期刊文献+
共找到29篇文章
< 1 2 >
每页显示 20 50 100
基于复合深度Gauss回归网络的汽车ORS优化设计
1
作者 王文捷 孙奕 +1 位作者 刘钊 朱平 《汽车安全与节能学报》 北大核心 2025年第3期367-375,共9页
为了提升汽车乘员约束系统(ORS)的安全性能和开发效率,提出了一种基于复合深度Gauss回归网络的汽车ORS优化设计方法。面向假人伤害值预测,将神经网络架构与Gauss过程回归相结合,提出了改进的复合深度Gauss回归网络作为预测模型;根据假... 为了提升汽车乘员约束系统(ORS)的安全性能和开发效率,提出了一种基于复合深度Gauss回归网络的汽车ORS优化设计方法。面向假人伤害值预测,将神经网络架构与Gauss过程回归相结合,提出了改进的复合深度Gauss回归网络作为预测模型;根据假人伤害预测值构建优化目标函数,基于多组群乌鸦搜索算法开展ORS参数优化;使用工程仿真数据,验证方法的有效性。结果表明:相较于原始方案,本设计方案的假人伤害最高降低了30.77%,平均降低12.11%;用本方法可以预测假人多个部位的伤害值,并获取高质量的ORS设计方案。 展开更多
关键词 汽车碰撞 乘员约束系统(ORS) 假人伤害 数据驱动 复合深度Gauss回归网络 多组群乌鸦搜索算法
在线阅读 下载PDF
基于机器学习的保温被应用性能分析
2
作者 朱寅宾 骆乾亮 +4 位作者 雷喜红 牛曼丽 王平智 程杰宇 赵淑梅 《湖北农业科学》 2025年第1期162-167,219,共7页
为满足装配式日光温室夜间保温需要以及研发新型温室保温材料,探索了机器学习在温室环境评价方面的应用,比较分析了骆驼绒和橡塑板为保温芯材的两种新型保温被保温性能。结果表明,高斯回归过程和神经网络算法在温室温度预测方面具有良... 为满足装配式日光温室夜间保温需要以及研发新型温室保温材料,探索了机器学习在温室环境评价方面的应用,比较分析了骆驼绒和橡塑板为保温芯材的两种新型保温被保温性能。结果表明,高斯回归过程和神经网络算法在温室温度预测方面具有良好的应用潜力。相较于骆驼绒保温被,橡塑板保温被能使温室夜间薄膜内表面平均温度提高0.8℃,最低夜间薄膜内表面温度平均提高0.6℃。对于橡塑板芯材,应当加强防风措施管理以保证实际保温效果。 展开更多
关键词 保温被 薄膜内表面温度 机器学习 高斯过程回归 神经网络算法
在线阅读 下载PDF
复杂环境下无人系统自主定位与测速
3
作者 邓锐添 辜晓波 +2 位作者 邱泽扬 李泽宇 何伟 《导航定位学报》 北大核心 2025年第1期119-127,共9页
为了进一步提升无人系统(US)的自主定位精度,探讨复杂环境下的无人系统自主定位与测速:提出一种基于双向时间标签交换机制的相对运动学参数估计方法,仅依靠自组网交换时间信息来实现系统节点非线性运动状态下的协同定位与测速;在此方法... 为了进一步提升无人系统(US)的自主定位精度,探讨复杂环境下的无人系统自主定位与测速:提出一种基于双向时间标签交换机制的相对运动学参数估计方法,仅依靠自组网交换时间信息来实现系统节点非线性运动状态下的协同定位与测速;在此方法基础上,针对在复杂环境下易受遮挡或者电磁干扰等因素影响而导致部分测距链路不可见的问题,提出一种基于高斯过程回归与卡尔曼滤波的鲁棒估计方法,在测距信息出现丢失的情况下,利用历史测距值重新构建欧氏距离矩阵(EDM),基于相对运动学参数估计方法实现US网络节点的持续协同定位。仿真结果表明,所提方法的定位和测速精度较现有的单一卡尔曼滤波方法可分别提高58.56%与10.72%;在不同噪声水平与不同通信时间间隔下,所提定位估计方法相比有锚节点的协同定位方法,定位误差可下降66.9%。 展开更多
关键词 无人系统 自组网 高斯过程回归 协同定位 卡尔曼滤波
在线阅读 下载PDF
基于高斯过程回归和深度强化学习的水下扑翼推进性能寻优方法
4
作者 杨映荷 魏汉迪 +1 位作者 范迪夏 李昂 《上海交通大学学报》 北大核心 2025年第1期70-78,共9页
为了克服水下工作环境的复杂多变性,以及扑翼运动本身存在控制难度高、变量多、非线性特征显著等问题,提出一种直接探索环境并选取相应最优扑翼推进运动参数的寻优方法.采用拉丁超采样技术获取多维扑翼参数在实际水池中的数据样本,并基... 为了克服水下工作环境的复杂多变性,以及扑翼运动本身存在控制难度高、变量多、非线性特征显著等问题,提出一种直接探索环境并选取相应最优扑翼推进运动参数的寻优方法.采用拉丁超采样技术获取多维扑翼参数在实际水池中的数据样本,并基于该数据使用高斯过程回归(GPR)算法建立泛化工作环境的非参数模型.在不同推进性能需求下,采用深度强化学习(DRL)中的TD3算法并以奖励最大化为目标,训练得出连续区间内多参数动作最优组合解.实验结果表明,该GPR-TD3方法可以习得实验环境下扑翼推进的全定义域内最优解,包括最大速度和最大效率,并且该最优解可以在GPR中以二维形式直观验证其准确性.同时,针对任意给出的推进速度要求值,在290组真实样本前提下,新算法能够给出误差范围为0.23%~6.68%的推荐动作组合解,为真实应用提供参考. 展开更多
关键词 水下扑翼 高斯过程回归 深度强化学习 推进性能寻优
在线阅读 下载PDF
基于深度学习的实例分割边界框回归方法研究 被引量:1
5
作者 刘桂霞 吴彦博 +1 位作者 李文辉 王天昊 《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2024年第3期474-479,614,共7页
针对实例分割任务中图像中可能出现相互遮挡或边缘模糊导致边界框定位不准确的问题,本文提出了一种新的边界框回归损失函数。将边界框位置预测转化为估计定位置信度随位置变化的概率分布;考虑坐标点间存在联系,提出一种面积差计算方法;... 针对实例分割任务中图像中可能出现相互遮挡或边缘模糊导致边界框定位不准确的问题,本文提出了一种新的边界框回归损失函数。将边界框位置预测转化为估计定位置信度随位置变化的概率分布;考虑坐标点间存在联系,提出一种面积差计算方法;为了证明此方法可以很好地应用于先检测后分割的实例分割模型,本文使用Mask R-CNN作为基线。实验结果表明:在边界框检测及实例分割任务中,本文方法的精度优于其他方法,对于小物体的检测与分割效果更显著,训练和评估速度也更快。 展开更多
关键词 计算机视觉 深度学习 卷积神经网络 实例分割 Mask R-CNN 边界框回归 KL散度 高斯分布
在线阅读 下载PDF
水体透射光谱结合主成分分析(PCA)改进化学需氧量(COD)含量估算研究 被引量:4
6
作者 王彩玲 位欣欣 《中国无机分析化学》 CAS 北大核心 2024年第4期410-417,共8页
为了解决传统的化学需氧量(Chemical Oxygen Demand,COD)测量方法耗时较长,不利于快速、实时地获取水体中COD的信息等问题。通过采集100组COD水体光谱信息,分别使用3种不同的高光谱数据预处理方法对光谱数据进行预处理,并基于不同的预... 为了解决传统的化学需氧量(Chemical Oxygen Demand,COD)测量方法耗时较长,不利于快速、实时地获取水体中COD的信息等问题。通过采集100组COD水体光谱信息,分别使用3种不同的高光谱数据预处理方法对光谱数据进行预处理,并基于不同的预处理方法分别建立高斯过程回归模型(Gaussian Process Regression,GPR)和BP神经网络模型,分析不同预处理方法对模型精度的影响,建立了基于透射光谱测量结合主成分分析(Principal Component Analysis,PCA)改进水体COD含量估算模型。对各模型结合PCA数据降维方法进行模型的改进,通过比较模型的精度选择最优模型进行水体COD含量的检测。结果显示:相比于原始光谱数据建立的GPR模型和BP神经网络模型,数据预处理后的模型精度明显提升;且结合PCA对预处理后的数据进一步降维处理后,模型精度得到了进一步的提升。其中,基于标准正态变量变换特征结合PCA改进BP神经网络模型R 2高达0.9940,均方根误差RMSE为0.022540。证明了基于PCA数据降维方法对预处理后的光谱数据进行降维处理,有利于去除光谱中的冗余信息,提取特征信息,可以实现COD含量估算模型的优化,从而为传统COD测量方法存在的问题提出了一种新的解决思路。 展开更多
关键词 透射光谱法 COD含量预测 PCA 高斯过程回归 BP神经网络
在线阅读 下载PDF
基于递进预测法的锂电池剩余使用寿命预测
7
作者 吴铁洲 刘冉阳 +2 位作者 王飞年 汪少夫 梁梦君 《电源技术》 CAS 北大核心 2024年第12期2410-2418,共9页
针对锂离子电池剩余使用寿命(remaining useful life,RUL)预测精度低的问题,提出一种递进预测的方法。首先,使用训练集中放电容量和放电电压训练卷积神经网络(convolutional neural netwok,CNN)-长短期记忆网络(long short-term memory ... 针对锂离子电池剩余使用寿命(remaining useful life,RUL)预测精度低的问题,提出一种递进预测的方法。首先,使用训练集中放电容量和放电电压训练卷积神经网络(convolutional neural netwok,CNN)-长短期记忆网络(long short-term memory neural network,LSTM)模型,并应用于训练集得到预测循环寿命,完成初步预测。其次,使用双指数模型(double exponential model,DEM)从训练集中辨识与预测循环寿命最接近的电池参数,并作为均值函数输入高斯过程回归(Gaussian process regression,GPR)模型。最后,使用测试集的电池循环数和电池容量训练GPR模型,并用于RUL预测。实验结果表明,本方法在99%的置信水平下,平均绝对百分比误差在6%以内,准确率百分比在90%以上,证明了所提方法的可靠性。 展开更多
关键词 锂电池 剩余寿命预测 卷积神经网络 长短时神经网络 高斯过程回归
在线阅读 下载PDF
基于深度学习和高斯过程回归的玉米冠下视觉导航路径提取方法 被引量:6
8
作者 张伟荣 陈学庚 +3 位作者 齐江涛 周俊博 李宁 王硕 《农业机械学报》 EI CAS CSCD 北大核心 2024年第7期15-26,共12页
面对田间作业过程中大型机器机动性差及复杂场景下导航路径拟合精度差的问题,提出一种基于深度学习和高斯过程回归的玉米冠层下导航路径提取方法。首先,基于四足机器人采集玉米冠下作物行图像,对Mask R-CNN实例分割方法进行改进,在特征... 面对田间作业过程中大型机器机动性差及复杂场景下导航路径拟合精度差的问题,提出一种基于深度学习和高斯过程回归的玉米冠层下导航路径提取方法。首先,基于四足机器人采集玉米冠下作物行图像,对Mask R-CNN实例分割方法进行改进,在特征融合网络引入简化路径增强特征金字塔网络(Simple path aggregation network,Simple-PAN),通过增加自底向上的路径增强模块和特征融合操作模块,提高图像上下文特征的融合能力。其次,以模型识别的冠下作物行目标为基础构建两侧区域分界线,计算可通行区域两侧下垂叶片的分布情况,优化基于加权平均的导航路径算法。对高斯过程回归(Gaussian process regression,GPR)算法进行改进,添加DotProduct线性核对曲线拟合进行优化,优化GPR方法的直线拟合效果。最后,在验证集上进行导航路径识别,计算不同方法拟合导航路径的平均偏差。试验结果表明,该算法能够适应玉米田中叶片遮挡根茎的情况,优化的Mask R-CNN模型具备更高的冠下目标分割精度,基于改进GPR算法拟合的导航线平均偏差为0.7像素,处理一帧分辨率为1280像素×720像素的图像平均耗时为227 ms,该算法能提供在玉米冠层下具备一定避障能力的导航路径,满足导航实时性和准确性的要求。结果可为田间智能农业装备的导航算法研究提供技术与理论支撑。 展开更多
关键词 玉米冠下作物行 深度学习 视觉导航 路径识别 避障 高斯过程回归
在线阅读 下载PDF
南水北调东线江苏段典型泵站运行效率模拟模型 被引量:2
9
作者 杨靖仁 王超 +1 位作者 雷晓辉 何中政 《南水北调与水利科技(中英文)》 CAS CSCD 北大核心 2024年第2期388-398,共11页
泵站机组运行受多种因素影响,导致泵站运行理论效率与实际效率误差较大。针对泵站机组运行效率精准模拟难题,运用基于高价多项式回归、回归树、多元线性回归、向量机回归、高斯过程回归、神经网络的10个回归算法,建立泵站机组效率模拟... 泵站机组运行受多种因素影响,导致泵站运行理论效率与实际效率误差较大。针对泵站机组运行效率精准模拟难题,运用基于高价多项式回归、回归树、多元线性回归、向量机回归、高斯过程回归、神经网络的10个回归算法,建立泵站机组效率模拟模型并开展对比分析,优选出有效的泵站运行效率模拟建模方法。讨论分析采用“上下游水位+流量”代替传统“扬程+流量”开展泵站运行模拟的效果。以南水北调东线邳州站和遂宁二站共8台机组的历史数据开展实例分析,相关实验结果表明:在所有方法中,高斯过程回归(Gaussian process regression,GPR)模型在均方根误差(ERMS)、平均绝对误差(EMA)、均方误差(EMS)、决定系数(R2)和最大个体误差(EMI)指标上综合表现最佳,R2逼近0.95;使用站上、站下水位代替传统的扬程对模型进行训练,所有模型的综合评价指标整体有所改善。综合来看,使用GPR模型并使用上游、下游水位代替扬程进行模拟效率表现最好,以邳州站4号机为例,可将模拟效率的EMA和EMI分别从16.49%和20.40%减少至0.41%和2.30%,研究成果具有一定实际意义,可为我国调水工程泵站经济运行提供有力支撑。 展开更多
关键词 机器学习 深度学习 高斯过程回归 泵站效率模拟 南水北调东线
在线阅读 下载PDF
基于深度强化学习的含智能软开关配电网电压控制方法 被引量:10
10
作者 朱振山 张新炳 陈豪 《高电压技术》 EI CAS CSCD 北大核心 2024年第3期1214-1224,I0023,共12页
大量分布式新能源接入给配电网运行带来了电压越限和网损增加等一系列问题。提出了一种基于多智能体强化学习的无模型电压控制策略,通过协调光伏逆变器、分布式储能和智能软开关以降低网损、消除电压越限。针对传统电压控制策略对配电... 大量分布式新能源接入给配电网运行带来了电压越限和网损增加等一系列问题。提出了一种基于多智能体强化学习的无模型电压控制策略,通过协调光伏逆变器、分布式储能和智能软开关以降低网损、消除电压越限。针对传统电压控制策略对配电网精确的模型参数依赖性强的问题,提出了基于高斯过程回归的潮流替代模型,通过多智能体与潮流替代模型交互实现无模型的离线训练和在线应用。同时提出了一种基于随机加权三重Q学习的多智能体深度强化学习算法,能够进一步降低柔性演员-评论家算法的高低估误差,提升算法探索能力和收敛结果。最后在IEEE33节点系统上的仿真结果,验证了所提方法在解决配电网分布式电压优化控制问题上的有效性。 展开更多
关键词 深度强化学习 电压控制 智能软开关 多智能体 配电网 高斯过程回归
在线阅读 下载PDF
基于神经核网络高斯过程回归的甲板运动预测
11
作者 秦朋 罗建军 +1 位作者 马卫华 武黎明 《西北工业大学学报》 EI CAS CSCD 北大核心 2024年第3期377-385,共9页
甲板运动预测与补偿是舰载机自动着舰的关键技术之一。传统甲板运动预测方法依赖于运动建模的准确性和参数调整,面临复杂海况、不同舰型、航态变化时具有适应性差、预测时长短、结果可靠性低等问题。提出一种基于神经核网络高斯过程回归... 甲板运动预测与补偿是舰载机自动着舰的关键技术之一。传统甲板运动预测方法依赖于运动建模的准确性和参数调整,面临复杂海况、不同舰型、航态变化时具有适应性差、预测时长短、结果可靠性低等问题。提出一种基于神经核网络高斯过程回归(NKN-GPR)的甲板运动预测模型,使用神经核网络(NKN)实现高斯过程回归(GPR)模型自动复合核构造,有效改善基于规则库自动核搜索(ACKS)算法依赖人工先验知识的不足。以正弦波组合模型和功率谱模型构造仿真数据,对NKN-GPR模型和基于最小二乘法的自回归(AR)模型进行对比仿真验证,仿真结果表明,NKN-GPR模型在运动预测精度、平滑性、预测时长等方面具有显著优势,证明了所提算法的有效性,可为舰载机自动安全着舰提供理论支撑。 展开更多
关键词 自动着舰 甲板运动预测 高斯过程回归 神经核网络 自动复合核构造
在线阅读 下载PDF
基于VMD-DESN-MSGP模型的超短期光伏功率预测 被引量:53
12
作者 王粟 江鑫 +1 位作者 曾亮 常雨芳 《电网技术》 EI CSCD 北大核心 2020年第3期917-926,共10页
光伏功率时间序列受到多种因素影响,呈现出高度的随机性和波动性。针对光伏功率时间序列可预测性低的问题,提出了一种结合变分模态分解(variationalmodal decomposition,VMD)、深度回声状态网络(deepechostate network,DESN)和稀疏高斯... 光伏功率时间序列受到多种因素影响,呈现出高度的随机性和波动性。针对光伏功率时间序列可预测性低的问题,提出了一种结合变分模态分解(variationalmodal decomposition,VMD)、深度回声状态网络(deepechostate network,DESN)和稀疏高斯混合过程专家模型(mixtureof sparse gaussian process experts model,MSGP)的超短期光伏功率预测方法。首先采用VMD将光伏功率时间序列分解为不同的模态,降低数据的非平稳性;为提高模型在超短尺度时序的预测能力,对各模态分别建立DESN预测模型,将各模态预测结果进行求和重构;为进一步提高模型预测精度,对误差的特性进行分析,采用MSGP对预测误差进行补偿;最后将误差的预测值与原功率的预测值相叠加作为最终预测结果。仿真结果表明,该方法在光伏功率时序预测中的效果比传统预测模型更好,有效提高了超短期光伏功率时间序列预测的准确性。 展开更多
关键词 光伏功率预测 时间序列 变分模态分解 深度回声状态网络 稀疏高斯混合过程专家模型
在线阅读 下载PDF
基于相空间重构和高斯过程回归的短期负荷预测 被引量:27
13
作者 顾熹 廖志伟 《电力系统保护与控制》 EI CSCD 北大核心 2017年第5期73-79,共7页
基于负荷时间序列的混沌特性,提出了一种结合相空间重构(PSR)和高斯过程回归(GPR)的短期负荷预测方法。首先采用C-C方法确定时间序列的延迟时间和嵌入维度,分别建立单变量和多变量的相空间重构模型。然后,分别运用单一与组合核函数的GP... 基于负荷时间序列的混沌特性,提出了一种结合相空间重构(PSR)和高斯过程回归(GPR)的短期负荷预测方法。首先采用C-C方法确定时间序列的延迟时间和嵌入维度,分别建立单变量和多变量的相空间重构模型。然后,分别运用单一与组合核函数的GP模型对负荷样本进行训练,根据最优超参数对24 h的日负荷进行预测。最后将预测结果与支持向量机模型以及多变量GP模型进行比较。结果显示,多变量组合核函数GP模型取得了更好的预测结果,验证了所提出的基于PSR和GPR的预测方法的可行性。 展开更多
关键词 相空间重构 高斯过程回归 C-C方法 短期负荷预测 组合核函数
在线阅读 下载PDF
基于深度高斯过程回归的视频异常事件检测方法 被引量:6
14
作者 王栋 张晓俊 戴丽华 《电子测量与仪器学报》 CSCD 北大核心 2021年第3期158-164,共7页
针对现有异常检测方法忽视异常事件发生概率小而造成虚警这个问题,基于高斯过程回归(GPR)的框架,将GPR核函数非参数化所具有的灵活性与深度神经网络的结构特性相结合,并将卷积神经网络封装在GPR的核函数中,以同时实现异常检测任务中特... 针对现有异常检测方法忽视异常事件发生概率小而造成虚警这个问题,基于高斯过程回归(GPR)的框架,将GPR核函数非参数化所具有的灵活性与深度神经网络的结构特性相结合,并将卷积神经网络封装在GPR的核函数中,以同时实现异常检测任务中特征提取和检测两个步骤。在测试阶段,相对于训练样本集的后验概率的对数似然较小的被判定为异常。方法在一个模拟数据集和一个完全真实的数据集上进行了实验验证,实验结果证明所提出的方法在两个数据集上分别达到了83.9%的帧级AUC和34.4%的帧级AUC,在性能上达到了现有技术发展水平。 展开更多
关键词 视频监控 异常事件 高斯过程回归 深度核学习 卷积神经网络
在线阅读 下载PDF
基于高斯过程回归的链路质量预测模型 被引量:5
15
作者 舒坚 刘满兰 +2 位作者 尚亚青 陈宇斌 刘琳岚 《通信学报》 EI CSCD 北大核心 2018年第7期148-156,共9页
基于链路质量的路由选择机制可有效感知当前链路的变化,且对无线传感器网络的可靠通信起着重要作用,基于此,提出基于高斯过程回归的链路质量预测模型。通过灰关联方法计算链路质量参数与分组接收率的关联度,选取链路质量指示均值和信噪... 基于链路质量的路由选择机制可有效感知当前链路的变化,且对无线传感器网络的可靠通信起着重要作用,基于此,提出基于高斯过程回归的链路质量预测模型。通过灰关联方法计算链路质量参数与分组接收率的关联度,选取链路质量指示均值和信噪比均值作为模型的输入参数,以降低计算复杂度。采用链路质量指示均值、信噪比均值和分组接收率构建基于组合协方差函数的高斯过程回归模型预测链路质量。稳定场景与不稳定场景下的实验结果表明,与动态贝叶斯网络预测模型相比,所提模型具有更好的预测精确度。 展开更多
关键词 无线传感器网络 高斯过程回归 链路质量预测 组合协方差函数 灰关联算法
在线阅读 下载PDF
基于耦合GPR-PSO的北京地区中长期电力需求预测 被引量:13
16
作者 黄元生 胡建军 蔡雅倩 《电测与仪表》 北大核心 2020年第2期74-80,共7页
建立科学合理的中长期电力需求预测方法,是电力产业科学规划建设的前提。构建了基于高斯过程(GPR)和粒子群(PSO)的混合电力需求预测模型。采用PSO算法对协方差函数中的参数进行优化,将修正后的参数作为初始值在GPR模型中进行电力需求方... 建立科学合理的中长期电力需求预测方法,是电力产业科学规划建设的前提。构建了基于高斯过程(GPR)和粒子群(PSO)的混合电力需求预测模型。采用PSO算法对协方差函数中的参数进行优化,将修正后的参数作为初始值在GPR模型中进行电力需求方面的培训。在贝叶斯框架下,对协方差函数中的参数再次进行优化。用训练好的GPR模型进行电力需求预测,并将结果与自回归积分移动平均模型和指数平滑模型进行比较。验证结果表明,基于高斯过程(GPR)和粒子群(PSO)的混合电力需求预测模型具有很好的稳定性和更高的预测精度。 展开更多
关键词 高斯过程回归 粒子群算法 电力需求预测 神经网络训练
在线阅读 下载PDF
基于深度高斯过程的飞行冲突探测方法研究 被引量:3
17
作者 陈正茂 刘洪 林毅 《电子科技大学学报》 EI CAS CSCD 北大核心 2021年第2期261-266,共6页
为了更加准确地建立航班飞行轨迹的时序特征,该文引入了高斯过程预测航班飞行轨迹。考虑机动环境运动目标的非线性特征,将高斯过程与深度置信网络相结合形成深度高斯过程,将其用于预测航班飞行轨迹。同时基于预测的航班飞行轨迹,实现了... 为了更加准确地建立航班飞行轨迹的时序特征,该文引入了高斯过程预测航班飞行轨迹。考虑机动环境运动目标的非线性特征,将高斯过程与深度置信网络相结合形成深度高斯过程,将其用于预测航班飞行轨迹。同时基于预测的航班飞行轨迹,实现了概率型基于深度高斯过程的飞行冲突探测算法。在引入蒙特卡罗思想和马尔科夫链蒙特卡罗采样算法基础上,提出了求解冲突探测算法的方法。基于深度高斯过程的航班飞行轨迹预测方法不仅可以预测航班飞行的标称轨迹,还可以预测各时刻位置可信区间的概率分布,这些特征为概率型飞行冲突探测打下了良好的数据基础。通过真实历史数据的仿真实验说明,该算法较基线算法具有更高的精度和稳定性,将其应用到飞行冲突探测中可获得更低的虚警率和更多的预警时间提前量。 展开更多
关键词 冲突探测 可信区间 深度置信网络 高斯过程 标称轨迹 轨迹预测
在线阅读 下载PDF
基于复合协方差函数的多任务模仿学习算法的研究与实现 被引量:1
18
作者 于建均 韩春晓 +3 位作者 阮晓钢 刘涛 徐骢驰 门玉森 《北京工业大学学报》 CAS CSCD 北大核心 2016年第4期499-507,共9页
针对多任务下机器人模仿学习控制策略的获取问题,构建复合协方差函数,采用高斯过程回归方法对示教机器人的示教行为样本点建立高斯过程回归模型,并对其中的超参数进行优化,从而得出模仿学习控制策略,模仿机器人应用控制策略完成模仿任务... 针对多任务下机器人模仿学习控制策略的获取问题,构建复合协方差函数,采用高斯过程回归方法对示教机器人的示教行为样本点建立高斯过程回归模型,并对其中的超参数进行优化,从而得出模仿学习控制策略,模仿机器人应用控制策略完成模仿任务.以Braitenberg车为仿真实验研究对象,对其趋光、避障多任务的模仿学习进行研究.仿真实验研究结果表明:与基于单一协方差函数的模仿学习算法相比,基于复合协方差函数的模仿学习算法不仅能够实现单任务环境下的机器人模仿学习,而且能够实现多任务环境下的机器人模仿学习,且精度更高.任务环境改变实验研究结果表明该方法有很好的适应性. 展开更多
关键词 机器人 模仿学习 高斯过程回归 复合协方差函数
在线阅读 下载PDF
基于GPR和深度强化学习的分层人机协作控制 被引量:8
19
作者 金哲豪 刘安东 俞立 《自动化学报》 EI CAS CSCD 北大核心 2022年第9期2352-2360,共9页
提出了一种基于高斯过程回归与深度强化学习的分层人机协作控制方法,并以人机协作控制球杆系统为例检验该方法的高效性.主要贡献是:1)在模型未知的情况下,采用深度强化学习算法设计了一种有效的非线性次优控制策略,并将其作为顶层期望... 提出了一种基于高斯过程回归与深度强化学习的分层人机协作控制方法,并以人机协作控制球杆系统为例检验该方法的高效性.主要贡献是:1)在模型未知的情况下,采用深度强化学习算法设计了一种有效的非线性次优控制策略,并将其作为顶层期望控制策略以引导分层人机协作控制过程,解决了传统控制方法无法直接应用于模型未知人机协作场景的问题;2)针对分层人机协作过程中人未知和随机控制策略带来的不利影响,采用高斯过程回归拟合人体控制策略以建立机器人对人控制行为的认知模型,在减弱该不利影响的同时提升机器人在协作过程中的主动性,从而进一步提升协作效率;3)利用所得认知模型和期望控制策略设计机器人末端速度的控制律,并通过实验对比验证了所提方法的有效性. 展开更多
关键词 深度强化学习 高斯过程回归 人体控制策略感知 分层人机协作
在线阅读 下载PDF
基于实验数据训练的切削力组合预测模型 被引量:6
20
作者 李康 鲁娟 +3 位作者 马俊燕 周刚 黄文 廖小平 《现代制造工程》 CSCD 北大核心 2019年第3期6-10,129,共6页
为提高切削力预测模型的准确性和稳定性,采用最优权值组合预测模型,以实验数据训练为基础,将人工神经网络模型、高斯过程回归模型及切削力经验公式这3个单一预测模型进行组合,对机械加工过程中的切削力进行预测。应用3种误差分析方法(... 为提高切削力预测模型的准确性和稳定性,采用最优权值组合预测模型,以实验数据训练为基础,将人工神经网络模型、高斯过程回归模型及切削力经验公式这3个单一预测模型进行组合,对机械加工过程中的切削力进行预测。应用3种误差分析方法(均方根误差、平均绝对百分比误差及平均绝对误差)对组合预测模型进行评价,以此验证组合模型的稳定性和准确性。结果表明,相比于单一预测模型,组合算术平均模型所得结果与实验数据吻合良好,具有较高的精度和稳定性,对于切削力的预测具有参考价值。 展开更多
关键词 切削力预测 组合预测模型 实验数据训练 高斯过程回归模型 经验公式 人工神经网络模型
在线阅读 下载PDF
上一页 1 2 下一页 到第
使用帮助 返回顶部