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SDAE预测模型和改进SSA的NO_(x)排放优化
被引量：
6
1
作者
马良玉
孙佳明
《中国电机工程学报》
EI
CSCD
北大核心
2022年第14期5194-5201,共8页
为降低锅炉燃烧系统氮氧化物(nitrogen oxide,NO_(x))的排放浓度,基于某1000MW火电机组采集的真实历史运行数据,采用堆叠降噪自编码器(stacked denoising auto-encoder,SDAE)建立了NO_(x)排放浓度的预测模型,进而提出一种基于改进麻雀...
为降低锅炉燃烧系统氮氧化物(nitrogen oxide,NO_(x))的排放浓度,基于某1000MW火电机组采集的真实历史运行数据,采用堆叠降噪自编码器(stacked denoising auto-encoder,SDAE)建立了NO_(x)排放浓度的预测模型,进而提出一种基于改进麻雀搜索算法(sparrow search algorithm,SSA)的锅炉配风配粉优化策略。为提高SSA的寻优能力,提出一种引入萤火虫扰动的混沌优化麻雀搜索算法(chaotic optimized sparrow search algorithm with the introduction of firefly perturbation,FCOSSA),该算法采用Tent混沌映射使初始个体尽可能分布均匀,以增加初始种群的多样性,利用萤火虫扰动方式对所有麻雀位置进行更新。经典测试函数优化试验表明了FCOSSA的优越性。针对某给定负荷稳态运行工况,以降低NO_(x)排放为目标,利用方法对锅炉各磨煤机的给煤量及二次风门开度等进行寻优,结果表明优化后锅炉的NO_(x)排放浓度可有效降低,验证了方法的有效性。
展开更多
关键词
锅炉运行优化
NO_(x)排放
堆栈式降噪自编码器
麻雀搜索算法
混沌映射
萤火虫扰动
在线阅读
下载PDF
职称材料
基于深度学习的蛋白质亚细胞定位预测
被引量：
4
2
作者
王艺皓
丁洪伟
+2 位作者
李波
保利勇
张颖婕
《计算机应用》
CSCD
北大核心
2020年第11期3393-3399,共7页
针对传统机器学习算法中仍需手工操作表示特征的问题,提出了一种基于堆栈式降噪自编码器(SDAE)深度网络的蛋白质亚细胞定位算法。首先,分别利用改进型伪氨基酸组成法(PseAAC)、伪位置特异性得分矩阵法(PsePSSM)和三联体编码法(CT)对蛋...
针对传统机器学习算法中仍需手工操作表示特征的问题,提出了一种基于堆栈式降噪自编码器(SDAE)深度网络的蛋白质亚细胞定位算法。首先,分别利用改进型伪氨基酸组成法(PseAAC)、伪位置特异性得分矩阵法(PsePSSM)和三联体编码法(CT)对蛋白质序列进行特征提取,并将这三种方法得到的特征向量进行融合,以得到一个全新的蛋白质序列特征表达模型;接着,将融合后的特征向量输入到SDAE深度网络里自动学习更有效的特征表示;然后选用Softmax回归分类器进行亚细胞的分类预测,并采用留一法在Viral proteins和Plant proteins两个数据集上进行交叉验证;最后,将所提算法的结果与mGOASVM、HybridGO-Loc等多种现有算法的结果进行比较。实验结果表明,所提算法在Viral proteins数据集上取得了98.24%的准确率,与mGOASVM算法相比提高了9.35个百分点;同时所提算法在Plant proteins数据集上取得了97.63%的准确率,比mGOASVM算法和HybridGO-Loc算法分别提高了10.21个百分点和4.07个百分点。综上说明所提算法可以有效提高蛋白质亚细胞定位预测的准确性。
展开更多
关键词
深度学习
特征融合
蛋白质定位
堆栈式降噪自编码器
留一法
在线阅读
下载PDF
职称材料
题名
基于SDAE预测模型和改进SSA的NO_(x)排放优化
被引量：
6
1
作者
马良玉
孙佳明
机构
华北电力大学控制与计算机工程学院
出处
《中国电机工程学报》
EI
CSCD
北大核心
2022年第14期5194-5201,共8页
文摘
为降低锅炉燃烧系统氮氧化物(nitrogen oxide,NO_(x))的排放浓度,基于某1000MW火电机组采集的真实历史运行数据,采用堆叠降噪自编码器(stacked denoising auto-encoder,SDAE)建立了NO_(x)排放浓度的预测模型,进而提出一种基于改进麻雀搜索算法(sparrow search algorithm,SSA)的锅炉配风配粉优化策略。为提高SSA的寻优能力,提出一种引入萤火虫扰动的混沌优化麻雀搜索算法(chaotic optimized sparrow search algorithm with the introduction of firefly perturbation,FCOSSA),该算法采用Tent混沌映射使初始个体尽可能分布均匀,以增加初始种群的多样性,利用萤火虫扰动方式对所有麻雀位置进行更新。经典测试函数优化试验表明了FCOSSA的优越性。针对某给定负荷稳态运行工况,以降低NO_(x)排放为目标,利用方法对锅炉各磨煤机的给煤量及二次风门开度等进行寻优,结果表明优化后锅炉的NO_(x)排放浓度可有效降低,验证了方法的有效性。
关键词
锅炉运行优化
NO_(x)排放
堆栈式降噪自编码器
麻雀搜索算法
混沌映射
萤火虫扰动
Keywords
boiler operation optimization
NO_(x)emission
stacked denoising auto-encoder
sparrow search algorithm
chaotic mapping
firefly perturbation
分类号
TM621.2 [电气工程—电力系统及自动化]
在线阅读
下载PDF
职称材料
题名
基于深度学习的蛋白质亚细胞定位预测
被引量：
4
2
作者
王艺皓
丁洪伟
李波
保利勇
张颖婕
机构
云南大学信息学院
出处
《计算机应用》
CSCD
北大核心
2020年第11期3393-3399,共7页
基金
国家自然科学基金资助项目(61461053,61461054)。
文摘
针对传统机器学习算法中仍需手工操作表示特征的问题,提出了一种基于堆栈式降噪自编码器(SDAE)深度网络的蛋白质亚细胞定位算法。首先,分别利用改进型伪氨基酸组成法(PseAAC)、伪位置特异性得分矩阵法(PsePSSM)和三联体编码法(CT)对蛋白质序列进行特征提取,并将这三种方法得到的特征向量进行融合,以得到一个全新的蛋白质序列特征表达模型;接着,将融合后的特征向量输入到SDAE深度网络里自动学习更有效的特征表示;然后选用Softmax回归分类器进行亚细胞的分类预测,并采用留一法在Viral proteins和Plant proteins两个数据集上进行交叉验证;最后,将所提算法的结果与mGOASVM、HybridGO-Loc等多种现有算法的结果进行比较。实验结果表明,所提算法在Viral proteins数据集上取得了98.24%的准确率,与mGOASVM算法相比提高了9.35个百分点;同时所提算法在Plant proteins数据集上取得了97.63%的准确率,比mGOASVM算法和HybridGO-Loc算法分别提高了10.21个百分点和4.07个百分点。综上说明所提算法可以有效提高蛋白质亚细胞定位预测的准确性。
关键词
深度学习
特征融合
蛋白质定位
堆栈式降噪自编码器
留一法
Keywords
deep learning
feature fusion
protein localization
Stacked Denoising AutoEncoder(SDAE)
leave-oneout cross validation
分类号
TP391 [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
作者
出处
发文年
被引量
操作
1
基于SDAE预测模型和改进SSA的NO_(x)排放优化
马良玉
孙佳明
《中国电机工程学报》
EI
CSCD
北大核心
2022
6
在线阅读
下载PDF
职称材料
2
基于深度学习的蛋白质亚细胞定位预测
王艺皓
丁洪伟
李波
保利勇
张颖婕
《计算机应用》
CSCD
北大核心
2020
4
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
