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
共找到9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：
工业机器人柔性关节迟滞特性的在线序列极限学习机混合建模 被引量：1
1
作者 党选举 司亚 姜辉 《机床与液压》 北大核心 2020年第23期7-12,共6页
为体现柔性关节迟滞的基本特性,构建一个类迟滞算子,将其与在线序列极限学习机(OS-ELM)串联,设计一种工业机器人柔性关节迟滞特性的在线序列极限学习机迟滞混合模型。在混合模型中,采用具有学习效率高、泛化能力强的在线序列极限学习机... 为体现柔性关节迟滞的基本特性,构建一个类迟滞算子,将其与在线序列极限学习机(OS-ELM)串联,设计一种工业机器人柔性关节迟滞特性的在线序列极限学习机迟滞混合模型。在混合模型中,采用具有学习效率高、泛化能力强的在线序列极限学习机,能有效地回避使用梯度下降法对模型参数学习时存在的速度慢和局部最小值问题,提高了建模精度。利用不同状态下的实验数据进行模型验证,结果表明所提出的迟滞混合模型具有高精度和较高的泛化能力。 展开更多
关键词 复杂迟滞特性 类迟滞算子 在线序列极限学习机 谐波减速器 柔性关节
在线阅读 下载PDF
基于多模态的在线序列极限学习机研究 被引量：5
2
作者 李琦 谢珺 +2 位作者 张喆 董俊杰 续欣莹 《计算机工程》 CAS CSCD 北大核心 2021年第7期67-73,80,共8页
单一模态包含的物体信息有限,导致在物体材质识别分类中表现不佳,而传统多模态融合方法在样本训练过程中需要输入所有数据。提出一种多模态的多尺度局部感受野在线序列极限学习机方法。对物体不同模态样本运用改进的特征提取框架,利用... 单一模态包含的物体信息有限,导致在物体材质识别分类中表现不佳,而传统多模态融合方法在样本训练过程中需要输入所有数据。提出一种多模态的多尺度局部感受野在线序列极限学习机方法。对物体不同模态样本运用改进的特征提取框架,利用多尺度局部感受野感知样本信息提取特征,并将不同模态特征融合后通过在线序列极限学习机进行训练学习。在线序列极限学习机在训练过程中增量式地输入样本进行训练,当有新数据需要训练时无需对所有数据重新训练。在TUM触觉纹理数据库上进行验证,实验结果表明,多模态融合的分类精度高于单模态的分类精度,且改进的特征提取框架可以显著提升分类性能。 展开更多
关键词 多模态 RGB颜色三通道 局部感受野 在线序列极限学习机 物体材质分类
在线阅读 下载PDF
基于极限学习机的质子交换膜燃料电池在线故障诊断方法 被引量：1
3
作者 刘奥 牛志刚 +2 位作者 张东光 朱晓鹏 王壮 《汽车技术》 CSCD 北大核心 2021年第7期14-20,共7页
为解决质子交换膜燃料电池故障诊断中的增量学习应用问题,提出了基于在线序列极限学习机和无监督极限学习机的在线学习诊断方法。利用无监督极限学习机对故障特征向量进行降维处理以得到能够反映燃料电池系统状态的特征向量,使用在线序... 为解决质子交换膜燃料电池故障诊断中的增量学习应用问题,提出了基于在线序列极限学习机和无监督极限学习机的在线学习诊断方法。利用无监督极限学习机对故障特征向量进行降维处理以得到能够反映燃料电池系统状态的特征向量,使用在线序列极限学习机对处理后的特征向量进行分类以获得增量学习能力,使用K均值聚类辅助进行增量学习的新数据标记。实例分析表明,该方法可同时提高聚类及诊断准确率,适用于多维度大数据量样本和有增量学习需要的在线故障诊断。 展开更多
关键词 在线序列极限学习机 无监督极限学习机 质子交换膜燃料电池 故障诊断
在线阅读 下载PDF
基于极限学习机的在线参数更新方法及工业应用 被引量：3
4
作者 王再辰 程辉 赵亮 《现代电子技术》 2023年第22期126-130,共5页
针对乙烯裂解炉结焦导致裂解炉机理改变,从而引起的模型预测不准确问题,提出一种带有遗忘因子的在线序列简化核极限学习机算法(FOS-RKELM)。该算法基于在线序列的简化核极限学习机,数据可以在线实时添加到网络中,从而提高模型的适应度;... 针对乙烯裂解炉结焦导致裂解炉机理改变,从而引起的模型预测不准确问题,提出一种带有遗忘因子的在线序列简化核极限学习机算法(FOS-RKELM)。该算法基于在线序列的简化核极限学习机,数据可以在线实时添加到网络中,从而提高模型的适应度;通过引入遗忘因子提高最近学习数据对模型的贡献,增强模型在线学习的能力;引入聚类算法优化、简化核极限学习机(RKELM),提高算法的稳定性。结果表明:所提算法在Mackey-Glass时滞混沌序列上取得了较好的预测效果;在乙烯产物收率预测问题上,与在线序列简化核极限学习机(OS-RKELM)、简化核极限学习机(RKELM)、BP神经网络和径向基学习机(RBF)算法相比,该算法平均绝对误差显著减小,证明了该算法的有效性。 展开更多
关键词 在线序列简化核极限学习机(OS-RKELM) 简化核极限学习机(RKELM) 遗忘因子 在线序列 参数更新 乙烯裂解炉
在线阅读 下载PDF
一种改进OSELM算法在片烟复烤过程水分在线检测中的应用
5
作者 张雷 马永帅 +5 位作者 洪斌斌 熊开胜 徐大勇 堵劲松 李银华 邹泉 《轻工学报》 北大核心 2025年第3期95-103,共9页
针对片烟复烤过程中关键质量指标出口烟叶含水率难以直接在线检测,且离线化验滞后严重的问题,提出一种改进在线序列极限学习机(Online Sequential Extreme Learning Machine,OSELM)的复烤干燥过程自适应建模方法,实时在线检测干燥区出... 针对片烟复烤过程中关键质量指标出口烟叶含水率难以直接在线检测,且离线化验滞后严重的问题,提出一种改进在线序列极限学习机(Online Sequential Extreme Learning Machine,OSELM)的复烤干燥过程自适应建模方法,实时在线检测干燥区出口烟叶的含水率。首先,采用专家知识与互信息方法选择与烟叶含水率相关性最强的辅助变量,增强模型的泛化能力并降低复杂度。然后,针对复烤过程的强非线性和显著时变特性,提出一种基于自适应遗忘因子的OSELM建模方法,设计的自适应遗忘因子策略能够根据复烤工况的变化动态迭代更新,以此增强软测量模型对复杂工况的在线跟踪能力。最后,基于某复烤厂的实际生产数据进行实验,结果表明,相较于传统软测量建模方法,本文方法具有较高的在线检测精度和响应速度,证明了该算法的有效性和优越性。 展开更多
关键词 片烟 烟叶含水率 复烤机 互信息 软测量 在线序列极限学习机 在线检测
在线阅读 下载PDF
基于改进OS-ELM的冷连轧在线轧制力预报 被引量：13
6
作者 魏立新 张宇 +1 位作者 孙浩 魏新宇 《计量学报》 CSCD 北大核心 2019年第1期111-116,共6页
冷轧轧制力预报结果直接影响板(带)材轧制精度和产品质量。冷轧工艺复杂,参数耦合性强,模型不易建立且与实际偏差较大,针对这些问题,提出一种改进在线序列极限学习机。在初始训练阶段使用量子粒子群算法优化权值和阈值;在线训练阶段根... 冷轧轧制力预报结果直接影响板(带)材轧制精度和产品质量。冷轧工艺复杂,参数耦合性强,模型不易建立且与实际偏差较大,针对这些问题,提出一种改进在线序列极限学习机。在初始训练阶段使用量子粒子群算法优化权值和阈值;在线训练阶段根据当前训练数据中隐含层对网络输出的贡献度调节网络的拓扑结构,实现了结构和参数的自组织,并结合极限学习机变形抗力子模型在线预报轧制力。实验结果表明,该自组织在线序列极限学习机在训练速度和精度方面较之人工蜂群优化的反向传播神经网络和基于增强型增量极限学习机有较大的提高。 展开更多
关键词 计量学 轧制力预报 在线序列极限学习机 在线结构自组织 变形抗力
在线阅读 下载PDF
基于PCA-OS-ELM的大气PM_(2.5)浓度预测 被引量：9
7
作者 李济瀚 李晓理 +1 位作者 王康 崔桂梅 《北京理工大学学报》 EI CAS CSCD 北大核心 2021年第12期1262-1268,共7页
为了提高细颗粒物PM_(2.5)浓度预测精度,提出一种主元成分分析与在线序列极限学习机相结合(PCA-OS-ELM)的PM_(2.5)浓度预测方法.首先,通过主成分分析方法(PCA)提取高维大气数据中影响空气质量的关键变量,并去除不必要的冗余变量;其次,... 为了提高细颗粒物PM_(2.5)浓度预测精度,提出一种主元成分分析与在线序列极限学习机相结合(PCA-OS-ELM)的PM_(2.5)浓度预测方法.首先,通过主成分分析方法(PCA)提取高维大气数据中影响空气质量的关键变量,并去除不必要的冗余变量;其次,利用提取的关键变量建立在线序列极限学习机(OS-ELM)网络预测模型,将批处理和逐次迭代相结合,不断更新训练数据和网络参数实现大气PM_(2.5)浓度快速预测.研究结果表明,PCA-OS-ELM预测方法采用不同批次训练数据更新模型的方式,能够快速实现大气PM_(2.5)浓度预测,证明了该方法的有效性.与其他方法相比,该方法预测误差小,预测精度高,具有更好的实用价值. 展开更多
关键词 PM_(2.5) 主成分分析 相关性 在线序列极限学习机 预测
在线阅读 下载PDF
基于数据增强与流数据处理的Tor流量分析模型 被引量：2
8
作者 席荣康 蔡满春 芦天亮 《计算机工程》 CAS CSCD 北大核心 2023年第3期177-184,共8页
Tor流量分析技术为打击利用Tor匿名通信工具从事的暗网犯罪活动提供了技术支撑,但目前存在数据难于收集、数据集不平衡、模型抗概念漂移能力差等问题。提出一种结合堆叠去噪自编码器和在线序列极限学习机的Tor流量分析模型。对原始Tor P... Tor流量分析技术为打击利用Tor匿名通信工具从事的暗网犯罪活动提供了技术支撑,但目前存在数据难于收集、数据集不平衡、模型抗概念漂移能力差等问题。提出一种结合堆叠去噪自编码器和在线序列极限学习机的Tor流量分析模型。对原始Tor PACP包进行分割、去噪处理并提取特征序列。在此基础上,将一维序列转化为可视化灰度图并输入改进多尺寸深度卷积生成对抗网络,生成Tor流量样本以平衡数据集,利用堆叠降噪自动编码器进行序列降维并将特征输入在线序列极限学习机实现Tor匿名流量的在线流识别。实验结果表明,改进多尺寸深度卷积生成对抗网络可用于提升数据集质量并提高模型识别率约2.8个百分点,结合在线序列极限学习机和堆叠去噪自编码器的流量分析模型准确率可达95.7%,识别效率较传统卷积神经网络和长短期记忆网络模型有较大提升。 展开更多
关键词 洋葱路由 概念漂移 流数据挖掘 数据增强 深度卷积生成对抗网络 堆叠去噪自动编码器 在线序列极限学习机
在线阅读 下载PDF
基于OS-ELM和SDAE的Wi-Fi入侵检测方法 被引量：3
9
作者 刘明峰 侯路 +2 位作者 郭顺森 韩然 赵宇飞 《北京交通大学学报》 CAS CSCD 北大核心 2019年第5期87-93,101,共8页
为解决大多数Wi-Fi网络入侵检测方法实时性差、误报率高等问题,提出一种基于在线序列极限学习机(OS-ELM)的实时Wi-Fi网络入侵检测系统模型.首先,考虑到实验样本数据中正常与异常数据极不平衡的问题,采用SMOTE算法对数据样本中的异常数... 为解决大多数Wi-Fi网络入侵检测方法实时性差、误报率高等问题,提出一种基于在线序列极限学习机(OS-ELM)的实时Wi-Fi网络入侵检测系统模型.首先,考虑到实验样本数据中正常与异常数据极不平衡的问题,采用SMOTE算法对数据样本中的异常数据和正常数据进行平衡处理操作,使分类器的分类效果不受样本数据集中多数类样本的影响.然后使用栈式降噪自编码网络(SDAE)对平衡后的数据进行降维,消除无关或冗余特征降低检测建模规模,避免维度灾难.最后,在AWID数据集进行处理并输入到OS-ELM分类器中,结果表明:与其他基于浅层学习算法的检测方法相比,所提方法可有效地精简数据特征,降低了检测时间,同时在检测精度和误报率方面也体现出了更优性能. 展开更多
关键词 在线序列极限学习机 栈式降噪自编码网络 数据降维 入侵检测 WI-FI网络
在线阅读 下载PDF
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
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部