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6,992篇文章
< 1 2 … 250 >
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：
决策学习型蜣螂优化算法的无人机协同路径规划 被引量：1
1
作者 张乐 胡毅文 +2 位作者 杨红 杨超 马宏远 《计算机应用研究》 北大核心 2025年第1期196-204,共9页
针对多无人机协同路径规划问题,提出了一种决策学习型蜣螂优化算法(DLDBO)。传统蜣螂优化算法(DBO)种群之间缺乏信息互换,容易陷入局部最优解。因此,利用Pearson相关系数计算个体之间的相似性,通过相似性指标判断并作出决策:若不相似,... 针对多无人机协同路径规划问题,提出了一种决策学习型蜣螂优化算法(DLDBO)。传统蜣螂优化算法(DBO)种群之间缺乏信息互换,容易陷入局部最优解。因此,利用Pearson相关系数计算个体之间的相似性,通过相似性指标判断并作出决策:若不相似,利用折射反向学习计算得到候选解,在一定程度上提高个体之间影响的同时增强算法跳出局部最优的能力;若相似,利用所提出的链式邻近学习引导蜣螂个体,增加影响个体更新的因素,充分促进个体之间的信息交流。在CEC2017测试套件的29个测试函数上进行了充分的对比实验,结果表明,DLDBO性能明显优于其他六种先进的变体算法。利用DLDBO规划无人机群的飞行路径,最终能够得到较为理想的协同路径并且有效避开威胁,优于其余三种优秀的协同路径规划算法,满足了无人机协同飞行的需求。 展开更多
关键词 蜣螂优化算法 折射反向学习 链式邻近学习 无人机协同路径规划
在线阅读 下载PDF
基于折射反向学习机制的樽海鞘群算法 被引量：1
2
作者 钱谦 翟豪 +2 位作者 潘家文 冯勇 李英娜 《小型微型计算机系统》 北大核心 2025年第1期119-127,共9页
由于樽海鞘群算法(SSA)容易陷入局部最优,导致算法收敛能力较差,为了提高算法的搜索性能,本文提出了一种基于折射反向学习的樽海鞘群算法rOSSA.算法根据折射反向学习在解空间中获得反向解,使搜索代理获得更多选择机会,增加算法找到更优... 由于樽海鞘群算法(SSA)容易陷入局部最优,导致算法收敛能力较差,为了提高算法的搜索性能,本文提出了一种基于折射反向学习的樽海鞘群算法rOSSA.算法根据折射反向学习在解空间中获得反向解,使搜索代理获得更多选择机会,增加算法找到更优解的可能性.此外,在折射反向学习中引入概率扰动机制,通过概率扰动机制使搜索代理在迭代后期能够跳出局部最优,从而增强算法的全局搜索能力.最后,通过9个单峰、多峰、复合测试函数和一个工程计算问题将rOSSA与近年提出的一些主流算法进行比较,实验结果有效证明了本文改进算法的有效性. 展开更多
关键词 樽海鞘群算法 搜索性能 折射反向学习 概率扰动
在线阅读 下载PDF
快速综合学习粒子群优化算法 被引量：3
3
作者 杨帆 乌景秀 +2 位作者 范子武 李子祥 朱沈涛 《水利水电技术(中英文)》 北大核心 2025年第2期30-44,共15页
【目的】粒子群优化算法在反问题求解、函数优化、数据挖掘、机器学习等研究领域广泛应用,但在求解复杂多峰问题时仍存在过早收敛的问题。为了提升粒子群算法在处理复杂多峰问题求解速度和精度,提出了快速综合学习粒子群优化算法(Fast C... 【目的】粒子群优化算法在反问题求解、函数优化、数据挖掘、机器学习等研究领域广泛应用,但在求解复杂多峰问题时仍存在过早收敛的问题。为了提升粒子群算法在处理复杂多峰问题求解速度和精度,提出了快速综合学习粒子群优化算法(Fast Comprehensive Learning Particle Swarm Optimization,FCLPSO)。【方法】FCLPSO算法引入粒子学习概率、个体影响概率、群体影响概率三个属性,表征每个粒子个体“与生俱来”的不同学习能力,同时新增强化学习、粒子重生等策略,提升算法收敛速度以及监测并跳出“伪收敛”状态。选用14个标准测试函数以及6种常用粒子群变体算法开展FCLPSO算法性能分析。【结果】结果显示:在收敛性方面,FCLPSO算法平均排名为1.86,排名第一次数为7次、排名第二的次数为2次、排名最后次数为0,最终综合排名第一;在鲁棒性方面,FCLPSO算法成功率排名第一,平均值为94.3%,14个测试函数中最低成功率为73.3%;达到阈值所需适应度评价次数最少,平均值40817,较其他算法评价次数少一半。【结论】结果表明:FCLPSO算法在收敛精度、收敛速度和鲁棒性方面排名综合第一,对复杂多峰问题求解更具优势,可为工程应用中复杂优化问题求解提供重要手段。 展开更多
关键词 粒子群优化算法 强化学习 粒子属性 粒子重生 过早收敛 影响因素 人工智能 全局搜索
在线阅读 下载PDF
基于集成学习模型与贝叶斯优化算法的成矿预测 被引量：1
4
作者 孔春芳 田倩 +3 位作者 刘健 蔡国荣 赵杰 徐凯 《地学前缘》 北大核心 2025年第4期122-139,共18页
全球进入隐伏矿体勘查时代,急需新的找矿预测方法。利用集成学习进行的数据驱动的成矿预测模型正在成为深部隐伏矿产勘探的有力工具。然而,基于集成学习的成矿预测模型面临着一些普遍的问题,特别是模型的参数调优。模型的参数调优是一... 全球进入隐伏矿体勘查时代,急需新的找矿预测方法。利用集成学习进行的数据驱动的成矿预测模型正在成为深部隐伏矿产勘探的有力工具。然而,基于集成学习的成矿预测模型面临着一些普遍的问题,特别是模型的参数调优。模型的参数调优是一个非常耗时的过程,需要繁琐的计算和足够的专家经验。本文提出了一种基于多源地学知识与贝叶斯优化算法的集成学习模型来解决上述问题。具体来说,首先,基于多源地学知识,构建锰矿成矿预测数据库;其次,基于自适应提升模型(Adaptive Boosting,AdaBoost)和随机森林(Random Forest,RF)模型,建立黔东北锰矿成矿预测模型;然后,采用贝叶斯优化算法(Bayesian Optimization,BO),通过5倍交叉验证的辅助,寻找BO-AdaBoost和BO-RF模型最合适的超参数组合;最后,利用精度、准确率、召回率、F_(1)分数、kappa系数、AUC值等参数及已有成果检测模型的性能。实验结果发现,BO-AdaBoost和BO-RF模型的AUC值都得到了显著的提高,表明BO是一个强大的优化工具,优化结果为集成学习模型的超参数设置提供了参考。同时,实验结果也表明:BO-AdaBoost模型(92.8%)比BO-RF模型(89.9%)具有更高的预测精度和地质泛化能力,在成矿预测方面具有巨大潜力。基于BO-AdaBoost模型的预测图为黔东北隐伏锰矿矿床的勘探提供了重要线索,并可以指导未来的矿产勘探与开发。 展开更多
关键词 集成学习 自适应提升模型 随机森林 贝叶斯优化算法 隐伏锰矿 成矿预测
在线阅读 下载PDF
基于多种机器学习算法和语音情绪特征的阈下抑郁辨识模型构建 被引量：1
5
作者 陈梅妹 王洋 +3 位作者 雷黄伟 张斐 黄睿娜 杨朝阳 《南方医科大学学报》 北大核心 2025年第4期711-717,共7页
目的分析阈下抑郁组和正常组的语音情绪特征,并通过6种机器学习算法构建语音识别分类模型,为阈下抑郁辨识提供客观化依据,以提高早期诊断率。方法采集正常组和阈下抑郁组的朗读单词和文本的不同语音数据,每个语音段提取384维语音情绪特... 目的分析阈下抑郁组和正常组的语音情绪特征,并通过6种机器学习算法构建语音识别分类模型,为阈下抑郁辨识提供客观化依据,以提高早期诊断率。方法采集正常组和阈下抑郁组的朗读单词和文本的不同语音数据,每个语音段提取384维语音情绪特征变量,包括能量特征、梅尔频率倒谱系数、零交叉率特征、声音概率特征、基频特征、差分特征等多个维度。采用递归特征消除方法筛选语音特征变量,然后利用自适应增强算法(AdaBoost)、随机森林(RF)、线性判别分析(LDA)、逻辑回归、Lasso回归和支持向量机机器学习算法构建分类模型,并评估模型的性能。为评估模型泛化能力,采用真实世界的语音数据,对最佳阈下抑郁语音识别分类模型进行测试。结果AdaBoost、RF和LDA模型在单词朗读语音测试集上预测准确率为100%、100%和93.3%,展现出高准确率和稳定性;在单词文本语音测试集上,AdaBoost、RF和LDA模型的预测准确率为90%、80%和90%,其余3个算法模型的准确率均小于80%。阈下抑郁语音AdaBoost和RF分类模型对真实世界的朗读单词和文本语音数据的预测准确率仍然可以达到了91.7%和80.6%,86.1%和77.8%。结论通过分析语音情绪特征可以有效地识别阈下抑郁个体,AdaBoost和RF模型在阈下抑郁个体分类方面表现出色,是识别阈下抑郁的有力工具,可以为临床应用和研究提供参考。 展开更多
关键词 阈下抑郁识别 语音情绪特征 机器学习 自适应增强算法 随机森林
在线阅读 下载PDF
基于学习型多策略改进鲸鱼算法的路径规划研究 被引量：3
6
作者 岳凡 艾尔肯·亥木都拉 刘拴 《组合机床与自动化加工技术》 北大核心 2025年第2期46-51,56,共7页
为解决机器人在路径规划中路径过长与后期寻优停滞的问题,提出了一种学习型多策略改进鲸鱼优化算法(reinforcement learning multi-strategy improvement whale optimization algorithm,RLMIWOA),并在欧式距离的基础上引入了障碍物信息... 为解决机器人在路径规划中路径过长与后期寻优停滞的问题,提出了一种学习型多策略改进鲸鱼优化算法(reinforcement learning multi-strategy improvement whale optimization algorithm,RLMIWOA),并在欧式距离的基础上引入了障碍物信息与拐点信息,构建了路径规划适应度函数。首先,引入自适应帐篷映射初始化,使得初始化种群更加均匀;其次,引入了非线性收敛策略平衡算法的开发和探索阶段;然后,通过采用非线性加权因子对最优个体进行扰动,避免了其他个体对最优个体的“盲从”;最后,通过采用强化学习结合ε-精英逐维反向学习策略和动态局部最优逃生策略,提高了算法的收敛效率和跳出局部最优的能力。实验结果表明:RLMIWOA算法可以高效地找到最优路径,在路径搜索方面具有显著的优势。 展开更多
关键词 路径规划 强化学习 鲸鱼优化算法 适应度函数 局部最优
在线阅读 下载PDF
基于监督学习的稀疏矩阵乘算法优选
7
作者 彭林 张鹏 +2 位作者 陈俊峰 唐滔 黄春 《计算机工程与科学》 北大核心 2025年第3期381-391,共11页
稀疏矩阵乘算法中主流的row-by-row计算公式上的SPA、HASH、ESC 3种稀疏矩阵乘实现算法,在对不同的稀疏矩阵进行计算时性能差异显著,在不同非零元规模上单一算法不总是能取得最佳性能,而且单一算法与最优选择存在明显差距。为此,提出了... 稀疏矩阵乘算法中主流的row-by-row计算公式上的SPA、HASH、ESC 3种稀疏矩阵乘实现算法,在对不同的稀疏矩阵进行计算时性能差异显著,在不同非零元规模上单一算法不总是能取得最佳性能,而且单一算法与最优选择存在明显差距。为此,提出了一种基于机器学习的最优稀疏矩阵乘算法选择模型,以给定矩阵集作为数据源,抽取稀疏矩阵的特征,并使用SPA、HASH、ESC计算获得的性能数据进行训练和验证,获得的模型能够仅使用稀疏矩阵的特征即可完成对新数据集的算法优选。实验结果表明,该模型可以获得91%以上的预测准确率,平均性能达到最优选择的98%,是单一算法性能的1.55倍以上,并且可在实际库函数中使用,具有良好的泛化能力和实用价值。 展开更多
关键词 稀疏矩阵乘 SpGEMM SPA算法 HASH算法 ESC算法 机器学习
在线阅读 下载PDF
基于Levy飞行和麻雀搜索算法优化集成学习模型的水质估算 被引量：3
8
作者 李爱民 康轩 +3 位作者 袁铮 王海隆 闫翔宇 许有成 《同济大学学报(自然科学版)》 北大核心 2025年第3期450-461,共12页
由于水体的光学复杂性和不同水质参数之间的相互作用,利用集成学习方法估算水质参数具有优势;然而,在建模过程中如何合理选择超参数仍然是一个难题。麻雀搜索算法能够快速搜索集成学习模型的最优参数;而Levy飞行算法可以防止麻雀搜索算... 由于水体的光学复杂性和不同水质参数之间的相互作用,利用集成学习方法估算水质参数具有优势;然而,在建模过程中如何合理选择超参数仍然是一个难题。麻雀搜索算法能够快速搜索集成学习模型的最优参数;而Levy飞行算法可以防止麻雀搜索算法(Sparrow Search Algorithm,SSA)陷入局部最优,并提高模型的准确性和效率。使用Levy飞行算法和麻雀搜索算法对随机森林(RandomForest,RF)、自适应回归(AdaBoost Regression,ABR)和类别提升回归(CatBoost Regression,CBR)3种集成学习模型进行了优化。以郑州东风渠和熊耳河为研究区,基于实测叶绿素a(chlorophyll-a,Chl-a)和总悬浮物(total suspended solids,TSM)数据,构建了LSSA-RF、LSSA-ABR和LSSA-CBR这3种估算模型。实验结果表明:模型经过优化后,各项指标均有不同程度的提高。其中表现最优的是LSSA-CBR模型;CBR模型是在梯度提升框架下进行的建模,对比RF和CBR模型具有更高维度的学习能力。在叶绿素a的估算中,LSSA-CBR估算模型的均方根误差为2.325μg·L^(-1),决定系数为0.896;在总悬浮物的估算中,LSSA-CBR模型的均方根误差为1.598 mg·L^(-1),决定系数为0.882。最后,将精度较好的LSSA-CBR模型应用于卫星Planet影像中,以评估河流叶绿素a和总悬浮物的空间分布情况。研究结果可为环保部门快速了解城市河流水质分布及进行水质评价与管理提供参考。 展开更多
关键词 叶绿素a 总悬浮物 集成学习模型 Levy飞行—麻雀搜索算法 城市河流
在线阅读 下载PDF
基于深度强化学习的游戏智能引导算法 被引量：2
9
作者 白天 吕璐瑶 +1 位作者 李储 何加亮 《吉林大学学报(理学版)》 北大核心 2025年第1期91-98,共8页
针对传统游戏智能体算法存在模型输入维度大及训练时间长的问题,提出一种结合状态信息转换与奖励函数塑形技术的新型深度强化学习游戏智能引导算法.首先,利用Unity引擎提供的接口直接读取游戏后台信息,以有效压缩状态空间的维度,减少输... 针对传统游戏智能体算法存在模型输入维度大及训练时间长的问题,提出一种结合状态信息转换与奖励函数塑形技术的新型深度强化学习游戏智能引导算法.首先,利用Unity引擎提供的接口直接读取游戏后台信息,以有效压缩状态空间的维度,减少输入数据量;其次,通过精细化设计奖励机制,加速模型的收敛过程;最后,从主观定性和客观定量两方面对该算法模型与现有方法进行对比实验,实验结果表明,该算法不仅显著提高了模型的训练效率,还大幅度提高了智能体的性能. 展开更多
关键词 深度强化学习 游戏智能体 奖励函数塑形 近端策略优化算法
在线阅读 下载PDF
基于改进粒子群算法和极限学习机模型的配电网物资需求预测 被引量：1
10
作者 王永利 赵中华 +2 位作者 张一诺 冯天义 刘怡然 《科学技术与工程》 北大核心 2025年第15期6410-6418,共9页
为解决电网物资品种繁多、规格多样、数量巨大、用途广泛、受政策和投资影响大等特点所导致的预测模型构建困难的问题。首先,通过德尔菲法和灰色关联分析法(gray correlation analysis,GRA)筛选影响基建、业扩及抢修项目物资需求数量的... 为解决电网物资品种繁多、规格多样、数量巨大、用途广泛、受政策和投资影响大等特点所导致的预测模型构建困难的问题。首先,通过德尔菲法和灰色关联分析法(gray correlation analysis,GRA)筛选影响基建、业扩及抢修项目物资需求数量的因素。其次,利用引入自适应惯性因子和学习因子的改进粒子群算法调整极限学习机的最佳参数组合,训练各类配网项目物资需求预测模型。最后,以南方电网深圳市某供电局2020—2022年基建项目10 kV电力电缆需求情况为例,将GRA-IPSO-ELM(grey relational analysis,improved particle swarm optimization,and extreme learning machines)德尔菲法和灰色关联分析法模型与常见的4种预测模型的结果进行对比。结果表明,相较于ELM模型、支持向量机模型以及PSO-ELM模型,GRA-IPSO-ELM模型预测准确率得到10.38%、5.37%、3.83%的提升,可见,所提出的模型实现了对配网物资需求数量准确且高效的预测。 展开更多
关键词 物资需求预测 配电网 极限学习机 改进粒子群优化算法
在线阅读 下载PDF
求解广义互补问题的Levenberg-Marquardt算法
11
作者 于冬梅 刘大熠 《数学物理学报(A辑)》 北大核心 2025年第4期1311-1326,共16页
该文提出求解广义互补问题的Levenberg-Marquardt型方法.首先,结合一类互补函数,将广义互补问题等价重构为非线性方程组,进而提出一类带有线搜索的自适应修正Levenberg-Marquardt算法对其进行求解.其次,在适当的条件下分析了算法的收敛... 该文提出求解广义互补问题的Levenberg-Marquardt型方法.首先,结合一类互补函数,将广义互补问题等价重构为非线性方程组,进而提出一类带有线搜索的自适应修正Levenberg-Marquardt算法对其进行求解.其次,在适当的条件下分析了算法的收敛性.最后,通过数值实验验证了所提出算法的可行性和有效性. 展开更多
关键词 广义互补问题 levenberg-marquardt算法 线搜索 收敛性分析
在线阅读 下载PDF
一种进化梯度引导的强化学习算法
12
作者 许斌 练元洪 +2 位作者 卞鸿根 刘丹 亓晋 《南京邮电大学学报(自然科学版)》 北大核心 2025年第1期99-105,共7页
进化算法(Evolutionary Algorithm,EA)和深度强化学习(Deep Reinforcement Learning,DRL)的组合被认为能够结合二者的优点,即EA的强大随机搜索能力和DRL的样本效率,实现更好的策略学习。然而,现有的组合方法存在EA引入所导致的策略性能... 进化算法(Evolutionary Algorithm,EA)和深度强化学习(Deep Reinforcement Learning,DRL)的组合被认为能够结合二者的优点,即EA的强大随机搜索能力和DRL的样本效率,实现更好的策略学习。然而,现有的组合方法存在EA引入所导致的策略性能不可预测性问题。提出自适应历史梯度引导机制,其利用历史梯度信息,找到平衡探索和利用的线索,从而获得较为稳定的高质量策略,进一步将此机制融合经典的进化强化学习算法,提出一种进化梯度引导的强化学习算法(Evolutionary Gradient Guided Reinforcement Learning,EGG⁃RL)。在连续控制任务方面的实验表明,EGG⁃RL的性能表现优于其他方法。 展开更多
关键词 CEM⁃RL 深度强化学习 进化算法 历史梯度
在线阅读 下载PDF
基于不同机器学习算法预测初次全膝关节置换术后慢性疼痛的效能比较
13
作者 赖兵 梁斐 +2 位作者 黄杰贤 刘松浪 王军 《医学研究与战创伤救治》 北大核心 2025年第9期962-967,共6页
目的探究不同机器学习算法预测初次全膝关节置换术(TKA)术后慢性疼痛的预测效能。方法回顾性收集2020年1月-2023年6月梅州市人民医院收治的404例初次TKA患者的病历资料,根据TKA术后是否发生慢性疼痛分为发生组(n=102)和未发生组(n=302)... 目的探究不同机器学习算法预测初次全膝关节置换术(TKA)术后慢性疼痛的预测效能。方法回顾性收集2020年1月-2023年6月梅州市人民医院收治的404例初次TKA患者的病历资料,根据TKA术后是否发生慢性疼痛分为发生组(n=102)和未发生组(n=302)。采用单因素、多因素Logistic回归分析TKA术后慢性疼痛的影响因素,基于诺莫图、随机森林及决策树构建初次TKA术后慢性疼痛的预测模型,采用受试者工作特征曲线(ROC)验证其预测效能。结果两组患者合并糖尿病、遵循康复锻炼计划、术前疼痛视觉模拟(VAS)评分、术前股四头肌回声强度、术前股四头肌厚度、疼痛灾难化量表(PCS)评分、医院焦虑抑郁量表(HADS)评分、疼痛信念与感知量表(PBPI)评分比较,差异均有统计学意义(P<0.05);多因素Logistic回归分析显示,合并糖尿病、术前VAS评分、PCS评分、HADS评分、PBPI评分是初次TKA术后发生慢性疼痛的危险因素,遵循康复锻炼计划、术前股四头肌厚度是其保护因素(P<0.05);根据Logistic回归获得影响因素构建的诺莫图、随机森林及决策树构建初次TKA术后慢性疼痛的AUC分别为0.903、0.948、0.861,随机森林模型的AUC>诺莫图预测模型>决策树模型,差异均有统计学意义(Z1=5.106,Z2=4.562,均P<0.001)。结论初次TKA术后发生慢性疼痛的影响因素较多,根据其因素构建不同机器学习算法模型,其中随机森林模型在评估初次TKA术后发生慢性疼痛中具有良好预测效能。 展开更多
关键词 机器学习算法 全膝关节置换术 慢性疼痛 诺莫图 随机森林 决策树
在线阅读 下载PDF
基于算法优化极限学习机的香芋皮改性膳食纤维制备及其NO_(2)^(-)吸附量预测
14
作者 邓忠惠 谢微 《中国无机分析化学》 北大核心 2025年第6期889-897,共9页
在响应面法的基础上,收集所有实验数据,包括工艺参数和NO_(2)^(-)吸附量。对数据进行预处理,选择合适的输入变量(料液比、盐酸浓度、反应温度和反应时间),使用训练数据建立初始ELM模型。采用遗传算法(GA)、粒子群优化算法(PSO)、麻雀搜... 在响应面法的基础上,收集所有实验数据,包括工艺参数和NO_(2)^(-)吸附量。对数据进行预处理,选择合适的输入变量(料液比、盐酸浓度、反应温度和反应时间),使用训练数据建立初始ELM模型。采用遗传算法(GA)、粒子群优化算法(PSO)、麻雀搜索算法(SSA)、灰狼优化算法(GWO)和海鸥算法(SOA)对ELM进行优化。使用训练数据集对优化后的ELM模型进行训练。使用测试数据集对模型进行验证,评估模型的性能指标。结果显示,5种优化后的ELM模型在各项性能指标上均优于初始ELM模型。在5种优化算法中,SSA-ELM模型表现最为显著,其绝对误差(MAE)、均方误差(MSE)、均方误差根(RMSE)、平均绝对百分比误差(MAPE)分别为0.023498、0.0007391、0.027186和0.037267%,是所有优化算法测试模型中最低值。在测试模型中,原始ELM模型的R^(2)为0.013291,而GA-ELM、PSO-ELM、SSA-ELM、GWO-ELM和SOA-ELM模型的R^(2)分别0.86709、0.98016、0.99971、0.99998和0.99969。这表明5种优化ELM模型具有更高的拟合度、更好的泛化能力和稳定性,且相对于原始ELM模型,R^(2)值有显著提升。优化后的ELM模型,可以快速、准确地预测不同工艺条件下香芋皮改性膳食纤维的NO_(2)^(-)吸附量,减少实验成本和时间,提高生产效率和产品质量,为实际应用提供可靠的预测工具。 展开更多
关键词 香芋皮改性膳食纤维 响应面法 极限学习机 算法优化 预测
在线阅读 下载PDF
基于复杂网络聚类算法的用户学习行为动态演化模型
15
作者 刘俊娟 闫培玲 +1 位作者 肖俊生 王林景 《吉林大学学报(理学版)》 北大核心 2025年第5期1411-1417,共7页
为深入了解用户的学习习惯和发展趋势,根据用户需求和行为动态合理地调整教育资源,提出一个基于复杂网络聚类算法的用户学习行为动态演化模型.首先,设计复杂网络聚类模型,得到用户学习行为社区;其次,通过语义二值获得数据关联规则分布,... 为深入了解用户的学习习惯和发展趋势,根据用户需求和行为动态合理地调整教育资源,提出一个基于复杂网络聚类算法的用户学习行为动态演化模型.首先,设计复杂网络聚类模型,得到用户学习行为社区;其次,通过语义二值获得数据关联规则分布,利用多元回归方法挖掘关联规则,得到用户学习行为特征分布模型;最后,在门控递归单元网络中添加注意力机制,获得用户学习行为兴趣特征,并以此为输入量,得到动态演化模型.实验结果表明,该方法可有效区分学习社区中用户感兴趣和不感兴趣的行为数据;AUC值更接近于1,表明该方法的性能更好,实用性更强. 展开更多
关键词 复杂网络 社区挖掘 数据聚类算法 注意力机制 学习行为分析 动态演化
在线阅读 下载PDF
基于随机对称搜索的进化强化学习算法
16
作者 邸剑 万雪 姜丽梅 《计算机工程与科学》 北大核心 2025年第5期912-920,共9页
进化算法的引入极大地提高了强化学习算法的性能。然而,现有的基于进化强化学习ERL的算法还存在易陷入欺骗性奖励、易收敛到局部最优和稳定性差的问题。为了解决这些问题,提出了一种随机对称搜索策略,直接作用于策略网络参数,在策略网... 进化算法的引入极大地提高了强化学习算法的性能。然而,现有的基于进化强化学习ERL的算法还存在易陷入欺骗性奖励、易收敛到局部最优和稳定性差的问题。为了解决这些问题,提出了一种随机对称搜索策略,直接作用于策略网络参数,在策略网络参数中心的基础上由最优策略网络参数指导全局策略网络参数优化更新,同时辅以梯度优化,引导智能体进行多元探索。在MuJoCo的5个机器人运动连续控制任务中的实验结果表明,提出的算法性能优于以前的进化强化学习算法,且具有更快的收敛速度。 展开更多
关键词 深度强化学习 进化算法 进化强化学习 随机对称搜索
在线阅读 下载PDF
基于元学习和集成学习的高熵合金相预测算法
17
作者 侯帅 李玉娇 +2 位作者 白梅娟 孙梦玥 石修志 《计算机应用与软件》 北大核心 2025年第6期302-310,共9页
准确预测高熵合金的相,有利于减少材料设计的工作量和研发周期,并提高材料的性能,因此提出一种基于元学习和集成学习的高熵合金相预测算法。该算法由关系映射模型和优化模型两个部分组成。前者建立了结合材料知识的元特征与选择性集成... 准确预测高熵合金的相,有利于减少材料设计的工作量和研发周期,并提高材料的性能,因此提出一种基于元学习和集成学习的高熵合金相预测算法。该算法由关系映射模型和优化模型两个部分组成。前者建立了结合材料知识的元特征与选择性集成学习性能的映射关系,来推荐合适的集成算法;后者采用基于单体精度约束的人工蜂群算法来提高集成学习的准确率。实验结果表明,该算法的预测性能要优于其他选择性集成学习算法。 展开更多
关键词 高熵合金 相预测 元学习 集成学习 人工蜂群算法
在线阅读 下载PDF
基于剪枝算法优化的轻量级深度学习网络算法
18
作者 仇丹丹 《计算机科学》 北大核心 2025年第S2期194-200,共7页
随着目前计算机技术的不断发展,很多计算机技术都使用了智能算法来提高自身的智能化水平。其中,轻量化深度学习网络算法是使用频率较高的一种,很多领域中都使用了该算法来提高自身的生产效率。但现在的轻量级深度学习网络算法还存在算... 随着目前计算机技术的不断发展,很多计算机技术都使用了智能算法来提高自身的智能化水平。其中,轻量化深度学习网络算法是使用频率较高的一种,很多领域中都使用了该算法来提高自身的生产效率。但现在的轻量级深度学习网络算法还存在算法规模大、特征提取效果差等缺点。为了解决上述问题,文中以深度网络学习算法中的一维卷积神经网络算法为研究对象,利用剪枝算法对卷积神经网络算法进行轻量化设计,以期优化算法的性能。首先将轻量化后的卷积神经网络算法与传统的算法进行对比,结果显示,轻量化算法的速度提升了近3倍,达到了3.7 bps,与此同时,算法的存储需求和能源消耗大幅度降低,能源消耗仅有12.3%。然后,将剪枝算法轻量化后的卷积神经网络学习算法与其他轻量化算法进行对比,结果表明,该算法对不同数据的平均检测精度均为95%以上,远高于其他算法,该算法的特征提取效果也显著优于其他算法,且该算法的运行耗时仅需4.98 ms,远低于其他算法。由上述结果可知,所提出的剪枝算法轻量化设计方法可以提高深度学习网络算法的各项性能。 展开更多
关键词 深度学习网络算法 剪枝算法 轻量化 卷积神经网络
在线阅读 下载PDF
基于改进蜣螂优化算法深度混合核极限学习机的高压断路器故障诊断
19
作者 范兴明 许洪华 +3 位作者 张思舜 李涛 蒋延军 张鑫 《电工技术学报》 北大核心 2025年第12期3994-4003,共10页
针对高压断路器机械故障诊断准确率偏低的问题,该文提出一种基于改进蜣螂优化算法(IDBO)优化深度混合核极限学习机(DHKELM)的故障诊断方法。首先,采用逐次变分模态分解(SVMD)对高压断路器合闸振动信号进行分解,得到若干个含本征频率的... 针对高压断路器机械故障诊断准确率偏低的问题,该文提出一种基于改进蜣螂优化算法(IDBO)优化深度混合核极限学习机(DHKELM)的故障诊断方法。首先,采用逐次变分模态分解(SVMD)对高压断路器合闸振动信号进行分解,得到若干个含本征频率的固有模态分量(IMF);其次,提取各IMF分量的功率谱熵构建特征向量矩阵,并利用t分布-随机邻域嵌入算法(t-SNE)对特征向量进行数据降维;然后,引入融合Tent混沌映射、黄金正弦策略、自适应t分布扰动策略对传统蜣螂优化算法(DBO)进行改进,并使用IDBO对DHKELM进行参数优化,完成IDBO-DHKELM高压断路器故障诊断模型的构建;最后,通过搭建模拟故障的实物断路器实验平台进行验证,结果表明,该文提出的方法在故障诊断上的准确率达到了98.33%,相较于其他故障诊断模型在多项分类评价指标上均有显著提升,为准确、可靠地诊断高压断路器机械故障提供了新方案。 展开更多
关键词 高压断路器 改进蜣螂优化算法 深度混合核极限学习机 故障诊断 逐次变分模 态分解
在线阅读 下载PDF
基于机器学习耦合启发式算法和数据预处理的无负约束组合风速预测
20
作者 付桐林 《太阳能学报》 北大核心 2025年第6期659-666,共8页
首先将人工神经网络(ANN)、支持向量机(SVM)及极值学习机(ELM)与集合经验模态分解(EEMD)和灰狼算法(GWO)相耦合,构建多个混合模型对中国黄土高原陇东区环县风电场风速进行预测,进而将各混合模型的预测结果作为输入变量,以预测误差平方... 首先将人工神经网络(ANN)、支持向量机(SVM)及极值学习机(ELM)与集合经验模态分解(EEMD)和灰狼算法(GWO)相耦合,构建多个混合模型对中国黄土高原陇东区环县风电场风速进行预测,进而将各混合模型的预测结果作为输入变量,以预测误差平方和最小为目标函数,构建无负约束的组合模型NNCT,并采用灰狼算法优化组合模型的权重,实现研究区域风电场风速的准确预测。数值结果表明,该模型可有效降低模型选择的风险,具有更高的预测精度。 展开更多
关键词 风速 预测 机器学习 灰狼算法 集合经验模态分解 组合模型
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 … 250 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