基于AdaBoost算法的混凝土抗压强度预测

论文采集1030组混凝土抗压强度试验数据,通过训练AdaBoost算法,得到可用于预测混凝土抗压强度值的模型。结果表明:AdaBoost算法模型可以在给定输入变量的情况下准确有效地预测混凝土抗压强度;10折交叉验证决定系数R2的平均值达到0.952,平均绝对百分比误差(MAPE)达到11.39%,说明十折交叉验证具有较高准确率;AdaBoost算法与人工神经网络和支持向量机独立学习算法比较,表现出集成学习算法的优越性;讨论了AdaBoost算法模型中训练数据集数量、弱学习器类型和输入变量的数量相关因素,发现使用1030数据集的80%可以获得良好的预测结果。

基于改进DBN算法的电力故障预测模型与辅助分析系统

针对如何提高停电事件分析能力,提出了改进型神经网络,构建改进DBN算法模型,通过该方法实现如何实现停电事件分析,然后对提取到的停电事件信息进行训练,停电事件信息训练改进DBN算法模型,建立停电事件分析预测模型,实现对停电事件分析的精准预测。研究还设计了停电事件辅助分析系统,通过采用节点误差数据组的方式区分停电事件和异常数据,通过误差补偿装置提高了DBN算法采用数据的精度。实验结果表明,在进行对停电事件分析预测的精确度测试时,停电事件分析预测的准确度可达97%,在可靠性测试时,停电事件分析管理可靠性可达96%。

集成学习经典算法研究

传统的分类算法模型大多都是弱学习器,分类准确率较低。为解决弱分类器分类准确率低的问题研究者们将多个弱分类器组合形成了强学习器。集成学习可以根据将多个个体学习器进行结合,能够得到相对于单一学习器来说,泛化能力得到了显著的提升,其最终的预测结果也是优于其他单一模型。对比了集成学习的三类经典分类器模型算法的优略。在鸢尾花数据集下,通过实验表明Stacking算法的模型分类效果相较于其他算法模型,有着较高的准确率,准确率可达95%。

基于Elman神经网络算法的用户短期用电量预测

针对用户短期用电量预测能力低下的问题,提出了神经网络算法模型,实现用电预测系统的设计。用电预测评定的功能设计,通过完全集合经验模态分解(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)算法和经验模态分解(Empirical Mode Decomposition,EMD)信号对用电预测数据进行评估和计算,进而实现对用电预测终端、电网负荷的评定。采用双层极限梯度提升(Extreme Gradient Boosting,XGBoost)算法构建弱学习器,提取用电预测数据的特征变量,调用权重和增益完成特征选择,建立好预测模型后进行负荷预测。实验表明,在进行用电预测的精确度测试时,用电预测的准确度可达97%。

关于AdaBoost.RT集成算法时间序列预测研究

对于时间序列预测问题,Ada Boost.RT集成可有效改善单一预测由于自身局限性而导致的预测精度不高的问题。但集成算法对阈值较为敏感,为提高预测精度,提出一种自适应动态调整阈值的方法。在分析不同阈值对预测影响的基础上,给出了合理初始迭代阈值;以均方根相对误差为标准衡量不同代之间弱学习机的训练效果,并通过比较相邻两代均方根相对误差的大小,判断是否调整阈值,给出了相应的调整方式;最后对获得的新阈值取值范围进行了限定,防止出现极端情形,保证算法的稳定性。在Henon混沌时间序列上的实验结果表明,提出的方法可有效提高时间序列的预测精度,是对Ada Boost.RT集成的一种完善。

大学英语分级教学学困生的自我效能感的培养

学困生是教学活动中的一个特殊群体,尤其对于英语分级教学来说。如何激发他们的英语学习兴趣,提高他们的学业成绩,成为分级教学的难点和焦点。本文旨在研究如何恰当运用自我效能感理论,激发学困生的信心,让他们能更好得参与学习过程,体验学习的乐趣和成功。

间接词汇学习与直接词汇学习的对比实验研究

间接词汇学习强调通过泛读习得大量词汇,直接词汇学习主张语言形式的直接学习。前者难以解决低水平学习者的阅读和词汇学习之间的矛盾,后者要面对去语境化的词汇知识如何自动化为语言能力的问题。本研究通过高职非英语专业新生三个自然班为期4周的教学实验发现,查词典和生词表对间接词汇学习的作用不明显,低水平学习者的词汇量水平对词汇学习产生了负面影响,直接词汇学习有助于低水平学习者认知和产出词汇知识。

网络在线学习者之间的强弱关系探究

网络在线学习关注在学习中如何利用学习者之间、学习者与指导者之间以及学习者与学习资源之间的相互关系。实践证明,不同学习方式下网络在线学习者之间存在者强弱关系,并且在线学习容易忽视学习者之间弱关系的作用,而网络对话和论坛是解决该问题的有效途径。我们可以通过互动和协作明确在线学习者的身份,营造安全的网络文化环境,通过对话促进良性互动,进而构建在线学习者之间强弱关系。

基于自适应增强的图像二值描述子

针对经典的尺度不变特征变换和快速鲁棒特征描述子存在空间占用和参数自适应学习能力较差的问题,提出一种基于自适应增强的图像二值描述子,采用优化学习的思路获取图像描述子。使用学习方法得到图像描述子的通用框架,在基于阈值响应的相似度函数上,给出一种改进的相似度函数,通过该函数可快速学习图像的描述子及二值描述子。运用图像的梯度特征构建弱学习器,通过自适应增强方法寻找弱学习器的最优权重和非线性特征响应,得到区分性强且鲁棒性好的局部特征描述子。图像匹配实验结果表明,该图像二值描述子占用存储空间少、匹配性能好。

改进型XGBoost算法模型的企业电力负荷电费优化

针对现有技术中企业电力负荷电费优化效果差的问题,提出了新型的企业电力负荷电费优化方法,构建了改进型XGBoost算法模型。通过构建多个决策树提高了企业电力负荷的预测精度。在XGBoost算法模型的基础上,应用逐步回归算法模型,通过持续调整XGBoost算法模型中决策树的权重,不断地训练输出的单个弱学习器。实现XGBoost算法模型输出的多个决策树学习器的加权求和,从而实现了电力负荷电费预测数值的高精度输出。试验表明,研究的方法精确度高。