期刊文献+
共找到1,444篇文章
< 1 2 73 >
每页显示 20 50 100
基于改进DeeplabV3+算法的地铁轨行区识别
1
作者 刘嘉宁 赵才友 张银喜 《铁道建筑》 北大核心 2025年第2期139-145,共7页
为解决现有基于深度学习的算法在地铁轨道区域识别上目标分割不精确、计算和存储资源需求大、检测速度慢的问题,提出了一种基于改进DeeplabV3+算法的地铁轨道区域识别算法。该模型将主干网络替换为有较低的模型大小和计算复杂度的轻量... 为解决现有基于深度学习的算法在地铁轨道区域识别上目标分割不精确、计算和存储资源需求大、检测速度慢的问题,提出了一种基于改进DeeplabV3+算法的地铁轨道区域识别算法。该模型将主干网络替换为有较低的模型大小和计算复杂度的轻量级卷积神经网络MobileNetV2,引入注意力机制CBAM(Channel Attention Module)来提高网络对特征的感知能力,并改进ASPP(Atrous Spatial Pyramid Pooling)使其能编码多尺度信息。应用自制数据集验证本文方法的有效性,并与经典DeeplabV3+、U-net、MaskR-CNN算法进行对比分析。结果表明:本文算法精确率、准确率、召回率、平均交并比分别为94.57%、94.43%、93.49%、90.24%,训练时长6.5 h,单张图像预测时长51.78 ms,模型大小为23 MB,均优于其他三种算法。本文算法在提高对轨道区域图像分割性能的同时,增强了模型的训练和检测效率,具有运用于地铁轨道区域识别的可行性和实用性。 展开更多
关键词 地铁 轨道区域识别 深度学习 语义分割 deeplabV3+算法
在线阅读 下载PDF
基于Deep Forest算法的对虾急性肝胰腺坏死病(AHPND)预警数学模型构建 被引量:1
2
作者 王印庚 于永翔 +5 位作者 蔡欣欣 张正 王春元 廖梅杰 朱洪洋 李昊 《渔业科学进展》 CSCD 北大核心 2024年第3期171-181,共11页
为预报池塘养殖凡纳对虾(Penaeus vannamei)急性肝胰腺坏死病(AHPND)的发生,自2020年开始,笔者对凡纳对虾养殖区开展了连续监测工作,包括与疾病发生相关的环境理化因子、微生物因子、虾体自身健康状况等18个候选预警因子指标,通过数据... 为预报池塘养殖凡纳对虾(Penaeus vannamei)急性肝胰腺坏死病(AHPND)的发生,自2020年开始,笔者对凡纳对虾养殖区开展了连续监测工作,包括与疾病发生相关的环境理化因子、微生物因子、虾体自身健康状况等18个候选预警因子指标,通过数据标准化处理后分析病原、宿主与环境之间的相关性,对候选预警因子进行筛选,基于Python语言编程结合Deep Forest、Light GBM、XGBoost算法进行数据建模和预测性能评判,仿真环境为Python2.7,以预警因子指标作为输入样本(即警兆),以对虾是否发病指标作为输出结果(即警情),根据输入样本和输出结果各自建立输入数据矩阵和目标数据矩阵,利用原始数据矩阵对输入样本进行初始化,结合函数方程进行拟合,拟合的源代码能利用已知环境、病原及对虾免疫指标数据对目标警情进行预测。最终建立了基于Deep Forest算法的虾体(肝胰腺内)细菌总数、虾体弧菌(Vibrio)占比、水体细菌总数和盐度的4维向量预警预报模型,准确率达89.00%。本研究将人工智能算法应用到对虾AHPND发生的预测预报,相关研究结果为对虾AHPND疾病预警预报建立了预警数学模型,并为对虾健康养殖和疾病防控提供了技术支撑和有力保障。 展开更多
关键词 对虾 急性肝胰腺坏死病 预警数学模型 deep Forest算法 PYTHON语言
在线阅读 下载PDF
基于改进DeeplabV3+的水面多类型漂浮物分割方法研究
3
作者 包学才 刘飞燕 +2 位作者 聂菊根 许小华 柯华盛 《水利水电技术(中英文)》 北大核心 2024年第4期163-175,共13页
【目的】为解决传统图像处理方法鲁棒性差、常用深度学习检测方法无法准确识别大片漂浮物的边界等问题,【方法】提出一种基于改进DeeplabV3+的水面多类型漂浮物识别的语义分割方法,提高水面漂浮的识别能力。对所收集实际水面漂浮物进行... 【目的】为解决传统图像处理方法鲁棒性差、常用深度学习检测方法无法准确识别大片漂浮物的边界等问题,【方法】提出一种基于改进DeeplabV3+的水面多类型漂浮物识别的语义分割方法,提高水面漂浮的识别能力。对所收集实际水面漂浮物进行分类,采用自制数据集进行对比试验。算法选择xception网络作为主干网络以获得初步漂浮物特征,在加强特征提取网络部分引入注意力机制以强调有效特征信息,在后处理阶段加入全连接条件随机场模型,将单个像素点的局部信息与全局语义信息融合。【结果】对比图像分割性能指标,改进后的算法mPA(Mean Pixel Accuracy)提升了5.73%,mIOU(Mean Intersection Over Union)提升了4.37%。【结论】相比于其他算法模型,改进后的DeeplabV3+算法对漂浮物特征的获取能力更强,同时能获得丰富的细节信息以更精准地识别多类型水面漂浮物的边界与较难分类的漂浮物,在对多个水库场景测试后满足实际水域环境中漂浮物检测的需求。 展开更多
关键词 深度学习 语义分割 特征提取 漂浮物识别 注意力机制 全连接条件随机场 算法模型 影响因素
在线阅读 下载PDF
基于场因子分解的xDeepFM推荐模型
4
作者 李子杰 张姝 +2 位作者 欧阳昭相 王俊 吴迪 《应用科学学报》 CAS CSCD 北大核心 2024年第3期513-524,共12页
极深因子分解机(eXtreme deep factorization machine,xDeepFM)是一种基于上下文感知的推荐模型,它提出了一种压缩交叉网络对特征进行阶数可控的特征交叉,并将该网络与深度神经网络进行结合以优化推荐效果。为了进一步提升xDeepFM在推... 极深因子分解机(eXtreme deep factorization machine,xDeepFM)是一种基于上下文感知的推荐模型,它提出了一种压缩交叉网络对特征进行阶数可控的特征交叉,并将该网络与深度神经网络进行结合以优化推荐效果。为了进一步提升xDeepFM在推荐场景下的表现,提出一种基于场因子分解的xDeepFM改进模型。该模型通过场信息增强了特征的表达能力,并建立了多个交叉压缩网络以学习高阶组合特征。最后分析了用户场、项目场设定的合理性,并在3个不同规模的MovieLens系列数据集上通过受试者工作特征曲线下面积、对数似然损失指标进行性能评估,验证了该改进模型的有效性。 展开更多
关键词 推荐算法 极深因子分解机 场因子分解 深度学习
在线阅读 下载PDF
基于PID搜索优化的CNN-LSTM-Attention铝电解槽电解温度预测方法研究 被引量:3
5
作者 尹刚 朱淼 +2 位作者 全鹏程 颜玥涵 刘期烈 《仪器仪表学报》 北大核心 2025年第1期324-337,共14页
铝电解生产环境恶劣,受电场、磁场、流场、温度场等多物理场耦合影响,导致铝电解生产过程故障频发。铝电解温度是影响铝电解槽寿命和运行状态的重要参数,但由于槽内温度很高且具有强烈腐蚀性,至今尚未找到有效的电解温度在线检测与预测... 铝电解生产环境恶劣,受电场、磁场、流场、温度场等多物理场耦合影响,导致铝电解生产过程故障频发。铝电解温度是影响铝电解槽寿命和运行状态的重要参数,但由于槽内温度很高且具有强烈腐蚀性,至今尚未找到有效的电解温度在线检测与预测方法。为了解决这一技术难题,通过理论分析结合现场实验验证,揭示了铝电解槽电解温度与其工艺参数间的密切相关性,并据此提出一种基于深度学习的铝电解槽电解温度预测模型。考虑到铝电解槽工艺参数的复杂性、非线性、高维度、时序性等特征,采用卷积神经网络(CNN)用于提取数据的高维特征,长短期记忆网络用于建模(LSTM),处理铝电解生产过程中的时序数据,引入了注意力机制(Attention),学习输入参数不同部分之间的关联性,同时根据输入数据的重要程度进行加权处理,并采用PID搜索优化算法(PSA)对CNN-LSTM-Attention模型的参数进行寻优,减少训练时间并提高模型的性能。最后经铝电解实际生产数据进行现场实验验证,结果表明:提出的温度预测模型相关指数(R~2)为0.963 7,均方根误差(RMSE)和平均绝对误差(MAE)分别为5.417 6和3.382 5,与单一模型算法、其他预测算法和不同优化算法对比验证表明,该模型的性能更佳,能够准确预测铝电解槽电解温度,实现了铝电解槽电解温度的在线检测。 展开更多
关键词 铝电解 算法 电解温度 深度学习 过程控制
在线阅读 下载PDF
基于DQN算法的直流微电网负载接口变换器自抗扰控制策略 被引量:1
6
作者 周雪松 韩静 +3 位作者 马幼捷 陶珑 问虎龙 赵明 《电力系统保护与控制》 北大核心 2025年第1期95-103,共9页
在直流微电网中,为了保证直流母线与负载之间能量流动的稳定性,解决在能量流动中不确定因素产生的扰动问题。在建立DC-DC变换器数学模型的基础上,设计了一种基于深度强化学习的DC-DC变换器自抗扰控制策略。利用线性扩张观测器对总扰动... 在直流微电网中,为了保证直流母线与负载之间能量流动的稳定性,解决在能量流动中不确定因素产生的扰动问题。在建立DC-DC变换器数学模型的基础上,设计了一种基于深度强化学习的DC-DC变换器自抗扰控制策略。利用线性扩张观测器对总扰动的估计补偿和线性误差反馈控制特性对自抗扰控制器结构进行简化设计,并结合深度强化学习对其控制器参数进行在线优化。根据不同工况下的负载侧电压波形,分析了DC-DC变换器在该控制策略、线性自抗扰控制与比例积分控制下的稳定性、抗扰性和鲁棒性,验证了该控制策略的正确性和有效性。最后,在参数摄动下进行了蒙特卡洛实验,仿真结果表明该控制策略具有较好的鲁棒性。 展开更多
关键词 直流微电网 深度强化学习 DQN算法 DC-DC变换器 线性自抗扰控制
在线阅读 下载PDF
深度强化学习求解动态柔性作业车间调度问题 被引量:1
7
作者 杨丹 舒先涛 +3 位作者 余震 鲁光涛 纪松霖 王家兵 《现代制造工程》 北大核心 2025年第2期10-16,共7页
随着智慧车间等智能制造技术的不断发展,人工智能算法在解决车间调度问题上的研究备受关注,其中车间运行过程中的动态事件是影响调度效果的一个重要扰动因素,为此提出一种采用深度强化学习方法来解决含有工件随机抵达的动态柔性作业车... 随着智慧车间等智能制造技术的不断发展,人工智能算法在解决车间调度问题上的研究备受关注,其中车间运行过程中的动态事件是影响调度效果的一个重要扰动因素,为此提出一种采用深度强化学习方法来解决含有工件随机抵达的动态柔性作业车间调度问题。首先以最小化总延迟为目标建立动态柔性作业车间的数学模型,然后提取8个车间状态特征,建立6个复合型调度规则,采用ε-greedy动作选择策略并对奖励函数进行设计,最后利用先进的D3QN算法进行求解并在不同规模车间算例上进行了有效性验证。结果表明,提出的D3QN算法能非常有效地解决含有工件随机抵达的动态柔性作业车间调度问题,在所有车间算例中的求优胜率为58.3%,相较于传统的DQN和DDQN算法车间延迟分别降低了11.0%和15.4%,进一步提升车间的生产制造效率。 展开更多
关键词 深度强化学习 D3QN算法 工件随机抵达 柔性作业车间调度 动态调度
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
8
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
YOLO-LDD:轻量级无人机检测算法 被引量:1
9
作者 邵剑飞 蔡世军 刘杰 《吉林大学学报(理学版)》 北大核心 2025年第3期867-877,共11页
针对在无人机目标检测中现有检测算法模型过大、速度较慢、复杂度过高等问题,提出一种基于YOLOv5n的改进型轻量级无人机检测算法YOLO-LDD.首先,在YOLOv5n基础上引入多样化分支模块DBB和C3模块融合重构为C3_DBB模块,增强单个卷积的表征能... 针对在无人机目标检测中现有检测算法模型过大、速度较慢、复杂度过高等问题,提出一种基于YOLOv5n的改进型轻量级无人机检测算法YOLO-LDD.首先,在YOLOv5n基础上引入多样化分支模块DBB和C3模块融合重构为C3_DBB模块,增强单个卷积的表征能力;其次,在颈部网络中引入重参数化结构卷积RepConv,提升检测速度;最后,通过层自适应幅度剪枝(LAMP)方法压缩模型,减少参数数量.实验结果表明,该算法可在保持良好检测性能的同时,降低计算和存储需求,并提高模型的效率和推理速度,平均精度达96.7%,参数量较YOLOv5n压缩73%,运算量减少60%,检测速度提升至原来的1.6倍. 展开更多
关键词 无人机 目标检测 YOLOv5n算法 轻量级 深度学习
在线阅读 下载PDF
一种基于机器学习的井间水驱优势通道识别方法 被引量:1
10
作者 杨二龙 陈柄君 +2 位作者 董驰 曾傲 张梓彤 《钻采工艺》 北大核心 2025年第1期157-164,共8页
井间优势渗流通道的形成受多方面的因素综合影响,识别过程中需要分析的因素众多、过程复杂,最直观可靠的做法是通过剖面测试数据结合生产动态分析来判定,或者通过措施见效井来验证是否存在优势渗流通道,但是实际生产中剖面测试数据量不... 井间优势渗流通道的形成受多方面的因素综合影响,识别过程中需要分析的因素众多、过程复杂,最直观可靠的做法是通过剖面测试数据结合生产动态分析来判定,或者通过措施见效井来验证是否存在优势渗流通道,但是实际生产中剖面测试数据量不足,措施见效井分析结果又属于后验知识,时效性差,导致识别的精度和效率较低。因此,本文以大庆油田特高含水典型区块M区块为例,结合主控因素分析方法构建特征参数集,应用粒子群算法(PSO)优化深度置信神经网络(DBN)的结构参数,通过逐层递推和全局优化融合、有监督和无监督学习算法融合提升模型性能,形成了一种基于机器学习算法的注采井间优势通道识别的方法。构建的优势通道识别PSO-DBN模型应用于典型区块,识别准确率比未经过优化的DBN神经网络模型预测准确率提高了2.8%,比MLP神经网络模型预测准确率提高了8.6%,通过增补无标注样本、实现有监督和无监督学习算法融合,可以进一步提升识别精度。 展开更多
关键词 特高含水油藏 井间优势通道 深度置信神经网络 算法融合 机器学习
在线阅读 下载PDF
基于深度残差网络的多层多道焊缝识别 被引量:1
11
作者 何俊杰 王传睿 王天琪 《天津工业大学学报》 北大核心 2025年第1期91-96,共6页
为保证焊缝跟踪的精度并将激光条纹从强弧光、飞溅中分离出来,提出了一种基于深度残差(SRNU)网络的激光条纹分割算法。该算法是将带有弧光的图像送入SRNU模型,对内嵌于Resunet网络的编码层部分进行改进,添加SE模块和分组残差模块,对多... 为保证焊缝跟踪的精度并将激光条纹从强弧光、飞溅中分离出来,提出了一种基于深度残差(SRNU)网络的激光条纹分割算法。该算法是将带有弧光的图像送入SRNU模型,对内嵌于Resunet网络的编码层部分进行改进,添加SE模块和分组残差模块,对多层级特征信息进行提取和解析。结果表明:所提算法与Resunet算法相比,平均交并比、精确率、召回率与F1分数分别提升了0.79%、1.38%、0.50%和0.91%,说明该方法有较好的鲁棒性且具有较强的抗干扰能力,在复杂工况下也能将激光条纹从强弧光、飞溅中分离出来。 展开更多
关键词 结构光视觉传感器 深度学习 多层多道焊缝 焊缝识别 深度残差 激光条纹分割算法
在线阅读 下载PDF
改进型YOLOv3的PCB缺陷检测研究
12
作者 张健滔 黄允 +1 位作者 汪鹏宇 瞿栋 《机械设计与制造》 北大核心 2025年第7期172-177,共6页
为了准确快速进行PCB缺陷检测,文中针对常见的PCB缺陷铜面残渣(简称RE-CU)和铜面异物(简称FB-CU),利用YOLOv3模型进行缺陷识别实验。实验结果显示:YOLOv3模型在PCB缺陷识别中有较好的检测效果,在阈值为0.5时,有缺陷图片(简称NG图片)的... 为了准确快速进行PCB缺陷检测,文中针对常见的PCB缺陷铜面残渣(简称RE-CU)和铜面异物(简称FB-CU),利用YOLOv3模型进行缺陷识别实验。实验结果显示:YOLOv3模型在PCB缺陷识别中有较好的检测效果,在阈值为0.5时,有缺陷图片(简称NG图片)的漏检率低于15%,无缺陷图片(简称OK图片)的误检率只有5%左右。在深入分析检测的结果后,发现对于小缺陷的识别效果较差,于是增加了一个感受野更小的检测头,构建了具有四个检测头的网络结构。利用改进型的YOLOv3算法进行实验,结果表明:改进后的YOLOv3算法具有更好的检测性能,在阈值为0.5时,OK图片的误检率较改进前降低为0.25%,并且在阈值为0.7时更是达到了0%,NG图片的漏检率较改进前也有所降低。 展开更多
关键词 深度学习 PCB 缺陷检测 YOLOv3算法 目标检测
在线阅读 下载PDF
基于优化的U-net网络掘进工作面煤岩识别方法研究
13
作者 栾恒杰 杨玉晴 +4 位作者 刘建康 蒋宇静 刘建荣 马德良 张孙豪 《采矿与岩层控制工程学报》 北大核心 2025年第1期94-108,共15页
为了提高煤岩识别的精准度,采集了内蒙古上海庙矿业有限责任公司榆树井煤矿掘进工作面煤岩原始图像并制作了深度学习数据集,通过FCN全卷积神经网络(FCN网络)、Unet语义分割网络(U-net网络)与加入Canny边缘检测算法改进后的U-net网络等3... 为了提高煤岩识别的精准度,采集了内蒙古上海庙矿业有限责任公司榆树井煤矿掘进工作面煤岩原始图像并制作了深度学习数据集,通过FCN全卷积神经网络(FCN网络)、Unet语义分割网络(U-net网络)与加入Canny边缘检测算法改进后的U-net网络等3种网络模型对数据集进行训练,并对训练结果进行对比分析。分析结果表明:在训练次数达到100次时,3种网络模型准确率分别为89.25%, 93.52%及94.55%,改进U-net网络模型准确率相较改进前提高1.03%;在煤岩识别方面, U-net网络模型比FCN网络模型取得了更高的准确率,在测试环节中也表现出了更好的性能;在预测环节中,对煤岩边缘部分的识别做到了更为精准的处理。该方法可为煤岩识别的精准度的提高提供参考。 展开更多
关键词 煤岩识别 深度学习 U-net网络 CANNY边缘检测算法
在线阅读 下载PDF
感兴趣区域YOLO_BFROI的扶梯乘客安全检测算法
14
作者 侯颖 胡鑫 +3 位作者 赵瑞瑞 张楠 徐艳红 马莉 《计算机工程与应用》 北大核心 2025年第6期84-95,共12页
自动扶梯智能化监控是预防乘客事故发生的重要手段,然而扶梯运行环境较复杂,背景干扰严重,远距离小目标乘客的检测容易造成漏检和误检问题,提出一种基于感兴趣区域改进YOLOv8的轻量化自动扶梯乘客摔倒检测算法。改进算法设计了基于感兴... 自动扶梯智能化监控是预防乘客事故发生的重要手段,然而扶梯运行环境较复杂,背景干扰严重,远距离小目标乘客的检测容易造成漏检和误检问题,提出一种基于感兴趣区域改进YOLOv8的轻量化自动扶梯乘客摔倒检测算法。改进算法设计了基于感兴趣区域的BiFormer_ROI注意力机制模块,构造SPD-Conv和BiFormer_ROI的小目标检测模块组改进YOLOv8骨干网络,屏蔽非扶梯背景区域的复杂环境干扰,有效提高小目标检测率。考虑实际应用需要采用GhostSlimPAFPN轻量化结构优化Neck网络,在保持检测精度的同时有效减少模型参数量。采用具有目标尺寸自适应惩罚因子的PIoU v2损失函数改进Head网络,从而实现更快的收敛和更高的检测精度。在自建扶梯乘客摔倒数据集上,改进算法乘客摔倒平均检测精度达到94.2%,检测帧率为87.7 FPS,检测性能显著提高,能有效减少漏检和误检问题,且具有良好的实时性,可以更好地保障乘客安全乘梯。 展开更多
关键词 深度学习 自动扶梯 摔倒检测 YOLOv8算法 感兴趣区域 轻量化
在线阅读 下载PDF
一种改进的Douglas-Peucker数控加工轨迹压缩方法
15
作者 王品 王婧如 +2 位作者 张丽鹏 王森 荆东东 《小型微型计算机系统》 北大核心 2025年第1期64-71,共8页
数控加工程序通常由计算机辅助制造系统生成,以微小直线段的形式“以直代曲”来指导数控机床进行直线插补运动.随着工艺复杂度和精度要求的提高,数控加工程序的数据量急剧增加,不仅增加了数据存储和传输的难度,而且会引起机床执行过程... 数控加工程序通常由计算机辅助制造系统生成,以微小直线段的形式“以直代曲”来指导数控机床进行直线插补运动.随着工艺复杂度和精度要求的提高,数控加工程序的数据量急剧增加,不仅增加了数据存储和传输的难度,而且会引起机床执行过程中速度的频繁调整.针对以上问题,提出了一种融合深度学习的改进Douglas-Peucker三维数控加工轨迹压缩方法,该方法通过引入曲率和距离容差度的超参数考虑了加工轨迹中数据点序列的几何特性,并通过深度神经网络模型动态地优化算法中的超参数,从而实现更高的压缩效率.此外,算法中利用了KD树结构优化误差计算,确保压缩后的数据能够在给定的公差范围内精确呈现原始数据的特性.实验表明,该算法可大幅减少数据量,并确保压缩后的数据准确呈现原始数据的特性. 展开更多
关键词 DOUGLAS-PEUCKER算法 轨迹压缩 轮廓误差 深度神经网络 参数优化
在线阅读 下载PDF
基于深度强化学习的停机位分配
16
作者 向征 吴秋玥 +1 位作者 储同 岳伊杨 《科学技术与工程》 北大核心 2025年第16期6977-6984,共8页
针对停机位分配问题展开系统研究,目标是最小化远机位分配数量以及近机位空闲时间,针对其多目标多约束特性,提出以最小远机位分配数量和最小近机位空闲时间为目标的多目标数学模型,该模型考虑了航班进出港实际时间、机型类别及停机位间... 针对停机位分配问题展开系统研究,目标是最小化远机位分配数量以及近机位空闲时间,针对其多目标多约束特性,提出以最小远机位分配数量和最小近机位空闲时间为目标的多目标数学模型,该模型考虑了航班进出港实际时间、机型类别及停机位间相互关系等参数。结合深度强化学习方法,特别是深度确定性策略梯度算法(deep deterministic policy gradient,DDPG),对停机位分配过程进行优化。为提升算法的寻优能力与性能,设计了改进后的DDPG算法,融入优先级经验回放和多策略融合探索机制。通过对比实验,表明改进后的算法更优,显著减少了最小远机位分配数量并优化了近机位空闲时间,且收敛更快、全局寻优能力更强,充分证实了其有效性。 展开更多
关键词 停机位分配 深度学习 强化学习 深度确定性策略梯度算法(DDPG)
在线阅读 下载PDF
基于融合注意力机制BP神经网络的深基坑变形预测方法
17
作者 张明聚 秦胜旺 +3 位作者 李鹏飞 葛辰贺 杨萌 谢治天 《北京交通大学学报》 北大核心 2025年第2期95-104,共10页
针对单一反向传播(Back Propagation,BP)神经网络预测基坑开挖变形时泛化性差及容易出现局部最优解的问题,分别采用遗传算法(Genetic Algorithms,GA)、粒子群算法(Particle Swarm Optimization,PSO)进行优化,并融合注意力机制(Attention... 针对单一反向传播(Back Propagation,BP)神经网络预测基坑开挖变形时泛化性差及容易出现局部最优解的问题,分别采用遗传算法(Genetic Algorithms,GA)、粒子群算法(Particle Swarm Optimization,PSO)进行优化,并融合注意力机制(Attention)组合成GA-Attention-BP和PSO-Attention-BP神经网络模型.依托南京双子座基坑工程,采用PLAXIS 2D模拟了680组不同工况下围护结构及地表的变形特征,并结合20组南京地区基坑实测监测数据作为数据集,以均方误差(Mean Squared Error,MSE)、平均绝对误差(Mean Absolute Error,MAE)和决定系数(RSquare,R2)作为评价指标,将不同神经网络的预测值和实际监测值进行对比.研究结果表明:GAAttention-BP和PSO-Attention-BP的MSE分别为3.47和3.22,MAE分别为1.59和1.47,R2分别为0.93和0.96,较BP和Attention-BP神经网络有较大的性能提升,预测效果较好;基于注意力机制的权重分配结果表明,基坑深度和地下连续墙的宽度对围护结构变形的影响最为显著,其权重系数分别高达1.33和1.17. 展开更多
关键词 深基坑工程 数值模拟 注意力机制 反向传播 遗传算法 粒子群算法
在线阅读 下载PDF
未知环境下基于突变定位SAC算法的移动机器人路径规划
18
作者 胡立坤 韦春有 《计算机应用研究》 北大核心 2025年第2期455-461,共7页
针对缺乏完整环境信息的条件下移动机器人局部路径规划算法性能提升及深度强化学习智能体训练速度慢的问题,提出了突变定位算法和改进的soft actor-critic(SAC)算法,并将两者结合为突变定位SAC算法。突变定位算法能够在缺乏完备环境信... 针对缺乏完整环境信息的条件下移动机器人局部路径规划算法性能提升及深度强化学习智能体训练速度慢的问题,提出了突变定位算法和改进的soft actor-critic(SAC)算法,并将两者结合为突变定位SAC算法。突变定位算法能够在缺乏完备环境信息的情况下计算子目标点位置,减少移动机器人规划路径的长度。同时,通过引入基于虚拟势场的critic网络改进损失函数和多阶段训练方法,提高SAC智能体的训练速度。实验结果表明,与DDPG、SAC、PER-SAC和HER-TD3相比,突变定位SAC算法在训练时间上分别减少了46.68%、39.50%、20.18%和27.79%。此外,突变定位SAC算法在不同环境下规划路径的长度平均减少了13.71%、10.26%、10.90%和15.89%。 展开更多
关键词 移动机器人 路径规划 深度强化学习算法 SAC算法 激光雷达 未知环境
在线阅读 下载PDF
基于地基云图数据多维特征融合的光伏功率预测算法
19
作者 吐松江·卡日 吴现 +3 位作者 马小晶 雷柯松 余凯峰 司伟壮 《电力系统保护与控制》 北大核心 2025年第11期84-94,共11页
针对传统光伏功率预测算法无法获取准确云层状态信息和预测精度低等问题,提出一种基于地基云图与双流数据融合的光伏功率预测算法。首先,利用地基云图提供的精确云层状态信息,结合稠密光流法获取相邻帧图像间的时空特征与细节变化特征... 针对传统光伏功率预测算法无法获取准确云层状态信息和预测精度低等问题,提出一种基于地基云图与双流数据融合的光伏功率预测算法。首先,利用地基云图提供的精确云层状态信息,结合稠密光流法获取相邻帧图像间的时空特征与细节变化特征。其次,结合卷积神经网络(convolutional neural network,CNN)在特征提取上的优势和残差网络在模型学习中抑制信息丢失上的优势,提升预测模型对光伏功率与图像数据间长期映射关系的学习能力。此外,引入注意力机制弥补模型训练过程中关键信息利用不充分的缺陷。实验结果表明,地基云图与光流数据的加入为多云天气提供了更多时空特征。与基准模型相比,其晴天与多云情况下均方根误差(root mean squared error,RMSE)指标和平均绝对误差(mean absolute error,MAE)指标分别降低了15.50%、11.65%、4.05%与5.15%,有助于充分利用云层运动状况来实现准确可靠的光伏电站输出功率预测,提升光伏电站调度工作的及时性与准确性。 展开更多
关键词 深度学习 功率预测 地基云图 注意力机制 稠密光流算法
在线阅读 下载PDF
基于EA-RL算法的分布式能源集群调度方法
20
作者 程小华 王泽夫 +2 位作者 曾君 曾婧瑶 谭豪杰 《华南理工大学学报(自然科学版)》 北大核心 2025年第1期1-9,共9页
目前对于分布式能源集群调度的研究大多局限于单一场景,同时也缺少高效、准确的算法。该文针对以上问题提出了一种基于进化算法经验指导的深度强化学习(EA-RL)的分布式能源集群多场景调度方法。分别对分布式能源集群中的电源、储能、负... 目前对于分布式能源集群调度的研究大多局限于单一场景,同时也缺少高效、准确的算法。该文针对以上问题提出了一种基于进化算法经验指导的深度强化学习(EA-RL)的分布式能源集群多场景调度方法。分别对分布式能源集群中的电源、储能、负荷进行个体建模,并基于个体调度模型建立了包含辅助调峰调频的多场景分布式能源集群优化调度模型;基于进化强化学习算法框架,提出了一种EA-RL算法,该算法融合了遗传算法(GA)与深度确定性策略梯度(DDPG)算法,以经验序列作为遗传算法个体进行交叉、变异、选择,筛选出优质经验加入DDPG算法经验池对智能体进行指导训练以提高算法的搜索效率和收敛性;根据多场景调度模型构建分布式能源集群多场景调度问题的状态空间和动作空间,再以最小化调度成本、最小化辅助服务调度指令偏差、最小化联络线越限功率以及最小化源荷功率差构建奖励函数,完成强化学习模型的建立;为验证所提算法模型的有效性,基于多场景的仿真算例对调度智能体进行离线训练,形成能够适应电网多场景的调度智能体,通过在线决策的方式进行验证,根据决策结果评估其调度决策能力,并通过与DDPG算法的对比验证算法的有效性,最后对训练完成的智能体进行了连续60d的加入不同程度扰动的在线决策测试,验证智能体的后效性和鲁棒性。 展开更多
关键词 分布式能源集群 深度强化学习 进化强化学习算法 多场景一体化调度
在线阅读 下载PDF
上一页 1 2 73 下一页 到第
使用帮助 返回顶部