期刊导航
期刊开放获取
河南省图书馆
退出
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
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
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
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:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于最优定界椭球-极限学习机算法自适应软测量建模的应用
被引量:
1
1
作者
刘宁
睢璐璐
+1 位作者
闫飞
阎高伟
《科学技术与工程》
北大核心
2018年第25期188-193,共6页
针对传统滑动窗更新模型时忽略最新数据和待测样本相似性,以及即时学习未考虑相似样本和待测样本的时间间隔问题,采用基于最优定界椭球-极限学习机算法(optimal bounding ellipsoid-extreme learning machine,OBE-ELM)的自适应软测量建...
针对传统滑动窗更新模型时忽略最新数据和待测样本相似性,以及即时学习未考虑相似样本和待测样本的时间间隔问题,采用基于最优定界椭球-极限学习机算法(optimal bounding ellipsoid-extreme learning machine,OBE-ELM)的自适应软测量建模方法将即时学习和滑动窗模型相结合来解决上述问题。首先用初始窗口数据建立ELM模型。当有待测样本到来时,利用SPE和T^2统计量判断修正模型的必要性;需要修正时,采用即时学习在最新窗口中寻找与待测样本相似的样本集并通过OBE动态修正ELM模型;否则用原有ELM模型直接预测输出。该方法的有效性通过合成数据集和连续搅拌反应釜仿真数据得以验证。
展开更多
关键词
滑动窗口
极限学习机
即时学习
最优定界椭球算法
下载PDF
职称材料
多任务正则极限学习机的研究与应用
被引量:
2
2
作者
睢璐璐
韩东升
+1 位作者
闫飞
阎高伟
《计算机工程与应用》
CSCD
北大核心
2019年第3期120-125,共6页
MT-ELM通过隐含层共享不同任务间的数据特性实现多任务学习,但MT-ELM忽略任务间关联程度的差异以及存在的过拟合问题,为此提出基于MT-RELM软测量建模方法。首先,利用RELM解决过拟合问题;其次,考虑任务之间关联度的差异,基于相关性较强...
MT-ELM通过隐含层共享不同任务间的数据特性实现多任务学习,但MT-ELM忽略任务间关联程度的差异以及存在的过拟合问题,为此提出基于MT-RELM软测量建模方法。首先,利用RELM解决过拟合问题;其次,考虑任务之间关联度的差异,基于相关性较强的任务其权值向量也较相似的假设,在每个任务输出权值的基础上加入约束条件,利用此约束条件表示任务间的相关程度;最后,利用ADMM算法迭代求解得到MT-RELM的模型参数。基于合成数据集与湿式球磨机数据集的结果表明,此算法可有效地提高模型的预测精度以及泛化能力。
展开更多
关键词
正则极限学习机
多任务
交替乘子法
过拟合
下载PDF
职称材料
基于带惩罚因子椭球定界算法的软测量建模
被引量:
3
3
作者
睢璐璐
韩东升
+1 位作者
程兰
阎高伟
《控制工程》
CSCD
北大核心
2020年第1期28-33,共6页
软测量模型的预测精度和泛化性能是软测量建模的2个重要指标。基于最优定界椭球的极限学习机算法(OBE-ELM)虽然克服了传统极限学习机建模预测精度不高、预测结果不稳定等缺点,但是传统OBE算法仅考虑模型误差最小化,未考虑模型的复杂程度...
软测量模型的预测精度和泛化性能是软测量建模的2个重要指标。基于最优定界椭球的极限学习机算法(OBE-ELM)虽然克服了传统极限学习机建模预测精度不高、预测结果不稳定等缺点,但是传统OBE算法仅考虑模型误差最小化,未考虑模型的复杂程度,导致模型易出现过拟合现象。基于上述问题,首先针对噪声未知但有界的非线性系统,提出了一种带惩罚项的椭球定界算法(POBE),在模型误差中加入惩罚项起到抑制参数增长太大和驱使不重要参数逐渐减小到零的作用,然后将POBE应用到ELM模型参数优化过程中。最后在信道参数估计实验和连续搅拌反应釜数据集上分别验证POBE及POBE-ELM有效性。
展开更多
关键词
最优定界椭球算法
过拟合
惩罚项
极限学习机
软测量
下载PDF
职称材料
题名
基于最优定界椭球-极限学习机算法自适应软测量建模的应用
被引量:
1
1
作者
刘宁
睢璐璐
闫飞
阎高伟
机构
山西省自动化研究所
太原理工大学电气动力与工程学院
出处
《科学技术与工程》
北大核心
2018年第25期188-193,共6页
基金
国家自然科学基金(61450011
61703300)
山西省自然科学基金(2015011052)资助
文摘
针对传统滑动窗更新模型时忽略最新数据和待测样本相似性,以及即时学习未考虑相似样本和待测样本的时间间隔问题,采用基于最优定界椭球-极限学习机算法(optimal bounding ellipsoid-extreme learning machine,OBE-ELM)的自适应软测量建模方法将即时学习和滑动窗模型相结合来解决上述问题。首先用初始窗口数据建立ELM模型。当有待测样本到来时,利用SPE和T^2统计量判断修正模型的必要性;需要修正时,采用即时学习在最新窗口中寻找与待测样本相似的样本集并通过OBE动态修正ELM模型;否则用原有ELM模型直接预测输出。该方法的有效性通过合成数据集和连续搅拌反应釜仿真数据得以验证。
关键词
滑动窗口
极限学习机
即时学习
最优定界椭球算法
Keywords
moving window extreme learning machine just-in-time learning optimal bounding ellipsoid algorithm
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
多任务正则极限学习机的研究与应用
被引量:
2
2
作者
睢璐璐
韩东升
闫飞
阎高伟
机构
太原理工大学信息工程学院
出处
《计算机工程与应用》
CSCD
北大核心
2019年第3期120-125,共6页
基金
国家自然科学基金(No.61450011
No.61703300)
+1 种基金
山西省自然科学基金(No.2015011052)
山西省煤基重点科技攻关项目(No.MD 2014-07)
文摘
MT-ELM通过隐含层共享不同任务间的数据特性实现多任务学习,但MT-ELM忽略任务间关联程度的差异以及存在的过拟合问题,为此提出基于MT-RELM软测量建模方法。首先,利用RELM解决过拟合问题;其次,考虑任务之间关联度的差异,基于相关性较强的任务其权值向量也较相似的假设,在每个任务输出权值的基础上加入约束条件,利用此约束条件表示任务间的相关程度;最后,利用ADMM算法迭代求解得到MT-RELM的模型参数。基于合成数据集与湿式球磨机数据集的结果表明,此算法可有效地提高模型的预测精度以及泛化能力。
关键词
正则极限学习机
多任务
交替乘子法
过拟合
Keywords
regularized extreme learning machine
multi-task
alternating direction method of multipliers
over-fitting
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
基于带惩罚因子椭球定界算法的软测量建模
被引量:
3
3
作者
睢璐璐
韩东升
程兰
阎高伟
机构
太原理工大学信息工程学院
出处
《控制工程》
CSCD
北大核心
2020年第1期28-33,共6页
基金
国家自然科学基金项目(61973226)
国家自然科学基金项目(61603267)
山西省科技重大专项(20181102017)
文摘
软测量模型的预测精度和泛化性能是软测量建模的2个重要指标。基于最优定界椭球的极限学习机算法(OBE-ELM)虽然克服了传统极限学习机建模预测精度不高、预测结果不稳定等缺点,但是传统OBE算法仅考虑模型误差最小化,未考虑模型的复杂程度,导致模型易出现过拟合现象。基于上述问题,首先针对噪声未知但有界的非线性系统,提出了一种带惩罚项的椭球定界算法(POBE),在模型误差中加入惩罚项起到抑制参数增长太大和驱使不重要参数逐渐减小到零的作用,然后将POBE应用到ELM模型参数优化过程中。最后在信道参数估计实验和连续搅拌反应釜数据集上分别验证POBE及POBE-ELM有效性。
关键词
最优定界椭球算法
过拟合
惩罚项
极限学习机
软测量
Keywords
Optimal bounding ellipsoid algorithm
over fitting
penalty term
extreme learning machine
soft sensor
分类号
TP29 [自动化与计算机技术—检测技术与自动化装置]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于最优定界椭球-极限学习机算法自适应软测量建模的应用
刘宁
睢璐璐
闫飞
阎高伟
《科学技术与工程》
北大核心
2018
1
下载PDF
职称材料
2
多任务正则极限学习机的研究与应用
睢璐璐
韩东升
闫飞
阎高伟
《计算机工程与应用》
CSCD
北大核心
2019
2
下载PDF
职称材料
3
基于带惩罚因子椭球定界算法的软测量建模
睢璐璐
韩东升
程兰
阎高伟
《控制工程》
CSCD
北大核心
2020
3
下载PDF
职称材料
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
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部