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DBN的软件可靠性预测模型的研究
被引量：
2
1
作者
王国涛
石振国
吴小景
《计算机应用研究》
CSCD
北大核心
2016年第12期3739-3742,3773,共5页
安全攸关系统广泛应用于交通、工控、航空等与国计民生相关的安全攸关领域,对可靠性有着非常高的要求。而控制软件往往是安全攸关系统的核心,因此对它的可靠性预测精度必须达到很高的要求。将深度置信网络(DBN)应用于软件可靠性增长预...
安全攸关系统广泛应用于交通、工控、航空等与国计民生相关的安全攸关领域,对可靠性有着非常高的要求。而控制软件往往是安全攸关系统的核心,因此对它的可靠性预测精度必须达到很高的要求。将深度置信网络(DBN)应用于软件可靠性增长预测模型(SRPM)的研究。针对DBN中核心模块RBM的无监督学习,采用了动态模式跳转算法(DMH)。该算法通过动态地维护一个模式集,然后借助模式集中模式的跳转来完成RBM中状态的跳转,使RBM的无监督学习具有很高的学习效率。通过与参数动态调整的动态模糊神经网络(SADFNN)、BP神经网络(BPN)以及基于萤火虫算法的BP神经网络(FABP)建立的SRPM进行预测能力的比较,实验结果表明基于DBN建立的SRGM的预测结果精度最高且最稳定。
展开更多
关键词
深度
置信
网络
软件可靠性预测
模型
动态模式跳转
限制波尔兹曼
机
无监督
学习
在线阅读
下载PDF
职称材料
基于行车风险场的高速公路交织区车辆轨迹预测方法
被引量：
1
2
作者
秦雅琴
董帅
+3 位作者
谢济铭
陈亮
刘拥华
郭淼
《汽车安全与节能学报》
CSCD
北大核心
2024年第6期952-961,共10页
为提高交织区车辆轨迹预测精度,该文提出了一种融合行车风险场和车辆换道意图的车辆轨迹预测方法。分析交织区驾驶人驾驶需求变化,利用行车风险场模型统一表示车辆行驶时的交互风险;采用隐Markov模型识别车辆换道意图;通过深度置信网络...
为提高交织区车辆轨迹预测精度,该文提出了一种融合行车风险场和车辆换道意图的车辆轨迹预测方法。分析交织区驾驶人驾驶需求变化,利用行车风险场模型统一表示车辆行驶时的交互风险;采用隐Markov模型识别车辆换道意图;通过深度置信网络在线学习机(DBN_OSELM)模型对输入特征进行多维度扩展和融合,提高交织区轨迹预测的准确率;最后,基于CitySim数据集对所提方法进行评估。结果表明:模型能以较高的准确率预测高速公路交织区的车辆轨迹,交织区驾驶人3类驾驶需求(汇入、保持、驶出)的车辆轨迹预测均方根误差(RMSE)分别为0.6835、0.2574、0.6315,平均位移误差(ADE)分别为0.46、0.21、0.48 m。该研究成果有助于提高复杂场景下的车辆轨迹预测精度,改善交织区的交通安全。
展开更多
关键词
智能交通
驾驶需求
行车风险场
换道意图
深度
置信
网络
在线
学习
机
(DBN_OSELM)
模型
轨迹预测
在线阅读
下载PDF
职称材料
基于数据挖掘的电子皮带秤皮带跑偏检测
被引量：
5
3
作者
朱亮
李东波
+2 位作者
吴崇友
吴绍锋
袁延强
《农业工程学报》
EI
CAS
CSCD
北大核心
2017年第1期102-109,共8页
为提高电子皮带秤连续累计称量精度,针对严重影响精度的电子皮带秤跑偏,采用对皮带秤现有原始传感器的数据挖掘实现跑偏量实时在线检测,以取代传统硬件检测设备。引入流形学习和深度学习,分别提出了基于局部切空间排列(local tangent sp...
为提高电子皮带秤连续累计称量精度,针对严重影响精度的电子皮带秤跑偏,采用对皮带秤现有原始传感器的数据挖掘实现跑偏量实时在线检测,以取代传统硬件检测设备。引入流形学习和深度学习,分别提出了基于局部切空间排列(local tangent space alignment,LTSA)+广义回归神经网络(generalized regression neural networks,GRNN)和基于连续深度置信网络(continuous deep belief networks,CDBN)的在线跑偏特征提取模型,再结合极限学习机(extreme learning machine,ELM)以跑偏特征为模型输入进行跑偏量预测。最后通过试验对该文提出的在线跑偏量预测模型的性能进行了验证:LTSA+GRNN+ELM平均跑偏预测精度为93.33%,平均每组预测时间38.29 ms;CDBN+ELM预测精度则高达98.61%,平均每组预测时间1.47 ms。二者预测精度和实时性皆表明能取代传统硬件检测装置,为皮带跑偏检测提供了一种方法,为进一步的皮带秤在线精度补偿和故障预测提供了必要依据。
展开更多
关键词
数据挖掘
传感器
模型
皮带跑偏
流形
学习
连续
深度
置信
网络
极限
学习
机
在线阅读
下载PDF
职称材料
题名
基于DBN的软件可靠性预测模型的研究
被引量：
2
1
作者
王国涛
石振国
吴小景
机构
南通大学电子信息学院
南通大学计算机科学与技术学院
出处
《计算机应用研究》
CSCD
北大核心
2016年第12期3739-3742,3773,共5页
文摘
安全攸关系统广泛应用于交通、工控、航空等与国计民生相关的安全攸关领域,对可靠性有着非常高的要求。而控制软件往往是安全攸关系统的核心,因此对它的可靠性预测精度必须达到很高的要求。将深度置信网络(DBN)应用于软件可靠性增长预测模型(SRPM)的研究。针对DBN中核心模块RBM的无监督学习,采用了动态模式跳转算法(DMH)。该算法通过动态地维护一个模式集,然后借助模式集中模式的跳转来完成RBM中状态的跳转,使RBM的无监督学习具有很高的学习效率。通过与参数动态调整的动态模糊神经网络(SADFNN)、BP神经网络(BPN)以及基于萤火虫算法的BP神经网络(FABP)建立的SRPM进行预测能力的比较,实验结果表明基于DBN建立的SRGM的预测结果精度最高且最稳定。
关键词
深度
置信
网络
软件可靠性预测
模型
动态模式跳转
限制波尔兹曼
机
无监督
学习
Keywords
deep belief networks
software reliability prediction model
dynamic mode-hopping MCMC
restricted Bohzmann machine
unsupervised learning
分类号
TP311.5 [自动化与计算机技术—计算机软件与理论]
在线阅读
下载PDF
职称材料
题名
基于行车风险场的高速公路交织区车辆轨迹预测方法
被引量：
1
2
作者
秦雅琴
董帅
谢济铭
陈亮
刘拥华
郭淼
机构
昆明理工大学交通工程学院
出处
《汽车安全与节能学报》
CSCD
北大核心
2024年第6期952-961,共10页
基金
国家自然科学基金资助项目(72261021)。
文摘
为提高交织区车辆轨迹预测精度,该文提出了一种融合行车风险场和车辆换道意图的车辆轨迹预测方法。分析交织区驾驶人驾驶需求变化,利用行车风险场模型统一表示车辆行驶时的交互风险;采用隐Markov模型识别车辆换道意图;通过深度置信网络在线学习机(DBN_OSELM)模型对输入特征进行多维度扩展和融合,提高交织区轨迹预测的准确率;最后,基于CitySim数据集对所提方法进行评估。结果表明:模型能以较高的准确率预测高速公路交织区的车辆轨迹,交织区驾驶人3类驾驶需求(汇入、保持、驶出)的车辆轨迹预测均方根误差(RMSE)分别为0.6835、0.2574、0.6315,平均位移误差(ADE)分别为0.46、0.21、0.48 m。该研究成果有助于提高复杂场景下的车辆轨迹预测精度,改善交织区的交通安全。
关键词
智能交通
驾驶需求
行车风险场
换道意图
深度
置信
网络
在线
学习
机
(DBN_OSELM)
模型
轨迹预测
Keywords
intelligent transportation
driving demand
driving risk field
lane-change intention
deep belief
分类号
U492.84 [交通运输工程—交通运输规划与管理]
在线阅读
下载PDF
职称材料
题名
基于数据挖掘的电子皮带秤皮带跑偏检测
被引量：
5
3
作者
朱亮
李东波
吴崇友
吴绍锋
袁延强
机构
农业部南京农业机械化研究所
南京理工大学机械工程学院
南京三埃工控股份有限公司
出处
《农业工程学报》
EI
CAS
CSCD
北大核心
2017年第1期102-109,共8页
基金
科技型中小企业技术创新基金(13C26213202062)
文摘
为提高电子皮带秤连续累计称量精度,针对严重影响精度的电子皮带秤跑偏,采用对皮带秤现有原始传感器的数据挖掘实现跑偏量实时在线检测,以取代传统硬件检测设备。引入流形学习和深度学习,分别提出了基于局部切空间排列(local tangent space alignment,LTSA)+广义回归神经网络(generalized regression neural networks,GRNN)和基于连续深度置信网络(continuous deep belief networks,CDBN)的在线跑偏特征提取模型,再结合极限学习机(extreme learning machine,ELM)以跑偏特征为模型输入进行跑偏量预测。最后通过试验对该文提出的在线跑偏量预测模型的性能进行了验证:LTSA+GRNN+ELM平均跑偏预测精度为93.33%,平均每组预测时间38.29 ms;CDBN+ELM预测精度则高达98.61%,平均每组预测时间1.47 ms。二者预测精度和实时性皆表明能取代传统硬件检测装置,为皮带跑偏检测提供了一种方法,为进一步的皮带秤在线精度补偿和故障预测提供了必要依据。
关键词
数据挖掘
传感器
模型
皮带跑偏
流形
学习
连续
深度
置信
网络
极限
学习
机
Keywords
data mining
sensors
models
belt deviation
manifold learning
continuous deep belief networks
extreme learning machine
分类号
TH165 [机械工程—机械制造及自动化]
S237 [农业科学—农业机械化工程]
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DBN的软件可靠性预测模型的研究
王国涛
石振国
吴小景
《计算机应用研究》
CSCD
北大核心
2016
2
在线阅读
下载PDF
职称材料
2
基于行车风险场的高速公路交织区车辆轨迹预测方法
秦雅琴
董帅
谢济铭
陈亮
刘拥华
郭淼
《汽车安全与节能学报》
CSCD
北大核心
2024
1
在线阅读
下载PDF
职称材料
3
基于数据挖掘的电子皮带秤皮带跑偏检测
朱亮
李东波
吴崇友
吴绍锋
袁延强
《农业工程学报》
EI
CAS
CSCD
北大核心
2017
5
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
