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
1
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
多核高斯过程与数据扩充联合优化的小样本纤维性能预测
1
作者
廖娅琪
潘安琪
+1 位作者
杨闪闪
田文韬
《东华大学学报(自然科学版)》
北大核心
2025年第4期184-193,共10页
碳纤维因其高刚性及高强度的特性,被广泛应用于纺织、军事和航天等行业。预测其力学性能有利于提高质量和改进制造工艺等。然而,碳纤维的制造过程成本高、工艺复杂且耗时,导致所能获取的样本数量有限。在样本不足的情况下,难以通过现有...
碳纤维因其高刚性及高强度的特性,被广泛应用于纺织、军事和航天等行业。预测其力学性能有利于提高质量和改进制造工艺等。然而,碳纤维的制造过程成本高、工艺复杂且耗时,导致所能获取的样本数量有限。在样本不足的情况下,难以通过现有的数据驱动技术准确预测碳纤维的力学性能,故提出一种基于多核高斯过程与数据扩充联合优化的集成预测模型(AMK-GP)。该模型通过加权集成多个高斯核函数捕捉数据间的复杂关系,并利用贝叶斯自举法对样本数量进行扩充。同时,为进一步提高预测性能,利用粒子群算法对数据扩充倍数和高斯核函数权重进行联合优化。实验结果显示,在小样本基准测试集和碳纤维力学性能预测中,AMK-GP模型的决定系数R^(2)和误差系数e_(MAPE)相对于高斯过程、径向神经网络和支持向量机模型有明显优势,证实了该方法在实际应用中的有效性和优越性。未来的研究可进一步优化数据扩充和模型训练过程,为性能预测提供强有力的技术支持。
展开更多
关键词
碳纤维
多核高斯过程
联合优化
贝叶斯自举
小样本
在线阅读
下载PDF
职称材料
题名
多核高斯过程与数据扩充联合优化的小样本纤维性能预测
1
作者
廖娅琪
潘安琪
杨闪闪
田文韬
机构
东华大学信息科学与技术学院
东华大学数字化纺织服装技术教育部工程研究中心
出处
《东华大学学报(自然科学版)》
北大核心
2025年第4期184-193,共10页
基金
国家自然科学基金(62303108)。
文摘
碳纤维因其高刚性及高强度的特性,被广泛应用于纺织、军事和航天等行业。预测其力学性能有利于提高质量和改进制造工艺等。然而,碳纤维的制造过程成本高、工艺复杂且耗时,导致所能获取的样本数量有限。在样本不足的情况下,难以通过现有的数据驱动技术准确预测碳纤维的力学性能,故提出一种基于多核高斯过程与数据扩充联合优化的集成预测模型(AMK-GP)。该模型通过加权集成多个高斯核函数捕捉数据间的复杂关系,并利用贝叶斯自举法对样本数量进行扩充。同时,为进一步提高预测性能,利用粒子群算法对数据扩充倍数和高斯核函数权重进行联合优化。实验结果显示,在小样本基准测试集和碳纤维力学性能预测中,AMK-GP模型的决定系数R^(2)和误差系数e_(MAPE)相对于高斯过程、径向神经网络和支持向量机模型有明显优势,证实了该方法在实际应用中的有效性和优越性。未来的研究可进一步优化数据扩充和模型训练过程,为性能预测提供强有力的技术支持。
关键词
碳纤维
多核高斯过程
联合优化
贝叶斯自举
小样本
Keywords
carbon fiber
multi-kernel Gaussian process
joint optimization
Bayesian Bootstrap
small sample
分类号
TP18 [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
多核高斯过程与数据扩充联合优化的小样本纤维性能预测
廖娅琪
潘安琪
杨闪闪
田文韬
《东华大学学报(自然科学版)》
北大核心
2025
0
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
