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
3
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
基于规则学习的炼钢-连铸钢包选配方法
被引量：
2
1
作者
刘炜
柴天佑
《东北大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2018年第11期1521-1525,1531,共6页
针对炼钢-连铸生产钢包选配时,钢包属性众多,且选配目标相互冲突难以同时满足的现状,通过一阶规则学习确定钢包温度最高、钢包使用次数最多、钢包材质等级最低和钢包下水口数量最小为性能指标,以钢包温度、使用次数、钢包材质、钢包水...
针对炼钢-连铸生产钢包选配时,钢包属性众多,且选配目标相互冲突难以同时满足的现状,通过一阶规则学习确定钢包温度最高、钢包使用次数最多、钢包材质等级最低和钢包下水口数量最小为性能指标,以钢包温度、使用次数、钢包材质、钢包水口使用次数、滑板和框架使用次数为约束,为每个炉次决策钢包,建立钢包选配模型.通过最小一般泛化法给出了钢包选配规则,提出了基于规则优先级的启发式钢包选配方法.实际数据仿真与实际应用结果表明,所提方法减少了在线钢包数量和日钢包维护次数,提升了炉次生产效率.
展开更多
关键词
炼钢-连铸
钢包选配
一阶
规则
学习
最小一般泛化
仿真
在线阅读
下载PDF
职称材料
Web知识规则提取的FOIL算法改进
被引量：
3
2
作者
金莉
卢正鼎
+1 位作者
叶卫国
文坤梅
《小型微型计算机系统》
CSCD
北大核心
2004年第3期419-421,共3页
将一阶学习的 FOIL 算法应用到 Web知识规则的提取是当前学习 Web知识所普遍采用的方法 .本文在 FOIL算法的基础上进行了改进 ,提出了基于网页间联系的新的路径学习算法 。
关键词
一阶学习
FOIL算法
爬山搜索
WEB
知识规则提取
路径
学习
算法
在线阅读
下载PDF
职称材料
一种新的结合Boosting技术的mFOIL算法
3
作者
罗俊
《计算机应用研究》
CSCD
北大核心
2009年第10期3758-3762,共5页
机器学习中的Boosting技术是给训练例赋予不同的权值,使得学习算法可以集中学习较难的训练例。另一方面,一阶规则学习中的mFOIL算法学习精度较高,但是用于估计候选子句精度的最佳m值很难确定。为了解决这一难题,提出了将Boosting技术用...
机器学习中的Boosting技术是给训练例赋予不同的权值,使得学习算法可以集中学习较难的训练例。另一方面,一阶规则学习中的mFOIL算法学习精度较高,但是用于估计候选子句精度的最佳m值很难确定。为了解决这一难题,提出了将Boosting技术用于一阶规则学习的BoostmFOIL算法,使得对于任意的m值也可以学到精度较高的规则集。此外,为了增强Boosting技术对噪声数据的鲁棒性,对噪声数据赋予相对较小的权值,使其对学习算法的精度影响甚微。在基准的规则学习领域的实验结果表明:a)对于任意的m值,BoostmFOIL算法学习到的规则精确要度比原mFOIL算法高得多;b)即使在噪声环境下,BoostmFOIL算法也能学习到精确度较高的规则集。以上结果表明,将Boosting技术用于一阶规则学习的mFOIL算法中,可以提高该算法的精确度和鲁棒性。
展开更多
关键词
机器
学习
一阶
规则
学习
训练数据权值
噪声
在线阅读
下载PDF
职称材料
题名
基于规则学习的炼钢-连铸钢包选配方法
被引量：
2
1
作者
刘炜
柴天佑
机构
东北大学流程工业综合自动化国家重点实验室
出处
《东北大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2018年第11期1521-1525,1531,共6页
基金
国家自然科学基金资助项目(61773269,61603262,61503259)
中国博士后科学基金资助项目(2017M611261)
沈阳市科学技术项目(17-231-1-75).国家自然科学基金资助项目(51171041).
文摘
针对炼钢-连铸生产钢包选配时,钢包属性众多,且选配目标相互冲突难以同时满足的现状,通过一阶规则学习确定钢包温度最高、钢包使用次数最多、钢包材质等级最低和钢包下水口数量最小为性能指标,以钢包温度、使用次数、钢包材质、钢包水口使用次数、滑板和框架使用次数为约束,为每个炉次决策钢包,建立钢包选配模型.通过最小一般泛化法给出了钢包选配规则,提出了基于规则优先级的启发式钢包选配方法.实际数据仿真与实际应用结果表明,所提方法减少了在线钢包数量和日钢包维护次数,提升了炉次生产效率.
关键词
炼钢-连铸
钢包选配
一阶
规则
学习
最小一般泛化
仿真
Keywords
steelmaking-continuous casting
ladle matching
first-order rule-learning
minimal generalization
simulation
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
Web知识规则提取的FOIL算法改进
被引量：
3
2
作者
金莉
卢正鼎
叶卫国
文坤梅
机构
华中科技大学计算机科学与技术学院
出处
《小型微型计算机系统》
CSCD
北大核心
2004年第3期419-421,共3页
文摘
将一阶学习的 FOIL 算法应用到 Web知识规则的提取是当前学习 Web知识所普遍采用的方法 .本文在 FOIL算法的基础上进行了改进 ,提出了基于网页间联系的新的路径学习算法 。
关键词
一阶学习
FOIL算法
爬山搜索
WEB
知识规则提取
路径
学习
算法
Keywords
first-order learning
FOIL arithmetic
hill-climbing search
分类号
TP18 [自动化与计算机技术—控制理论与控制工程]
TP393.09 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
一种新的结合Boosting技术的mFOIL算法
3
作者
罗俊
机构
广东技术师范学院计算机与网络中心
出处
《计算机应用研究》
CSCD
北大核心
2009年第10期3758-3762,共5页
文摘
机器学习中的Boosting技术是给训练例赋予不同的权值,使得学习算法可以集中学习较难的训练例。另一方面,一阶规则学习中的mFOIL算法学习精度较高,但是用于估计候选子句精度的最佳m值很难确定。为了解决这一难题,提出了将Boosting技术用于一阶规则学习的BoostmFOIL算法,使得对于任意的m值也可以学到精度较高的规则集。此外,为了增强Boosting技术对噪声数据的鲁棒性,对噪声数据赋予相对较小的权值,使其对学习算法的精度影响甚微。在基准的规则学习领域的实验结果表明:a)对于任意的m值,BoostmFOIL算法学习到的规则精确要度比原mFOIL算法高得多;b)即使在噪声环境下,BoostmFOIL算法也能学习到精确度较高的规则集。以上结果表明,将Boosting技术用于一阶规则学习的mFOIL算法中,可以提高该算法的精确度和鲁棒性。
关键词
机器
学习
一阶
规则
学习
训练数据权值
噪声
Keywords
machine learning
first-order rules learning
weight of training data
noise
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
TP301.6 [自动化与计算机技术—计算机系统结构]
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
基于规则学习的炼钢-连铸钢包选配方法
刘炜
柴天佑
《东北大学学报（自然科学版）》
EI
CAS
CSCD
北大核心
2018
2
在线阅读
下载PDF
职称材料
2
Web知识规则提取的FOIL算法改进
金莉
卢正鼎
叶卫国
文坤梅
《小型微型计算机系统》
CSCD
北大核心
2004
3
在线阅读
下载PDF
职称材料
3
一种新的结合Boosting技术的mFOIL算法
罗俊
《计算机应用研究》
CSCD
北大核心
2009
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
