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1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：
小样本分散数据的回归建模和多目标优化 被引量：5
1
作者 姚煜 胡涛 +1 位作者 付建勋 胡顺波 《上海大学学报（自然科学版）》 CAS CSCD 北大核心 2022年第3期451-462,共12页
小样本分散数据上的回归对建模有一定挑战,利用高斯过程对其回归进行建模,即采用极大似然估计进行核函数的超参数学习,通过后验来计算回归结果并预测出目标函数的均值和方差.在此基础上结合方差的多目标优化,在进行材料逆向设计的同时... 小样本分散数据上的回归对建模有一定挑战,利用高斯过程对其回归进行建模,即采用极大似然估计进行核函数的超参数学习,通过后验来计算回归结果并预测出目标函数的均值和方差.在此基础上结合方差的多目标优化,在进行材料逆向设计的同时能对设计结果的不确定性进行估计.对1215MS非调质钢和三点弯混凝土数据集进行了实验验证.实验结果表明,对于三点弯混凝土平均有50%实验数据落在预测的95%置信区间内,高斯过程回归(Gaussian process regression,GPR)模型可以较好地度量分散小样本数据的不确定性,进行合理预测.对于1215MS非调质钢数据集,在高斯过程回归模型的基础上,运用带精英策略的非支配遗传算法(elitist non-dominated sorting genetic algorithm,NSGA-Ⅱ)进行多目标优化,将材料的力学性能以及所对应的方差作为优化目标,在考虑最优力学性能的同时兼顾不确定因素对实验结果的影响,得到最优帕累托解集,以此作为下次实验的候选点,辅助材料设计和制备优化. 展开更多
关键词 小样本分散数据 高斯过程回归 多目标优化 NSGA-Ⅱ
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