机器学习在气敏传感器领域的应用及展望

1

作者 夏安逸 张昊哲 +1 位作者 梅润嘉 杨贵钦 《半导体技术》 北大核心 2025年第8期773-788,共16页

随着气敏传感器在环境监测和工业安全等领域的广泛应用,其性能优化需求愈发迫切。传统传感器设计方法效率低、成本高,机器学习(ML)凭借其强大的建模与识别能力为气敏传感器性能提升提供了新的思路。综述了ML在气敏传感器中的应用进展:... 随着气敏传感器在环境监测和工业安全等领域的广泛应用,其性能优化需求愈发迫切。传统传感器设计方法效率低、成本高,机器学习(ML)凭借其强大的建模与识别能力为气敏传感器性能提升提供了新的思路。综述了ML在气敏传感器中的应用进展:在性能预测方面,通过集成与深度学习模型,构建材料特性与传感器响应之间的关系,实现高精度预测(拟合优度R2>0.99);在气体分类方面,结合温度调制、多模态融合与支持向量机(SVM)等方法,实现了多气体的高分类准确率(>98%)识别;在传感器校准方面,迁移学习与变分贝叶斯方法有效解决了传感器漂移与数据缺失问题。目前,该领域面临数据稀缺、可解释性差和多因素建模等挑战。未来研究应聚焦构建智能传感网络、推进多模态分析与新型算法应用,推动气敏传感器向高精度、智能化发展。 展开更多

关键词 机器学习(ml) 气敏传感器 气体分类与识别 传感器校准 智能传感网络 多模态学习

在线阅读 下载PDF 职称材料

面向气体光谱检测的机器学习技术研究进展

2

作者 张莹 张驰 +1 位作者 石剑波 刘思思 《光谱学与光谱分析》 北大核心 2025年第11期3001-3010,共10页

近年来,人工智能技术在光谱检测领域受到广泛关注,带来了数据驱动的科研新范式。机器学习擅长从高维、异构的光谱数据中探索关联性,提高检测效率和准确度,可以有效解决混合气体光谱检测难题。介绍了机器学习的基本原理、常见算法、光谱... 近年来,人工智能技术在光谱检测领域受到广泛关注,带来了数据驱动的科研新范式。机器学习擅长从高维、异构的光谱数据中探索关联性,提高检测效率和准确度,可以有效解决混合气体光谱检测难题。介绍了机器学习的基本原理、常见算法、光谱数据建模的一般流程,简要梳理了基于光谱学的各种气体检测技术及其典型应用,并对机器学习在混合气体光谱检测技术的最新研究进展(2020年至今)进行了全面综述。目前,面向气体光谱检测的机器学习技术在工业过程控制、癌症早期诊断、环境监测、地球观测系统等领域表现出巨大的潜力。进一步,重点探索了机器学习在混合气体定性识别、定量分析以及高光谱成像中的具体应用,最后讨论了基于机器学习的气体光谱检测技术在实际应用中面临的挑战与前景。本文可为气体光谱检测及传感领域的相关研究者提供新思路和建议,推动和扩展机器学习在该领域的应用。 展开更多

关键词 机器学习(ml) 光谱 深度学习(DL) 卷积神经网络(C NN) 传感器 挥发性有机物(VOCs) 高光谱成像(HSI)

在线阅读 下载PDF 职称材料

超材料吸波体的深度学习预测模型研究 被引量：1

3

作者 马靖男 王蒙军 +1 位作者 郑宏兴 李尔平 《电波科学学报》 北大核心 2025年第3期494-502,共9页

提出了一种基于深度神经网络(deep neural network,DNN)的预测方法,通过学习数据到数据的映射关系,构建了一个复杂的拟合函数反映结构参数与电磁响应中潜在的物理规律,经过训练后的神经网络可以用输入参数快速预测超材料吸波体(metamate... 提出了一种基于深度神经网络(deep neural network,DNN)的预测方法,通过学习数据到数据的映射关系,构建了一个复杂的拟合函数反映结构参数与电磁响应中潜在的物理规律,经过训练后的神经网络可以用输入参数快速预测超材料吸波体(metamaterial absorber,MMA)单元结构在工作频率的最大吸收率。深入讨论了DNN模型中关键参数的影响,以获得最小预测误差。该网络模型训练完成后,预测时间为毫秒量级,可以有效节省存储空间,平均相对误差仅3.66%。通过对4组参数的MMA单元结构进行对照实验,能够快速、准确地获取预测值,结果与全波仿真结果一致,验证了该预测方法的有效性和可行性。与基线模型预测方案进行对比发现,所提出的预测方案能够实现低误差预测,还具有低训练成本的特性。 展开更多

关键词 深度神经网络(DNN) 电磁干扰(EMI) 超材料吸波体(MMA) 机器学习(ml) 吸收率预测

在线阅读 下载PDF 职称材料

基于多种植被指数时间序列与机器学习的作物遥感分类研究 被引量：11

4

作者 苏腾飞 刘全明 苏秀川 《江苏农业科学》 北大核心 2017年第16期219-224,共6页

开展了基于多种植被指数(vegetation index,VI)时间序列和机器学习(machine learning,ML)算法的作物遥感分类研究。从Landsat-8 OLI与EO-1 ALI影像中提取了内蒙古五原县的时间序列数据。2颗卫星的参数类似,且它们联合提供了更多无云覆... 开展了基于多种植被指数(vegetation index,VI)时间序列和机器学习(machine learning,ML)算法的作物遥感分类研究。从Landsat-8 OLI与EO-1 ALI影像中提取了内蒙古五原县的时间序列数据。2颗卫星的参数类似,且它们联合提供了更多无云覆盖的数据。7种常用的VI从时间序列遥感数据中提取出来,以用作ML算法的输入。对比分析了SVM、RF、DT 3种ML算法对玉米、向日葵和小麦的区分效果。共选取了2 584个样本,其中1 556个样本用于算法训练。得到了127种VI组合作为输入时3种算法的分类精度。结果表明,SVM的分类效果优于另外2种算法;VI数目并非越多越好,综合考虑算法的精度和稳定性,3种VI可以取得最佳的效果;SVM+NDI5+NDVI+TVI是平均分类精度最高的组合,平均精度为91.97%。 展开更多

关键词 时间序列 植被指数(VI) 机器学习(ml) 作物分类 遥感

在线阅读 下载PDF 职称材料

低面积低功耗的机器学习运算单元设计 被引量：2

5

作者 周聖元 杜子东 +2 位作者 刘道福 支天 陈云霁 《高技术通讯》 EI CAS 北大核心 2019年第1期12-18,共7页

随着机器学习(ML)算法的日益流行,研究人员提出了很多专用于机器学习算法的加速器。然而,这些加速器会被其特定用途的狭窄范围所限制。另外,尽管芯片制造工艺有所提高,但是待处理问题规模的急剧增大依然加剧了这些机器学习加速器的低效... 随着机器学习(ML)算法的日益流行,研究人员提出了很多专用于机器学习算法的加速器。然而,这些加速器会被其特定用途的狭窄范围所限制。另外,尽管芯片制造工艺有所提高,但是待处理问题规模的急剧增大依然加剧了这些机器学习加速器的低效程度。针对这种现象,本文研究了4种流行的机器学习算法——k-近邻算法(k-NN),k-均值算法(k-Means),支持向量机(SVM)和逻辑回归(LR),并对这些算法中最为耗时的运算部分进行了深入分析,此外,还针对数据位宽对运算精度、硬件开销的影响进行了分析。根据以上分析,本文设计了一款可以支持多种机器学习算法的运算单元,该运算单元混合使用16位浮点数和32位浮点数的运算器,实现了低面积、低功耗的需求。实验结果表明,本文提出的运算单元可以在几乎不损失正确率的情况下,减少69. 80%的总面积开销以及68. 98%的总功耗开销。 展开更多

关键词 机器学习(ml) 运算单元 加速器 低面积 低功耗

在线阅读 下载PDF 职称材料

机器学习解构区域金融风险防控研究进展 被引量：4

6

作者 张立华 张顺顺 《计算机科学与探索》 CSCD 北大核心 2022年第9期1969-1989,共21页

区域金融风险防控(RFRP)无论在管理区域传统金融风险(TFR)还是坚守不发生区域金融系统风险(FSR)中都是不可或缺的。随着大数据规模的持续增长,金融风险形态变化的不确定性,传统计量方法模拟金融风险防控的效率、精度、应用等方面都面临... 区域金融风险防控(RFRP)无论在管理区域传统金融风险(TFR)还是坚守不发生区域金融系统风险(FSR)中都是不可或缺的。随着大数据规模的持续增长,金融风险形态变化的不确定性,传统计量方法模拟金融风险防控的效率、精度、应用等方面都面临着无法克服的困境。当下,越来越多的机器学习(ML)模拟RFRP防控的新方法和新技术受到研究者的重视。首先提出了RFRP防控新的科学分类和ML观念基础;其次总结了区域TFR防控的ML理论方法和应用技术,对各类代表性研究所论述区域TFR防控的关键逻辑、模型算法、学习效果进行了比对解析,对ML不同方法的优点、局限和传统场景进行了归类分析;然后梳理了区域FSR防控的ML理论方法和应用研究,对各类典型文献所解析区域FSR防控的关键脉络、ML算法、学习效果进行了对比研究,对ML不同模型的优势、缺陷和金融风险场景进行了阐述研究;最后提出了六个ML模拟RFRP防控的前景技术和新兴方向。 展开更多

关键词 机器学习(ml) 区域金融风险防控(RFRP) 传统金融风险(TFR) 金融系统风险(FSR)

在线阅读 下载PDF 职称材料

基于DBSCAN-ML的液压风力发电机故障诊断研究 被引量：3

7

作者 宾世杨 李利强 +1 位作者 程乐 陈浩武 《机床与液压》 北大核心 2024年第14期227-235,共9页

传统风力发电机对于系统故障的解决方案是有限和预先确定的,而具有大量传感器数据的故障预测诊断可以有效预防可能发生的系统故障,从而降低设备维护成本。为此,提出一种基于DBSCAN-ML的风力发电机故障诊断策略。基于密度的应用噪声算法... 传统风力发电机对于系统故障的解决方案是有限和预先确定的,而具有大量传感器数据的故障预测诊断可以有效预防可能发生的系统故障,从而降低设备维护成本。为此,提出一种基于DBSCAN-ML的风力发电机故障诊断策略。基于密度的应用噪声算法空间聚类(DBSCAN)从正常状态数据中分类出异常状态的风力机数据,然后采用决策树和随机森林算法2种机器学习(ML)算法构建预测模型,最后使用K折交叉验证进行测试。通过广西31台风力发电机组数据对此故障诊断方案进行案例验证。结果表明:DBSCAN算法可以有效分离异常状态数据,且决策树预测模型和随机森林模型可以分别获得92.7%和92.1%的准确率,通过数据挖掘和建模可以检测风力发电机组的故障,并可以预测部件的维护需求。 展开更多

关键词 风力发电机 基于密度的应用噪声算法空间聚类(DBSCAN) 机器学习(ml) 决策树 随机森林 K折交叉验证 故障诊断

在线阅读 下载PDF 职称材料

Cloudless-Training:基于serverless的高效跨地域分布式ML训练框架

8

作者 谭文婷 吕存驰 +1 位作者 史骁 赵晓芳 《高技术通讯》 CAS 北大核心 2024年第3期219-232,共14页

跨地域分布式机器学习(ML)训练能够联合多区域的云资源协作训练,可满足许多新兴ML场景(比如大型模型训练、联邦学习)的训练需求。但其训练效率仍受2方面挑战的制约。首先,多区域云资源缺乏有效的弹性调度,这会影响训练的资源利用率和性... 跨地域分布式机器学习(ML)训练能够联合多区域的云资源协作训练,可满足许多新兴ML场景(比如大型模型训练、联邦学习)的训练需求。但其训练效率仍受2方面挑战的制约。首先,多区域云资源缺乏有效的弹性调度,这会影响训练的资源利用率和性能;其次,模型跨地域同步需要在广域网(WAN)上高频通信,受WAN的低带宽和高波动的影响,会产生巨大通信开销。本文提出Cloudless-Training,从3个方面实现高效的跨地域分布式ML训练。首先,它基于serverless计算模式实现,使用控制层和训练执行层的2层架构,支持多云区域的弹性调度和通信。其次,它提供一种弹性调度策略,根据可用云资源的异构性和训练数据集的分布自适应地部署训练工作流。最后,它提供了2种高效的跨云同步策略,包括基于梯度累积的异步随机梯度下降(ASGD-GA)和跨云参数服务器(PS)间的模型平均(MA)。Cloudless-Training是基于OpenFaaS实现的,并被部署在腾讯云上评估,实验结果表明Cloudless-Training可显著地提高跨地域分布式ML训练的资源利用率(训练成本降低了9.2%~24.0%)和同步效率(训练速度最多比基线快1.7倍),并能保证模型的收敛精度。 展开更多

关键词 跨地域分布式机器学习(ml)训练 跨云ml训练 分布式训练框架 serverless 跨云模型同步

在线阅读 下载PDF 职称材料

既有民用建筑安全鉴定辅助决策模型及应用

9

作者 戴梦璠 李灵芝 +3 位作者 钱宇昕 袁竞峰 韩晓健 赵昌皓 《中国安全科学学报》 北大核心 2025年第9期193-201,共9页

为提升建筑安全体检工作效率,基于机器学习(ML)算法,构建既有民用建筑安全鉴定辅助决策模型。首先,从房屋鉴定报告中收集建筑结构安全特征数据;其次,采用相关性分析和交叉验证递归特征消除法构建包含“设计-演变-状态”多维特征的建筑... 为提升建筑安全体检工作效率,基于机器学习(ML)算法,构建既有民用建筑安全鉴定辅助决策模型。首先,从房屋鉴定报告中收集建筑结构安全特征数据;其次,采用相关性分析和交叉验证递归特征消除法构建包含“设计-演变-状态”多维特征的建筑安全鉴定辅助决策指标体系;再次,构建5种ML模型,根据准确率、精确率、召回率等指标测试模型性能;最后,开发既有民用建筑安全鉴定辅助决策平台,以实际工程验证其可操作性。结果表明:相较于设计特征,演变和状态特征更能反映民用建筑的实际安全状况,其中,建筑年龄、有无改扩建和混凝土梁承载能力是关键特征;决策树在围护系统、上部承重结构、地基基础及鉴定单元安全性评估中表现最佳。 展开更多

关键词 机器学习(ml) 既有民用建筑 安全鉴定 辅助决策模型 指标体系

在线阅读 下载PDF 职称材料

海床风电桩偏转分布式监测与智能预测研究

10

作者 潘文栋 施斌 +2 位作者 孟志浩 韩贺鸣 魏广庆 《高校地质学报》 北大核心 2025年第3期312-323,共12页

海床风电桩通常安装在工程性质较差的近海软土地层中,在外部复杂荷载的作用下容易发生较大偏转甚至失稳,影响整个风电系统的正常运转。在现有的风电桩稳定性研究中,对偏转的监测和预测是最经济有效的方法之一。鉴于传统监测方法的不足... 海床风电桩通常安装在工程性质较差的近海软土地层中,在外部复杂荷载的作用下容易发生较大偏转甚至失稳,影响整个风电系统的正常运转。在现有的风电桩稳定性研究中,对偏转的监测和预测是最经济有效的方法之一。鉴于传统监测方法的不足以及风电桩偏转变化的非线性,该文提出了一种基于超弱光纤光栅(UWFBG)和机器学习(ML)的海床风电桩偏转监测和预测新方法,并将其应用于山东半岛的一个海床风电桩案例研究中。利用UWFBG成功获得沿风电桩的连续应变数据,计算出风电桩的最大偏转角0.35°;分析了风速、风向和潮汐等荷载影响因素与桩顶转角之间关系,发现在盛行风向下,桩顶转角与风速呈正相关,与潮汐振幅呈负相关;在此基础上建立了EEMD-PSO-SVR预测模型并成功对风电桩偏转进行了预测,与实测值相比,预测结果均方根误差和平均绝对误差分别为分别为0.0438°和0.0358°,验证了所提出预测模型的准确性。 展开更多

关键词 海上风电桩 超弱光纤光栅(UWFBG) 偏转监测 机器学习(ml) EEMD-PSO-SVR

在线阅读 下载PDF 职称材料

基于黑麂分布模型优化的钱江源园区管控分区合理性评估

11

作者 李知晓 吴承照 《生态学报》 北大核心 2025年第16期7753-7768,共16页

黑麂(Muntiacus crinifrons)为国家一级保护野生动物,是钱江源⁃百山祖国家公园候选区钱江源园区(简称钱江源园区)的旗舰物种,科学的管控分区对黑麂种群和栖息地的保护具有重要的意义。为了科学评价黑麂栖息地的适宜性,支撑其种群保护与... 黑麂(Muntiacus crinifrons)为国家一级保护野生动物,是钱江源⁃百山祖国家公园候选区钱江源园区(简称钱江源园区)的旗舰物种,科学的管控分区对黑麂种群和栖息地的保护具有重要的意义。为了科学评价黑麂栖息地的适宜性,支撑其种群保护与栖息地恢复,引入堆叠泛化集成算法(Stacked generalization-based ensemble algorithm,Stacking)来优化物种分布模型(Species distribution model,SDM);采用特征重要性分析、夏普雷加性解释(SHapley Additive exPlanations,SHAP)和部分依赖图(Partial dependence plots,PDPs)等可解释人工智能(Explainable artificial intelligence,XAI)方法,来揭示影响黑麂栖息地适宜性的主要因素及其影响机制,提升SDM的透明度;将预测结果与钱江源园区的管控分区、道路和村镇居民点分布叠加分析,从而识别人与黑麂的潜在空间冲突,以评估管控分区在黑麂保护中的合理性。结果显示,钱江源园区的黑麂适宜栖息地集中在南部和西部,约39.49 km^(2),占总面积的15.67%,其中81.29%位于核心保护区,表明管控分区基本合理。核心保护区中适宜栖息地净损失约1.77 km^(2),占适宜栖息地净损失总面积的57.1%。人与黑麂冲突集中在北部的核心保护区,表明就地保护、植被修复或原住民搬迁难以满足保护需求,管控措施亟待优化。降水、温度、海拔和人为干扰是影响黑麂栖息地适宜性的主要因素,在降水量偏高、海拔偏高、气温凉爽、低人为干扰的区域,栖息地的适宜性较高。建议通过加强物种监测与栖息地适宜性评估、实施适应性分区框架、设立缓冲区、构建生态廊道、制定气候变化预警方案等措施,来加强黑麂栖息地的整体保护,推动钱江源园区管理精细化转型。研究可为钱江源园区的黑麂保护和空间治理提供科学依据。 展开更多

关键词 国家公园规划与管理 物种分布模型(SDM) 机器学习(ml) 堆叠泛化集成算法(Stacking) 可解释人工智能(XAI)

在线阅读 下载PDF 职称材料

人工智能辅助空天新材料设计研究进展

12

作者 孙升 陈祎远 尚卿 《航空制造技术》 北大核心 2025年第18期26-44,共19页

极端的工作服役环境,是新一代航空航天材料面临的巨大挑战。传统的材料设计方法面临效率低、成本高、研发周期长等挑战,已严重制约航空航天材料的发展。空天新材料的研发亟需创新且高效精准的材料研发范式。人工智能(Artificial intelli... 极端的工作服役环境,是新一代航空航天材料面临的巨大挑战。传统的材料设计方法面临效率低、成本高、研发周期长等挑战,已严重制约航空航天材料的发展。空天新材料的研发亟需创新且高效精准的材料研发范式。人工智能(Artificial intelligence,AI)技术,尤其是机器学习和深度学习的迅猛进步,为航空航天材料研发提供了强有力的工具,可显著提升新材料设计效率和性能预测的准确性。本文系统综述了AI在航空航天材料领域的研究进展,首先介绍了AI辅助的多尺度计算模拟与智能化试验,接着系统性地介绍了代理模型加速的材料优化设计方法和以大模型为核心的新型材料设计流程,并详细探讨了AI技术在合金材料、复合材料及超材料研发中的具体应用案例。最后,总结了AI辅助航空航天材料设计的优势与挑战,并对未来研究方向进行展望。 展开更多

关键词 航空航天材料 人工智能(AI) 材料基因组 代理模型 优化设计 机器学习(ml)

在线阅读 下载PDF 职称材料

强化学习可解释性基础问题探索和方法综述 被引量：21

13

作者 刘潇 刘书洋 +1 位作者 庄韫恺 高阳 《软件学报》 EI CSCD 北大核心 2023年第5期2300-2316,共17页

强化学习是一种从试错过程中发现最优行为策略的技术,已经成为解决环境交互问题的通用方法.然而,作为一类机器学习算法,强化学习也面临着机器学习领域的公共难题,即难以被人理解.缺乏可解释性限制了强化学习在安全敏感领域中的应用,如... 强化学习是一种从试错过程中发现最优行为策略的技术,已经成为解决环境交互问题的通用方法.然而,作为一类机器学习算法,强化学习也面临着机器学习领域的公共难题,即难以被人理解.缺乏可解释性限制了强化学习在安全敏感领域中的应用,如医疗、驾驶等,并导致强化学习在环境仿真、任务泛化等问题中缺乏普遍适用的解决方案.为了克服强化学习的这一弱点,涌现了大量强化学习可解释性(explainable reinforcement learning,XRL)的研究.然而,学术界对XRL尚缺乏一致认识.因此,探索XRL的基础性问题,并对现有工作进行综述.具体而言,首先探讨父问题——人工智能可解释性,对人工智能可解释性的已有定义进行了汇总;其次,构建一套可解释性领域的理论体系,从而描述XRL与人工智能可解释性的共同问题,包括界定智能算法和机械算法、定义解释的含义、讨论影响可解释性的因素、划分解释的直观性;然后,根据强化学习本身的特征,定义XRL的3个独有问题,即环境解释、任务解释、策略解释;之后,对现有方法进行系统地归类,并对XRL的最新进展进行综述;最后,展望XRL领域的潜在研究方向. 展开更多

关键词 强化学习可解释性(XRL) 人工智能可解释性(XAI) 机器学习(ml) 人工智能(AI)

在线阅读 下载PDF 职称材料

基于数据包头序列的物联网恶意流量检测 被引量：2

14

作者 卫重波 谢高岗 +1 位作者 刁祖龙 张广兴 《高技术通讯》 CAS 北大核心 2024年第8期798-806,共9页

现有的基于机器学习(ML)的恶意流量检测方法,通常以高维的流量特征作为输入,并采用复杂模型,在实践中产生高误报率且资源占用较高。更重要的是,加密协议的广泛使用,使得数据包有效载荷特征很难被访问。幸运的是,物联网(IoT)设备的网络... 现有的基于机器学习(ML)的恶意流量检测方法,通常以高维的流量特征作为输入,并采用复杂模型,在实践中产生高误报率且资源占用较高。更重要的是,加密协议的广泛使用,使得数据包有效载荷特征很难被访问。幸运的是,物联网(IoT)设备的网络行为通常是有规律和周期性的,该特征反映在通信数据包序列上,每个数据包一定程度上描述了一次网络事件。基于此,本文提出了基于数据包头序列的恶意流量检测方法。它将流量序列转换为网络事件序列,并计算一组特征(即序列性、频率性、周期性和爆发性)来描述网络行为。实验环境包含一组真实的物联网设备,并将提出的方法部署在树莓派模拟的网关上。实验结果表明,与最新的检测方法相比,本文提出的方法能够在复杂网络环境下保持高准确性和低误报率,并提升了处理速率。 展开更多

关键词 机器学习(ml) 恶意流量检测 网络行为 物联网(IoT)安全 数据包头序列

在线阅读 下载PDF 职称材料

基于LSTM的航线飞行员操纵平稳性预测模型 被引量：1

15

作者 王文超 何健 +1 位作者 宋佰胜 汪磊 《中国安全科学学报》 CSCD 北大核心 2024年第12期48-55,共8页

为实时预测飞行员不安全事件,使用长短期记忆神经网络(LSTM)评价飞行员操纵平稳性,并通过优化指标改进飞行员的操纵品质。首先,通过筛选飞行员在执飞中的平稳性操纵快速存取记录仪(QAR)数据,建立描述飞行员操纵行为特征的人机操纵因素集... 为实时预测飞行员不安全事件,使用长短期记忆神经网络(LSTM)评价飞行员操纵平稳性,并通过优化指标改进飞行员的操纵品质。首先,通过筛选飞行员在执飞中的平稳性操纵快速存取记录仪(QAR)数据,建立描述飞行员操纵行为特征的人机操纵因素集;其次,靶向分析影响飞机平稳操纵的因子,采用灰色关联度分析方法,从与飞机平稳性紧密相关的37个监测参数中定位关联风险的15个特征度量参数;然后,利用LSTM建立模型训练和测试所得数据预测飞行员的操纵平稳性,并制定指标评判标准评价安全平稳性品质;最后,通过机器学习(ML)对相关的影响因子进行重要度排序以改进模型效度。研究结果表明:时间序列模型可以有效剔除原始参数中与预测结果相关性小以及无相关的参数干扰;通过平稳性模型预测风险的精度较高,可为飞行员提供3~4 s的时间裕度采取预控措施,减少飞行过程中的不安全事件发生。 展开更多

关键词 长短期记忆(LSTM) 飞行员 操纵平稳性 预测模型 快速存取记录仪(QAR) 机器学习(ml)

在线阅读 下载PDF 职称材料

基于人工神经网络方法的FRP增强混凝土断裂研究新思路 被引量：4

16

作者 范向前 刘决丁 +1 位作者 史晨雨 葛菲 《防灾减灾工程学报》 CSCD 北大核心 2023年第3期626-636,共11页

纤维增强复合材料(FRP)作为一种新型的增强加固材料,由于其强度高、质量轻、防腐蚀、耐疲劳、与混凝土粘结性能好以及便于施工等诸多优点,在混凝土结构修复加固领域得到了广泛的应用。近年来,随着人工智能(AI)的逐渐兴起,机器学习(ML)... 纤维增强复合材料(FRP)作为一种新型的增强加固材料,由于其强度高、质量轻、防腐蚀、耐疲劳、与混凝土粘结性能好以及便于施工等诸多优点,在混凝土结构修复加固领域得到了广泛的应用。近年来,随着人工智能(AI)的逐渐兴起,机器学习(ML)作为实现AI的一种途径,在水利、建筑等各行各业也得到了长足的发展。首先简单介绍了ML的基本原理,并通过对ML在混凝土结构工程中应用的系统回顾与总结,指出了传统试验和数值模拟分析中FRP增强混凝土断裂研究存在的一些难点和局限性,阐述了基于ML的人工神经网络(ANN)方法在处理混凝土结构问题中的优越性,认为采用ANN方法能够有效解决FRP增强混凝土断裂研究中难以解决的问题;其次,对ANN方法应用于FRP增强混凝土断裂韧度预测中的新思路进行了详细介绍,给出了ANN方法应用于FRP增强混凝土断裂韧度预测的具体流程,并对其流程中的一些步骤给出了建议;最后,对ML应用于FRP增强混凝土断裂方向的深入研究进行了展望,提出了ML应用于FRP增强混凝土断裂方向深入研究的相关问题。 展开更多

关键词 人工智能(AI) 机器学习(ml) FRP增强混凝土 断裂 人工神经网络(ANN)

在线阅读 下载PDF 职称材料

电子封装用环氧胶粘剂改性研究进展 被引量：11

17

作者 余春秀 王云凯 +4 位作者 贺子娟 李玮 陈家林 李世鸿 李俊鹏 《材料导报》 CSCD 北大核心 2023年第15期237-246,共10页

在半导体元器件的制造成本中,封装材料成本是仅次于硅晶片的重要开支,超过了引线框架和光刻胶所占的成本比例。先进封装向着高密度集成、高功率负载、微型化发展,封装结构变得更加复杂,对封装材料提出了更高的要求。环氧胶粘剂收缩率小... 在半导体元器件的制造成本中,封装材料成本是仅次于硅晶片的重要开支,超过了引线框架和光刻胶所占的成本比例。先进封装向着高密度集成、高功率负载、微型化发展,封装结构变得更加复杂,对封装材料提出了更高的要求。环氧胶粘剂收缩率小、耐热性好、耐紫外老化、与锡铅焊料相比环境友好,是使用最广泛的一类封装材料。但其存在升温热膨胀系数高、固有的脆性和易开裂问题,影响封装器件的结构稳定性和服役可靠性,如何改善环氧胶粘剂的脆性和热膨胀性,提升其综合性能成为近年的研究热点。在环氧胶粘剂中引入纳米粒子和橡胶可以改善其脆性和热膨胀性。纳米粒子的刚性增强效应可极大提升环氧胶粘剂的强度和玻璃化转变温度,橡胶增韧环氧胶粘剂可显著改善其韧性,但会损失一定的强度和热机械性能。纳米粒子和橡胶的单一改性不能满足先进封装对环氧胶粘剂材料力学性能的苛刻要求,二者的复合改性可同时兼顾韧性和强度且不影响其他所需性能。通过刚性纳米粒子的表面功能化改性以及橡胶的末端结构设计改善改性物质与环氧基体的界面结合强度、促进改性物质在基体中的均匀分散是提升胶粘剂综合力学性能的关键。此外,环氧胶粘剂中刚性纳米粒子的存在降低了体系中自由体积所占的比例,以及刚性纳米粒子的紧密结合作用共同抑制了聚合物链的热膨胀;橡胶改善了胶粘剂的韧性,使得体系的热应力可以更好地消散,膨胀的驱动力也随之减小。环氧胶粘剂的配方复杂,结合机器学习的多尺度建模高通量计算,对其结构与力学性能关系进行模拟预测,可极大缩短先进环氧胶粘剂的研发周期。本文综述了近年来新型碳纳米粒子和橡胶改善环氧胶粘剂脆性和热膨胀性的研究进展,分析了环氧胶粘剂中添加刚性纳米粒子和橡胶带来的结构变化以及相应的改性机理,其中改性物质的均匀分散以及与环氧基体的界面结合强度是影响力学性能的关键因素,结合机器学习对环氧胶粘剂的微观结构与力学性能进行模拟预测,对推进先进环氧胶粘剂的发展具有重要意义。 展开更多

关键词 力学性能 碳纳米粒子 热膨胀系数(CTE) 液体橡胶 机器学习(ml)

在线阅读 下载PDF 职称材料

基于自适应粒子群优化的RBF毫米波信道建模研究 被引量：9

18

作者 胡玮 耿绥燕 赵雄文 《电波科学学报》 CSCD 北大核心 2021年第3期405-412,共8页

基于毫米波室内无线信道测量数据,将机器学习(machine learning,ML)中的径向基函数(radial basis function,RBF)方法应用于毫米波信道建模中,建立了基于自适应粒子群优化(adaptive particle swarm optimization,APSO)的RBF神经网络信道... 基于毫米波室内无线信道测量数据,将机器学习(machine learning,ML)中的径向基函数(radial basis function,RBF)方法应用于毫米波信道建模中,建立了基于自适应粒子群优化(adaptive particle swarm optimization,APSO)的RBF神经网络信道参数预测模型,并与传统RBF算法的预测结果进行了比较.利用APSO-RBF模型对信道大尺度参数(large-scale channel parameter,LSCP)如路径损耗(path loss,PL)、时延扩展(delay spread,DS)等数据的特征进行了学习和预测.结果表明,APSO-RBF模型信道参数的预测值与实际测量值非常吻合,均方根误差(root-mean-square error,RMSE)较小,且预测曲线与原始测量值曲线的拟合度较好,该算法的学习性能和预测效果均优于传统RBF算法.另外,APSO-RBF模型在数据量波动较大的情况下对信道参数的变化有着良好的适应性,对5G毫米波信道参数可以取得较好的预测效果. 展开更多

关键词 机器学习(ml) 信道建模 自适应粒子群算法 RBF神经网络 参数预测

在线阅读 下载PDF 职称材料