期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于树结构Parzen估计器的自动驾驶仿真测试关键场景生成方法
1
作者 秦琴 杨志胜 +2 位作者 李道鑫 沈知玮 曹晓琳 《汽车技术》 北大核心 2025年第5期39-46,共8页
针对高维空间中生成关键场景场景数量呈指数增长,传统人工构造或随机搜索方法难以兼顾覆盖率与效率问题,提出基于单目标树结构Parzen估计器(TPE)和多目标树结构Parzen估计器(MOTPE)的搜索方法。通过CARLA模拟器搭建软件在环自动化仿真... 针对高维空间中生成关键场景场景数量呈指数增长,传统人工构造或随机搜索方法难以兼顾覆盖率与效率问题,提出基于单目标树结构Parzen估计器(TPE)和多目标树结构Parzen估计器(MOTPE)的搜索方法。通过CARLA模拟器搭建软件在环自动化仿真测试框架,以天气要素为例,对比不同搜索算法的关键场景生成效果。试验结果表明:基于TPE的搜索方法和基于MOTPE的方法相较于随机搜索方法生成的关键场景数量分别提高3.11倍和2.06倍,MOTPE方法的场景质量方面是TPE的1.53倍,配合场景自动化生成与测试框架,可有效解决场景数量爆炸问题,发现具有高测试价值的场景。 展开更多
关键词 自动驾驶 场景生成 tpe MOtpe CARLA
在线阅读 下载PDF
基于树结构Parzen估计器优化集成学习的短期负荷预测方法 被引量:1
2
作者 罗敏 杨劲锋 +6 位作者 俞蕙 赖雨辰 郭杨运 周尚礼 向睿 童星 陈潇 《上海交通大学学报》 EI CAS CSCD 北大核心 2024年第6期819-825,共7页
短期负荷预测主要用于电力系统实时调度、日前发电计划的制定,对电力系统经济调度、系统的安全运行具有重要意义.国内外在采用智能模型进行短期负荷预测方面开展了大量研究,然而智能预测方法的预测效果较易受到现存方法结构及参数的影响... 短期负荷预测主要用于电力系统实时调度、日前发电计划的制定,对电力系统经济调度、系统的安全运行具有重要意义.国内外在采用智能模型进行短期负荷预测方面开展了大量研究,然而智能预测方法的预测效果较易受到现存方法结构及参数的影响,以及预测对象自身个性差异使得参数难以复用,如何精准快速地获取方法结构与参数成为短期负荷预测的关键难题.对此,提出基于树结构Parzen估计器优化集成学习的短期负荷预测方法,可对方法结构与参数进行快速寻优.将该方法应用于中国南方某省短期负荷预测,以实际算例验证了其对预测精度的有效提升. 展开更多
关键词 短期负荷预测 树结构parzen估计器 集成学习 超参优化
在线阅读 下载PDF
基于油中溶解气体特征量筛选的变压器故障诊断方法 被引量:12
3
作者 廖才波 杨金鑫 +3 位作者 胡雄 邱志斌 刘小天 朱文清 《电力工程技术》 北大核心 2024年第1期192-200,共9页
油中溶解气体分析对变压器故障预警及诊断具有重要意义。针对油中溶解气体特征量种类众多、故障关联特征分析不足等问题,文中以油浸式变压器为研究对象,提出了基于油中溶解气体特征量筛选的变压器故障诊断方法。首先,对油中溶解气体的... 油中溶解气体分析对变压器故障预警及诊断具有重要意义。针对油中溶解气体特征量种类众多、故障关联特征分析不足等问题,文中以油浸式变压器为研究对象,提出了基于油中溶解气体特征量筛选的变压器故障诊断方法。首先,对油中溶解气体的原始特征量进行特征衍生,通过随机森林(random forest,RF)计算特征量对故障诊断的重要度,筛选得到最佳特征组合。其次,采用树结构概率密度估计(tree-structured parzen estimator,TPE)实现RF模型的参数寻优,并形成TPE-RF诊断模型。同时,结合多种评价指标,证明所提方法能够对变压器作出准确的故障诊断。最后,提出TreeSAHP模型分析特征量对各故障的重要度,优选出各故障关联的主要特征量,并根据变压器运行案例,探讨了该方法在电力行业现场应用中的适用性,验证了该方法的有效性。 展开更多
关键词 油中溶解气体 变压器 故障诊断 树结构概率密度估计(tpe) 随机森林(RF) 特征筛选 TreeSHAP模型
在线阅读 下载PDF
基于电子鼻与LightGBM算法判别葡萄酒品种的研究 被引量:7
4
作者 乔淼 张磊 母芳林 《食品与机械》 北大核心 2020年第5期76-79,共4页
针对葡萄酒的鉴别问题,通过电子鼻采集7种葡萄酒的气味信息,应用LightGBM算法对葡萄酒的气味特征进行学习,并运用TPE超参数优化算法对LightGBM算法超参数进行自适应寻优,以5折交叉验证为指标评估模型的性能。试验结果表明LightGBM建立... 针对葡萄酒的鉴别问题,通过电子鼻采集7种葡萄酒的气味信息,应用LightGBM算法对葡萄酒的气味特征进行学习,并运用TPE超参数优化算法对LightGBM算法超参数进行自适应寻优,以5折交叉验证为指标评估模型的性能。试验结果表明LightGBM建立的判别模型对葡萄酒样本的判别准确率为96.62%,优于传统的支持向量机、随机森林、神经网络,验证了LightGBM在葡萄酒品种鉴别中的优越性。 展开更多
关键词 葡萄酒 电子鼻 LightGBM tpe
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部