多重CCA算法的柬汉双语词向量构建方法

针对现有双语词向量研究方法获取双语词向量需要用到大量双语平行文本,对于柬汉双语而言存在着平行文本不足的关键问题,而英语作为通用语言,英语-汉语以及英语-柬埔寨语双语平行文本较多且容易获得,因此在典型相关分析跨语言词向量模型上作出进一步改进,提出以英语为中间语言的基于多重CCA算法的汉柬双语词向量构建方法。通过将英语、汉语词向量投影至汉-英向量空间,将英语、柬语词向量投影至柬-英向量空间,根据CCA算法分别得到英-汉、英-柬双语词向量;以英语作为中间词并结合部分实验室构建的柬汉双语电子词典将上一步得到的英-柬、英-汉双语词向量投影至第三方同一向量空间中,再次根据CCA算法得到柬语和汉语在新向量空间中的投影转换矩阵;得到柬英汉多语词向量,多语词向量中包含有柬汉双语词向量。与传统方法相比,该方法解决了当前其他模型所面临的初始柬汉平行文本稀缺的问题,且获得较高的柬汉双语词向量。

一种基于混沌搜索的文化算法及其应用

针对文化算法求解函数优化问题存在过早收敛、不稳定等缺陷,基于文化算法框架、嵌入混沌搜索优化,提出了一种混沌文化算法。该算法模型由基于混沌的群体空间和存储知识的信念空间组成,利用标准知识和形势知识分别引导混沌搜索和混沌扰动,有效克服了文化算法过早收敛、混沌搜索优化对初值敏感、搜索效率低等缺陷。实例表明,该方法具有较强的全局搜索能力,在搜索效率、精度和稳定性上有显著表现,并能有效处理高维函数优化问题。

构造性覆盖算法的SMOTE过采样方法

如何提高对少数类样本的识别能力是不平衡数据分类中的一个研究热点。合成少数类过采样技术(SMOTE)是解决此类问题的代表性方法之一。近年来,不少研究者对SMOTE做出了一些改进,较好地提高了该方法的性能。然而,如何有效地选取典型少数类样本进行过采样仍然是一个值得研究的问题。此外,被孤立的少数样本在提高模型性能方面的潜在能力也没有得到足够的重视。针对上述问题,提出了基于构造性覆盖算法(CCA)的过采样技术CMOTE。CMOTE提供了两种不同策略下选择关键样本的方法:基于覆盖内样本个数的方法与基于覆盖密度的方法。在12个典型的不平衡数据集上验证CMOTE算法的性能。实验结果表明,CMOTE算法在总体上优于对比方法,并且通过强化关键样本对模型性能的影响增强了模型的泛化能力。

人工智能背景下造纸机负荷分配节能控制技术

在实际运行中,造纸机的抄纸运行工况十分复杂,只有通过实施其负荷分配控制,才能印制出高质量的成品。现存控制技术存在跟随速度较低,能耗偏高的问题,设计人工智能背景下的造纸机负荷分配节能控制技术。将造纸机负荷分配传动数据作为变论域模糊PID控制器的输入数据,在输入前通过CEEMDAN-DFA-CCA算法对数据实施去噪处理。设计变论域模糊PID控制器,由前馈补偿器与积分-变比作用自调整的PID控制算法构成,对其输入量与输出的语言变量实施模糊化处理,设置二者的FUZZY子集,以构建PID参数模糊规则模型,实现造纸机负荷分配控制。应用人工智能技术中的混合遗传算法HGA-I获取最优解及其对应的模型系数的取值,实现设计的变论域模糊控制器的参数优化,以实现最优的负荷分配控制效果与节能效果。实验测试结果表明,设计技术控制下实验造纸机的主转矩稳定,超调量少。在设计技术控制下,200s以内即达到了设计负载率,节能性与稳定性强,跟随速度较高。

竞争算法在PID整定中的应用

针对传统PID的整定存在的不足,引入CCA(Colonial Competitive Algorithm),该算法是一种属于社会启发的算法,以被控对象的二次型性能指标优劣作为PID整定的衡量标准,提出了一种新的PID整定方法,该算法可以在搜索空间里迅速收敛到最优解。由仿真结果说明,该整定算法节省内存,寻优时间短且不需要设置初始的PID参数,具有比采用遗传算法等优化算法整定的效果好等优点。

基于改进殖民竞争算法的最小碰集求解

利用改进殖民竞争算法生成企业设备的最小候选集,其最小候选集就是企业设备的最小碰集。在对殖民竞争算法进行深入研究的基础上,引入自由国家的概念,同时对算法流程中帝国初始化阶段和帝国内同化及更新阶段进行改进,提高了算法效率。与DMDSE-Tree算法进行了对比,在计算90%的最小碰集时,改进殖民竞争算法具有良好的效率。最后,通过某企业实例对算法的有效性进行了验证。实验结果表明,该方法能有效应用于企业设备选择组合优化问题的求解。

一种求解约束优化问题的混沌文化算法

在求解约束优化问题时,为了有效处理约束条件,克服文化算法易陷入局部极值点、混沌搜索优化初值敏感、搜索效率低等缺陷,将混沌搜索优化嵌入至文化算法框架,提出一种求解约束优化问题的混沌文化算法。该模型由基于混沌的群体空间和存储知识的信念空间组成,利用地形知识表达约束条件,标准知识和地形知识共同引导混沌搜索,并利用形势知识引导混沌扰动。实例表明,该算法具有较优良的搜索性能,尤其能有效处理高维复杂约束优化问题。

模式识别技术在泥浆浓度反演中的应用

泥浆在建筑工程中使用非常普遍,合理地控制泥浆的物理性能对于建筑工程施工及其质量控制非常重要,通过声学方法可以有效地监测泥浆的体积浓度等物理参数。在通过声衰减和声速等介质的声学参数反演泥浆浓度的过程中,数据拟合的好坏直接影响到反演的精确程度。通过模式识别技术,利用聚类算法,对数据进行分类、归类处理,能有效的地提高反演的准确度。

Gause竞争型协同进化算法在FNN中的应用

自从60年代J.霍兰提出遗传算法以来,模拟进化算法得到了很大的发展和应用。协同进化算法是针对遗传算法的不足提出,还处于研究初步阶段。该文在竞争型协同进化的基础上,借鉴生态学中物种竞争模型,提出了基于Gause竞争方程的竞争型协同进化算法,并将该算法应用于模糊神经系统的辨识问题上。实验证明,该算法比标准遗传算法、典型竞争型协同进化算法和BP学习算法具有更好的全局收敛性和更快的收敛速度,在一定程度上解决了标准遗传算法的不足。