据进行聚类划分样本子簇;其次,计算待测样本与历史样本EMD距离的均值作为阈值,分别选取各簇下即时学习样本子集;然后,通过构建一种EMDPP准则计算待测样本在各子簇下的后验概率;最后,利用后验概率加权融合各簇样本子集建立的支持向量局部回归模型预测终点碳含量和温度。通过实际炼钢生产过程数据仿真,碳含量在±0.02%误差范围内预测精度达到84.63%,温度在±10℃误差范围内预测精度达到85.95%。(3)针对转炉炼钢生产过程数据非线性、多工况,而传统即时学习直接度量相关样本困难且度量依据较为单一,导致样本匹配失准的问题,提出一种FCMWPPCR(Fuzzy C-Means Clustering-Weighted Posterior Probability and Cluster Relation,FCM-WPPCR)协同度量策略用于即时学习最佳样本子集选择中。在协同度量中,利用模糊C均值聚类划分多工况子簇,引入EMD准则定义一种后验概率计算方式表征待测样本在各子簇下的隶属度;其次,定位最大隶属度子簇后通过最大均值差异获得其他子簇与该簇的相关度;然后,利用待测样本分别与各簇样本EMD距离的均值构造一种协同度量机制加权后验概率和簇关系,获得待测样本在各簇下样本选择的相关比例;最后,分别在各子簇下选择相关样本构成最佳样本子集,建立支持向量局部回归模型预测终点碳含量和温度。通过实际炼钢生产过程数据仿真,碳含量在±0.02%误差范围内预测精度达到92.60%,温度在±10℃误差范围内预测精度达到93.30%。

关键词：转炉炼钢即时学习相似性度量软测量降维聚类

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

基于即时学习策略的毕赤酵母发酵过程软测量

基于即时学习策略的毕赤酵母发酵过程软测量

作者：王维杰江苏大学

学位级别：硕士

巴斯德毕赤酵母属甲醇营养性酵母,良好的表达可控性和较小的表达局限性可以让外源蛋白基因利用同源重组的方式在菌体内高效表达。距今,毕赤酵母已经规模化生产了超过一千多种外源蛋白,其产品涉及生活的方方面面,如食品、医疗、国防等领... 详细信息

巴斯德毕赤酵母属甲醇营养性酵母,良好的表达可控性和较小的表达局限性可以让外源蛋白基因利用同源重组的方式在菌体内高效表达。距今,毕赤酵母已经规模化生产了超过一千多种外源蛋白,其产品涉及生活的方方面面,如食品、医疗、国防等领域。想要菌种一直保持在最优发酵条件,需要参考发酵过程中的重要状态变量,然后按照状态变量实时调节环境变量。然而,重要状态变量无法通过现有的传感仪器直接测量,国内主要依靠人工采样方式获取状态变量参数,测量结果滞后,无法进行实时控制。近年来,随着计算机性能的不断提高和预测算法的升级迭代,软测量技术逐渐被用于预测工业过程参量,为发酵过程的重要状态变量的获取提供了很好的解决方案。为建立优秀的毕赤酵母发酵过程关键参量预测模型,进行了多批次毕赤酵母的发酵实验,开展了菌体浓度和基质浓度预测算法模型的研究。具体研究内容如下:针对发酵过程中的多工况问题,采用的是即时学习(JITL)建模方法。考虑到即时学习建模通常对整个历史样本数据进行相似度分析,不但计算难度大,而且会引入噪音数据,采用时间窗(TW)缩小样本的选择范围,提高运算效率。又因为在发酵的不同阶段,同一环境变量对重要状态变量的影响不同,所以提出自适应辅助变量选取策略(SAV)选择本次建模所用的辅助变量。SAV是通过对时间窗内的样本采用K-近邻互信息方法(K-MI)计算辅助变量与重要状态变量的关联度,然后按照关联度的降序选择辅助变量。对于菌体浓度和基质浓度,通过对历史数据进行分析,并对比不同预测模型的预测误差,分别采用了以下建模算法:对于菌体浓度,采用局部加权偏最小二乘算法(LWPLS)建立局部预测模型,并根据辅助变量的关联度对LWPLS算法中的权重进行优化,按照关联度的大小调整辅助变量在权重的占比,提高预测精度。对于基质浓度,采用最小二乘支持向量机算法(LSSVM)建立局部预测模型,将其中的核函数以混合核函数代替,并采用天牛须(BAS)算法寻找最优参数,确保预测结果准确。最终分别建立了TW-SAV-OLWPLS模型和TW-SAV-BAS-MLSSVM模型对实际发酵过程中的菌体浓度和基质浓度进行预测,第四章展示了不同工况下的预测结果,并与其他预测模型进行比较。对比结果表明,TW在不影响预测精度的前提下能够有效地降低计算量,SAV能够为模型选择合适的辅助变量,提高在整个发酵过程上的预测效果,对LWPLS模型权重优化和对LSSVM模型采用BAS算法进行参数寻优能有效的减小预测误差,在发酵阶段发生改变时也能有较高的预测效果。

关键词：毕赤酵母即时学习自适应辅助变量局部加权偏最小二乘最小二乘支持向量机

基于改进即时学习算法的镨/钕元素组分含量预测

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

控制理论与应用 2020年第8期37卷 1846-1854页

作者：陆荣秀饶运春杨辉朱建勇杨刚华东交通大学电气与自动化工程学院江西南昌330013 江西省先进控制与优化重点实验室江西南昌330013

针对镨/钕(Pr/Nd)萃取过程元素组分含量难以在线实时检测的现状,引入加权相似度准则和局部模型更新策略,提出一种基于改进即时学习算法的稀土元素组分含量快速估计方法.首先,为了保证即时学习算法学习集选取的合理性,充分考虑输入输出... 详细信息

针对镨/钕(Pr/Nd)萃取过程元素组分含量难以在线实时检测的现状,引入加权相似度准则和局部模型更新策略,提出一种基于改进即时学习算法的稀土元素组分含量快速估计方法.首先,为了保证即时学习算法学习集选取的合理性,充分考虑输入输出变量之间的相关程度,采用互信息加权的相似度准则选择建模邻域,以最小二乘支持向量机(LSSVM)作为即时学习算法的局部模型;其次,依据由相似度阈值更新和数据库更新组成的模型更新策略校正LSSVM局部模型,改善组分含量预测模型的精度和实时性;最后,基于镨/钕萃取现场数据进行仿真对比试验,结果表明所建模型具有精度高、实时性好等优点,适用于稀土萃取生产现场元素组分含量的快速预估.

关键词：即时学习萃取过程组分含量预测相似度准则局部模型更新策略

一种基于即时学习的非线性系统滑模预测控制方法

在线全文

学校读者我要写书评

暂无评论

控制与决策 2011年第4期26卷 524-529页

作者：李庆良雷虎民杨志峰邵雷空军工程大学导弹学院陕西三原713800

针对复杂非线性系统的控制问题,采用数据驱动的控制策略,将具有本质自适应能力的即时学习算法与具有强鲁棒性的滑模预测控制相结合,设计了一种基于即时学习的滑模预测(LL-SMPC)控制方法.该方法在在线局部建模的基础上,采用滑模预测控制... 详细信息

针对复杂非线性系统的控制问题,采用数据驱动的控制策略,将具有本质自适应能力的即时学习算法与具有强鲁棒性的滑模预测控制相结合,设计了一种基于即时学习的滑模预测(LL-SMPC)控制方法.该方法在在线局部建模的基础上,采用滑模预测控制律求取最优控制量,具有较强的自适应和抗干扰能力,并采用分层递阶搜索策略,避免了求解Diophantine方程,有效减少了计算量,提高了搜索效率.仿真结果验证了所提出算法的有效性.

关键词：即时学习滑模预测控制数据驱动线性参变系统直流伺服系统