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
3
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
基于混合深度学习的压气机喘振快速诊断及自抗扰控制方法
被引量：
2
1
作者
孙守泰
汤冰
+1 位作者
薛亚丽
孙立
《中国舰船研究》
CSCD
北大核心
2024年第2期187-196,共10页
[目的]为了提升压气机设备安全、稳定运行的水平,提出一种基于混合深度学习参数辨识的喘振状态快速诊断方法,以及一种用于实现压气机退喘的自抗扰控制策略。[方法]首先,采用长短期记忆神经网络(LSTM)处理压气机参数辨识输入输出数据的...
[目的]为了提升压气机设备安全、稳定运行的水平,提出一种基于混合深度学习参数辨识的喘振状态快速诊断方法,以及一种用于实现压气机退喘的自抗扰控制策略。[方法]首先,采用长短期记忆神经网络(LSTM)处理压气机参数辨识输入输出数据的时序关系,并融入高斯过程回归(GPR)的区间概率估计能力,提出一种基于LSTM和GPR结合(LSTM-GPR)的混合深度学习参数辨识算法,进而实现对压气机喘振状态的快速诊断;然后,基于自抗扰控制方法对压气机的节流阀参数进行控制,通过控制量对压气机节流阀参数的补偿,实现对压气机喘振状态的准确控制。[结果]结果表明,混合深度学习参数辨识算法可以实现对压气机临界Greitzer参数的准确辨识,能快速、准确地判断出压气机是否处于喘振状态,并且基于自抗扰控制的控制策略,可以使压气机有效退出喘振状态,相比传统的PID控制和非线性反馈控制等控制方法,所提方法快速、有效,可保证压气机的工作范围。[结论]提出的参数辨识和自抗扰控制方法能够用于压气机的喘振诊断和主动控制,可提升压气机的安全性与稳定性。
展开更多
关键词
压气机
喘振诊断
混合
深度
学习
模型
自抗扰控制
在线阅读
下载PDF
职称材料
面向认知表现预测的时-空共变混合深度学习模型
被引量：
1
2
作者
李晴
徐雪远
邬霞
《自动化学报》
EI
CAS
CSCD
北大核心
2022年第12期2931-2940,共10页
认知表现预测已经成为当前大脑研究的重要课题.功能磁共振成像技术由于同时具有较好的时间和空间分辨率,有潜力为认知表现预测提供数据支持.为了解决基于功能磁共振成像数据对认知表现进行预测时大脑所具有的时-空共变难刻画问题,提出...
认知表现预测已经成为当前大脑研究的重要课题.功能磁共振成像技术由于同时具有较好的时间和空间分辨率,有潜力为认知表现预测提供数据支持.为了解决基于功能磁共振成像数据对认知表现进行预测时大脑所具有的时-空共变难刻画问题,提出了一种新型基于大脑学习机制的时-空共变混合深度学习模型,即深度稀疏自编码器与循环全连接网络混合模型,以混合神经网络模型的损失函数误差作为认知表现预测能力的评价标准.在人类连接组项目数据集上的实验结果表明,提出的时-空共变混合模型能够有效和稳健地预测认知表现,并提取到与人脑学习、记忆相关的有意义的脑影像特征,从而为认知表现预测提供技术支持.
展开更多
关键词
循环自编码器
时-空共变
深度
学习
模型
混合
深度
学习
模型
认知表现预测
脑启发
模型
在线阅读
下载PDF
职称材料
基于特征融合的中文文本情感分析方法
被引量：
10
3
作者
赵宏
傅兆阳
王乐
《兰州理工大学学报》
CAS
北大核心
2022年第3期94-102,共9页
针对现有的中文文本情感分析方法不能从句法结构、上下文信息和局部语义特征等方面综合考量文本语义信息的问题,提出一种基于特征融合的中文文本情感分析方法.首先,采用Jieba分词工具对评论文本进行分词和词性标注,并采用词向量训练工具...
针对现有的中文文本情感分析方法不能从句法结构、上下文信息和局部语义特征等方面综合考量文本语义信息的问题,提出一种基于特征融合的中文文本情感分析方法.首先,采用Jieba分词工具对评论文本进行分词和词性标注,并采用词向量训练工具GloVe获取融入词性的预训练词向量;然后,将词向量分别作为引入Self-Attention的BiGRU和TextCNN的输入,使用引入Self-Attention的BiGRU从文本的句法结构和文本的上下文信息两个方面综合提取全局特征,使用TextCNN提取文本的局部语义特征;最后,将全局特征和局部语义特征进行融合,并使用Softmax进行文本情感分类.实验结果表明,本文方法可以有效提高文本情感分析的准确率.
展开更多
关键词
中文文本情感分析
特征融合
特征提取
语义特征
自注意力机制
深度学习混合模型
在线阅读
下载PDF
职称材料
题名
基于混合深度学习的压气机喘振快速诊断及自抗扰控制方法
被引量：
2
1
作者
孙守泰
汤冰
薛亚丽
孙立
机构
东南大学能源与环境学院
东南大学能源热转换与控制教育部重点实验室
中国航空工业集团公司金城南京机电液压工程研究中心
清华大学能源与动力工程系
清华大学电力系统国家重点实验室
出处
《中国舰船研究》
CSCD
北大核心
2024年第2期187-196,共10页
基金
国家科技重大专项资助项目(2017-I-0002-0002)
江苏省科技厅科技资助项目(BK20211563&BZ2022009)。
文摘
[目的]为了提升压气机设备安全、稳定运行的水平,提出一种基于混合深度学习参数辨识的喘振状态快速诊断方法,以及一种用于实现压气机退喘的自抗扰控制策略。[方法]首先,采用长短期记忆神经网络(LSTM)处理压气机参数辨识输入输出数据的时序关系,并融入高斯过程回归(GPR)的区间概率估计能力,提出一种基于LSTM和GPR结合(LSTM-GPR)的混合深度学习参数辨识算法,进而实现对压气机喘振状态的快速诊断;然后,基于自抗扰控制方法对压气机的节流阀参数进行控制,通过控制量对压气机节流阀参数的补偿,实现对压气机喘振状态的准确控制。[结果]结果表明,混合深度学习参数辨识算法可以实现对压气机临界Greitzer参数的准确辨识,能快速、准确地判断出压气机是否处于喘振状态,并且基于自抗扰控制的控制策略,可以使压气机有效退出喘振状态,相比传统的PID控制和非线性反馈控制等控制方法,所提方法快速、有效,可保证压气机的工作范围。[结论]提出的参数辨识和自抗扰控制方法能够用于压气机的喘振诊断和主动控制,可提升压气机的安全性与稳定性。
关键词
压气机
喘振诊断
混合
深度
学习
模型
自抗扰控制
Keywords
compressor
surge diagnosis
hybrid deep learning model
active disturbance rejection control(ADRC)
分类号
U664.13 [交通运输工程—船舶及航道工程]
在线阅读
下载PDF
职称材料
题名
面向认知表现预测的时-空共变混合深度学习模型
被引量：
1
2
作者
李晴
徐雪远
邬霞
机构
北京师范大学人工智能学院
北京师范大学认知神经科学与学习国家重点实验室
出处
《自动化学报》
EI
CAS
CSCD
北大核心
2022年第12期2931-2940,共10页
基金
北京市自然科学基金(4212037)资助。
文摘
认知表现预测已经成为当前大脑研究的重要课题.功能磁共振成像技术由于同时具有较好的时间和空间分辨率,有潜力为认知表现预测提供数据支持.为了解决基于功能磁共振成像数据对认知表现进行预测时大脑所具有的时-空共变难刻画问题,提出了一种新型基于大脑学习机制的时-空共变混合深度学习模型,即深度稀疏自编码器与循环全连接网络混合模型,以混合神经网络模型的损失函数误差作为认知表现预测能力的评价标准.在人类连接组项目数据集上的实验结果表明,提出的时-空共变混合模型能够有效和稳健地预测认知表现,并提取到与人脑学习、记忆相关的有意义的脑影像特征,从而为认知表现预测提供技术支持.
关键词
循环自编码器
时-空共变
深度
学习
模型
混合
深度
学习
模型
认知表现预测
脑启发
模型
Keywords
Recurrent autoencoder
spatio-temporal co-variant deep learning framework
hybrid deep learning framework
cognitive performance prediction
brain inspired model
分类号
TP18 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
基于特征融合的中文文本情感分析方法
被引量：
10
3
作者
赵宏
傅兆阳
王乐
机构
兰州理工大学计算机与通信学院
出处
《兰州理工大学学报》
CAS
北大核心
2022年第3期94-102,共9页
基金
国家自然科学基金(51668043,61262016)。
文摘
针对现有的中文文本情感分析方法不能从句法结构、上下文信息和局部语义特征等方面综合考量文本语义信息的问题,提出一种基于特征融合的中文文本情感分析方法.首先,采用Jieba分词工具对评论文本进行分词和词性标注,并采用词向量训练工具GloVe获取融入词性的预训练词向量;然后,将词向量分别作为引入Self-Attention的BiGRU和TextCNN的输入,使用引入Self-Attention的BiGRU从文本的句法结构和文本的上下文信息两个方面综合提取全局特征,使用TextCNN提取文本的局部语义特征;最后,将全局特征和局部语义特征进行融合,并使用Softmax进行文本情感分类.实验结果表明,本文方法可以有效提高文本情感分析的准确率.
关键词
中文文本情感分析
特征融合
特征提取
语义特征
自注意力机制
深度学习混合模型
Keywords
sentiment analysis of Chinese text
feature fusion
feature extraction
semantic feature
self-attention mechanism
deep learning hybrid model
分类号
TP389.1 [自动化与计算机技术—计算机系统结构]
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
基于混合深度学习的压气机喘振快速诊断及自抗扰控制方法
孙守泰
汤冰
薛亚丽
孙立
《中国舰船研究》
CSCD
北大核心
2024
2
在线阅读
下载PDF
职称材料
2
面向认知表现预测的时-空共变混合深度学习模型
李晴
徐雪远
邬霞
《自动化学报》
EI
CAS
CSCD
北大核心
2022
1
在线阅读
下载PDF
职称材料
3
基于特征融合的中文文本情感分析方法
赵宏
傅兆阳
王乐
《兰州理工大学学报》
CAS
北大核心
2022
10
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
