您的检索:
学者姓名:乔俊飞
精炼检索结果:
年份
成果类型
收录类型
来源
综合
合作者
语言
清除所有精炼条件
摘要 :
城市固废焚烧(MSWI)是目前国内外广泛应用的生活垃圾资源化处理技术,其存在"邻避效应"的主要原因之一是排放具有高毒性、持久性等污染特性的二噁英(DXN).长周期、高成本的离线检测方式导致DXN排放浓度的实时监测难以实现.针对上述问题,提出了基于多层特征选择的MSWI过程DXN排放浓度软测量方法.首先,从单特征与DXN相关性视角,结合相关系数和互信息构建综合评价指标,实现MSWI多个子系统过程变量的第一层特征选择;接着,从多特征冗余性和特征选择鲁棒性视角,多次运行基于遗传算法——偏最小二乘法(GA-PLS)的特征选择算法,实现第二层特征选择;最后,结合上层选择特征的统计频次、模型预测性能及机理...
关键词 :
特征选择 特征选择 相关性 相关性 冗余性 冗余性 城市固废焚烧(MSWI) 城市固废焚烧(MSWI) 二噁英(DXN) 二噁英(DXN)
引用:
复制并粘贴一种已设定好的引用格式,或利用其中一个链接导入到文献管理软件中。
GB/T 7714 | 乔俊飞 , 郭子豪 , 汤健 . 基于多层特征选择的固废焚烧过程二噁英排放浓度软测量 [J]. | 信息与控制 , 2021 , 50 (01) : 75-87 . |
MLA | 乔俊飞 等. "基于多层特征选择的固废焚烧过程二噁英排放浓度软测量" . | 信息与控制 50 . 01 (2021) : 75-87 . |
APA | 乔俊飞 , 郭子豪 , 汤健 . 基于多层特征选择的固废焚烧过程二噁英排放浓度软测量 . | 信息与控制 , 2021 , 50 (01) , 75-87 . |
导入链接 | NoteExpress RIS BibTex |
摘要 :
基于虚拟样本优化选择的城市固废焚烧过程二噁英排放浓度预测
关键词 :
城市固废焚烧(MSWI) 城市固废焚烧(MSWI) 小样本 小样本 二噁英(DXN) 二噁英(DXN) 粒子群优化(PSO) 粒子群优化(PSO) 虚拟样本选择 虚拟样本选择 虚拟样本生成 虚拟样本生成
引用:
复制并粘贴一种已设定好的引用格式,或利用其中一个链接导入到文献管理软件中。
GB/T 7714 | 汤健 , 王丹丹 , 郭子豪 et al. 基于虚拟样本优化选择的城市固废焚烧过程二噁英排放浓度预测 [J]. | 汤健 , 2021 , 47 (5) : 431-443 . |
MLA | 汤健 et al. "基于虚拟样本优化选择的城市固废焚烧过程二噁英排放浓度预测" . | 汤健 47 . 5 (2021) : 431-443 . |
APA | 汤健 , 王丹丹 , 郭子豪 , 乔俊飞 , 北京工业大学学报 . 基于虚拟样本优化选择的城市固废焚烧过程二噁英排放浓度预测 . | 汤健 , 2021 , 47 (5) , 431-443 . |
导入链接 | NoteExpress RIS BibTex |
摘要 :
城市污水处理过程(Municipal wastewater treatment process, MWWTP)是一个典型的复杂流程工业过程,其优化运行涉及到多个动态性能指标.为了实现城市污水处理运行过程的优化控制,本文提出了一种城市污水处理过程动态多目标智能优化控制方法 (Dynamic multiobjective intelligent optimal control, DMIOC).首先,建立了一种基于自适应核函数的动态性能指标模型,实现了城市污水处理关键性能指标的准确描述;其次,设计了一种基于自适应飞行参数调整机制的动态多目标粒子群优化算法(Dynamic multiobjective...
关键词 :
动态多目标粒子群优化 动态多目标粒子群优化 城市污水处理过程 城市污水处理过程 动态多目标智能优化控制 动态多目标智能优化控制 优化设定值 优化设定值
引用:
复制并粘贴一种已设定好的引用格式,或利用其中一个链接导入到文献管理软件中。
GB/T 7714 | 韩红桂 , 张璐 , 卢薇 et al. 城市污水处理过程动态多目标智能优化控制研究 [J]. | 自动化学报 , 2021 , 47 (03) : 620-629 . |
MLA | 韩红桂 et al. "城市污水处理过程动态多目标智能优化控制研究" . | 自动化学报 47 . 03 (2021) : 620-629 . |
APA | 韩红桂 , 张璐 , 卢薇 , 乔俊飞 . 城市污水处理过程动态多目标智能优化控制研究 . | 自动化学报 , 2021 , 47 (03) , 620-629 . |
导入链接 | NoteExpress RIS BibTex |
摘要 :
新工科背景下基于机器人竞赛的创新人才培养模式
关键词 :
机器人竞赛 机器人竞赛 创新人才 创新人才 培养模式 培养模式 新工科 新工科
引用:
复制并粘贴一种已设定好的引用格式,或利用其中一个链接导入到文献管理软件中。
GB/T 7714 | 左国玉 , 雷飞 , 乔俊飞 et al. 新工科背景下基于机器人竞赛的创新人才培养模式 [J]. | 左国玉 , 2021 , (6) : 44-47 . |
MLA | 左国玉 et al. "新工科背景下基于机器人竞赛的创新人才培养模式" . | 左国玉 6 (2021) : 44-47 . |
APA | 左国玉 , 雷飞 , 乔俊飞 , 高教学刊 . 新工科背景下基于机器人竞赛的创新人才培养模式 . | 左国玉 , 2021 , (6) , 44-47 . |
导入链接 | NoteExpress RIS BibTex |
摘要 :
城市污水处理过程动态多目标智能优化控制研究
关键词 :
动态多目标粒子群优化 动态多目标粒子群优化 优化设定值 优化设定值 城市污水处理过程 城市污水处理过程 动态多目标智能优化控制 动态多目标智能优化控制
引用:
复制并粘贴一种已设定好的引用格式,或利用其中一个链接导入到文献管理软件中。
GB/T 7714 | 韩红桂 , 张璐 , 卢薇 et al. 城市污水处理过程动态多目标智能优化控制研究 [J]. | 韩红桂 , 2021 , 47 (3) : 620-629 . |
MLA | 韩红桂 et al. "城市污水处理过程动态多目标智能优化控制研究" . | 韩红桂 47 . 3 (2021) : 620-629 . |
APA | 韩红桂 , 张璐 , 卢薇 , 乔俊飞 , 自动化学报 . 城市污水处理过程动态多目标智能优化控制研究 . | 韩红桂 , 2021 , 47 (3) , 620-629 . |
导入链接 | NoteExpress RIS BibTex |
摘要 :
为了实现城市污水处理过程各性能指标的优化运行,提出了一种动态分解多目标粒子群优化控制(optimal control based on dynamic decomposed multiobjective particle swarm optimization, OC-DDMOPSO)策略.首先,构建了基于自适应核函数的运行性能指标模型,确定了优化运行目标.其次,设计了基于档案库动态分解的多目标粒子群优化算法,实时获取操作变量的优化设定值.最后,利用预测控制策略跟踪优化设定值,完成了城市污水处理过程优化控制.将提出的OC-DDMOPSO应用于基准仿真平台BSM1,实验结果显示,OC-DDMOPS...
关键词 :
多目标粒子群优化 多目标粒子群优化 优化控制 优化控制 动态分解 动态分解 预测控制 预测控制 城市污水处理过程 城市污水处理过程 优化设定值 优化设定值
引用:
复制并粘贴一种已设定好的引用格式,或利用其中一个链接导入到文献管理软件中。
GB/T 7714 | 张璐 , 张嘉成 , 韩红桂 et al. 基于动态分解多目标粒子群优化的城市污水处理过程优化控制 [J]. | 北京工业大学学报 , 2021 , 47 (03) : 239-245 . |
MLA | 张璐 et al. "基于动态分解多目标粒子群优化的城市污水处理过程优化控制" . | 北京工业大学学报 47 . 03 (2021) : 239-245 . |
APA | 张璐 , 张嘉成 , 韩红桂 , 乔俊飞 . 基于动态分解多目标粒子群优化的城市污水处理过程优化控制 . | 北京工业大学学报 , 2021 , 47 (03) , 239-245 . |
导入链接 | NoteExpress RIS BibTex |
摘要 :
基于动态分解多目标粒子群优化的城市污水处理过程优化控制
关键词 :
动态分解 动态分解 优化设定值 优化设定值 城市污水处理过程 城市污水处理过程 优化控制 优化控制 预测控制 预测控制 多目标粒子群优化 多目标粒子群优化
引用:
复制并粘贴一种已设定好的引用格式,或利用其中一个链接导入到文献管理软件中。
GB/T 7714 | 张璐 , 张嘉成 , 韩红桂 et al. 基于动态分解多目标粒子群优化的城市污水处理过程优化控制 [J]. | 张璐 , 2021 , 47 (3) : 239-245 . |
MLA | 张璐 et al. "基于动态分解多目标粒子群优化的城市污水处理过程优化控制" . | 张璐 47 . 3 (2021) : 239-245 . |
APA | 张璐 , 张嘉成 , 韩红桂 , 乔俊飞 , 北京工业大学学报 . 基于动态分解多目标粒子群优化的城市污水处理过程优化控制 . | 张璐 , 2021 , 47 (3) , 239-245 . |
导入链接 | NoteExpress RIS BibTex |
摘要 :
针对回声状态网络参数难以选择的问题,提出一种基于行为空间优化回声状态网络参数的方法.其实质是通过泛化等级、核心等级、记忆容量构建回声状态网络行为空间.优化算法采用新颖搜索遗传算法(NSGA),该算法结合K近邻个体距离和NMSE,通过建立行为空间最低配置筛选基因来限定遗传算法的遗传方向,提高优化效率,进而找到影响网络性能的因素.该方法克服了传统回声状态网络(ESN)参数选择困难、遗传算法优化时间长且无合适理论阐明储层性能对任务的影响等缺陷,提升了优化效率和网络学习性能.实验结果表明,本文所提NSGA-ESN方法优化ESN参数基本上接近最佳网络结构,学习性能优于增长回声状态网络,且可以通过行为空间...
关键词 :
核心等级 核心等级 行为空间 行为空间 回声状态网络 回声状态网络 记忆容量 记忆容量 泛化等级 泛化等级
引用:
复制并粘贴一种已设定好的引用格式,或利用其中一个链接导入到文献管理软件中。
GB/T 7714 | 张昭昭 , 朱应钦 , 乔俊飞 et al. 一种基于行为空间的回声状态网络参数优化方法 [J]. | 信息与控制 , 2021 , 50 (05) : 556-565 . |
MLA | 张昭昭 et al. "一种基于行为空间的回声状态网络参数优化方法" . | 信息与控制 50 . 05 (2021) : 556-565 . |
APA | 张昭昭 , 朱应钦 , 乔俊飞 , 余文 . 一种基于行为空间的回声状态网络参数优化方法 . | 信息与控制 , 2021 , 50 (05) , 556-565 . |
导入链接 | NoteExpress RIS BibTex |
摘要 :
深度信念网络(Deep belief network, DBN)是一种基于深度学习的生成模型,克服了传统梯度类学习算法在处理深层结构所面临的梯度消失问题,近几年来已成为深度学习领域的研究热点之一.基于分阶段学习的思想,人们设计了不同结构和学习算法的深度信念网络模型.本文在回顾总结深度信念网络的研究现状基础上,给出了其发展趋势.首先,给出深度信念网络的基本模型结构以及其标准的学习框架,并分析了深度信念网络与其他深度结构的关系与区别;其次,回顾总结深度信念网络研究现状,基于标准模型分析不同深度信念网络结构的性能;第三,给出深度信念网络的不同无监督预训练和有监督调优算法,并分析其性能;最后,给出深度...
关键词 :
有监督调优 有监督调优 深度信念网络 深度信念网络 深度学习 深度学习 结构设计 结构设计 无监督预训练 无监督预训练
引用:
复制并粘贴一种已设定好的引用格式,或利用其中一个链接导入到文献管理软件中。
GB/T 7714 | 王功明 , 乔俊飞 , 关丽娜 et al. 深度信念网络研究现状与展望 [J]. | 自动化学报 , 2021 , 47 (01) : 35-49 . |
MLA | 王功明 et al. "深度信念网络研究现状与展望" . | 自动化学报 47 . 01 (2021) : 35-49 . |
APA | 王功明 , 乔俊飞 , 关丽娜 , 贾庆山 . 深度信念网络研究现状与展望 . | 自动化学报 , 2021 , 47 (01) , 35-49 . |
导入链接 | NoteExpress RIS BibTex |
摘要 :
针对废旧手机回收过程中型号难以精确识别的问题,提出一种基于孪生卷积神经网络的废旧手机型号识别方法.首先,利用基于最大类间差分的边缘检测算法解析手机图像的区域特征,构建手机型号识别数据库;其次,构造一种共享权值孪生卷积网络(siamese convolutional neural network, S-CNN)的手机识别模型,实现废旧手机图像特征的快速提取;最后,设计一种自适应学习率的识别模型参数更新策略,提高手机型号识别的精度.将其应用于不同场景下废旧手机的分拣,实验结果表明该方法具有较好的快速性和准确性.
关键词 :
手机型号识别 手机型号识别 相似性评估 相似性评估 模型参数更新 模型参数更新 边缘检测 边缘检测 废旧手机回收 废旧手机回收 孪生卷积神经网络 孪生卷积神经网络
引用:
复制并粘贴一种已设定好的引用格式,或利用其中一个链接导入到文献管理软件中。
GB/T 7714 | 韩红桂 , 甄琪 , 任柯燕 et al. 基于孪生卷积神经网络的手机型号识别方法 [J]. | 北京工业大学学报 , 2021 , 47 (02) : 112-119 . |
MLA | 韩红桂 et al. "基于孪生卷积神经网络的手机型号识别方法" . | 北京工业大学学报 47 . 02 (2021) : 112-119 . |
APA | 韩红桂 , 甄琪 , 任柯燕 , 伍小龙 , 杜永萍 , 乔俊飞 . 基于孪生卷积神经网络的手机型号识别方法 . | 北京工业大学学报 , 2021 , 47 (02) , 112-119 . |
导入链接 | NoteExpress RIS BibTex |
导出
数据: |
选中 到 |
格式: |