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66篇文章
< 1 2 … 4 >
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：
基于宽度学习系统的云南省多源降水数据融合模型研究
1
作者 周媛媛 杨晓辉 肖天贵 《高原气象》 北大核心 2025年第2期475-491,共17页
准确的降水量是精准预报降水引发的相关灾害的前提条件和基础,因此,获取准确的降水量显得十分必要。为此,本研究搭建了一个基于宽度学习系统(Broad learning system,BLS)的多源降水融合模型,以获取更准确的降水数据。以云南省为研究区域... 准确的降水量是精准预报降水引发的相关灾害的前提条件和基础,因此,获取准确的降水量显得十分必要。为此,本研究搭建了一个基于宽度学习系统(Broad learning system,BLS)的多源降水融合模型,以获取更准确的降水数据。以云南省为研究区域,选用2014年4月至2017年12月的3B42V7、IMERG、GSMaP、CMORPH、PERSIANN卫星数据以及雨量计数据作为源数据,加入经纬度信息,进行多源数据融合。留一年交叉验证法(Leave-one-year-out cross validation,LOYOCV)用于验证所提融合模型的性能,并使用相关系数(Pearson’s correlation coefficient,CC)、均方根误差(Root-mean square error,RMSE)、平均绝对误差(Mean absolute error,MAE)、纳什效率系数(Nash-Sutcliffe coefficient of efficiency,NSE)和克林-古普塔效率系数(Kling-Gupta efficiency,KGE)等统计指标量化在不同时空尺度上的融合降水量的准确性。同时,分别对比了基于支持向量机(Support vector machine,SVM)和深度神经网络(Deep neural network,DNN)的融合模型,评估了经纬度信息在所提融合模型中的效力。在LOYOCV中,BLS融合降水的日平均CC、RMSE、MAE、NSE均优于5个卫星产品。在时间尺度上,融合降水能够捕捉实际雨量计降水的时间趋势,且能较准确地估计2017年云南省的暴雨量;BLS融合降水在雨季(5-10月)和干季(11月到次年4月)均优于5个卫星产品中表现最好的CMORPH降水产品。在空间尺度上,相比5个卫星产品,BLS融合降水能在大部分地区表现出最高的CC、NSE以及最小的RMSE、MAE。BLS融合模型对实际降水的模拟能力高于SVM融合模型,且相对于DNN模型用时更短、更高效。此外,经纬度信息的加入能提升融合降水的准确性。总之,考虑了经纬度信息的基于BLS的多源降水融合模型能够提升云南省降水量的准确性,在多源降水数据融合领域有一定的应用价值。 展开更多
关键词 多源降水数据 数据融合 宽度学习系统 经纬度信息
在线阅读 下载PDF
基于二次分解和宽度学习系统的容器云资源预测模型
2
作者 谢晓兰 董宇 《实验室研究与探索》 北大核心 2025年第3期94-100,共7页
为提高容器云平台资源的可用性和服务响应速度,并保障容器云平台客户业务的稳定性,提出一种基于二次分解和宽度学习系统的容器云资源预测模型。用自适应噪声完备集合经验模态对原始时序数据分解处理,基于聚类分析将分解得到的模态分量... 为提高容器云平台资源的可用性和服务响应速度,并保障容器云平台客户业务的稳定性,提出一种基于二次分解和宽度学习系统的容器云资源预测模型。用自适应噪声完备集合经验模态对原始时序数据分解处理,基于聚类分析将分解得到的模态分量重构为高复杂度和低复杂度两类。对高复杂度分量二次分解,利用预训练模型提取各分量的潜在特征。将特征输入宽度学习系统,生成预测结果,并叠加各分量的预测结果,获得最终的预测输出。实验结果表明,该模型提高了预测准确度,减少容器云平台服务响应时间。 展开更多
关键词 容器云 云资源预测 二次分解 门控循环单元 宽度学习系统
在线阅读 下载PDF
基于张量分解与宽度学习系统的MMC开关管开路故障诊断与定位 被引量：1
3
作者 耿想 何顺帆 +2 位作者 朱容波 段启豪 田微 《仪器仪表学报》 北大核心 2025年第4期150-162,共13页
模块化多电平换流器(MMC)是柔性直流输配电系统的核心换流设备,因其采用大量子模块级联的拓扑结构,面临着开关器件数量庞大带来的可靠性挑战,其故障发生率较高。传统MMC开关管开路故障诊断方法存在需要额外传感器、阈值易受干扰等问题... 模块化多电平换流器(MMC)是柔性直流输配电系统的核心换流设备,因其采用大量子模块级联的拓扑结构,面临着开关器件数量庞大带来的可靠性挑战,其故障发生率较高。传统MMC开关管开路故障诊断方法存在需要额外传感器、阈值易受干扰等问题。故提出了一种基于张量特征提取和二维宽度学习系统的MMC开关管开路故障诊断与定位方法,实现了MMC开关管开路故障的快速高精度诊断与定位。该方法根据MMC结构,采用子模块电容电压数据构造三阶张量,提高了对MMC多通道信号的处理效率;通过Tucker分解将故障类型分类与故障位置识别任务进行拆分,并提取相应的张量特征,简化了机器学习难度;针对各子任务的张量特征,训练了对应的基于二维宽度学习系统的子分类器,该分类器利用双线性变换在减少参数的同时保留了特征的空间结构,最后综合各个子分类器的输出结果实现了故障诊断和定位。该方法无须额外传感器与经验阈值,同时极大减少了机器学习模型复杂度,从而提高故障诊断和定位的精度与效率,尤其在处理多故障时具有明显优势。仿真和实验表明故障诊断与定位时间<15 ms,准确率高于98.5%,验证了该方法的优越性与有效性。 展开更多
关键词 模块化多电平换流器 开路故障诊断 张量分解 宽度学习系统
在线阅读 下载PDF
基于自适应稀疏宽度学习系统的软测量建模 被引量：1
4
作者 杜康萍 隋璘 熊伟丽 《系统仿真学报》 北大核心 2025年第6期1449-1461,共13页
针对复杂工业过程具有非线性、变量多特征耦合的特性,导致模型复杂度增加及性能降低等问题,提出一种基于自适应稀疏宽度学习系统的软测量建模方法。在特征横向增强传递的基础上,采用迹LASSO(least absolute shrinkage and selection ope... 针对复杂工业过程具有非线性、变量多特征耦合的特性,导致模型复杂度增加及性能降低等问题,提出一种基于自适应稀疏宽度学习系统的软测量建模方法。在特征横向增强传递的基础上,采用迹LASSO(least absolute shrinkage and selection operator)对网络特征权重进行优化,根据不同变量间的相关性自适应调整惩罚强度,提高模型特征提取能力;在增强节点部分引入Dropout机制,利用LASSO求解输出权重,对模型整体进行稀疏优化,剔除过量节点,减少计算过程中的冗余数据。实验结果表明:该方法能有效简化模型结构,提高其预测性能。 展开更多
关键词 软测量 宽度学习系统 迹LASSO(least absolute shrinkage and selection operator) 正则化 稀疏模型
在线阅读 下载PDF
带有Dropout结构的贝叶斯近似宽度学习系统
5
作者 陈滔 王立杰 +2 位作者 刘洋 徐丽莉 于海生 《控制理论与应用》 北大核心 2025年第8期1632-1640,共9页
宽度学习系统(BLS)及其改进算法均普遍存在一个问题,即随着实际场景中数据复杂性的逐步增强,网络结构变得极其复杂,进一步导致计算资源的消耗也大幅度增加.针对此问题,本文提出了一种带有Dropout算法的贝叶斯近似宽度学习系统(Dropout-B... 宽度学习系统(BLS)及其改进算法均普遍存在一个问题,即随着实际场景中数据复杂性的逐步增强,网络结构变得极其复杂,进一步导致计算资源的消耗也大幅度增加.针对此问题,本文提出了一种带有Dropout算法的贝叶斯近似宽度学习系统(Dropout-BABLS).首先,利用Dropout算法对宽度学习系统的隐藏层节点随机进行丢弃.其次,通过结合高斯回归过程和贝叶斯理论近似Dropout对输出结果的损失函数以确定Dropout-BABLS的目标函数,进一步采用增广拉格朗日乘子法对目标函数的输出权重进行优化求解.最后,通过UCI机器学习知识库的10组回归数据集和自建的6组时间序列数据集对算法进行分析评估.结果表明,本文所提出的Dropout-BABLS算法能保证相应的输出精度,并减少25%~50%的训练时间. 展开更多
关键词 宽度学习系统 DROPOUT 高斯过程 贝叶斯近似 拉格朗日乘子 回归分析
在线阅读 下载PDF
松弛图嵌入的判别宽度学习系统以及在视觉识别中的应用
6
作者 金军委 常少凯 +5 位作者 耿彪 李艳婷 赵孟 王震 陈俊龙 李鹏 《自动化学报》 北大核心 2025年第6期1388-1402,共15页
宽度学习系统作为一种轻量级网络,在效率和准确性之间实现了良好的平衡.然而,宽度学习系统主要依赖严苛的二元标签进行监督并且在数据变换过程中忽视局部结构信息,这些问题限制了模型的性能.为解决此问题,提出一种松弛图嵌入的判别宽度... 宽度学习系统作为一种轻量级网络,在效率和准确性之间实现了良好的平衡.然而,宽度学习系统主要依赖严苛的二元标签进行监督并且在数据变换过程中忽视局部结构信息,这些问题限制了模型的性能.为解决此问题,提出一种松弛图嵌入的判别宽度学习系统模型并将其应用于视觉识别,旨在通过松弛图结构与柔性标签的引入提升模型性能.创新性如下:1)创新地使用双变换矩阵构建松弛图,将变换矩阵的责任分离,减少变换矩阵的负担,从而学习更加灵活的变换矩阵,解决了模型过拟合问题;2)引入柔性标签策略,扩大不同类别标签之间的距离,解决了严苛二元标签的问题,提高了模型的判别能力;3)提出一种基于交替方向乘子法的迭代优化算法,实现了模型的高效优化.在人脸图像数据集、物体图像数据集、场景图像数据集以及手写体图像数据集上的大量实验证明提出的模型与其他先进的识别算法相比具有优势. 展开更多
关键词 宽度学习系统 松弛图 柔性标签 视觉识别
在线阅读 下载PDF
高光谱成像与混合波长选择的宽度学习系统预测猪肉TVB-N含量和pH值
7
作者 罗毅智 唐书奇 +4 位作者 金青婷 丘广俊 齐海军 孟繁明 李鹏 《食品科学》 北大核心 2025年第16期345-352,共8页
为了实现猪肉新鲜度的快速、无损、准确检测,本研究提出一种基于高光谱成像与宽度学习系统(broad learning system,BLS)的猪肉新鲜度无损检测方法。通过将高光谱技术与BLS模型结合,预测猪肉样品总挥发性盐基氮(total volatile basic nit... 为了实现猪肉新鲜度的快速、无损、准确检测,本研究提出一种基于高光谱成像与宽度学习系统(broad learning system,BLS)的猪肉新鲜度无损检测方法。通过将高光谱技术与BLS模型结合,预测猪肉样品总挥发性盐基氮(total volatile basic nitrogen,TVB-N)含量和pH值。通过4种不同的预处理方法(Savitzky-Golay(SG)平滑、归一化、基线校正、标准正态变换)优化光谱数据,采用竞争自适应重加权采样(competitive adaptive reweighted sampling,CARS)、连续投影算法(successive projections algorithm,SPA)和区间变量迭代空间收缩法(interval variable iterative space shrinking approach,iVISSA)进行特征提取。结果表明,SG预处理效果最优,结合iVISSA与SPA的特征提取方法能够有效剔除冗余特征并减少不相关信息的干扰,在BLS回归模型中实现了最佳的预测性能。具体来说,在TVB-N含量的预测中,iVISSA-SPA-BLS模型达到了预测相关系数RP为0.9422、预测均方根误差(root mean square error of prediction,RMSEP)为3.0072、残差预测差(residual prediction deviation,RPD)为2.8038的优异性能,pH值的预测达到了RP为0.8173、RMSEP为0.3679、RPD为1.7164。该方法能够高效、无损地预测猪肉新鲜度,可为食品安全领域提供一条新的无损检测技术路线。 展开更多
关键词 猪肉新鲜度 高光谱成像技术 宽度学习系统 特征提取
在线阅读 下载PDF
基于信息粒化和宽度学习系统的时序数据长期预测模型
8
作者 陈星星 于雅婷 王利东 《南京理工大学学报》 北大核心 2025年第3期352-362,共11页
时序数据广泛存在于金融、能源、气象和医疗等领域,对其准确地长期预测有利于投资决策与风险管理,具有重要应用价值。针对捕捉数据长期波动、降低计算复杂性以及结果具有可解释性的需求,提出了一种基于信息粒化和宽度学习系统(BLS)的时... 时序数据广泛存在于金融、能源、气象和医疗等领域,对其准确地长期预测有利于投资决策与风险管理,具有重要应用价值。针对捕捉数据长期波动、降低计算复杂性以及结果具有可解释性的需求,提出了一种基于信息粒化和宽度学习系统(BLS)的时间序列长期预测模型。该方法通过信息粒化提取时间序列数据的趋势特征,从而构建低维特征表示。在低维特征序列上结合模糊宽度学习系统挖掘其蕴含的高阶关联关系及IF-THEN规则,并以信息粒形式作为预测输出,实现具有可解释性的长期预测结果。通过对比实验表明,该方法在不同数据集上的不同时间粒度上避免误差积累,保持了较好的预测准确率,同时预测结果提供了刻画数据波动范围的信息。 展开更多
关键词 粒计算 长期预测 趋势粒化 宽度学习系统 时间序列
在线阅读 下载PDF
基于双向门控式宽度学习系统的监测数据结构变形预测 被引量：1
9
作者 罗向龙 王亚飞 +1 位作者 王彦博 王立新 《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2024年第4期729-736,共8页
监测数据深度学习预测模型运算量大、实时性差,为此结合宽度学习系统(BLS)和双向长短时记忆(Bi-LSTM)模型的优势,提出基于双向门控式宽度学习系统(Bi-G-BLS)的结构变形预测模型.对BLS的特征节点增加循环反馈和遗忘门结构,提高当前节点... 监测数据深度学习预测模型运算量大、实时性差,为此结合宽度学习系统(BLS)和双向长短时记忆(Bi-LSTM)模型的优势,提出基于双向门控式宽度学习系统(Bi-G-BLS)的结构变形预测模型.对BLS的特征节点增加循环反馈和遗忘门结构,提高当前节点对前一节点的依赖关系,分别从正向和反向提取时间序列的内部特征,充分挖掘数据的双向特征,在提高模型预测精确度的同时减少模型预测时间.基于实测的地铁基坑沉降监测数据的测试结果显示,所提预测模型与门控循环单元(GRU)、BLS、Bi-LSTM、G-BLS模型相比,均方根误差(RMSE)、平均绝对误差(MAE)、平均绝对百分比误差(MAPE)平均分别降低了21.04%、12.81%、24.41%;在预测精度相近的情况下,所提模型的预测时间比Bi-LSTM模型降低了99.59%.结果表明,所提模型在预测速度和精确度上较对比模型有明显提升. 展开更多
关键词 结构变形 预测模型 深度学习 门控循环单元(GRU) 宽度学习系统(BLS)
在线阅读 下载PDF
融合AP聚类算法和宽度学习系统的分布外硬盘故障预测 被引量：2
10
作者 王屹阳 刘发贵 +1 位作者 彭玲霞 钟国祥 《计算机科学》 CSCD 北大核心 2024年第8期63-74,共12页
硬盘是云数据中心最主要的存储设备,硬盘故障预测是保障数据安全的重要手段。但是,硬盘的故障与健康样本之间存在着极端的数量不平衡问题,这会导致模型偏差;此外,不同型号的硬盘数据分布存在一定的差异,在特定硬盘数据上训练的模型往往... 硬盘是云数据中心最主要的存储设备,硬盘故障预测是保障数据安全的重要手段。但是,硬盘的故障与健康样本之间存在着极端的数量不平衡问题,这会导致模型偏差;此外,不同型号的硬盘数据分布存在一定的差异,在特定硬盘数据上训练的模型往往不适用于其他硬盘。对于这两个问题,文中提出了一种融合AP聚类算法和宽度学习系统的分布外硬盘故障预测方法。针对样本不平衡问题,文中使用AP聚类算法对硬盘故障出现前一阶段的样本集进行聚类,将与故障样本处于同一聚类簇的样本扩充为故障样本。针对不同型号硬盘分布存在差异的问题,文中结合流形正则化框架和宽度学习系统来学习硬盘数据的低维结构,提高模型对未知分布数据的泛化能力。实验结果表明,在AP聚类算法重采样的样本集上,相较于用于对比的重采样方法得到的样本集,多种故障预测方法的F1_Score取得了平均0.2的提升。此外,在分布外硬盘故障预测任务上,所提模型的F1_Score相比对比方法提升了0.1~0.2。 展开更多
关键词 硬盘故障预测 类不平衡 分布外泛化 AP聚类 宽度学习系统 流形学习
在线阅读 下载PDF
宽度学习系统中鲁棒性权值矩阵组合的筛选方法 被引量：1
11
作者 汪韩 万源 +1 位作者 王东 丁义明 《计算机应用》 CSCD 北大核心 2024年第10期3032-3038,共7页
宽度学习系统(BLS)具有出色的计算效率和预测准确性;然而,在传统BLS框架中,权值矩阵采用随机生成的方式,存在学习结果不稳定的风险。因此,设计一种BLS中鲁棒性权值矩阵组合的筛选方法(RWS-BLS)。首先,通过4组函数数据的验证,揭示随机权... 宽度学习系统(BLS)具有出色的计算效率和预测准确性;然而,在传统BLS框架中,权值矩阵采用随机生成的方式,存在学习结果不稳定的风险。因此,设计一种BLS中鲁棒性权值矩阵组合的筛选方法(RWS-BLS)。首先,通过4组函数数据的验证,揭示随机权值矩阵在样本整体训练误差上的显著差异性;其次,研究权值矩阵组合的形式,放宽筛选条件的严格最优限制,将最优转换为较优,并将误差最小值限定在指定范围内,定义精英组合等条件;最后,得到可靠的权值矩阵的组合,有效降低随机性影响,并建立稳健的模型。实验结果表明,在16组模拟数据、NORB数据集和5组UCI回归数据集上,在数据更换或受噪声扰动的情况下,与BLS方法相比,所提方法的均方误差(MSE)下降了7.32%、8.73%和1.63%。RWS-BLS为BLS提供了一种模型平稳性研究的方向,提高了含有随机参数模型的效率和稳定性,并对涉及随机参数的其他机器学习方法具有借鉴作用。 展开更多
关键词 宽度学习系统 权值矩阵组合 特征节点 增强节点 鲁棒性分析
在线阅读 下载PDF
一种基于宽度学习系统变体结构的肺炎检测方法 被引量：1
12
作者 黎珂源 张清华 +1 位作者 靳朋仁 谢秦 《西北大学学报（自然科学版）》 CAS CSCD 北大核心 2024年第4期665-676,共12页
肺炎作为常见的呼吸系统疾病,准确、快速地诊断对患者的健康恢复至关重要。随着医疗技术的革新和人工智能的发展,计算机辅助诊断在医学领域的应用日益广泛。深度学习在肺炎检测领域取得了显著的成果,但其庞大的参数数量和复杂的网络结... 肺炎作为常见的呼吸系统疾病,准确、快速地诊断对患者的健康恢复至关重要。随着医疗技术的革新和人工智能的发展,计算机辅助诊断在医学领域的应用日益广泛。深度学习在肺炎检测领域取得了显著的成果,但其庞大的参数数量和复杂的网络结构导致训练时间长、计算资源消耗大等局限性。为了解决上述问题,提出了一种基于宽度学习系统变体结构的肺炎检测方法。该方法在原始宽度学习系统的基础上,引入了级联金字塔结构;同时,利用预训练的EfficientNet网络作为前置特征提取器;此外,还提出了适用于该模型的增量学习算法,包括增加额外的增强节点、特征节点和训练样本,以进一步优化模型性能;最后,在公开的肺炎胸部X射线数据集上进行了对比实验。实验结果表明,该方法实现了92.83%的准确率,AUC值高达98.86%,与众多深度卷积神经网络相比,具有相似的精度,同时大幅缩短了模型的训练时间。 展开更多
关键词 肺炎检测 宽度学习系统 级联金字塔 增量学习
在线阅读 下载PDF
基于主成分分析和宽度学习系统的土壤铅镉重金属元素定量分析 被引量：4
13
作者 吕树彬 杨婉琪 李福生 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2024年第7期1852-1857,共6页
在土壤重金属元素定量分析研究中,X射线荧光分析(XRF)是一种有效的无损分析技术。由于受到矩阵效应以及元素干扰的影响,已有的机器学习方法在利用土壤XRF光谱预测铅(Pb)元素、镉(Cd)元素浓度时存在性能不足和不稳定的问题。该工作提出... 在土壤重金属元素定量分析研究中,X射线荧光分析(XRF)是一种有效的无损分析技术。由于受到矩阵效应以及元素干扰的影响,已有的机器学习方法在利用土壤XRF光谱预测铅(Pb)元素、镉(Cd)元素浓度时存在性能不足和不稳定的问题。该工作提出了基于主成分分析(PCA)结合宽度学习系统(BLS)的XRF土壤重金属元素定量分析方法(PCA-BLS),用于精确、高效、稳定测定土壤中Pb元素和Cd元素的浓度。使用PCA对56个标准土壤数据进行特征降维,并选取Pb和Cd的前3个主成分作为特征。将最优主成分特征输入宽度学习系统进行校正和测试,并使用网格搜索算法确定最佳网络结构。其中Pb元素和Cd元素对应的BLS的三个最优参数值分别为2,11,11和3,19,15。使用支持向量回归(SVR)、BP神经网络和原始BLS三种模型与PCA-BLS方法进行对比。PCA-BLS在测定Pb对应的决定系数R^(2)、均方根误差RMSE和平均绝对百分比误差MAPE三个指标上取得了0.954、1.433、1.014的结果,在定量Cd实验中取得R^(2)为0.982、RMSE为1.215和MAPE为1.059的精度。网格搜索可视化表明PCA-BLS在预测两种重金属元素时具有稳定的性能。实验结果表明,PCA-BLS可以有效校正土壤XRF光谱中的矩阵效应和干扰,在准确预测Pb和Cd元素浓度的同时保持模型稳定性,是一种具有潜力的XRF光谱定量分析方法。 展开更多
关键词 土壤重金属 XRF定量分析 宽度学习系统 主成分分析
在线阅读 下载PDF
基于鲁棒稀疏宽度学习系统的短期风电功率预测 被引量：2
14
作者 康逸群 刘厦 雷兢 《太阳能学报》 EI CAS CSCD 北大核心 2024年第5期32-43,共12页
为改善预测质量,提出一种基于鲁棒稀疏宽度学习系统(RSBLS)的预测方法。基于正则法将模型训练转化为一个difference-of-convex functions优化问题,利用L1范数作为数据忠诚项以提高估计的鲁棒性,将L1-2范数集成到目标函数中确保输出权的... 为改善预测质量,提出一种基于鲁棒稀疏宽度学习系统(RSBLS)的预测方法。基于正则法将模型训练转化为一个difference-of-convex functions优化问题,利用L1范数作为数据忠诚项以提高估计的鲁棒性,将L1-2范数集成到目标函数中确保输出权的稀疏性以提升模型性能,并提出一种融合half-quadratic splitting算法优势的数值方法有效求解该训练模型。基于绝对误差、相对误差、平均绝对误差、均方根误差、平均绝对百分误差、算法稳定性、预测误差改进百分比、灰色关联分析和DM检验等准则进行实验分析,结果表明新算法的预测质量优于流行的预测算法,并具有较好的鲁棒性,为风功率预测提出一种可行的新方法。 展开更多
关键词 风功率预测 宽度学习系统 正则化 稀疏性优化
在线阅读 下载PDF
基于动态稀疏训练的宽度学习系统研究
15
作者 李海港 孙娟 +3 位作者 曹义湾 褚菲 余淼 张勇 《实验技术与管理》 CAS 北大核心 2024年第12期53-60,共8页
针对宽度学习系统稀疏过程忽视不同权重重要性的变化,易出现误剪枝的问题,该文提出了基于动态稀疏训练的宽度学习系统。在标准宽度学习系统的目标函数中引入正则化项约束输出权重阈值,通过对输出权重和输出权重阈值的联合训练寻找出最... 针对宽度学习系统稀疏过程忽视不同权重重要性的变化,易出现误剪枝的问题,该文提出了基于动态稀疏训练的宽度学习系统。在标准宽度学习系统的目标函数中引入正则化项约束输出权重阈值,通过对输出权重和输出权重阈值的联合训练寻找出最优网络参数和稀疏网络结构。针对每一个输出权重引入输出权重阈值,根据输出权重重要性的改变,生成控制模型结构的输出权重掩码。通过动态训练,寻找网络结构和网络精度之间最优的平衡,提升模型整体性能。为了验证所提方法的有效性,在UCI公共数据集上选择多个数据集进行仿真实验。实验结果表明所提方法可以在不降低模型性能的同时,利用动态稀疏的方式稀疏模型。 展开更多
关键词 宽度学习系统 增量学习 动态稀疏 权重阈值
在线阅读 下载PDF
基于lasso和elastic net的宽度学习系统网络结构稀疏方法 被引量：11
16
作者 褚菲 苏嘉铭 +3 位作者 梁涛 陈俊龙 王雪松 马小平 《控制理论与应用》 EI CAS CSCD 北大核心 2020年第12期2543-2550,共8页
本文提出了一种基于lasso和elastic net的宽度学习系统(BLS)网络结构稀疏方法,将标准BLS目标函数中的L2范数分别替换为lasso和elastic net,利用这两种正则化技术来约束网络输出权重,衡量每个网络节点输出权重对预测的影响程度,将多余的... 本文提出了一种基于lasso和elastic net的宽度学习系统(BLS)网络结构稀疏方法,将标准BLS目标函数中的L2范数分别替换为lasso和elastic net,利用这两种正则化技术来约束网络输出权重,衡量每个网络节点输出权重对预测的影响程度,将多余的节点进行剔除,提高了网络结构的稀疏性.通过对一些回归数据集进行实验,可以看到本文提出的方法在不损失预测精度的前提下,同时简化了网络结构. 展开更多
关键词 宽度学习系统 网络结构 lasso elastic net
在线阅读 下载PDF
基于宽度学习系统的光伏发电功率超短期预测 被引量：37
17
作者 周楠 徐潇源 +2 位作者 严正 陆建宇 李亚平 《电力系统自动化》 EI CSCD 北大核心 2021年第1期55-64,共10页
近年来,深度学习被应用于光伏发电预测中,体现出预测精度较高的优点,但也存在训练耗时等问题。对此,提出了一种基于自组织映射与宽度学习系统的光伏发电功率超短期预测模型。首先,采用自组织映射对各时刻的光伏数据进行精细化聚类,提取... 近年来,深度学习被应用于光伏发电预测中,体现出预测精度较高的优点,但也存在训练耗时等问题。对此,提出了一种基于自组织映射与宽度学习系统的光伏发电功率超短期预测模型。首先,采用自组织映射对各时刻的光伏数据进行精细化聚类,提取不同时段与气象条件下的出力波动特征;然后,构建基于宽度学习系统的光伏发电功率多步长预测模型,在网络宽度上扩展节点数目,并通过求解矩阵伪逆训练神经网络,在保证较强高维数据拟合能力的同时,具有较高的计算效率;最后,采用实际光伏发电数据进行算例分析,通过与常用的光伏发电超短期预测方法进行比较,验证所提出的方法在预测精度与训练效率上的优越性。 展开更多
关键词 光伏发电功率预测 自组织映射 宽度学习系统 多步长预测
在线阅读 下载PDF
基于自编码器和超图的半监督宽度学习系统 被引量：2
18
作者 王雪松 张翰林 程玉虎 《电子学报》 EI CAS CSCD 北大核心 2022年第3期533-539,共7页
常规宽度学习系统(Broad Learning System,BLS)通常采用的线性稀疏特征提取方法难以对数据的复杂非线性特征进行有效表征.此外,当标记样本量较少时,BLS的泛化性能难以得到保证.为此,提出一种基于自编码器和超图的半监督宽度学习系统(Aut... 常规宽度学习系统(Broad Learning System,BLS)通常采用的线性稀疏特征提取方法难以对数据的复杂非线性特征进行有效表征.此外,当标记样本量较少时,BLS的泛化性能难以得到保证.为此,提出一种基于自编码器和超图的半监督宽度学习系统(Autoencoder and Hypergraph-based Semi-supervised BLS,AH-SBLS).主要步骤为:首先,使用包括标记样本和无标记样本在内的全部样本训练自编码器,利用训练好的自编码器自动提取数据的复杂非线性特征;其次,将自编码器特征层中的特征作为AH-SBLS的特征节点并对其进行宽度拓展;然后,构造半监督超图以挖掘标记样本和无标记样本间的高阶流形关系,并将超图正则项引入宽度学习系统的目标函数中;最后,利用岭回归对目标函数进行求解,实现对无标记样本的类别预测.在图像分类实验上的结果表明,AH-SBLS能够实现半监督分类且获得较高的分类精度. 展开更多
关键词 半监督 宽度学习系统 自编码器 超图 图像分类
在线阅读 下载PDF
基于压缩因子的宽度学习系统的虚拟机性能预测 被引量：2
19
作者 邹伟东 夏元清 《自动化学报》 EI CAS CSCD 北大核心 2022年第3期724-734,共11页
在基于基础设施即服务的云服务模式下,精准的虚拟机性能预测,对于用户在众多资源提供商之间进行虚拟机租用策略的制定具有十分重要的意义.针对基于宽度学习系统(Broad learning system,BLS)的预测模型存在许多降低虚拟机性能预测准确性... 在基于基础设施即服务的云服务模式下,精准的虚拟机性能预测,对于用户在众多资源提供商之间进行虚拟机租用策略的制定具有十分重要的意义.针对基于宽度学习系统(Broad learning system,BLS)的预测模型存在许多降低虚拟机性能预测准确性和效率的冗余节点,通过引入压缩因子,构建基于压缩因子的宽度学习系统,使预测结果更逼近输出样本,能够减少BLS的冗余特征节点与增强节点,从而加快BLS的网络收敛速度,提高BLS的泛化性能. 展开更多
关键词 虚拟机性能预测 宽度学习系统 压缩因子 网络收敛速度 泛化性能
在线阅读 下载PDF
基于AdaBoost集成加权宽度学习系统的不平衡数据分类 被引量：11
20
作者 王萌铎 续欣莹 +2 位作者 阎高伟 史丽娟 郭磊 《计算机工程》 CAS CSCD 北大核心 2022年第4期99-105,112,共8页
宽度学习系统(BLS)是一种浅层的神经网络结构,具有快速训练、增量学习等特征,在处理类别不平衡数据时提取到的少数类别特征较少,导致识别结果不理想。提出一种基于AdaBoost集成加权宽度学习系统(AdaBoost-WBLS)的不平衡数据分类方法,通... 宽度学习系统(BLS)是一种浅层的神经网络结构,具有快速训练、增量学习等特征,在处理类别不平衡数据时提取到的少数类别特征较少,导致识别结果不理想。提出一种基于AdaBoost集成加权宽度学习系统(AdaBoost-WBLS)的不平衡数据分类方法,通过迭代实现权重的动态更新,获得更符合数据特征的权重,提升集成模型对少数类的识别能力。基于KKT条件,对加权宽度学习系统的加权优化过程进行推导,验证了对角权重对BLS模型误差的抑制作用。在AdaBoost-WBLS模型集成初始化时,采用基于类别信息的初始化权值策略,使模型具有更高的集成训练效率。在集成权重更新时,不同数据类别采用不同的正则化更新方式,保留数据的类内特征并增加类间区分度。在实验过程中,对AdaBoost-WBLS模型的不同参数进行寻优,得到相关参数在有限范围内的最优取值。实验结果表明,AdaBoost-WBLS模型相比AdaBoost和BLS类相关模型能有效改善少数类别特征的提取能力,并且在Satimage数据集上相比加权过采样的深度自编码器模型的G-mean高出4.36个百分点,明显提升了不平衡数据的识别能力。 展开更多
关键词 宽度学习系统 AdaBoost模型 不平衡数据 加权宽度学习系统 集成学习
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 2 … 4 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