一种基于集成学习的列车控制系统入侵检测方法

文章提出一种基于集成学习的列车控制系统入侵检测方法,采用随机森林分类器实现一维多尺度卷积网络空间特征提取模型与自适应时间卷积网络时间特征提取模型的融合,降低网络泛化误差,提高入侵检测准确率。基于列车控制系统半实物仿真平台模拟的入侵检测数据集,文章对该方法进行实验评估和对比测试,结果证明,该方法更具优势。

网格应用调度策略概述(英文)

网格是一个位于不同网络的、异构的计算机集合。如何在具体应用时有效调度分布在异构网格上的网格资源是一个重要课题。针对这一课题,讨论了三种调度策略,并且分析了这三种调度策略是否适应资源高度分散的网格环境。展望了把AppLes方案整合进GrADS方案的前景。

基于改进LSTM慢过程控制系统的润叶效果预测研究

为解决由于润叶过程机理复杂导致人工难以精确调控工艺参数的问题,本文提出了一种烟叶质量预测方法.采用灰色关联度(GRA)分析选取关键工艺参数,将其作为长短期记忆网络(LSTM)模型的输入参数.但润叶机属于慢过程控制系统,工艺参数延时时间不一致导致LSTM模型预测精度较低.为了克服这一限制,本文结合了自适应计算时间模型(ACT)和LSTM网络,根据关键工艺参数对输出的影响程度,自适应调节计算步数.此外,为了减少了模型训练时间,提升预测精度,使用改进的灰狼优化算法(IGWO)对ACTLSTM模型参数进行调整优化.实验结果表明:IGWO的性能优于GWO,将IGWO-ACTLSTM与RBF、XGBOOST、RNN和LSTM四种模型对比,均方根误差最小.说明本文所提出的方法能够准确地预测润叶机出口烟叶的含水率和温度的波动.