期刊文献+
共找到19篇文章
< 1 >
每页显示 20 50 100
基于增强深度卷积神经网络的滚动轴承多工况故障诊断方法 被引量:2
1
作者 郭盼盼 张文斌 +4 位作者 崔奔 郭兆伟 赵春林 尹治棚 刘标 《振动工程学报》 北大核心 2025年第1期96-108,共13页
针对现有卷积神经网络无法充分提取滚动轴承时域信号间的关联特征,模型训练所需样本多以及泛化性不足的问题,提出一种基于增强卷积神经网络模型的滚动轴承多工况故障诊断方法。根据滚动轴承转速和采样频率计算轴承单圈故障特征信号长度... 针对现有卷积神经网络无法充分提取滚动轴承时域信号间的关联特征,模型训练所需样本多以及泛化性不足的问题,提出一种基于增强卷积神经网络模型的滚动轴承多工况故障诊断方法。根据滚动轴承转速和采样频率计算轴承单圈故障特征信号长度,采用格拉姆角场编码技术对单圈时域信号完整信息进行编码,生成相应特征图像,使神经网络在视觉上对时域信号关联特征进行学习;利用ACNet网络模型中的非对称卷积对ConvNeXt模型的7×7深度卷积层进行重构:即采用2个3×3,1个1×3和1个3×1的非对称小卷积核以多分支结构组合的形式重构其7×7卷积层,增强ConvNeXt模型的特征提取效率;对ConvNeXt模型中的数据增强模块及学习率衰减策略进行改进,提高ConvNeX模型在小样本训练下的泛化性,以此搭建增强深度卷积神经网络IConvNeXt模型。使用凯斯西储大学不同故障直径轴承、东南大学滚动轴承复合故障和加拿大渥太华变转速滚动轴承故障数据集进行试验验证,结果表明:所提IConvNeXt模型对滚动轴承不同故障直径和复合故障识别准确率为100%,对变转速轴承故障识别率为99.63%。将所提方法与RP+ResNet、RP+IConvNeXt、MLCNN⁃LSTM、MTF+ICon⁃vNeXt等方法进行对比,结果表明,所提模型在更少样本训练下的故障诊断效果均优于其他方法,并具有较强的泛化性能。 展开更多
关键词 故障诊断 滚动轴承 多工况 格拉姆角场 增强卷积神经网络
在线阅读 下载PDF
语义引导的全局-局部图神经网络的关系抽取
2
作者 任楚岚 刘长胜 +1 位作者 邹绍强 井立志 《计算机工程与设计》 北大核心 2025年第3期705-711,共7页
为解决实体间距离过长导致关系抽取性能不佳的问题,提出一种基于上下文语义引导的全局-局部图神经网络的关系抽取方法。通过注意力增强神经网络集中不同时间步的单词的重要性和相关性,获取上下文语义引导的信息;构建全局-局部图神经网... 为解决实体间距离过长导致关系抽取性能不佳的问题,提出一种基于上下文语义引导的全局-局部图神经网络的关系抽取方法。通过注意力增强神经网络集中不同时间步的单词的重要性和相关性,获取上下文语义引导的信息;构建全局-局部图神经网络增强全局结构和局部实体之间的交互,通过改进的APPNP(approximate personalized propagation of neural predications)算法增强全局依赖关系;融合两个模块进行关系抽取。在NYT数据集上的实验结果表明,F1达到83.7%,较目前主流方法更具优势,验证了模型的有效性。 展开更多
关键词 关系抽取 上下文语义 注意力增强神经网络 神经网络 全局结构 局部实体 长距离
在线阅读 下载PDF
EFNN——一种增强型模糊神经网络 被引量:3
3
作者 陈保国 朱奕 +1 位作者 张华 张家余 《哈尔滨工业大学学报》 EI CAS CSCD 北大核心 2001年第1期89-92,共4页
提出了一种较为广义的增强型模糊神经网络 ,以达到更高的非线性系统逼近能力 .该网络模糊规则的结论以函数形式给出 ,从而决定了网络的结构由两个子网络组成 ,即特征网络和功能网络 .网络采用梯度算法来修正网络的参数 .仿真表明 :该网... 提出了一种较为广义的增强型模糊神经网络 ,以达到更高的非线性系统逼近能力 .该网络模糊规则的结论以函数形式给出 ,从而决定了网络的结构由两个子网络组成 ,即特征网络和功能网络 .网络采用梯度算法来修正网络的参数 .仿真表明 :该网络具有较强的非线性逼近能力和较快的学习速度 . 展开更多
关键词 特征网络 功能网络 增强型模型神经网络 梯度算法
在线阅读 下载PDF
基于神经网络的案例推理医疗诊断 被引量:17
4
作者 赵卫东 盛昭瀚 杜雪寒 《东南大学学报(自然科学版)》 EI CAS CSCD 2000年第3期46-50,共5页
在医疗诊断中 ,案例推理是一种有效的思维方式 .但在实际应用中 ,存在许多难点 ,如大型案例库中案例的表示和相似案例高效检索问题 .结合前向神经网络的特点 ,来实现案例检索 .为减少多层前向网络进入局部极小的机会 ,改进网络的性能 ,... 在医疗诊断中 ,案例推理是一种有效的思维方式 .但在实际应用中 ,存在许多难点 ,如大型案例库中案例的表示和相似案例高效检索问题 .结合前向神经网络的特点 ,来实现案例检索 .为减少多层前向网络进入局部极小的机会 ,改进网络的性能 ,提出用神经元和前向神经网络集成 ,构成一种增强型神经网络结构 .数学和仿真证明这种网络能减少进入局部极小的机会 .此外 ,借助于数据库技术和多级索引方法 ,设计了一个医疗诊断专家系统 。 展开更多
关键词 增强神经网络 医疗诊断 案例推理
在线阅读 下载PDF
基于改进长短时记忆神经网络-自适应增强算法的多天气车辆分类方法 被引量:4
5
作者 李达 张照生 +2 位作者 刘鹏 王震坡 董昊天 《汽车工程》 EI CSCD 北大核心 2020年第9期1248-1255,共8页
针对目前国内外车辆分类效果不理想和受天气影响较大的问题,本文中提出一种基于改进长短时记忆神经网络自适应增强算法(LSTM-AdaBoost)的多天气车辆分类方法,并提出一种“多层网格法”以准确地确定LSTM的超参数。首先建立地磁车辆检测... 针对目前国内外车辆分类效果不理想和受天气影响较大的问题,本文中提出一种基于改进长短时记忆神经网络自适应增强算法(LSTM-AdaBoost)的多天气车辆分类方法,并提出一种“多层网格法”以准确地确定LSTM的超参数。首先建立地磁车辆检测系统平台和车辆分类方法,然后分析基于改进LSTM-AdaBoost的车辆分类结果,并对不同车辆分类方法和不同天气下的分类准确率进行了对比。结果表明,与最邻近结点算法和反向传播神经网络算法相比,本文所提出的方法具有较高的准确率,最高分类准确率为92.2%。暴雨、雾霾和晴天3种天气中,暴雨时的分类准确率最低,但差别不大,最大相差3.9个百分点。 展开更多
关键词 车辆分类 地磁信号 长短时记忆神经网络-自适应增强算法 多天气
在线阅读 下载PDF
考虑混沌特征的增强型大脑情绪神经网络光伏发电功率超短期预测模型 被引量:21
6
作者 王育飞 杨启星 薛花 《高电压技术》 EI CAS CSCD 北大核心 2021年第4期1165-1175,共11页
为进一步提高光伏发电功率超短期预测的准确度,根据光伏功率时间序列固有的非线性混沌特征,提出一种基于改进粒子群优化(improved particle swarm optimization,IPSO)算法和增强型大脑情绪神经网络(enhanced brain emotional neural net... 为进一步提高光伏发电功率超短期预测的准确度,根据光伏功率时间序列固有的非线性混沌特征,提出一种基于改进粒子群优化(improved particle swarm optimization,IPSO)算法和增强型大脑情绪神经网络(enhanced brain emotional neural network, EENN)的光伏发电功率超短期预测模型。首先,利用非线性变换将光伏功率序列的隐含信息特征投射至高维相空间,获得反映吸引子轨迹的新数据空间;随后,为提高模型的超短期预测能力,通过考虑系统在空间中连续吸引子轨迹的非线性几何特征,利用EENN模型建立高维空间中的数据映射关系,并采用IPSO算法实现对EENN模型中所有权值和阈值的迭代优化,以提高EENN模型的数据挖掘和预测能力;最后,基于实测光伏发电功率数据进行单步预测以实现对所提模型的有效验证。算例分析表明,所提预测模型具有比传统模型更好的预测效果,有效提高了光伏功率超短期预测的准确度。 展开更多
关键词 光伏发电 功率预测模型 混沌相空间重构 改进粒子群优化 增强型大脑情绪神经网络 超短期
在线阅读 下载PDF
基于增强图卷积神经网络的病毒形态识别方法研究 被引量:4
7
作者 哈艳 袁伟珵 +1 位作者 孟翔杰 田俊峰 《中国全科医学》 CAS 北大核心 2022年第14期1749-1756,共8页
背景透射电子显微镜(TEM)是检测病毒的重要手段,传统TEM检测常依靠专家手工观察,操作步骤繁琐,且已有机器学习方法易受到背景、噪声的影响,导致病毒检测方法准确率差、效率低且耗时长。目的探讨增强图卷积神经网络(EGCN)对TEM图像中的... 背景透射电子显微镜(TEM)是检测病毒的重要手段,传统TEM检测常依靠专家手工观察,操作步骤繁琐,且已有机器学习方法易受到背景、噪声的影响,导致病毒检测方法准确率差、效率低且耗时长。目的探讨增强图卷积神经网络(EGCN)对TEM图像中的病毒形态自动识别问题,以提高TEM病毒检测的效率。方法EGCN模型利用卷积神经网络(CNN)提取像素间的局部特征信息,并结合样本特征之间的最近邻关系利用图卷积网络(GCN)进行图特征学习。在模型优化中联合优化群体超分类损失和分类交叉熵损失以提高EGCN模型对病毒类别信息特征的提取能力,较CNN对TEM病毒图像特征具备更强的特征提取能力。结果通过不同方法在15类TEM病毒图像数据集上开展实验,EGCN达到3.40%的top-1错误率、1.88%的top-2错误率、96.65%的精确度和96.60%的召回率,并通过一系列对比实验表明EGCN模型可以有效避免TEM图像中背景、噪声等的影响,提高对病毒识别的准确率。结论EGCN可以有效解决病毒形态识别任务,为病毒的诊断提供重要的参考价值。 展开更多
关键词 病毒形态分类 神经网络 计算机 卷积神经网络 图卷积网络 增强图卷积神经网络
在线阅读 下载PDF
基于改进深度置信网络的木板表面缺陷检测模型 被引量:3
8
作者 李馥颖 杨大为 黄海 《南京理工大学学报》 CAS CSCD 北大核心 2022年第6期728-734,共7页
为了提高木板表面缺陷检测精度,采用连续型深度置信网络(DBN)建立木板表面缺陷检测模型。首先,对待检测的木板图片进行关键特征提取,并建立DBN检测模型。然后,将木板图片特征输入DBN的多个受限玻尔兹曼机(RBM)层进行深度训练,从而利用DB... 为了提高木板表面缺陷检测精度,采用连续型深度置信网络(DBN)建立木板表面缺陷检测模型。首先,对待检测的木板图片进行关键特征提取,并建立DBN检测模型。然后,将木板图片特征输入DBN的多个受限玻尔兹曼机(RBM)层进行深度训练,从而利用DBN的深度优势来获得木板表面缺陷检测结果。最后,引入人工蜂群(ABC)算法对DBN的权重参数进行优化从而缩短训练时间。实例测试实验结果表明:选择学习速率为0.075时,ABC-DBN算法在划痕、刮痕、裂缝、崩缺4类样本集中的均方根误差(RMSE)均值性能更优。采用卷积神经网络(CNN)、快速区域卷积神经网络(Faster R-CNN)、自适应增强卷积神经网络(AdaBoost-CNN)和ABC-DBN算法分别进行检测准确率对比实验。结果显示,ABC-DBN算法检测准确率RMSE为5.067×10^(-2),是最优结果,Adaboost-CNN算法次之,CNN算法最差。 展开更多
关键词 深度置信网络 木板表面 缺陷检测 受限玻尔兹曼机 人工蜂群算法 卷积神经网络 快速区域卷积神经网络 自适应增强卷积神经网络
在线阅读 下载PDF
基于PINN及其改进算法求解KdV-mKdV方程
9
作者 栗雪娟 刘瑜欣 《浙江大学学报(理学版)》 CAS CSCD 北大核心 2024年第6期702-711,共10页
物理信息神经网络(physics-informed neural network,PINN)是求解偏微分方程及方程组的有效工具。数值结果证明了用PINN算法求解1+1维KdV-mKdV方程的可靠性,且求解精度较传统数值算法高,但求解精度过度依赖于训练点数,且易出现大梯度变... 物理信息神经网络(physics-informed neural network,PINN)是求解偏微分方程及方程组的有效工具。数值结果证明了用PINN算法求解1+1维KdV-mKdV方程的可靠性,且求解精度较传统数值算法高,但求解精度过度依赖于训练点数,且易出现大梯度变弱的问题。为此,基于梯度增强思想提出了一种改进的PINN算法,即梯度增强物理信息神经网络(gradient-enhanced physics-informed neural network,gPINN)算法,通过将偏微分方程残差的梯度信息嵌入损失函数,弥补了梯度减弱的缺陷。用gPINN算法数值模拟了不同参数下1+1维KdV-mKdV方程,结果表明,gPINN算法在训练点数减少2个数量级的情况下,其训练误差仍比PINN算法减少一个数量级。 展开更多
关键词 物理信息神经网络 梯度增强物理信息神经网络 1+1维KdV-mKdV方程 数值模拟
在线阅读 下载PDF
基于CB-Attention的JavaScript恶意混淆代码检测方法
10
作者 徐鑫 张志宁 +2 位作者 吕云山 李立 郑玉杰 《计算机工程与设计》 北大核心 2024年第8期2298-2305,共8页
当今JavaScript代码混淆方法日益多样,现有检测方法在对混淆代检测时会出现漏报和误报的情况,为解决该问题,提出一种基于CB-Attention的JavaScript恶意代码检测方法。由SDPCNN模型和BiLSTM+Attention模型构成,SDPCNN对短距离间的语义特... 当今JavaScript代码混淆方法日益多样,现有检测方法在对混淆代检测时会出现漏报和误报的情况,为解决该问题,提出一种基于CB-Attention的JavaScript恶意代码检测方法。由SDPCNN模型和BiLSTM+Attention模型构成,SDPCNN对短距离间的语义特征信息进行提取,BiLSTM+Attention获取JavaScript代码中长距离间的语义信息特征。为验证所提方法的有效性,将该方法与其它方法进行对比,对比结果表明,该方法具有较好的检测效果,F1-Score可达98.78%。 展开更多
关键词 JavaScript恶意代码 混淆代码 检测模型 增强深度金字塔卷积神经网络 注意力网络 双向长短时记忆网络 长距离特征信息 抽象语法树
在线阅读 下载PDF
深度学习驱动的知识追踪研究进展综述 被引量:13
11
作者 梁琨 任依梦 +2 位作者 尚余虎 张翼英 王聪 《计算机工程与应用》 CSCD 北大核心 2021年第21期41-58,共18页
随着教育信息化程度的不断加深,以预测学生知识状态为目标的知识追踪正成为个性化教育中一项重要且富有挑战性的任务。知识追踪作为一项教育数据挖掘的时间序列任务,与深度学习模型强大的特征提取和建模能力相结合,在处理顺序任务时具... 随着教育信息化程度的不断加深,以预测学生知识状态为目标的知识追踪正成为个性化教育中一项重要且富有挑战性的任务。知识追踪作为一项教育数据挖掘的时间序列任务,与深度学习模型强大的特征提取和建模能力相结合,在处理顺序任务时具有得天独厚的优势。为此,简要分析传统知识追踪模型的特点及局限性,以深度知识追踪发展历程为主线,总结基于循环神经网络、记忆增强神经网络、图神经网络的知识追踪模型及其改进模型,并对该领域的已有模型按照方法策略归类整理。同时梳理了可供研究者使用的公开数据集和模型评估指标,比较和分析不同建模方法的特点。对基于深度学习的知识追踪的未来发展方向进行探讨和展望,奠定进一步深入基于深度知识追踪研究的基础。 展开更多
关键词 教育信息化 个性化教育 知识追踪 深度学习 记忆增强神经网络 神经网络
在线阅读 下载PDF
基于掌握速度的知识追踪模型 被引量:16
12
作者 宗晓萍 陶泽泽 《计算机工程与应用》 CSCD 北大核心 2021年第6期117-123,共7页
知识追踪(Knowledge Tracing,KT)是教育数据挖掘领域的研究热点。KT能够自动发现学生的薄弱知识点,向学生推荐最佳的学习路径和练习题。针对现有的KT模型只适用于对单个知识点建模并没有考虑学生掌握知识点快慢的问题。提出了一种基于... 知识追踪(Knowledge Tracing,KT)是教育数据挖掘领域的研究热点。KT能够自动发现学生的薄弱知识点,向学生推荐最佳的学习路径和练习题。针对现有的KT模型只适用于对单个知识点建模并没有考虑学生掌握知识点快慢的问题。提出了一种基于掌握速度的知识追踪模型(Mastery Speed Knowledge Tracing,MSKT),MSKT采用了记忆增强神经网络(Memory Augmented Neural Network,MANN)的思想和动态键值记忆网络模型(Dynamic Key-Value Memory Networks,DKVMN)的优点,并且在计算删除向量和增加向量时,使用了当前的记忆内容。通过对比实验验证了MSKT模型的有效性和优越性,并且可以自动地发现相似练习题。 展开更多
关键词 教育数据挖掘 知识追踪 深度学习 个性化推荐 记忆增强神经网络
在线阅读 下载PDF
基于概念漂移检测的土石坝压实质量评价模型更新研究 被引量:10
13
作者 王佳俊 钟登华 +2 位作者 吴斌平 刘明辉 张宗亮 《天津大学学报(自然科学与工程技术版)》 EI CSCD 北大核心 2019年第5期492-500,共9页
土石坝压实质量评价模型的更新对保证其长期高精度评价压实质量具有重要的意义,然而目前对于压实质量模型的更新还缺乏相应的研究.借鉴流数据中概念漂移检测的思想,同时针对碾压施工流数据具有不平衡数据、含有噪声且流速缓慢的特点,本... 土石坝压实质量评价模型的更新对保证其长期高精度评价压实质量具有重要的意义,然而目前对于压实质量模型的更新还缺乏相应的研究.借鉴流数据中概念漂移检测的思想,同时针对碾压施工流数据具有不平衡数据、含有噪声且流速缓慢的特点,本文提出了一种基于概念漂移检测的土石坝压实质量评价模型更新方法.首先提出基于K-means的下抽样技术处理不平衡数据;其次提出基于增强概率神经网络(enhancedprobabilisticneuralnetwork,EPNN)和可变窗口技术(variablewindowtechnique,VWT)的碾压施工流数据概念漂移检测方法;最后若检测到有概念漂移则进行压实质量评价模型的更新.工程应用表明:基于K-means的下抽样技术能保证分类器具有较高的一致性;基于EPNN与VWT的方法能有效地检测出碾压施工流数据概念漂移;同时以出现概念漂移为条件而更新的压实质量评价模型能够长期高精度评价压实质量. 展开更多
关键词 压实质量评价模型 概念漂移检测 碾压施工流数据 增强概率神经网络 可变窗口技术 模型更新
在线阅读 下载PDF
LBSN中利用深度学习的POI推荐方法 被引量:3
14
作者 刘旸 吴安波 李慧斌 《计算机工程与设计》 北大核心 2022年第10期2926-2934,共9页
提出一种基于位置的社交网络(LBSN)中利用深度学习的POI推荐方法。设计LBSN异构图,即UP2Vec模型,整合地理签到信息、用户社会关系和时间信息等语境。提出偏好增强谱聚类(PSC)算法,通过分析用户的各种语境信息获得多个维度的数据空间特征... 提出一种基于位置的社交网络(LBSN)中利用深度学习的POI推荐方法。设计LBSN异构图,即UP2Vec模型,整合地理签到信息、用户社会关系和时间信息等语境。提出偏好增强谱聚类(PSC)算法,通过分析用户的各种语境信息获得多个维度的数据空间特征,使用谱聚类划分用户群体。利用谱嵌入增强的神经网络深度挖掘用户与POI之间的非线性关联,实现POI的高质量推荐。实验结果表明,所提方法性能优于对比方法,推荐准确率超过90%。 展开更多
关键词 POI推荐 基于位置的社交网络 深度学习 偏好增强谱聚类算法 UP2Vec模型 谱嵌入增强神经网络 偏好预测
在线阅读 下载PDF
基于ESOINN的离散制造车间生产异常实时检测方法研究 被引量:3
15
作者 崔世婷 郭宇 +1 位作者 汪伟丽 梁睿君 《机械设计与制造》 北大核心 2023年第8期104-109,共6页
离散制造车间存在制造要素偏离生产计划导致的生产异常事件,准确的车间异常检测有助于实时监控生产过程,提高动态决策响应速度,保证订单按时交付。针对异常检测的准确性和实时性需求,提出一种增量式无监督学习的车间生产异常检测方法。... 离散制造车间存在制造要素偏离生产计划导致的生产异常事件,准确的车间异常检测有助于实时监控生产过程,提高动态决策响应速度,保证订单按时交付。针对异常检测的准确性和实时性需求,提出一种增量式无监督学习的车间生产异常检测方法。首先,以在制品在车间的流转过程为主线定义生产异常种类,搭建离散制造车间生产异常检测框架;其次,使用增强自组织增量神经网络实时检测生产异常,并根据当前生产数据在线更新模型,以适应数据分布的动态变化,提高模型检测准确率;最后以某航天机加车间为例,将所提方法与两种增量式及两种非增量式聚类算法进行对比实验,并在离散制造车间应用生产异常检测系统,验证了该方法在生产异常检测问题上的有效性。 展开更多
关键词 离散制造车间 生产异常检测 增量学习 增强自组织增量神经网络
在线阅读 下载PDF
基于GST-ECNN的运动想象脑电信号识别方法 被引量:4
16
作者 金海龙 邬霞 +1 位作者 樊凤杰 王金萍 《计量学报》 CSCD 北大核心 2022年第10期1341-1347,共7页
在对脑电信号的解码研究中,存在着现有时频分析方法对高频信号处理能力有限,多通道信号信息冗余,常用卷积神经网络分类器ReLU激活函数受学习速率的影响较大,对不同层采用相同的正则化很难获得满意结果等问题。为此,提出了一种基于广义S... 在对脑电信号的解码研究中,存在着现有时频分析方法对高频信号处理能力有限,多通道信号信息冗余,常用卷积神经网络分类器ReLU激活函数受学习速率的影响较大,对不同层采用相同的正则化很难获得满意结果等问题。为此,提出了一种基于广义S变换特征提取和增强卷积神经网络分类相结合的方法,同时提出一种结合Relief算法和向前选择搜索策略的包裹式方法进行通道选择。结果表明,提出的方法利用较少的信号通道,具有更强的特征提取和分类的能力,在第Ⅳ届BCI的数据集I上取得最高98.44±1.5%的分类准确率,高于其他现有算法。该方法良好的分类性能不仅减少了计算消耗,也有效提高了分类准确率,对脑电信号特征提取和分类具有一定的参考意义。 展开更多
关键词 计量学 脑电信号 运动想象 广义S变换 增强卷积神经网络 包裹式通道选择 脑-机接口
在线阅读 下载PDF
基于XY双变量特征提取策略的秸秆炭热值LIBS定量分析
17
作者 段宏伟 郭梅 +1 位作者 朱荣光 牛其建 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2022年第11期3435-3440,共6页
农业生物质能已逐步成为我国现代工业主要清洁能源之一。利用激光诱导击穿光谱(LIBS)技术实现秸秆炭热值(CV)精准预测。针对传统X自变量特征提取方法在LIBS定量分析秸秆炭CV过程中缺陷问题,提出了一种XY双变量特征提取法。研究首先分析... 农业生物质能已逐步成为我国现代工业主要清洁能源之一。利用激光诱导击穿光谱(LIBS)技术实现秸秆炭热值(CV)精准预测。针对传统X自变量特征提取方法在LIBS定量分析秸秆炭CV过程中缺陷问题,提出了一种XY双变量特征提取法。研究首先分析了秸秆炭CV与各元素含量之间相关性,选取与CV相关性极显著(p<0.01)的Y型特征变量,其主要获取了以炭单质、芳香环和羧基等形式存在的C,O,H和Na元素的分析线展宽波段;同时通过筛选偏最小二乘回归(PLSR)模型回归系数阈值获取与CV相关的X型特征变量,当阈值为4×10^(-5)时模型交互验证均方根误差(RMSECV)降至最低值,其所对应的变量主要为参与农作物生理生长的Ca,Cr,Mg和K元素的分析线光谱线。基于所提取XY双特征变量构建遗传算法优化及自适应增强的人工神经网络(GA-BP-Adaboost)模型,当变异概率、交叉概率和相对误差率(RE)分别设为0.1,0.95和0.01时,最优模型预测平均相对误差(AREP)和预测相对标准误差(RSDP)分别为2.39%和2.97%,相比于XY-PLSR模型效果分别较低了0.82%和0.91%。结果表明:XY双变量特征提取法结合GA-BP-Adaboost模型可以为生物质炭在工业使用过程中CV精确定量预测分析提供方法依据。 展开更多
关键词 秸秆炭 热值 激光诱导击穿光谱 XY双变量特征提取法 自适应增强的人工神经网络模型
在线阅读 下载PDF
小麦秸秆中K和Na元素LIBS同步定量分析研究
18
作者 段宏伟 韩鲁佳 黄光群 《农业机械学报》 EI CAS CSCD 北大核心 2019年第2期290-296,共7页
快速分析小麦秸秆中K和Na元素含量对提高其燃烧效率具有重要的现实意义。选用华北地区29个小麦秸秆代表性样本作为研究对象,以电感耦合等离子体质谱法(ICP-MS)量测结果作为标准值,探讨激光诱导击穿光谱(LIBS)技术对小麦秸秆中K和Na元素... 快速分析小麦秸秆中K和Na元素含量对提高其燃烧效率具有重要的现实意义。选用华北地区29个小麦秸秆代表性样本作为研究对象,以电感耦合等离子体质谱法(ICP-MS)量测结果作为标准值,探讨激光诱导击穿光谱(LIBS)技术对小麦秸秆中K和Na元素含量进行定量预测分析的可行性。为提高模型定量分析精度,首先分别选取K和Na分析线附近波段光谱作为定标模型原始光谱数据,对比基线校正(BC)、归一化(Norm)与中心化(MC)相互组合算法对LIBS光谱降噪效果影响,分析比较线性建模方法:偏最小二乘回归(PLSR)和非线性建模方法:增强型反向传播人工神经网络(BP-ADaboost)对预处理后光谱数据的适用性。研究结果发现,与PLSR模型相比较,小麦秸秆中K和Na的BP-ADaboost最优模型效果均较好,其预测决定系数R2p分别为0. 908和0. 979,预测均方根误差分别为2. 388 g/kg和0. 138 g/kg,相对分析误差分别为2. 358和4. 203。结果表明,LIBS技术能用于小麦秸秆中K和Na的同步快速定量分析。 展开更多
关键词 小麦秸秆 元素含量预测 光谱降噪 偏最小二乘回归 增强型反向传播人工神经网络 激光诱导击穿光谱
在线阅读 下载PDF
Modified imperialist competitive algorithm-based neural network to determine shear strength of concrete beams reinforced with FRP 被引量:6
19
作者 Amir HASANZADE-INALLU Panam ZARFAM Mehdi NIKOO 《Journal of Central South University》 SCIE EI CAS CSCD 2019年第11期3156-3174,共19页
Fiber reinforced polymers (FRPs), unlike steel, are corrosion-resistant and therefore are of interest;however, their use is hindered because their brittle shear is formulated in most specifications using limited data ... Fiber reinforced polymers (FRPs), unlike steel, are corrosion-resistant and therefore are of interest;however, their use is hindered because their brittle shear is formulated in most specifications using limited data available at the time. We aimed to predict the shear strength of concrete beams reinforced with FRP bars and without stirrups by compiling a relatively large database of 198 previously published test results (available in appendix). To model shear strength, an artificial neural network was trained by an ensemble of Levenberg-Marquardt and imperialist competitive algorithms. The results suggested superior accuracy of model compared to equations available in specifications and literature. 展开更多
关键词 concrete shear strength fiber reinforced polymer (FRP) artificial neural networks (ANNs) Levenberg-Marquardt algorithm imperialist competitive algorithm (ICA)
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部