期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于AHP/D-S证据理论的贝叶斯网络参数学习方法
被引量：
4
1
作者
魏曙寰
曾强
陈砚桥
《海军工程大学学报》
CAS
北大核心
2021年第6期19-24,共6页
针对贝叶斯网络构建过程中先验知识的获取问题,将AHP/D-S证据理论引入到贝叶斯网络参数学习中。设计了应用AHP/D-S证据理论整合专家先验知识,综合单调性约束和近等式约束进行参数学习的算法,并进行了仿真案例研究。结果表明:该算法从原...
针对贝叶斯网络构建过程中先验知识的获取问题,将AHP/D-S证据理论引入到贝叶斯网络参数学习中。设计了应用AHP/D-S证据理论整合专家先验知识,综合单调性约束和近等式约束进行参数学习的算法,并进行了仿真案例研究。结果表明:该算法从原理上能够进一步提高贝叶斯网络参数学习的精度,仿真结果也明显优于极大似然估计和无先验信息的最大后验估计的结果,为贝叶斯网络参数学习过程中先验知识的获取提供了一种新的方法。
展开更多
关键词
D-S证据理论
贝叶斯网络
参数学习
单调性约束
近等式
约束
在线阅读
下载PDF
职称材料
融合先验知识的BP神经网络锂电池剩余寿命预测
被引量：
2
2
作者
郝可青
吕志刚
+2 位作者
李叶
邸若海
朱鸿杰
《西安工业大学学报》
CAS
2022年第1期65-73,共9页
针对锂电池数据为小样本条件下构建的神经网络模型泛化性差、预测误差大的问题,文中提出了一种融合先验知识的BP神经网络的建模方法。利用自适应权重粒子群算法优化网络的初始权值和阈值,以惩罚函数法的形式将单调性约束加入网络性能函...
针对锂电池数据为小样本条件下构建的神经网络模型泛化性差、预测误差大的问题,文中提出了一种融合先验知识的BP神经网络的建模方法。利用自适应权重粒子群算法优化网络的初始权值和阈值,以惩罚函数法的形式将单调性约束加入网络性能函数中,完成神经网络优化设计。实验采用NASA锂电池失效数据集,增加单调性的先验知识,对所提算法进行验证。仿真结果表明:在锂电池数据为小样本条件下,文中所提算法与其他常用锂电池预测算法相比平均误差下降5%,建立了预测误差与单调性约束项系数之间的关系,有效地解决了锂电池数据为小样本条件下模型预测精度低等问题。
展开更多
关键词
锂电池小样本数据
单调性约束
粒子群算法
BP神经网络
在线阅读
下载PDF
职称材料
题名
基于AHP/D-S证据理论的贝叶斯网络参数学习方法
被引量：
4
1
作者
魏曙寰
曾强
陈砚桥
机构
海军工程大学动力工程学院
[
出处
《海军工程大学学报》
CAS
北大核心
2021年第6期19-24,共6页
基金
国家自然科学基金资助项目(51779262)
海军工程大学自然科学基金资助项目(425517K156)。
文摘
针对贝叶斯网络构建过程中先验知识的获取问题,将AHP/D-S证据理论引入到贝叶斯网络参数学习中。设计了应用AHP/D-S证据理论整合专家先验知识,综合单调性约束和近等式约束进行参数学习的算法,并进行了仿真案例研究。结果表明:该算法从原理上能够进一步提高贝叶斯网络参数学习的精度,仿真结果也明显优于极大似然估计和无先验信息的最大后验估计的结果,为贝叶斯网络参数学习过程中先验知识的获取提供了一种新的方法。
关键词
D-S证据理论
贝叶斯网络
参数学习
单调性约束
近等式
约束
Keywords
D-S evidence theory
Bayesian network
parametric learning
monotonic constraint
approximate equality constraint
分类号
TP242 [自动化与计算机技术—检测技术与自动化装置]
在线阅读
下载PDF
职称材料
题名
融合先验知识的BP神经网络锂电池剩余寿命预测
被引量：
2
2
作者
郝可青
吕志刚
李叶
邸若海
朱鸿杰
机构
西安工业大学兵器科学与技术学院
西安工业大学电子信息工程学院
出处
《西安工业大学学报》
CAS
2022年第1期65-73,共9页
基金
电子信息系统复杂电磁环境效应国家重点实验室基金(CEMEE2020Z0202B)
陕西省自然科学基础研究计划(2020JQ-816)
+1 种基金
陕西省教育厅专项科研计划项目(20JK0680)
西安市科技计划项目(2020KJRC0033)。
文摘
针对锂电池数据为小样本条件下构建的神经网络模型泛化性差、预测误差大的问题,文中提出了一种融合先验知识的BP神经网络的建模方法。利用自适应权重粒子群算法优化网络的初始权值和阈值,以惩罚函数法的形式将单调性约束加入网络性能函数中,完成神经网络优化设计。实验采用NASA锂电池失效数据集,增加单调性的先验知识,对所提算法进行验证。仿真结果表明:在锂电池数据为小样本条件下,文中所提算法与其他常用锂电池预测算法相比平均误差下降5%,建立了预测误差与单调性约束项系数之间的关系,有效地解决了锂电池数据为小样本条件下模型预测精度低等问题。
关键词
锂电池小样本数据
单调性约束
粒子群算法
BP神经网络
Keywords
lithium battery small sample data
monotonicity constraint
particle swarm optimization algorithm
back propagation neural network
分类号
TP183 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于AHP/D-S证据理论的贝叶斯网络参数学习方法
魏曙寰
曾强
陈砚桥
《海军工程大学学报》
CAS
北大核心
2021
4
在线阅读
下载PDF
职称材料
2
融合先验知识的BP神经网络锂电池剩余寿命预测
郝可青
吕志刚
李叶
邸若海
朱鸿杰
《西安工业大学学报》
CAS
2022
2
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
