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

风电机组叶片故障仿真与状态判别研究

太阳能学报 2023年第4期44卷 52-59页

作者：高峰张鸿许琳刘俊承华北电力大学控制与计算机工程学院北京102206

该文利用Bladed软件模拟叶片覆冰和破损故障,通过对比和分析风电机组叶片故障与正常时的运行数据,发现叶片故障状态时的机组运行参数变化特征;然后利用叶片振动信号,基于叶片工作模态分析理论识别出叶片模态参数,根据模态参数的变化揭... 详细信息

该文利用Bladed软件模拟叶片覆冰和破损故障,通过对比和分析风电机组叶片故障与正常时的运行数据,发现叶片故障状态时的机组运行参数变化特征;然后利用叶片振动信号,基于叶片工作模态分析理论识别出叶片模态参数,根据模态参数的变化揭示了两种故障对叶片振动影响的区别;最后将所识别的叶片模态参数与风电机组的运行参数组成多源数据,采用LightGBM框架下的分类决策树算法实现了对叶片故障状态的有效判断和识别。

关键词：风力发电机组叶片损伤检测故障分析学习算法覆冰 LightGBM

在线全文

学校读者我要写书评

暂无评论

精确增量式ε型孪生支持向量回归机

控制理论与应用 2022年第6期39卷 1020-1032页

作者：曹杰顾斌杰潘丰熊伟丽江南大学轻工过程先进控制教育部重点实验室江苏无锡214122

为了解决现有ε型孪生支持向量回归机的训练算法无法高效处理线性回归的增量学习问题,提出了一种精确增量式ε型孪生支持向量回归机(AIETSVR).首先通过计算新增样本的拉格朗日乘子以及调整边界样本的拉格朗日乘子,尽可能减少新增样本的... 详细信息

为了解决现有ε型孪生支持向量回归机的训练算法无法高效处理线性回归的增量学习问题,提出了一种精确增量式ε型孪生支持向量回归机(AIETSVR).首先通过计算新增样本的拉格朗日乘子以及调整边界样本的拉格朗日乘子,尽可能减少新增样本的二次损失对原有样本的影响,使得大部分原有样本依然满足Karush–Kuhn–Tucker(KKT)条件,从而获得一个有效的初始状态;其次对异常拉格朗日乘子逐步调整至满足KKT条件;然后从理论上分析了AIETSVR的可行性和有限收敛性;最后在基准测试数据集上进行仿真.结果表明,与现有的代表性算法相比,AIETSVR能够获得精确解,在缩短大规模数据集的训练时间上优势显著.

关键词：机器学习增量学习在线学习孪生支持向量回归机学习算法可行性分析有限收敛性分析

基于TG–LSTM神经网络的非完整时间序列预测

在线全文

学校读者我要写书评

暂无评论

控制理论与应用 2022年第5期39卷 867-878页

作者：陈中林杨翠丽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智能环保北京实验室北京市人工智能研究院北京100124

针对传统模型对含数据缺失的非完整时间序列预测精度不高的问题,利用长短期记忆(LSTM)神经网络强大的时序建模能力,提出一种带时间门的长短期记忆(TG-LSTM)神经网络.首先,提出一种能同时对输入值在线估计和输出值实时预测的TG-LSTM单元... 详细信息

针对传统模型对含数据缺失的非完整时间序列预测精度不高的问题,利用长短期记忆(LSTM)神经网络强大的时序建模能力,提出一种带时间门的长短期记忆(TG-LSTM)神经网络.首先,提出一种能同时对输入值在线估计和输出值实时预测的TG-LSTM单元结构;其次,基于TG-LSTM结构设计一种网络的前向传播算法,实现输入填补和输出预测同步进行;然后,建立TG-LSTM神经网络的学习算法来对输入填补和输出预测任务整体训练;最后,通过在Mackey-glass基准数据集,月平均气温数据集和污水处理出水氨氮预测中的实验结果表明:与传统方法相比,TG-LSTM神经网络模型能以更高精度对非完整时间序列进行填补和预测.

关键词：数据缺失非完整时间序列长短期记忆神经网络前向传播算法学习算法

在线全文

学校读者我要写书评

暂无评论

学习流体仿真中的高效长时序运动预测

系统仿真学报 2023年第3期35卷 435-453页

作者：朱静远马惠敏袁坚清华大学电子工程系北京100084 北京科技大学计算机与通信工程学院北京100083

快速准确的进行流体仿真是一个具有挑战性的任务,基于传统方法的流体仿真需要消耗大量的计算资源以获得准确的结果。深度学习方法快速发展,为基于数据的流体仿真和生成提供了可能。提出一种基于单帧的浓度场和一个序列的先验速度场的长... 详细信息

快速准确的进行流体仿真是一个具有挑战性的任务,基于传统方法的流体仿真需要消耗大量的计算资源以获得准确的结果。深度学习方法快速发展,为基于数据的流体仿真和生成提供了可能。提出一种基于单帧的浓度场和一个序列的先验速度场的长时序流体仿真运动预测算法。这一模型专注于将通过神经网络预测的速度和密度场基于纳维-斯托克斯方程获得的仿真数据在宏观尺度上进行匹配。通过使用基于全卷积U型网络的自动编码器和基于LSTM网络的时序预测子网络,本文模型在时间演化过程中更好地保持了视觉宏观相似性,并实现了显著的计算速度提升。本文方法实现了对流体场演化的宏观分布的准确和快速的长时序运动预测。在一系列二维和三维的仿真数据的基准测试上证明了本文算法的有效性和高效性。

关键词：运动预测流体长时序高效学习算法

基于FPGA并行加速的脉冲神经网络在线学习硬件结构的设计与实现

在线全文

学校读者我要写书评

暂无评论

华南理工大学学报（自然科学版） 2023年第5期51卷 104-113页

作者：刘怡俊曹宇叶武剑林子琦广东工业大学集成电路学院广东广州510006 广东工业大学信息工程学院广东广州510006

当前,基于数字电路的脉冲神经网络硬件设计,在学习功能方面的突触并行性不高,导致硬件整体延时较大,在一定程度上限制了脉冲神经网络模型在线学习的速度。针对上述问题,文中提出了一种基于FPGA并行加速的高效脉冲神经网络在线学习硬件结... 详细信息

当前,基于数字电路的脉冲神经网络硬件设计,在学习功能方面的突触并行性不高,导致硬件整体延时较大,在一定程度上限制了脉冲神经网络模型在线学习的速度。针对上述问题,文中提出了一种基于FPGA并行加速的高效脉冲神经网络在线学习硬件结构,通过神经元和突触的双并行设计对模型的训练与推理过程进行加速。首先,设计具有并行脉冲传递功能和并行脉冲时间依赖可塑性学习功能的突触结构;然后,搭建输入编码层和赢家通吃结构的学习层,并优化赢家通吃网络的侧向抑制的实现,形成规模为784~400的脉冲神经网络模型。实验结果表明:在MNIST数据集上,使用该硬件结构的脉冲神经网络模型训练一幅图像需要的时间为1.61 ms、能耗约为3.18 mJ,推理一幅图像需要的时间为1.19 ms、能耗约为2.37 mJ,识别MNIST测试集样本的准确率可达87.51%;在文中设计的硬件框架下,突触并行结构能使训练速度提升38%以上,硬件能耗降低约24.1%,有助于促进边缘智能计算设备及技术的发展。

关键词：神经网络学习算法加速并行结构

基于多尺度和注意力机制的混合监督金属表面缺陷检测

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

智能系统学报 2023年第4期18卷 886-893页

作者：孙博言王洪元刘乾冯尊登唐郢常州大学计算机与人工智能学院、阿里云大数据学院、软件学院江苏常州213000

针对缺陷检测中被检测样品中因缺陷目标形状各异引起的无法提取有效特征的问题,本文提出基于深度学习的缺陷检测模型。该模型使用改进后的多尺度特征融合模块,在控制计算量的基础上解决识别不同大小缺陷的问题。通过引入非局部注意力机... 详细信息

针对缺陷检测中被检测样品中因缺陷目标形状各异引起的无法提取有效特征的问题,本文提出基于深度学习的缺陷检测模型。该模型使用改进后的多尺度特征融合模块,在控制计算量的基础上解决识别不同大小缺陷的问题。通过引入非局部注意力机制模块,模型对缺陷特征的提取能力得到加强;在训练中使用混合监督训练,探索模型所需要的标注量和检测准确度之间的关系。本文方法在KSDD、KSDD2和STEEL 3个数据集上都获得了比先进方法更好的精确度,对于不同类型的缺陷都能提取到有判别力的特征。与先进的完全监督方法和无监督方法相比,在数据集上精确度平均提高0.8%和11%。

关键词：缺陷检测特征提取学习算法学习系统图像处理金属产品品质深度学习

在线全文

学校读者我要写书评

暂无评论

基于强化学习的参数自整定及优化算法

智能系统学报 2022年第2期17卷 341-347页

作者：严家政专祥涛武汉大学电气与自动化学院湖北武汉430072 武汉大学深圳研究院广东深圳518057

传统PID控制算法在非线性时滞系统的应用中,存在参数整定及性能优化过程繁琐、控制效果不理想的问题。针对该问题,提出了一种基于强化学习的控制器参数自整定及优化算法。该算法引入系统动态性能指标计算奖励函数,通过学习周期性阶跃响... 详细信息

传统PID控制算法在非线性时滞系统的应用中,存在参数整定及性能优化过程繁琐、控制效果不理想的问题。针对该问题,提出了一种基于强化学习的控制器参数自整定及优化算法。该算法引入系统动态性能指标计算奖励函数,通过学习周期性阶跃响应的经验数据,无需辨识被控对象模型的具体数据,即可实现控制器参数的在线自整定及优化。以水箱液位控制系统为实验对象,对不同类型的PID控制器使用该算法进行参数整定及优化的对比实验。实验结果表明,相比于传统的参数整定方法,所提出的算法能省去繁琐的人工调参过程,有效优化控制器参数,减少被控量的超调量,提升控制器动态响应性能。

关键词：强化学习整定优化学习算法时滞控制器液位控制动态响应

在线全文

学校读者我要写书评

暂无评论

空间矿化模式的识别与鉴别

地质通报 2022年第8期41卷 1309-1321页

作者：李裕伟李景朝王成锡自然资源部咨询研究中心北京100035 中国地质调查局发展研究中心北京100037

使用现代信息技术,基于空间数据圈定矿化分布和找矿目标,是当前矿产勘查的一个新方向。采用模糊聚类方法,以地质、地球物理和地球化学图层为输入数据,在GIS平台上对空间矿化模式进行识别,并通过地质解读从中鉴别出矿化模式。模糊聚类是... 详细信息

使用现代信息技术,基于空间数据圈定矿化分布和找矿目标,是当前矿产勘查的一个新方向。采用模糊聚类方法,以地质、地球物理和地球化学图层为输入数据,在GIS平台上对空间矿化模式进行识别,并通过地质解读从中鉴别出矿化模式。模糊聚类是基于c-means聚类的人工神经网络方法,以模糊隶属度作为不确定性推理指标,是一种非监督分类器。用这一方法进行空间矿化模式识别,可以在多种矿床类型共存和交叉重叠分布的环境中,识别并鉴别出个性化的矿化模式。以内蒙古乌兰浩特120万图幅为例,展示了模糊聚类空间矿化模式的识别与鉴别过程,取得了良好的效果。

关键词：空间模式识别空间矿化模式模糊聚类神经网络学习算法

在线全文

学校读者我要写书评

暂无评论

类脑脉冲神经网络及其神经形态芯片研究综述

生物医学工程学杂志 2021年第5期38卷 986-994,1002页

作者：张慧港徐桂芝郭嘉荣(综述) 郭磊(审校) 河北工业大学省部共建电工装备可靠性与智能化国家重点实验室天津300130 河北工业大学天津市生物电工与智能健康重点实验室天津300130 河北工业大学河北省生物电磁与神经工程重点实验室天津300130

在类脑人工智能高速发展、电磁环境日益复杂的现状下,最具有仿生特性和抗干扰性的脉冲神经网络在计算速度、实时信息处理、时空数据处理上表现出巨大的潜能。脉冲神经网络是类脑人工智能的核心之一,通过模拟生物体神经网络结构和信息传... 详细信息

在类脑人工智能高速发展、电磁环境日益复杂的现状下,最具有仿生特性和抗干扰性的脉冲神经网络在计算速度、实时信息处理、时空数据处理上表现出巨大的潜能。脉冲神经网络是类脑人工智能的核心之一,通过模拟生物体神经网络结构和信息传递方式来实现类脑计算。本文首先总结五种神经元模型的优缺点和适用性,分析五种网络拓扑结构的特征;其次综述脉冲神经网络算法,从无监督学习和有监督学习两个角度总结基于突触可塑性规则的无监督学习算法和四类监督学习算法;最后重点综述国内外在研的类脑神经形态芯片。本文旨在通过系统性的总结,为初入脉冲神经网络研究领域的同行提供学习思路和研究方向。

关键词：脉冲神经网络脉冲神经元模型学习算法类脑神经形态芯片数字电路