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124篇文章
< 1 2 … 7 >
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：
融合知识驱动和数据驱动的混合决策模型构建:以室性心动过速病因诊断为例
1
作者 王敏 胡兆 +3 位作者 徐晓巍 郑思 李姣 姚焰 《协和医学杂志》 北大核心 2025年第2期454-461,共8页
目的构建一个融合知识驱动和数据驱动的混合决策模型,并将其应用于室性心动过速的病因诊断。方法检索2018—2023年心律失常疾病领域的临床实践指南、专家共识和医学文献作为知识源,并回顾性收集2013—2023年中国医学科学院阜外医院室性... 目的构建一个融合知识驱动和数据驱动的混合决策模型,并将其应用于室性心动过速的病因诊断。方法检索2018—2023年心律失常疾病领域的临床实践指南、专家共识和医学文献作为知识源,并回顾性收集2013—2023年中国医学科学院阜外医院室性心动过速(ventricular tachycardia,VT)患者的电子病历信息作为数据集。采用基于知识规则的方法构建临床路径作为知识驱动模型;基于真实世界数据构建VT病因诊断三分类机器学习模型,并选取其中的最佳模型作为数据驱动模型代表;以临床路径为基本框架,将机器学习模型以自定义运算符的形式嵌入临床路径的决策节点中,作为混合模型。评价上述3种模型的精确率、召回率和F1分数。结果共纳入3部临床实践指南作为知识驱动模型的知识源;收集了1305条患者数据作为数据集,构建了5种机器学习模型,其中XGBoost模型最佳。混合模型采用知识驱动的决策思维,分别将XGBoost模型嵌入2层分类的决策节点中。3种模型的精确率、召回率和F1分数如下:知识驱动模型为80.4%、79.1%和79.7%;数据驱动模型分别为88.4%、88.5%和88.4%;混合模型分别为90.4%、90.2%和90.3%。结论融合知识与数据驱动的混合模型展现出更高的准确性,且混合模型的所有决策结果均基于循证证据,这更接近临床医生的实际诊断思维。未来需更严格地验证混合模型广泛应用于医学领域的可行性。 展开更多
关键词 室性心动过速 知识驱动 数据驱动 混合模型 决策支持
在线阅读 下载PDF
数据驱动的个性化学习:实然问题、应然逻辑与实现路径 被引量：6
2
作者 钟绍春 杨澜 范佳荣 《电化教育研究》 北大核心 2025年第1期13-19,33,共8页
教育数字化转型的全面推进和人工智能在教育中的广泛应用,为破解个性化学习难题提供了切实可行的途径,数据驱动的个性化学习已成为教育高质量发展的必由之路。然而,当前数据驱动的个性化学习普遍存在着学习行为感知与状态评价精度不高... 教育数字化转型的全面推进和人工智能在教育中的广泛应用,为破解个性化学习难题提供了切实可行的途径,数据驱动的个性化学习已成为教育高质量发展的必由之路。然而,当前数据驱动的个性化学习普遍存在着学习行为感知与状态评价精度不高、学习特征挖掘不准、学习规律挖掘不全、学习问题溯源不深、学习干预精度不佳等瓶颈性难题。为此,研究从情境感知、主体理解和智能干预等方面深入剖析了数据驱动个性化学习的应然逻辑。在此基础上,从学习行为数据有效感知与理解、学习效果精准评估的个性化学习追踪、薄弱知识点和异常学习行为的学习问题成因溯源、潜在交互学习规律发现的教育知识图谱高阶推理、公共学习路网构建与高适配个性化学习路径规划等方面,讨论了数据驱动个性化学习的实现路径和方法。 展开更多
关键词 个性化学习 数据驱动 情境感知 学习路径规划 教育知识图谱
在线阅读 下载PDF
数据循证赋能学习设计的系统模型与关键过程
3
作者 王明娣 陈小涵 《电化教育研究》 北大核心 2025年第7期100-107,共8页
数智化时代,学习分析与学习设计的交互作用具有优化学习设计效果的潜力,数据循证得以支持并赋能学习设计变革。在此背景支持下,学习设计与学习分析之间究竟如何进行深度交互并在数据驱动下实现循证改进?针对该问题,研究分别从学习设计... 数智化时代,学习分析与学习设计的交互作用具有优化学习设计效果的潜力,数据循证得以支持并赋能学习设计变革。在此背景支持下,学习设计与学习分析之间究竟如何进行深度交互并在数据驱动下实现循证改进?针对该问题,研究分别从学习设计、学生发展以及教师成长三个视角探讨了数据循证赋能学习设计的多重价值,进而构建了数据循证赋能学习设计系统模型(Data-EDT),通过“证据系统”“学习设计系统”“智能技术系统”三重系统交互作用以展现学习设计与学习分析的动态关系,并揭示了基于设计视角的落地关键过程:前期准备阶段为“教师与研究者协作共创设计产品的过程”;中期实践阶段为“教师在真实学习情境中的设计实施过程”;后期反思阶段为“教师基于设计评估的自我深度反思过程”;终期生成阶段为“教师基于设计迭代的双重角色生成过程”,以此支持教师的循证学习设计实践,进而有效促进数智化时代的学习设计变革。 展开更多
关键词 数据驱动 学习分析 循证学习设计 系统模型 关键过程
在线阅读 下载PDF
考虑光伏度电成本的配电网数据-知识驱动优化调控策略
4
作者 张波 张永康 +1 位作者 孙英钧 贾焦心 《电力系统自动化》 北大核心 2025年第18期74-82,共9页
光伏电源深度参与配电网优化调控可促进新能源配电网安全稳定运行,但势必会降低光伏电源的寿命损伤,同时增加优化模型的求解复杂度。为此,文中基于数据-知识驱动架构,提出考虑光伏度电成本的配电网数据-知识驱动优化调控策略。首先,分... 光伏电源深度参与配电网优化调控可促进新能源配电网安全稳定运行,但势必会降低光伏电源的寿命损伤,同时增加优化模型的求解复杂度。为此,文中基于数据-知识驱动架构,提出考虑光伏度电成本的配电网数据-知识驱动优化调控策略。首先,分析光伏电源提供无功支撑对光伏度电成本的影响,建立考虑光伏度电成本的配电网优化最优决策知识模型,获取配电网优化调控最优决策知识。然后,将配电网优化调控最优决策知识嵌入数据驱动的配电网极端梯度提升(XGBoost)优化调控模型,通过数据-知识驱动方法挖掘配电网状态信息与光伏最优决策之间的非线性映射关系,并利用贝叶斯算法完成XGBoost模型超参数的自适应优化。最后,利用PG&E 69节点典型配电系统验证所提策略的有效性。 展开更多
关键词 配电网 优化调控 数据-知识驱动 光伏 度电成本 极端梯度提升(XGBoost)模型
在线阅读 下载PDF
基于深度强化学习与数据驱动的超临界热电联产机组宽负荷灵活控制策略 被引量：1
5
作者 朱珂言 张光明 +3 位作者 王庆华 王玮 牛玉广 刘吉臻 《动力工程学报》 北大核心 2025年第5期785-795,共11页
为满足传统火电机组灵活调节性能的需求,提出了一种数据驱动的超临界热电联产(S-CHP)非线性环境建模方法和基于双延迟深度确定性策略梯度(TD3)的强化学习控制方法。首先,基于多层感知机(MLP)的深度学习算法与S-CHP机组动态特性,建立了... 为满足传统火电机组灵活调节性能的需求,提出了一种数据驱动的超临界热电联产(S-CHP)非线性环境建模方法和基于双延迟深度确定性策略梯度(TD3)的强化学习控制方法。首先,基于多层感知机(MLP)的深度学习算法与S-CHP机组动态特性,建立了数据驱动的非线性模型环境;进而基于深度强化学习算法,设计了契合S-CHP机组动态特性的演员-评委策略价值网络和S-CHP特定状态值与奖励函数,提出了一种TD3灵活控制策略以实现快速响应、保证供热及稳定运行的控制目标。结果表明:MLP模型环境与单层网络相比,在额定功率52%~93%负荷宽度下,均方根误差降低了51.7%;与传统协调控制方法相比,TD3控制策略具有更好的跟踪效果和更高的响应速率。 展开更多
关键词 S-CHP 强化学习 TD3 数据驱动模型 MLP 负荷响应
在线阅读 下载PDF
数据驱动的金属疲劳寿命模型研究进展 被引量：4
6
作者 甘磊 吴昊 仲政 《力学进展》 北大核心 2025年第1期30-79,共50页
金属疲劳寿命模型是开展工程结构完整性和可靠性评估的基础.传统的知识驱动模型关注疲劳机理和数理逻辑,一般具有明确的物理意义,并且可高度概括疲劳失效过程.然而,随着对结构安全性要求的日益提高以及新兴工程材料的不断涌现,传统模型... 金属疲劳寿命模型是开展工程结构完整性和可靠性评估的基础.传统的知识驱动模型关注疲劳机理和数理逻辑,一般具有明确的物理意义,并且可高度概括疲劳失效过程.然而,随着对结构安全性要求的日益提高以及新兴工程材料的不断涌现,传统模型在预测能力、应用场景、工程适用性等方面都逐渐显现出局限性.近年来,由人工智能赋能的数据驱动模型在金属疲劳寿命研究领域受到了广泛关注,相关研究成果正逐步应用于解决包括单轴疲劳、多轴疲劳、变幅疲劳在内的各类经典疲劳问题.数据驱动模型能够在最小化人因误差的情况下,从多变量作用中解析出对疲劳寿命的最优显\隐式表达,可揭示传统方法难以发现的失效规律,已然成为领域内新的研究热点.本文综述了当前数据驱动模型在金属疲劳寿命预测方面的研究进展,首先总结了纯数据驱动模型的一般应用流程及其应用现状,其次归纳了各类知识-数据混合驱动模型的实现方式及应用优势,最后对未来潜在研究方向及挑战进行了探讨与展望. 展开更多
关键词 疲劳寿命预测 金属 数据驱动模型 知识-数据混合驱动模型
在线阅读 下载PDF
基于粗网格数据驱动湍流模型的快堆热分层分析方法
7
作者 何山郅 刘紫静 赵鹏程 《原子能科学技术》 北大核心 2025年第7期1447-1456,共10页
为提高反应堆热分层瞬态分析的效率和精度,本文开发了一种瞬态数据驱动粗网格湍流模型。以SUPERCAVNA装置中钠的流动为模拟对象,OpenFOAM为CFD模拟平台,采用标准k-ε模型计算生成细网格流场数据,建立训练数据库。基于机器学习平台Tensor... 为提高反应堆热分层瞬态分析的效率和精度,本文开发了一种瞬态数据驱动粗网格湍流模型。以SUPERCAVNA装置中钠的流动为模拟对象,OpenFOAM为CFD模拟平台,采用标准k-ε模型计算生成细网格流场数据,建立训练数据库。基于机器学习平台TensorFlow引入自注意力机制与双向长短期记忆神经网络的混合架构,构建粗网格设置下湍流涡流黏度的瞬态代理模型。将模型嵌入OpenFOAM求解过程中完成数据驱动湍流模型的开发。通过模拟SUPERCAVNA装置中钠的瞬态流动,对模型进行验证与评估。结果表明:代理模型能较为准确地预测湍流涡流黏度,平均绝对百分比误差SMAPE为5.258 4%;瞬态数据驱动粗网格湍流模型可准确捕捉热分层效应;模型具备一定的泛化能力,能在训练数据集覆盖的Re范围之外复现热混合现象;瞬态数据驱动粗网格湍流模型的计算时间是精细网格CFD模拟的1/13。本文结果可为耦合CFD程序和系统程序提供参考。 展开更多
关键词 热分层 数据驱动湍流模型 机器学习 OPENFOAM
在线阅读 下载PDF
基于CLIP模型和知识数据库的零样本动作识别 被引量：1
8
作者 侯永宏 郑皓春 +1 位作者 高嘉俊 任懿 《天津大学学报（自然科学与工程技术版）》 EI CAS 北大核心 2025年第1期91-100,共10页
零样本动作识别旨在从已知类别的动作样本数据中学习知识,并将其迁移到未知的动作类别上,从而实现对未知动作样本的识别和分类.现有的零样本动作识别模型依赖有限的训练数据,可学习到的先验知识有限,难以将视觉特征准确地映射到语义标签... 零样本动作识别旨在从已知类别的动作样本数据中学习知识,并将其迁移到未知的动作类别上,从而实现对未知动作样本的识别和分类.现有的零样本动作识别模型依赖有限的训练数据,可学习到的先验知识有限,难以将视觉特征准确地映射到语义标签上,是限制零样本学习性能提升的关键因素.针对上述问题,本文提出了一种引入外部知识数据库和CLIP模型的零样本学习框架,利用多模态CLIP模型通过自监督对比学习方式积累的知识,来扩充零样本动作识别模型的先验知识.同时,设计了时序编码器,以弥补CLIP模型时序建模能力的欠缺.为了使模型学习到更丰富的语义特征,缩小视觉特征和语义标签之间的语义鸿沟,本文扩展了已知动作类别的语义标签,用更为详细的描述语句代替简单的文本标签,丰富了文本表示的语义信息;在此基础上,在模型外部构建了一个知识数据库,在不增加模型参数规模的条件下为模型提供额外的辅助信息,强化视觉特征与文本特征表示之间的关联关系.最后,本文遵循零样本学习规范,对模型进行微调,使其适应零样本动作识别任务,提高了模型的泛化能力.所提方法在HMDB51和UCF101两个主流数据集上进行了广泛实验,实验数据表明,该方法的识别性能相比目前的先进方法在上述两个数据集上分别提升了3.8%和2.3%,充分体现了所提方法的有效性. 展开更多
关键词 零样本学习 动作识别 CLIP模型 知识数据库
在线阅读 下载PDF
知识与数据协同驱动的高铁列车晚点预测
9
作者 傅卿云 丁舒忻 +4 位作者 张涛 袁志明 王荣笙 胡平 杨生良 《中国铁路》 北大核心 2025年第7期115-121,共7页
随着高铁持续发展及民众对时间成本要求逐渐提高,智能调度系统亟须实现列车精准实时的晚点预测,以高效准确地进行调度调整,减小晚点影响。提出基于知识与数据协同驱动的晚点预测模型,在知识驱动模型中,根据列车动力学知识建立列车态势... 随着高铁持续发展及民众对时间成本要求逐渐提高,智能调度系统亟须实现列车精准实时的晚点预测,以高效准确地进行调度调整,减小晚点影响。提出基于知识与数据协同驱动的晚点预测模型,在知识驱动模型中,根据列车动力学知识建立列车态势推演模型,计算不同限速条件下列车的预测晚点时间;在数据驱动模型中,引入卷积神经网络和长短时间记忆网络,根据列车历史运行数据实时回归计算列车的预测晚点时间。通过模型推演得到的列车晚点时间融合到历史运行数据中实现数据增强,最终实现知识与数据协同驱动的高铁列车晚点精准预测。基于京津城际铁路进行验证,与未进行数据增强的模型相比,该模型的预测平均绝对误差和均方根误差总体下降70%,可有效提高晚点预测的准确性和稳定性。 展开更多
关键词 行车指挥调度 晚点预测 列车动力学模型 知识驱动 数据驱动 数据增强
在线阅读 下载PDF
电力系统稳定分析技术的智能化演进:从模型驱动、数据驱动到混合智能
10
作者 张俊勃 肖祥辉 +4 位作者 马煜 彭颖 周青媛 李瑞 何康杰 《南方电网技术》 北大核心 2025年第7期30-49,共20页
面对“双高”运行态势,传统模型驱动的电力系统稳定分析方法逐渐暴露出效率与适应性不足的局限。人工智能技术凭借其在速度与精度方面的优势,正成为该领域的重要研究方向。因此,聚焦电力系统稳定分析技术从模型驱动到数据驱动,再到知识... 面对“双高”运行态势,传统模型驱动的电力系统稳定分析方法逐渐暴露出效率与适应性不足的局限。人工智能技术凭借其在速度与精度方面的优势,正成为该领域的重要研究方向。因此,聚焦电力系统稳定分析技术从模型驱动到数据驱动,再到知识-数据融合驱动形成混合智能的发展路径。首先梳理了典型稳定分析任务的技术需求,并回顾了传统模型驱动方法;随后总结了人工智能方法在不同场景中的应用成果,分析其优势与不足;进一步探讨了融合电力系统知识与机理的信息驱动方法及其研究进展;最后,结合“双高”背景下的电力系统特征,分析了当前面临的挑战,并展望未来研究方向。 展开更多
关键词 电力系统稳定性 人工智能 机器学习 数据驱动 知识数据融合
在线阅读 下载PDF
电磁目标表征:知识-数据联合驱动新范式 被引量：1
11
作者 杨淑媛 杨晨 +1 位作者 冯志玺 潘求凯 《航空兵器》 CSCD 北大核心 2024年第2期17-31,共15页
电磁目标表征是电磁空间态势感知中的一项共性基础性问题。早期目标表征基于专家经验知识,需要设计者具有较强的专业背景与先验知识,其在复杂信号环境下的性能不佳。近年来发展起来的深度学习为复杂电磁环境下的目标信号表征提供了新的... 电磁目标表征是电磁空间态势感知中的一项共性基础性问题。早期目标表征基于专家经验知识,需要设计者具有较强的专业背景与先验知识,其在复杂信号环境下的性能不佳。近年来发展起来的深度学习为复杂电磁环境下的目标信号表征提供了新的途径,它通过模拟人脑的深层结构建立机器学习模型,以端到端的方式自动表征和处理目标数据,在电磁目标检测、分类、识别、参数估计、行为认知等感知任务中显示出良好的性能。然而,深度学习严重依赖海量高质量标注数据,在现实电磁环境中存在一定局限。将知识融入智能系统一直是人工智能的研究方向,结合知识与数据进行电磁目标表征,将有望提升目标感知精度与泛化能力,正在成为电磁目标表征中新的方向。本文回顾了电磁目标表征技术的发展过程,对新的知识-数据联合驱动的电磁目标感知范式进行了展望。 展开更多
关键词 目标表征 专家知识 深度学习 知识-数据联合驱动 知识图谱
在线阅读 下载PDF
电网优化调度的模型-数据-知识融合方法研究评述及展望 被引量：2
12
作者 王珂 万祥宽 +3 位作者 王继业 李亚平 徐云贵 ASAD WAQAR 《中国电机工程学报》 EI CSCD 北大核心 2024年第S01期131-145,共15页
随着新型电力系统时变不确定因素日益增多和非线性更为增强,电网调度决策的复杂度剧增,充分利用物理模型、数据驱动和调度员知识经验的互补特性,有望实现电网优化调度决策效率和场景适应性的提升。首先,从不确定性调度、数据驱动和知识... 随着新型电力系统时变不确定因素日益增多和非线性更为增强,电网调度决策的复杂度剧增,充分利用物理模型、数据驱动和调度员知识经验的互补特性,有望实现电网优化调度决策效率和场景适应性的提升。首先,从不确定性调度、数据驱动和知识驱动3方面分别梳理了电网优化调度相关新发展;其次,分析了模型-数据-知识融合的内涵,将3者融合架构分为主从驱动模式和对等驱动模式,分别评述了国内外学者的相关研究工作;最后,针对模型-数据-知识融合在电网优化调度中的应用现状分析了存在问题,并从模型-数据-知识融合效果的量化评价、调度可信知识的主动筛选和演绎、多模式融合的电网调度可靠智能决策和自主趋优演化4个方面对未来研究方向进行了展望。 展开更多
关键词 模型驱动 数据驱动 知识经验 融合方式 电力优化调度
在线阅读 下载PDF
基于数据-物理混合模型的菇房空调节能控制方法 被引量：1
13
作者 孔祥书 郑文刚 +3 位作者 张馨 王明飞 单飞飞 赵倩 《农业工程学报》 北大核心 2025年第4期309-317,共9页
针对模型预测控制在菇房节能控制中存在纯数据驱动温度预测模型可解释性差、优化求解速度慢等问题,该研究提出了一种基于数据-物理混合模型的菇房空调节能控制方法。首先,使用门控循环单元神经网络(gated recurrent unit neural network... 针对模型预测控制在菇房节能控制中存在纯数据驱动温度预测模型可解释性差、优化求解速度慢等问题,该研究提出了一种基于数据-物理混合模型的菇房空调节能控制方法。首先,使用门控循环单元神经网络(gated recurrent unit neural network, GRU)与注意力机制(attention)作为预测模型,将菇房内部热平衡方程纳入损失函数中,实现基于数据-物理混合模型的菇房温度预测方法。然后,基于模型输出与参考轨迹的偏离程度和设备控制量建立目标函数。最后,利用改进型Adam算法快速地求解出空调在控制时域内的最优控制序列,实现菇房空调能耗最优控制。试验结果表明:与纯数据驱动的GRU模型相比,本文所提出的菇房温度预测模型,预测精度提高18%,均方根误差可控制在0.10℃内。与自适应矩估计(adaptive moment estimation,Adam)优化算法相比,改进型Adam算法适应度值降低6%,与带精英策略的快速非支配排序遗传算法相比(non-dominated sorting genetic algorithmⅡ, NSGA-Ⅱ)运算时长减少81%。与传统的阈值控制方法相比,本文所提出的模型预测控制方法跟踪精度提高63%,控制精度的均方根误差平均降低了73%,空调能耗平均降低了12%。该研究为菇房空调的节能控制提供了有效的控制方法。 展开更多
关键词 节能 模型预测控制 深度学习 数据-物理混合驱动模型 菇房
在线阅读 下载PDF
基于专家知识与监测数据联合驱动的高压开关柜状态评估
14
作者 仇翔 蒋文泽 +2 位作者 吴麒 张宝康 葛其运 《高技术通讯》 CAS 北大核心 2024年第7期776-786,共11页
高压开关柜(HVS)作为电力系统的关键设备,对其工作状况进行有效评估可以保障电力系统的安全稳定运行。在工程实践中,由于高压开关柜长期服役于潮湿、高温等恶劣环境下,不可避免的传感器失效或人为因素会导致其设备状态数据存在随机缺失... 高压开关柜(HVS)作为电力系统的关键设备,对其工作状况进行有效评估可以保障电力系统的安全稳定运行。在工程实践中,由于高压开关柜长期服役于潮湿、高温等恶劣环境下,不可避免的传感器失效或人为因素会导致其设备状态数据存在随机缺失的现象,从而破坏了数据的完整性和可用性,使得对数据质量要求较高的数据驱动方法难以直接用于解决高压开关柜状态评估的问题。为了解决上述问题,研究了一种基于专家知识和监测数据联合驱动的高压开关柜状态评估方法。首先,对高压开关柜系统的内部构成进行了深入分析,并根据区域中设备的功能不同将其分为电缆室、母线室和断路器室三大区域。其次,进一步分析了系统状态、各区域状态及其关键部件状态两两之间的因果关系,从而建立了适用于高压开关柜状态评估的三层贝叶斯网络(BN)拓扑结构。然后,引入专家领域知识设计了适用于高压开关柜系统的3种约束罚函数,并通过求解带有约束的优化问题,改善了不完整数据集下的贝叶斯网络参数估计性能,进而实现了对高压开关柜系统状态的精确评估。最后,在自主设计的10 kV高压开关柜样机上开展了对比验证实验,结果表明,相比于支持向量机(SVM)方法和反向传播(BP)神经网络方法,本文所提方法在状态评估精度上更具优势。 展开更多
关键词 高压开关柜(HVS) 状态评估 参数学习 知识与数据联合驱动 贝叶斯网络(BN)
在线阅读 下载PDF
数据驱动下的在线学习状态分析模型及应用研究 被引量：18
15
作者 王洋 刘清堂 +1 位作者 张文超 David Stein 《远程教育杂志》 CSSCI 北大核心 2019年第2期74-80,共7页
学习状态是决定学习者在线学习效果的重要指标。针对在线学习中学习者学习状态的测量方法,探究学习者的学习状态与学习行为之间的关系,可以为教师、学习者和教育管理者提供评估、预测与干预的依据。基于"云平台"上269名学习者... 学习状态是决定学习者在线学习效果的重要指标。针对在线学习中学习者学习状态的测量方法,探究学习者的学习状态与学习行为之间的关系,可以为教师、学习者和教育管理者提供评估、预测与干预的依据。基于"云平台"上269名学习者的12912条在线学习操作数据,构建数据驱动的学习状态分析模型,对投入、挫折、困惑、分心四种学习状态的行为特征进行了分析。其精确度和科恩的一致性的结果表明:机器分析结果与自我报告结果一致性较高,具有一定参考性。对其的进一步应用研究结果表明:学习者的学习状态与其学习效果显著相关,这为基于学习者学习行为数据的状态分析研究提供了参考。 展开更多
关键词 数据驱动 在线学习 学习状态 分析模型 应用研究 云课堂
在线阅读 下载PDF
基于数据驱动的南岭地区花岗岩岩体含矿性判别 被引量：1
16
作者 花旗 夏庆霖 刘奇锋 《地质科技通报》 北大核心 2025年第1期332-345,共14页
花岗岩作为成矿作用的重要参与者,对它的研究有利于了解钨锡成矿作用的地球化学过程并区分岩体的含矿性。收集了南岭地区含钨花岗岩、含钨锡花岗岩和不含矿花岗岩的主量元素和稀土元素数据,共42个岩体466组数据。总结对比了3类岩体的地... 花岗岩作为成矿作用的重要参与者,对它的研究有利于了解钨锡成矿作用的地球化学过程并区分岩体的含矿性。收集了南岭地区含钨花岗岩、含钨锡花岗岩和不含矿花岗岩的主量元素和稀土元素数据,共42个岩体466组数据。总结对比了3类岩体的地球化学特征,从数据驱动和机器学习的角度区分了3类岩体的含矿性和岩石地球化学特征之间的关联,运用受限玻尔兹曼机来训练自编码神经网络以消除主量元素和稀土元素之间量级的差别,并且提取中间特征,再将中间特征输入随机森林和多层BP神经网络,建立AE-RF和AE-BP岩体含矿性分类模型。通过随机森林输出了分类特征重要性。结果表明,含钨花岗岩的演化程度最高,含钨锡花岗岩次之,不含矿花岗岩最低。2种模型在测试集上都有很高的正确率(平均>90%),并且在盲测试集上AE-BP模型的实际运用效果更好。随机选择了6组岩体作为盲测试集,20个岩体中有13个岩体正确率>80%,有2个岩体正确率为[70%,80%],有2个岩体正确率为[50%,70%]。还有4个岩体正确率<50%。铁锰磷钙镁等主量元素和轻重稀土元素是区分3类岩体的重要特征。机器学习能够很好地反映出3类花岗岩的含矿性。地球化学特征的相似性会导致模型错误分类,陂头岩体有一定的成矿潜力。铁锰磷钙镁等主量元素决定了岩体能否含矿,而轻稀土元素是区分含钨岩体和含钨锡岩体的重要指标,表明岩浆的分异演化程度决定了岩体能否含矿,而幔源物质的加入是区别岩体含钨还是含钨锡的特征。 展开更多
关键词 高分异花岗岩 数据驱动模型 机器学习 南岭钨锡多金属矿床 岩体含矿性评价
在线阅读 下载PDF
离散时间非线性系统的数据驱动无模型自适应迭代学习控制(英文) 被引量：20
17
作者 金尚泰 侯忠生 +1 位作者 池荣虎 柳向斌 《控制理论与应用》 EI CAS CSCD 北大核心 2012年第8期1001-1009,共9页
本文基于迭代域的动态线性化方法,提出了一类单入单出离散时间非线性系统的数据驱动无模型自适应迭代学习控制方案.无模型自适应迭代学习控制本质上属于一种数据驱动控制方法,仅利用被控对象的输入输出数据即可实现控制方案的设计.理论... 本文基于迭代域的动态线性化方法,提出了一类单入单出离散时间非线性系统的数据驱动无模型自适应迭代学习控制方案.无模型自适应迭代学习控制本质上属于一种数据驱动控制方法,仅利用被控对象的输入输出数据即可实现控制方案的设计.理论分析表明无模型自适应迭代学习控制方案可以保证最大学习误差的单调收敛性.数值仿真和快速路交通控制应用验证了无模型自适应迭代学习控制方案的有效性. 展开更多
关键词 数据驱动控制 迭代学习控制 无模型自适应控制 动态线性化方法 单调收敛性 快速路交通控制
在线阅读 下载PDF
间歇过程最优迭代学习控制的发展:从基于模型到数据驱动 被引量：27
18
作者 池荣虎 侯忠生 黄彪 《自动化学报》 EI CSCD 北大核心 2017年第6期917-932,共16页
本文综述了间歇过程的基于模型的和数据驱动的最优迭代学习控制方法.基于模型的最优迭代学习控制方法需要已知被控对象精确的线性模型,其研究较为成熟和完善,有着系统的设计方法和分析工具.数据驱动的最优迭代学习控制系统设计和分析的... 本文综述了间歇过程的基于模型的和数据驱动的最优迭代学习控制方法.基于模型的最优迭代学习控制方法需要已知被控对象精确的线性模型,其研究较为成熟和完善,有着系统的设计方法和分析工具.数据驱动的最优迭代学习控制系统设计和分析的关键是非线性重复系统的迭代动态线性化.本文简要综述了基于模型的最优迭代学习控制的研究进展,详细回顾了数据驱动的迭代动态线性化方法,包括其详细的推导过程和突出的特点.回顾和讨论了广义的数据驱动最优迭代学习控制方法,包括完整轨迹跟踪的数据驱动最优迭代学习控制方法,提出和讨论了多中间点跟踪的数据驱动最优点到点迭代学习控制方法,和终端输出跟踪的数据驱动最优终端迭代学习控制方法.进一步,迭代学习控制研究中的关键问题,如随机迭代变化初始条件、迭代变化参考轨迹、输入输出约束、高阶学习控制律、计算复杂性等.本文突出强调了基于模型的和数据驱动的最优迭代学习控制方法各自的特点与区别联系,以方便读者理解.最后,本文提出数据驱动的迭代学习控制方法已成为越来越复杂间歇过程控制发展的未来方向,一些开放的具有挑战性的问题还有待于进一步研究. 展开更多
关键词 间歇过程 基于模型的最优迭代学习控制 迭代动态线性化 数据驱动的最优迭代学习控制
在线阅读 下载PDF
基于深度学习的玉米生产过程知识图谱构建
19
作者 彭雨侬 柳平增 张艳 《中国农机化学报》 北大核心 2025年第2期245-252,共8页
知识图谱是以结构化形式对知识进行存储的图数据库。针对玉米种植户无法高效、快捷地获取玉米生产过程知识问题,构建一种基于深度学习的玉米生产过程知识图谱。半结构化数据来源于在农业领域专家帮助下制定的表格形式玉米高产栽培方案;... 知识图谱是以结构化形式对知识进行存储的图数据库。针对玉米种植户无法高效、快捷地获取玉米生产过程知识问题,构建一种基于深度学习的玉米生产过程知识图谱。半结构化数据来源于在农业领域专家帮助下制定的表格形式玉米高产栽培方案;非结构化数据获取则基于OCR技术将书籍转换为TXT格式的文本文档。模式层构建则根据玉米领域数据不同特征,确定玉米品种包含1类实体、12种属性,玉米病害和玉米虫害分别包含6类实体、5类关系,形成玉米种植知识实体和关系概念层。在数据层构建过程中,通过BIOES标注法,采用BERT—BiLSTM—CRF模型对非结构化数据进行实体识别。结果表明,基于BERT—BiLSTM—CRF命名实体识别模型相比LSTM、LSTM—CRF、BiLSTM—CRF,在F1值上分别提高14.31%、7.36%、3.86%;精确率、召回率和F1值分别达到89.31%、88.54%和88.92%。构建完成的玉米生产过程知识图谱可提升用户获取玉米种植知识的效率,提高玉米种植的管理水平。 展开更多
关键词 深度学习 知识图谱 玉米生产过程 玉米病虫害 玉米品种 识别模型 数据采集
在线阅读 下载PDF
知识+数据驱动学习:未来网络智能的基础 被引量：6
20
作者 朱近康 《中兴通讯技术》 2020年第4期46-49,共4页
讨论了未来网络智能的核心问题和学习能力,提议采用知识+数据驱动学习模型作为未来网络智能的基础。论述了学习模型中的知识驱动和数据驱动及反向传播判决,以及利用该模型实现未来网络的智能管控方法。
关键词 未来智能网络 知识+数据驱动学习模型 智能管控
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 … 7 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