检索结果-南通市图书馆

基于稳定特征原型的云边协同联邦类别增量学习方法

在线全文

学校读者我要写书评

暂无评论

控制与决策 2024年

作者：姚邹静赵春晖浙江大学控制科学与工程学院工业控制技术全国重点实验室

由于存储空间限制，物联网中的边缘设备往往仅能保留当前某个有限时段内的数据。实际生产过程中，设备工况在一定时间内发生变动，往往产生新类别的故障数据或图像，这种类别增量会造成模型在本地训练时产生灾难性遗忘。在单边端类别增... 详细信息

由于存储空间限制，物联网中的边缘设备往往仅能保留当前某个有限时段内的数据。实际生产过程中，设备工况在一定时间内发生变动，往往产生新类别的故障数据或图像，这种类别增量会造成模型在本地训练时产生灾难性遗忘。在单边端类别增量的局部灾难性遗忘基础上，随着云边协同优化，灾难性遗忘会产生扩散。针对上述问题，提出一种基于稳定特征原型的联邦类别增量学习方法，在边端建立类别样本记忆库存储类别代表性样本，设计了基于回放范式的原型网络更新策略，在云端设计了以统一特征空间下的特征原型为参考基准的加权聚合策略，在联邦框架下稳定优化特征空间，实现类别知识的联邦更新。基于类别增量常用的数据集CIFAR10和Mini-ImageNet的实验证明了所提方法可以有效缓解灾难性遗忘。

关键词：图像分类联邦学习增量学习灾难性遗忘云边协同特征原型

从零样本学习理论模型到工业应用——动机、演变与挑战

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9期39卷 2833-2857页

作者：赵健程冯良骏岳嘉祺张堡霖赵春晖付永鹏王福利浙江大学控制科学与工程学院杭州310027 浙江大学工业控制技术全国重点实验室杭州310027 东北大学信息科学与工程学院沈阳110819

随着工业大数据技术的发展,应用于工业对象的有监督方法得到广泛研究.真实数据往往遵循长尾类分布,导致传统有监督模型在实际应用过程中存在模型退化以及模型失效等问题.零样本学习(zero-shot learning,ZSL)技术的提出为这一问题提供了... 详细信息

随着工业大数据技术的发展,应用于工业对象的有监督方法得到广泛研究.真实数据往往遵循长尾类分布,导致传统有监督模型在实际应用过程中存在模型退化以及模型失效等问题.零样本学习(zero-shot learning,ZSL)技术的提出为这一问题提供了一种新的解决思路.零样本学习的目标是使用收集到的已见类别数据训练模型,使得训练好的模型对于收集不到数据的未见类别同样适用.零样本学习通过将故障的文本描述等辅助知识引入到模型中,一定程度上缓解了模型在实际工业场景中对训练数据收集的依赖,提高了模型的泛化性能.然而,目前领域内尚缺乏对零样本学习在工业领域应用的系统梳理与讨论,而工业零样本学习在辅助知识的收集和处理、研究方法、应用场景等方面与其他领域的零样本学习相比也具有独特性.鉴于零样本学习在工业领域潜在的巨大应用价值和未来的发展潜力,系统性梳理和展示了从零样本学习理论模型到工业应用的动机、演变与挑战.首先,回顾零样本学习设定与相关方法的发展脉络,分析零样本学习与其他任务设定之间的关联,并指出本文与前人综述的区别.接下来,回顾工业领域零样本学习的研究现状,介绍典型的工业零样本学习任务和辅助知识,分析工业零样本学习的特征和典型问题,梳理工业领域零样本任务中应用的现有方法.此外,梳理工业零样本任务的基准数据集和开源工作.最后,在现有研究的基础上总结工业零样本任务面临的问题与挑战,并对该领域的研究做出展望.

关键词：零样本学习迁移学习工业人工智能机器学习故障诊断缺陷检测

基于混合整数线性规划的浓密脱水过程协调优化

在线全文

学校读者我要写书评

暂无评论

控制与决策 2024年第4期39卷 1281-1287页

作者：贾润达李志奇张树磊何大阔李康王福利东北大学信息科学与工程学院沈阳110819 东北大学流程工业综合自动化国家重点实验室沈阳110819 矿冶科技集团有限公司矿冶过程自动控制技术国家重点实验室北京100160

浓密脱水过程是有色金属选冶领域重要的固液分离工序.但由于该过程关键变量难以在线检测、生产设备间相互耦合以及人工经验操作等问题,导致其能耗较高、过程安全性难以保证.对此,以浓密脱水过程为背景,构建一种基于混合整数线性规划的... 详细信息

浓密脱水过程是有色金属选冶领域重要的固液分离工序.但由于该过程关键变量难以在线检测、生产设备间相互耦合以及人工经验操作等问题,导致其能耗较高、过程安全性难以保证.对此,以浓密脱水过程为背景,构建一种基于混合整数线性规划的协调优化模型.利用工业现场的历史数据,建立底流浓度预测模型以及底流泵与压滤泵运行时间预测模型;在考虑阶梯电价的条件下,以最小化生产过程能耗为目标,以生产工艺条件、设备安全等为约束条件,建立浓密脱水过程的协调优化模型;通过引入辅助决策变量,对优化模型进行线性化处理,将复杂的非线性过程问题转化为更易于求解的混合整数线性规划问题.最后,将所提出的方法应用于某选矿厂的浓密脱水过程,结果显示,平均放矿底流浓度可以提高13.5%,能耗经济指标降低46.8%.

关键词：浓密脱水过程预测模型协调优化阶梯电价混合整数线性规划能耗经济指标

在线全文

学校读者我要写书评

暂无评论

自整定多元变分模态分解

电子与信息学报 2024年第7期46卷 2994-3001页

作者：郎恂王佳艺陈启明何冰冰毛汝凯谢磊云南大学信息学院昆明650504 浙江大学工业控制技术国家重点实验室杭州310027 云南云天化股份有限公司装备技术中心昆明650000

多元变分模态分解(MVMD)作为变分模态分解(VMD)的多元扩展,在继承VMD优点的同时,也存在其分解性能很大程度上依赖于两个预置参数——模态数量K和惩罚系数α的问题。为此,该文提出一种自整定MVMD(SMVMD)算法。SMVMD采取了匹配追踪法的思... 详细信息

多元变分模态分解(MVMD)作为变分模态分解(VMD)的多元扩展,在继承VMD优点的同时,也存在其分解性能很大程度上依赖于两个预置参数——模态数量K和惩罚系数α的问题。为此,该文提出一种自整定MVMD(SMVMD)算法。SMVMD采取了匹配追踪法的思想,通过频域的能量占比和模态正交性分别自适应地更新K和α。对仿真信号与真实案例的分析结果表明,所提SMVMD方法不仅有效解决了原MVMD的参数整定问题,而且表现出以下优势,(1)与MVMD相比,SMVMD抗模态混叠的能力更强,且对噪声和α值的变化都具有更好的鲁棒性。(2)与多元经验模态分解、快速多元经验模态分解和多元变分模态分解这些经典算法相比,SMVMD算法的分解误差最小,分解效果最好。

关键词：多元信号处理 MVMD 自整定匹配追踪法鲁棒性

在线全文

学校读者我要写书评

暂无评论

一元及多元信号分解发展历程与展望

自动化学报 2024年第1期50卷 1-20页

作者：陈启明文青松郎恂谢磊苏宏业浙江大学工业控制技术国家重点实验室杭州311100 阿里巴巴达摩院杭州310027 阿里巴巴达摩院美国西雅图98060 云南大学信息学院昆明650091

现实世界中,所获得的信号大部分都是非平稳和非线性的,将此类复杂信号分解为多个简单的子信号是重要的信号处理方法.1998年,提出希尔伯特–黄变换(Hilbert-Huang transform,HHT)以来,历经20余年的发展,信号分解已经成为信号处理领域相... 详细信息

现实世界中,所获得的信号大部分都是非平稳和非线性的,将此类复杂信号分解为多个简单的子信号是重要的信号处理方法.1998年,提出希尔伯特–黄变换(Hilbert-Huang transform,HHT)以来,历经20余年的发展,信号分解已经成为信号处理领域相对独立又具有创新性的重要内容.特别是近10年,多元/多变量/多通道信号分解理论方法方兴未艾,在诸多领域得到了成功应用,但目前尚未见到相关综述报道.为填补这个空缺,从单变量和多变量两个方面系统综述了国内/外学者对主要信号分解方法的研究现状,对这些方法的时频表达性能进行分析和比较,指出这些分解方法的优势和存在的问题.最后,对信号分解研究进行总结和展望.

关键词：信号分解时频分析希尔伯特–黄变换多元信号分解

维普期刊数据库博看期刊

具有反应扩散项的时滞忆阻神经网络系统H状态估计

在线全文

学校读者我要写书评

暂无评论

复杂系统与复杂性科学 2024年

作者：于鹏飞林文娟青岛大学自动化学院山东省工业控制技术重点实验室

为了更精确地获得具有反应扩散项的时滞忆阻神经网络的状态信息，本文设计了一个H∞状态估计器。首先，基于Lyapunov-Krasovskii （L-K）泛函方法，构造了新的时滞乘积型增广L-K泛函来处理时变时滞带来的影响。然后，通过利用自由权矩阵... 详细信息

为了更精确地获得具有反应扩散项的时滞忆阻神经网络的状态信息，本文设计了一个H∞状态估计器。首先，基于Lyapunov-Krasovskii （L-K）泛函方法，构造了新的时滞乘积型增广L-K泛函来处理时变时滞带来的影响。然后，通过利用自由权矩阵、Wirtinger积分不等式、改进逆凸矩阵不等式等方法进一步降低所得结果的保守性。同时，使用Dirichlet边界条件、Green公式等来处理系统中存在的反应扩散项；最终，给出误差系统全局渐近稳定且满足特定H∞性能指标的充分条件。在此基础上，以线性矩阵不等式的形式给出状态估计器的设计方法。最后，通过数值仿真验证所设计的H∞状态估计器的有效性。

关键词：忆阻神经网络反应扩散项状态估计时滞 Lyapunov-Krasovskii泛函

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

不确定非线性离散系统指令滤波事件触发控制

控制理论与应用 2024年第5期41卷 839-846页

作者：徐雨梦于金鹏林崇于海生青岛大学自动化学院山东青岛266071 山东省工业控制重点实验室山东青岛266071

本文提出了考虑输入饱和的一类不确定非线性离散系统的事件触发指令滤波控制方法.采用指令滤波控制技术解决了传统反步法存在的“因果矛盾”问题,引入补偿机制提高了系统的控制精度;利用事件触发机制能够避免自适应律和控制律的频繁更新... 详细信息

本文提出了考虑输入饱和的一类不确定非线性离散系统的事件触发指令滤波控制方法.采用指令滤波控制技术解决了传统反步法存在的“因果矛盾”问题,引入补偿机制提高了系统的控制精度;利用事件触发机制能够避免自适应律和控制律的频繁更新,降低了计算负担,提高了资源利用率;运用模糊逻辑系统逼近系统中未知的非线性函数;结合李雅普诺夫稳定性理论,验证了提出的控制方案能够保证跟踪误差收敛到原点小的邻域内以及闭环系统的所有信号有界.仿真结果表明,本文提出的控制方法具有较强的鲁棒性及较好的跟踪性能.

关键词：指令滤波反步事件触发机制模糊逻辑系统输入饱和离散

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

一种基于注意力原型学习的疲劳驾驶检测方法

控制工程 2024年

作者：吴天昊张震王家曜青岛大学自动化学院山东省工业控制技术重点实验室

道路驾驶安全问题日益受到关注，而疲劳驾驶是导致交通事故的主要因素之一。为了避免因疲劳驾驶导致的交通事故的发生，本研究提出了一种Conv2D-Res模块，并通过实例标准化等方法，对时间序列注意力原型网络(Multivariate Time Series C... 详细信息

道路驾驶安全问题日益受到关注，而疲劳驾驶是导致交通事故的主要因素之一。为了避免因疲劳驾驶导致的交通事故的发生，本研究提出了一种Conv2D-Res模块，并通过实例标准化等方法，对时间序列注意力原型网络(Multivariate Time Series Classification with Attention Prototype Network，TapNet)进行改进，从而设计神经网络分类器，并使用多个脑电疲劳驾驶数据集进行验证。在四种特征处理数据集以及SPIS数据集和多熵融合疲劳检测数据集上，实验结果表明，本文模型的分类平均准确率可达到96.8%，较原TapNet网络提升10.8%，能达到有效检测疲劳状态的目的。

关键词：疲劳驾驶检测注意力原型学习脑电信号神经网络

基于可变保守程度离线强化学习的机器人运动控制方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

控制工程 2024年

作者：王洋张震王迪任坤青岛大学自动化学院山东省工业控制技术重点实验室

为了解决以保守Q学习(Conservative Q-Learning， CQL)为代表的离线强化学习算法保守程度固定不变，导致学习到的策略过于保守的问题，文中提出了一种名为可变保守程度Q学习(Variable Conservativeness Q-Learning， VCQL)的离线强化学... 详细信息

为了解决以保守Q学习(Conservative Q-Learning， CQL)为代表的离线强化学习算法保守程度固定不变，导致学习到的策略过于保守的问题，文中提出了一种名为可变保守程度Q学习(Variable Conservativeness Q-Learning， VCQL)的离线强化学习算法。VCQL算法在CQL算法的基础上引入了对于状态动作对偏离数据集的程度衡量，并能够根据偏离程度调整策略的行为，使得算法的保守程度可变，从而能够进行适当的探索，提高了算法的泛化能力和灵活性。为验证VCQL算法在机器人运动控制上的有效性，采用深度数据驱动强化学习数据集对其进行训练，并在接触型多关节动力学的机器人运动控制任务上进行了测试。仿真实验结果表明，VCQL算法在机器人运动控制任务上表现出较对比算法更优异的性能。

关键词：强化学习离线强化学习无模型强化学习深度强化学习机器人运动控制