基于MDI法的化工生产碳排放强度计算方法

为使用主观、客观相结合的评价指标,准确判断化工生产碳排放强度,提出基于MDI法的化工生产碳排放强度计算方法。此方法在构建化工生产碳排放强度评价指标体系之后,由基于MDI法的碳排放强度评价指标综合赋权方法,完成碳排放强度评价指标综合赋权,以此便可把评价指标效用值转换为综合值;将综合赋权后指标输入基于改进BP神经网络的碳排放强度计算模型,由蚁群算法寻优可保证BP神经网络训练误差最小化的连接权重后,使用训练完毕的BP神经网络,以碳排放强度分级的方式,计算化工生产碳排放强度。经验证,此方法能够使用主观、客观相结合的评价指标,高精度计算化工生产碳排放强度。

基于MDI与进化计算相结合的HMM训练方法

MDI为HMM训练的优化准则之一,但传统的MDI是基于局部最优求解的,所得的解也是一个局部最优解,而进化计算则是基于全局搜索的。为此,提出了将MDI及进化计算相结合来训练HMM的方法。各个模型用个体来表示,个体的适应值采用模型的最小差别信息。实验结果表明。

语音识别中结合进化计算与MDI的HMM训练方法

提出了将最小差别信息(MDI)和进化计算(EC)相结合引入到HMM的训练中去的方法.各个模型用个体来表示,个体的适应值采用模型的最小差别信息.这样借助于进化计算全局搜索的特点,能克服传统的MDI局部搜索的不足,从而得到系统的全局最优解.实验结果表明,该方法训练所得的系统识别率高于传统的MDI方法训练所得的系统.