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622篇文章
< 1 2 … 32 >
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：
多关系和时间增强的知识追踪模型 被引量：1
1
作者 张维 罗佩华 +2 位作者 龚中伟 李志新 宋玲玲 《计算机应用研究》 北大核心 2025年第3期728-734,共7页
现有知识追踪方法未能深入探索知识点间多种关系并同时考虑知识相互作用和时间对知识状态的影响。鉴于此,从知识间多种关系和学习遗忘规律两方面改进知识追踪模型,提出多关系和时间增强的知识追踪模型(MRTKT)。首先,根据认知同化理论丰... 现有知识追踪方法未能深入探索知识点间多种关系并同时考虑知识相互作用和时间对知识状态的影响。鉴于此,从知识间多种关系和学习遗忘规律两方面改进知识追踪模型,提出多关系和时间增强的知识追踪模型(MRTKT)。首先,根据认知同化理论丰富了知识间关系,使用统计学方法构建了包含上位学习、下位学习以及并列组合学习三种关系的知识结构图;其次,对知识间相互作用进行建模,根据上述三种关系聚集节点特征,使得模型可以更好地模拟知识间的影响传播行为;然后,构建融入三种时间信息的GRU门更新学生知识状态,以模拟学习和遗忘对知识状态的影响,使得各节点特征包含知识间相互作用信息和时间信息,为预测学习者答题表现提供更全面丰富的信息。在多个公开数据集上进行实验,结果表明MRTKT比现有模型具有更优越的性能以及更好的可解释性。 展开更多
关键词 知识追踪 门控图神经网络 GRU 知识间多种关系 学习遗忘
在线阅读 下载PDF
基于信任度与遗忘函数的个性化产品服务配置
2
作者 窦润亮 孟繁松 +2 位作者 南国芳 周晓东 林国义 《管理科学学报》 北大核心 2025年第2期102-114,共13页
在客户需求个性化和多样化的趋势下,企业面临着如何快速响应客户需求并提供个性化产品服务方案的挑战.为帮助客户精准定位个性化产品服务方案,提出了一种基于信任度与遗忘函数的个性化产品服务配置方法,分别在偏好相似度和评分相似度计... 在客户需求个性化和多样化的趋势下,企业面临着如何快速响应客户需求并提供个性化产品服务方案的挑战.为帮助客户精准定位个性化产品服务方案,提出了一种基于信任度与遗忘函数的个性化产品服务配置方法,分别在偏好相似度和评分相似度计算中引入信任度和时间遗忘权重,同时综合考虑用户和方案的组合相似度,以降低数据稀疏性和冷启动在预测个性化方案时的影响.通过与现有方法进行比较,本研究提出的方法能为用户更加精准地配置出符合其需求的个性化产品服务方案. 展开更多
关键词 产品服务方案 信任度 遗忘函数 协同过滤
在线阅读 下载PDF
基于试题-知识点异构图和多特征融合的知识追踪模型
3
作者 解培中 李冠进 李汀 《计算机科学》 北大核心 2025年第3期197-205,共9页
知识追踪要求基于学习者的历史作答情况来预测未来的答题表现,并评估知识状态的变化。探索学习者知识状态的变化有助于实现个性化服务,如课程推荐和试题推荐。然而,现有的大多数知识追踪模型在建模时考虑的特征不够全面,不能综合衡量学... 知识追踪要求基于学习者的历史作答情况来预测未来的答题表现,并评估知识状态的变化。探索学习者知识状态的变化有助于实现个性化服务,如课程推荐和试题推荐。然而,现有的大多数知识追踪模型在建模时考虑的特征不够全面,不能综合衡量学习者知识状态的变化。针对这一问题,提出一种新的知识追踪模型——基于试题-知识点异构图和多特征融合的知识追踪模型(EKMFKT)。具体而言,从学习者的学习过程出发,研究了两种行为特征(尝试次数和提示次数)以及两种时间特征(响应时间和间隔时间)对知识状态的影响。然后,设计了学习门和遗忘门,以模拟知识的获取和遗忘,全面更新知识状态的变化。另外,对于模型的输入,设计了基于试题-知识点异构图的图嵌入方法来预训练试题表示,使得模型的输入保持试题和知识点的关联。在两个公开数据集上的实验结果表明,EKMFKT在预测性能上优于现有模型。通过引入多个特征并确保试题与知识点的关联,EKMFKT使知识状态的变化更合理,增强了模型的可解释性。 展开更多
关键词 知识追踪 异构图 学习行为 时间特征 遗忘行为
在线阅读 下载PDF
基于个性化遗忘建模的知识追踪方法
4
作者 张昭理 李家豪 +2 位作者 刘海 石佛波 何嘉文 《计算机工程》 北大核心 2025年第8期120-130,共11页
针对传统知识追踪(KT)模型难以有效建模学习者在长交互序列下的知识状态变化的问题,引入以Transformer为代表的注意力机制模型能够实现对学习者长交互序列中潜在信息的捕获,并展现出良好的性能。然而,现有模型在建模学习过程时,往往忽... 针对传统知识追踪(KT)模型难以有效建模学习者在长交互序列下的知识状态变化的问题,引入以Transformer为代表的注意力机制模型能够实现对学习者长交互序列中潜在信息的捕获,并展现出良好的性能。然而,现有模型在建模学习过程时,往往忽视了学习者的能力差异,且主要关注知识掌握状态的累加,未能充分建模学习者的遗忘效益。因此,提出一种基于个性化遗忘建模的知识追踪方法(PFKT),通过引入额外的特征信息来建模学习者的答题能力,并进一步探究学习者差异化的记忆遗忘能力。从学习者的历史交互序列出发,综合考虑知识点的获取与遗忘现象,以捕获学习者的真实知识掌握状态。同时,结合额外的特征信息,实现更为准确的个性化遗忘现象建模。实验结果显示,所提出的PFKT模型在ASSISTments2017和Algebra 2005-2006数据集上均取得了较现有模型更优的性能。 展开更多
关键词 知识追踪 注意力机制 遗忘建模 TRANSFORMER 特征信息
在线阅读 下载PDF
加强决策边界与自监督的在线持续学习方法
5
作者 王伟 尤可鑫 刘晓芮 《计算机应用研究》 北大核心 2025年第1期133-138,共6页
针对在线持续学习于图像分类中既要适应新数据,又要减轻灾难性遗忘这一问题,基于重放的方法在减轻在线持续学习的灾难性遗忘方面展现出了优良性能。然而,此类方法中的大多数模型往往更倾向于学习与对象无关的解决方案,这些方案难以泛化... 针对在线持续学习于图像分类中既要适应新数据,又要减轻灾难性遗忘这一问题,基于重放的方法在减轻在线持续学习的灾难性遗忘方面展现出了优良性能。然而,此类方法中的大多数模型往往更倾向于学习与对象无关的解决方案,这些方案难以泛化且易于遗忘,因此,学习最能够代表类别的特征对于解决灾难性遗忘问题显得极为关键。基于此,提出加强决策边界与自监督的在线持续学习方法。首先,该方法通过加强新类之间的决策边界,帮助模型更好地进行任务的分类。其次,使用了一种融合的自监督学习方法,帮助模型更好地学习每个类的代表特征。通过与主流在线持续学习算法在公开数据集CIFAR-10和CIFAR-100上的实验对比,当内存库M为100时,该方法在CIFAR-10上的平均准确率达到了60.8%,平均遗忘率达到了15.5%。当内存库M为500时,该方法在CIFAR-100上的平均准确率达到了25.9%,平均遗忘率达到了13.7%。这一结果验证了加强决策边界与自监督的在线持续学习方法对减轻灾难性遗忘是有效的。 展开更多
关键词 持续学习 灾难性遗忘 对比学习 决策边界
在线阅读 下载PDF
变区间最优带遗忘因子迭代学习控制算法
6
作者 戴宝林 罗雨霜 厚亚飞 《机床与液压》 北大核心 2025年第13期112-117,共6页
针对传统时变遗忘因子迭代学习控制(ILCFF)算法中遗忘因子需依靠经验确定且缺乏取值依据等问题,提出一种基于最优控制增益与可变修正区间的最优ILCFF算法。该算法在已有最优ILCFF算法基础上,引入矩阵范数构建涵盖迭代轴和时间轴的遗忘... 针对传统时变遗忘因子迭代学习控制(ILCFF)算法中遗忘因子需依靠经验确定且缺乏取值依据等问题,提出一种基于最优控制增益与可变修正区间的最优ILCFF算法。该算法在已有最优ILCFF算法基础上,引入矩阵范数构建涵盖迭代轴和时间轴的遗忘因子二维修正区间,通过在该区间单独设置遗忘因子值,实现局部干扰抑制。该算法突破了传统时变遗忘因子必须在多次迭代后趋近于1的设计思路,理论推导证明了算法收敛性,并给出了算法收敛条件。同时,证明了系统输出跟踪误差趋于稳定后,局部增大遗忘因子可以进一步减小系统输出跟踪误差。该算法结构简单,计算量小,在保证系统收敛速度的同时进一步减小了系统输出跟踪误差,抑制系统干扰效果较好。最后,通过仿真验证了算法的有效性。 展开更多
关键词 迭代学习控制 最优控制增益 可变修正区间 遗忘因子
在线阅读 下载PDF
基于FFRLS-MIUKF算法的全钒液流电池荷电状态估计方法
7
作者 郑涛 贾泽峰 +2 位作者 邱亚 李俊伟 侯谋 《热力发电》 北大核心 2025年第4期68-76,共9页
针对全钒液流电池的荷电状态(state of charge,SOC)估计难度大、成本高、准确性差等问题,提出一种基于带遗忘因子的递推最小二乘法(forgetting factor recursive least squares,FFRLS)和多新息无迹卡尔曼滤波(multiple innovation unsce... 针对全钒液流电池的荷电状态(state of charge,SOC)估计难度大、成本高、准确性差等问题,提出一种基于带遗忘因子的递推最小二乘法(forgetting factor recursive least squares,FFRLS)和多新息无迹卡尔曼滤波(multiple innovation unscented Kalman filter,MIUKF)的全钒液流电池荷电状态估计方法。该方法通过FFRLS在线辨识全钒液流电池等效电路模型参数,然后通过MIUKF进行荷电状态估计,从而达到准确估计全钒液流电池荷电状态的目的。最后,利用实验平台对5 kW/30 kW·h的全钒液流电池采用所提出方法进行验证,实验结果表明,相较于RLS-UKF算法和FFRLS-UKF算法,FFRLS-MIUKF算法在荷电状态估计中表现最优,其充电阶段与放电阶段均方误差与均方根误差更低,均方误差与均方根误差在充电阶段分别为0.0037、0.0609,在放电阶段分别为0.0013、0.0363。 展开更多
关键词 全钒液流电池 SOC估计 递推最小二乘 多新息无迹卡尔曼滤波 遗忘因子
在线阅读 下载PDF
数字孪生中混合知识蒸馏辅助的异构联邦类增量学习
8
作者 张铭泉 贾圆圆 张荣华 《智能系统学报》 北大核心 2025年第4期905-915,共11页
在数字孪生背景下,联邦学习面临数据非独立同分布和类别动态变化的挑战,即空间和时间范围内的数据异构问题。为解决这一问题,本文构建了一个数字孪生背景下的联邦类增量学习整体框架,并提出了一种混合知识蒸馏辅助的联邦类增量学习方法... 在数字孪生背景下,联邦学习面临数据非独立同分布和类别动态变化的挑战,即空间和时间范围内的数据异构问题。为解决这一问题,本文构建了一个数字孪生背景下的联邦类增量学习整体框架,并提出了一种混合知识蒸馏辅助的联邦类增量学习方法。具体来说,与传统联邦学习本地更新方式不同,本文方法通过自适应语义蒸馏损失和自适应注意力蒸馏损失集成的混合知识蒸馏方法提取旧全局模型中输出层的软标签语义知识和中间层的高维特征知识,使客户端模型在拟合新数据的同时有效减少对旧数据的遗忘,提升联邦类增量模型的性能。在相同的数据异构情况下,与对比模型相比,本文方法在CIFAR100数据集上精度提升1.85%~2.56%,在医学CT图像数据集OrganAMNIST、OrganCMNIST、OrganSMNIST上也取得了最优或次优的性能。 展开更多
关键词 数字孪生 联邦类增量学习 混合知识蒸馏 数据异构 图像分类 灾难性遗忘 CT图像 联邦学习
在线阅读 下载PDF
基于云端数据充电初期片段的电池极化参数辨识
9
作者 王丽梅 崔艳伟 +3 位作者 孙景景 赵秀亮 刘良 盘朝奉 《汽车安全与节能学报》 北大核心 2025年第2期294-302,共9页
为了提高电池极化参数在线辨识的精度及速度,提出了一种基于云端数据的基准极化参数辨识方法。通过开展电池充放脉冲实验,研究电池极化参数特性;基于云端数据充电初期片段,采用类比混合脉冲功率性能(HPPC)方法,获取充电极化参数;以充电... 为了提高电池极化参数在线辨识的精度及速度,提出了一种基于云端数据的基准极化参数辨识方法。通过开展电池充放脉冲实验,研究电池极化参数特性;基于云端数据充电初期片段,采用类比混合脉冲功率性能(HPPC)方法,获取充电极化参数;以充电极化参数为约束,利用变遗忘因子递推最小二乘法(VFFRLS),计算了放电极化参数。结果表明:本文方法的电池时间常数范围为34~53 s,在云端相应小电流倍率下极化参数不随倍率变化;充电极化内阻和极化电容的计算结果与实验结果吻合;添加约束后的在线辨识方法的收敛速度,与未添加约束相比,最少提高了6%。 展开更多
关键词 电池充电放电 极化参数 云端数据 离线辨识 类比混合脉冲功率性能(HPPC)法 变遗忘因子递推最小二乘法(VFFRLS)
在线阅读 下载PDF
自编码器结合持续学习:现状、挑战与展望 被引量：2
10
作者 吴美君 杨新 +2 位作者 潘超凡 李天瑞 寇纲 《计算机学报》 北大核心 2025年第2期317-357,共41页
近年来,许多研究利用自编码器进行增量式学习,以在面对新的数据分布、类别或任务时平衡模型的稳定性与可塑性。这些研究从多个角度推动了持续学习的发展。同时,持续学习的范式通过优化策略促进了自编码器架构的改进,实现了自编码器与持... 近年来,许多研究利用自编码器进行增量式学习,以在面对新的数据分布、类别或任务时平衡模型的稳定性与可塑性。这些研究从多个角度推动了持续学习的发展。同时,持续学习的范式通过优化策略促进了自编码器架构的改进,实现了自编码器与持续学习之间的相互促进。目前,自编码器与持续学习的结合在多个领域都影响深远。本文对近五年来的相关研究进行了综述,概述了自编码器的类型与特点,持续学习的常见增量场景与主要挑战,并对二者在不同领域的应用情况进行了详细介绍。最后,本综述对当前研究的优点、局限性以及未来应用的前景进行了总结,旨在为推动持续学习与自编码器的结合与发展提供有价值的参考。 展开更多
关键词 持续学习 自编码器 灾难性遗忘 知识传输 模型优化
在线阅读 下载PDF
基于AFFRLS-MIAUKF算法的锂离子电池SOC估算
11
作者 王君瑞 李进 +1 位作者 季长江 谭露 《现代电子技术》 北大核心 2025年第10期7-14,共8页
在锂离子电池荷电状态(SOC)估算过程中,建立合适的模型是第一步,模型中参数的辨识精度对估算SOC至关重要。为提高锂离子电池SOC的估算精度,提出一种基于自适应遗忘因子递推最小二乘(AFFRLS)与多新息自适应无迹卡尔曼滤波(MIAUKF)相结合... 在锂离子电池荷电状态(SOC)估算过程中,建立合适的模型是第一步,模型中参数的辨识精度对估算SOC至关重要。为提高锂离子电池SOC的估算精度,提出一种基于自适应遗忘因子递推最小二乘(AFFRLS)与多新息自适应无迹卡尔曼滤波(MIAUKF)相结合的算法来估算电池SOC。以三元锂电池为实验对象,建立二阶RC等效电路模型,采用离线辨识和自适应遗忘因子递推最小二乘两种方法实现模型参数的辨识。在复合脉冲功率特性实验(HPPC)工况下,使用AFFRLS-MIAUKF算法对锂离子电池SOC进行估算,并与离线辨识MIAUKF算法和UKF算法相对比。实验结果表明,AFFRLS-MIAUKF算法具有更高的精度,平均误差能保持在0.5%以内。 展开更多
关键词 锂离子电池 电池荷电状态估算 无迹卡尔曼滤波 自适应遗忘因子递推最小二乘 多新息理论 等效电路模型
在线阅读 下载PDF
一种基于块平均正交权重修正的连续学习算法
12
作者 廖丁丁 刘俊峰 +1 位作者 曾君 邱晓欢 《计算机工程》 北大核心 2025年第6期57-64,共8页
连续学习能力是人类智能行为的一个重要的方面,可使人类具有持续获取新知识的能力。然而,大量的研究表明,当前常规的深度神经网络并不具备这样的连续学习能力,它们在序列学习新任务后,往往会对已学习的任务产生灾难性遗忘,从而无法持续... 连续学习能力是人类智能行为的一个重要的方面,可使人类具有持续获取新知识的能力。然而,大量的研究表明,当前常规的深度神经网络并不具备这样的连续学习能力,它们在序列学习新任务后,往往会对已学习的任务产生灾难性遗忘,从而无法持续地积累新知识,这限制了智能水平的进一步提升。因而,使深度神经网络具备连续学习能力是达成强人工智能技术的一项重要课题。提出一种基于块平均正交权重修正的连续学习算法(B-OWM)。该算法采用具有极优值分块数的输入样本块平均向量组作为输入空间的表示,结合正交权重修正(OWN)思想来更新网络参数,使得深度神经网络模型在学习新任务时可以克服对已学习知识的灾难性遗忘。在多个数据集上进行的大量任务不相交类增量连续学习实验表明,B-OWM在连续学习性能上显著优于OWM算法,尤其在大批次数连续学习场景中,测试精度提升率可达80%。 展开更多
关键词 连续学习 正交权重修正 深度学习 正则化 灾难性遗忘
在线阅读 下载PDF
六旋翼无人机航磁补偿方法研究
13
作者 于龙兴 魏媛媛 +2 位作者 付世沫 常青 王耀力 《电光与控制》 北大核心 2025年第2期38-44,共7页
地磁导航作为一种无源自主导航方法,与全球定位系统(GPS)相比具有更强的稳定性。为了提高无人机(UAV)平台地磁导航的精确性,需要补偿无人机平台产生的固定干扰、涡流干扰、感应干扰。根据实测六旋翼无人机磁场数据,分析出无人机作业时... 地磁导航作为一种无源自主导航方法,与全球定位系统(GPS)相比具有更强的稳定性。为了提高无人机(UAV)平台地磁导航的精确性,需要补偿无人机平台产生的固定干扰、涡流干扰、感应干扰。根据实测六旋翼无人机磁场数据,分析出无人机作业时干扰信号的频率特性;结合传统的Tolles-Lawson模型与卡尔曼滤波算法预测地磁场的变化,去除了传统Tolles-Lawson模型中恒定地磁场的假设;引入遗忘因子α,根据残差理论减小观测协方差误差与状态协方差误差来实现噪声预测,改进卡尔曼滤波。经过实验分析可得,改进自适应卡尔曼滤波有效地降低了补偿误差,较普通卡尔曼滤波补偿效果改善比(IR)提高了5.64,且补偿后磁场数据的噪声毛刺明显减少。 展开更多
关键词 无人机 Tolles-Lawson模型 遗忘因子 自适应卡尔曼滤波
在线阅读 下载PDF
面向不平衡数据的联邦类别增量学习
14
作者 方子希 付晓东 +3 位作者 丁家满 刘骊 彭玮 代飞 《小型微型计算机系统》 北大核心 2025年第9期2121-2129,共9页
联邦增量学习作为一种新兴学习范式,在保护用户隐私的同时利用数据孤岛的知识,有效缓解了由于存储空间有限而导致的灾难性遗忘问题.但现有的联邦增量学习研究忽略了用户数据不平衡对造成全局模型灾难性遗忘及精度降低的影响.针对此问题... 联邦增量学习作为一种新兴学习范式,在保护用户隐私的同时利用数据孤岛的知识,有效缓解了由于存储空间有限而导致的灾难性遗忘问题.但现有的联邦增量学习研究忽略了用户数据不平衡对造成全局模型灾难性遗忘及精度降低的影响.针对此问题,该文提出了一种基于条件生成对抗网络的无数据存储重放再训练方法(ARR).具体来说,用户模型训练分为两个阶段:第1阶段结合条件生成对抗网络生成模拟的历史任务数据和当前任务数据共同训练本地模型;第2阶段则冻结特征提取层,采用平衡采样技术对其他层进行再训练.服务器通过利用条件生成对抗网络生成的所有用户任务数据来优化全局模型.实验结果显示,ARR在不平衡程度逐渐加剧的情况下,全局模型准确率相较于现有的相关方法提高了8.64%~31.03%,有效缓解了灾难性遗忘问题,显著提高了全局模型的最终精度. 展开更多
关键词 联邦增量学习 不平衡数据 条件生成对抗网络 灾难性遗忘 二次训练
在线阅读 下载PDF
知识点相关性与遗忘程度融合的深度知识追踪模型
15
作者 贾瑞 董永权 +1 位作者 刘源 陈成 《计算机研究与发展》 北大核心 2025年第2期364-373,共10页
知识追踪(knowledge tracing,KT)是对学习者知识水平建模的一种技术,根据学习者过去的学习交互预测其未来答题表现,这些交互代表了学习者回答一个习题序列的过程.当前知识追踪方法在建模学习者遗忘行为时缺乏考虑知识点重复练习次数,并... 知识追踪(knowledge tracing,KT)是对学习者知识水平建模的一种技术,根据学习者过去的学习交互预测其未来答题表现,这些交互代表了学习者回答一个习题序列的过程.当前知识追踪方法在建模学习者遗忘行为时缺乏考虑知识点重复练习次数,并且少有模型考虑知识点相关性对答题预测的影响.基于此,提出了一个融合知识点相关性和遗忘程度的深度知识追踪模型.首先使用统计方法构建了一个关联矩阵,以捕获知识点之间的相关性.其次,利用交互之间的时间间隔和学习者学习同一知识点的次数来计算知识点的遗忘程度,以更好地拟合学生的遗忘行为.最后,将知识点相关性和遗忘程度整合到一个注意力模块中,以获得过去的每个交互对未来答题的影响,据此预测学习者的答题结果.在真实的在线教育数据集algebra2005-2006和ASSISTment2012上的实验表明,相较于已有主流方法,所提模型取得了更好的预测结果. 展开更多
关键词 知识追踪 深度知识追踪 知识点相关性 遗忘程度 智慧教育
在线阅读 下载PDF
联邦增量学习研究综述
16
作者 谢家晨 刘波 +1 位作者 林伟伟 郑剑文 《计算机科学》 北大核心 2025年第3期377-384,共8页
联邦学习以其独特的分布式训练模式和安全聚合机制成为近年来的研究热点。然而,在现实生活中,本地模型训练往往会收集到新数据,从而造成对旧数据的灾难性遗忘。因此,如何将联邦学习和增量学习有效结合是实现联邦生态可持续发展的关键所... 联邦学习以其独特的分布式训练模式和安全聚合机制成为近年来的研究热点。然而,在现实生活中,本地模型训练往往会收集到新数据,从而造成对旧数据的灾难性遗忘。因此,如何将联邦学习和增量学习有效结合是实现联邦生态可持续发展的关键所在。文中首先对联邦增量学习(Federated Incremental Learning)的相关概念进行了深入的调查和分析;然后,重点阐述了基于数据、基于模型、基于架构和基于多方面联合优化的联邦增量学习方法,同时对现有方法进行分类和比较;最后,分析和总结了联邦增量学习未来的研究发展方向,如大规模、小样本、安全可靠和多任务场景下的联邦增量学习。 展开更多
关键词 联邦学习 安全聚合 灾难性遗忘 可持续发展 联邦增量学习
在线阅读 下载PDF
基于FF-SVDUKF的DDEV路面附着系数识别研究
17
作者 赵新 史立伟 +2 位作者 陆海峰 高守林 张博勋 《重庆理工大学学报(自然科学)》 北大核心 2025年第7期75-85,共11页
分布式驱动电动汽车(DDEV)各车轮转矩独立可控,具有良好的车辆底盘动力学控制潜力,而准确识别路面附着系数是车辆动力学控制的基础。为进一步提升传统无迹卡尔曼滤波(UKF)路面附着系数观测算法的精度和收敛速度,提出了一种基于遗忘因子... 分布式驱动电动汽车(DDEV)各车轮转矩独立可控,具有良好的车辆底盘动力学控制潜力,而准确识别路面附着系数是车辆动力学控制的基础。为进一步提升传统无迹卡尔曼滤波(UKF)路面附着系数观测算法的精度和收敛速度,提出了一种基于遗忘因子的奇异值分解无迹卡尔曼滤波(FF-SVDUKF)路面附着系数估计方法。该方法首先利用奇异值分解(SVD)代替乔列斯基分解(Cholesky),在无迹变换中基于奇异值分解计算采样点,以避免传统无迹卡尔曼滤波协方差矩阵非正定性引起的滤波不稳定现象。然后引入变形的遗忘因子,对观测噪声协方差矩阵进行实时动态调整,改变了历史数据权重,提升了算法对时变路面附着系数的适应能力。构建Matlab/Simulink和Carsim联合仿真平台对算法进行仿真验证,仿真结果表明:与传统UKF算法相比,FF-SVDUKF算法在多工况路面附着系数估计时,均方根误差平均提高51%,具有良好的整车应用价值。 展开更多
关键词 分布式驱动电动汽车 路面附着系数 无迹卡尔曼滤波 奇异值分解 遗忘因子
在线阅读 下载PDF
一种基于知识蒸馏的异构联邦遗忘学习算法
18
作者 王亚杰 唐湘云 祝烈煌 《北京师范大学学报(自然科学版)》 北大核心 2025年第3期300-306,共7页
为解决异构数据环境下联邦学习中的隐私保护问题,提出了一种融合知识蒸馏(knowledge distillation,KD)与遗忘机制的异构联邦遗忘学习算法.该算法通过提取全局模型中的通用知识并将其传递至客户端,在保持模型学习能力的同时,有效剥离本... 为解决异构数据环境下联邦学习中的隐私保护问题,提出了一种融合知识蒸馏(knowledge distillation,KD)与遗忘机制的异构联邦遗忘学习算法.该算法通过提取全局模型中的通用知识并将其传递至客户端,在保持模型学习能力的同时,有效剥离本地模型中与敏感数据相关的信息,从而实现隐私遗忘.试验结果表明,该方法在各类数据结构和设备配置下均能保持良好的模型性能,同时显著提升了数据的隐私性,为异构联邦学习环境中的隐私保护提供了一种有效的技术方案. 展开更多
关键词 遗忘学习 联邦学习 知识蒸馏
在线阅读 下载PDF
基于类脑脉冲神经网络的边缘联邦持续学习方法
19
作者 王冬芝 刘琰 +1 位作者 郭斌 於志文 《计算机科学》 北大核心 2025年第3期326-337,共12页
移动边缘计算因具有通信成本低、服务响应快等优势,已经成为适应智能物联网应用需求的重要计算模式。在实际应用场景中,一方面,单一设备能够获取到的数据通常有限;另一方面,边缘计算环境通常是动态多变的。针对以上问题,主要对边缘联邦... 移动边缘计算因具有通信成本低、服务响应快等优势,已经成为适应智能物联网应用需求的重要计算模式。在实际应用场景中,一方面,单一设备能够获取到的数据通常有限;另一方面,边缘计算环境通常是动态多变的。针对以上问题,主要对边缘联邦持续学习展开研究,将脉冲神经网络(SNN)创新性地引入到边缘联邦持续学习框架中,在降低设备计算和通信资源消耗的同时,解决本地设备在动态边缘环境中所面临的灾难性遗忘问题。利用SNN解决边缘联邦持续学习问题主要面临两个方面的挑战:首先,传统脉冲神经网络没有考虑持续增加的输入数据,难以在较长的时间跨度内存储和更新知识,导致无法实现有效的持续学习;其次,不同设备学习到的SNN模型存在差异,通过传统联邦聚合获得的全局模型无法在每个边缘设备上取得较好的性能。因此,提出了一种新的脉冲神经网络增强的边缘联邦持续学习(SNN-Enhanced Edge-FCL)方法。针对挑战一,提出了面向边缘设备的类脑持续学习算法,在单个设备上采用类脑脉冲神经网络进行本地训练,同时采用基于羊群效应的样本选择策略保存历史任务的代表样本;针对挑战二,提出了多设备协同的全局自适应聚合算法,基于SNN工作原理设计脉冲数据质量指标,并利用数据驱动的动态加权聚合方法,在全局模型聚合时对不同设备模型赋予相应权重以提升全局模型的泛化性。实验结果表明,相比基于传统神经网络的边缘联邦持续学习方法,SNN-Enhanced Edge-FCL方法在边缘设备上消耗的通信资源和计算资源减少了92%,且边缘设备在测试集上5个连续任务中的准确率都在87%以上。 展开更多
关键词 移动边缘计算 资源受限 灾难性遗忘 联邦学习 持续学习 类脑脉冲神经网络
在线阅读 下载PDF
不同温度下锂离子电池自适应多状态联合估计
20
作者 王中伟 杨坤 +2 位作者 马超 王记磊 王杰 《汽车技术》 北大核心 2025年第4期20-31,共12页
为了准确估计不同温度下电池参数、荷电状态及功率状态,提出基于自适应遗忘因子的递推最小二乘法联合自适应扩展卡尔曼滤波算法。通过实时校正、更新参数,提升电池参数辨识和荷电状态估计的精度;以模型端电压辨识结果、荷电状态估计结... 为了准确估计不同温度下电池参数、荷电状态及功率状态,提出基于自适应遗忘因子的递推最小二乘法联合自适应扩展卡尔曼滤波算法。通过实时校正、更新参数,提升电池参数辨识和荷电状态估计的精度;以模型端电压辨识结果、荷电状态估计结果及电池最大放电电流为约束,实现电池功率状态联合估计。试验结果表明:动态应力测试工况下,辨识电压最大绝对误差和荷电状态最大绝对误差结果分别为62.699 mV和1.894%;当持续放电时间为5 s、30 s和120 s时,电池功率的平均误差分别为5.6×10^(-3) W、6.5×10^(-3) W及8.0×10^(-3) W,所提出的自适应联合估计算法可有效提高参数辨识和状态估计的精度。 展开更多
关键词 锂离子电池 自适应遗忘因子递推最小二乘法 自适应扩展卡尔曼滤波 在线参数辨识 联合估计
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 … 32 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