针对多变量时序(Multivariate Time Series,MTS)分类中长序列数据难以捕捉时序特征的问题,提出一种基于双向稀疏Transformer的时序分类模型BST(Bidirectional Sparse Transformer),提高了MTS分类任务的准确度.BST模型使用Transformer框...针对多变量时序(Multivariate Time Series,MTS)分类中长序列数据难以捕捉时序特征的问题,提出一种基于双向稀疏Transformer的时序分类模型BST(Bidirectional Sparse Transformer),提高了MTS分类任务的准确度.BST模型使用Transformer框架,构建了一种基于活跃度得分的双向稀疏注意力机制.基于KL散度构建活跃度评价函数,并将评价函数的非对称问题转变为对称权重问题.据此,对原有查询矩阵、键值矩阵进行双向稀疏化,从而降低原Transformer模型中自注意力机制运算的时间复杂度.实验结果显示,BST模型在9个长序列数据集上取得最高平均排名,在临界差异图中领先第2名35.7%,对于具有强时序性的乙醇浓度数据集(Ethanol Concentration,EC),分类准确率提高30.9%.展开更多
NFT(Nutrient Film Technique)栽培模式是叶菜类作物工厂化的常用技术手段,其可大大提高作物的产量与品质,但定植期间仍需大量人工,效率低。基于奶油生菜的生长趋势线,设计一种自动递进变距机构,通过MATLAB分析,解出该机构最优空间分布...NFT(Nutrient Film Technique)栽培模式是叶菜类作物工厂化的常用技术手段,其可大大提高作物的产量与品质,但定植期间仍需大量人工,效率低。基于奶油生菜的生长趋势线,设计一种自动递进变距机构,通过MATLAB分析,解出该机构最优空间分布间距,并利用SolidWorks对设计机构进行力学分析,确保机构强度符合工程要求。通过机构使栽培槽根据作物生长自动调整间距,减轻工人劳动负担,提高工厂苗床的空间利用率,实现增收。台架试验结果表明:该机构可完成栽培槽的自动递进与变距需求,使作物可实现自动化运输作业,递进间距准确率可达96.4%以上,与传统固定间距栽培槽模式相比,空间利用率可提高14.2%。展开更多
营养液膜栽培技术(Nutrient Film Technique,NFT)模式下,作物对环境变化更加敏感。为保障作物根区环境条件合理,需要精准调控栽培管道内的温度,从而有效提高水培生菜品质,同时降低整体温室环境调控能耗。采用遗传算法(Genetic Algorithm...营养液膜栽培技术(Nutrient Film Technique,NFT)模式下,作物对环境变化更加敏感。为保障作物根区环境条件合理,需要精准调控栽培管道内的温度,从而有效提高水培生菜品质,同时降低整体温室环境调控能耗。采用遗传算法(Genetic Algorithm,GA)优化BP神经网络模型的输入权重和阈值,以单个NFT栽培槽为研究对象,对槽内根区不同的监测区域分别构建温度预测模型,并与标准的BP神经网络和卷积神经网络(Convolutional Neural Network,CNN)模型进行对比。结果表明,GA-BP预测模型与标准BP和CNN神经网络模型相比,均方根误差分别降低0.82和0.42,平均绝对误差分别降低0.54和0.25,绝对系数分别提高0.08和0.03。该方法可提高基于BP神经网路算法对NFT根区温度预测模型精确度,为根区温度的精准控制提供可靠依据。展开更多
文摘NFT(Nutrient Film Technique)栽培模式是叶菜类作物工厂化的常用技术手段,其可大大提高作物的产量与品质,但定植期间仍需大量人工,效率低。基于奶油生菜的生长趋势线,设计一种自动递进变距机构,通过MATLAB分析,解出该机构最优空间分布间距,并利用SolidWorks对设计机构进行力学分析,确保机构强度符合工程要求。通过机构使栽培槽根据作物生长自动调整间距,减轻工人劳动负担,提高工厂苗床的空间利用率,实现增收。台架试验结果表明:该机构可完成栽培槽的自动递进与变距需求,使作物可实现自动化运输作业,递进间距准确率可达96.4%以上,与传统固定间距栽培槽模式相比,空间利用率可提高14.2%。