您的检索：
学者姓名：严爱军
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 ：
To improve the accuracy and robustness of stochastic configuration networks (SCNs) for resolving multi-target regression tasks, this paper proposes a robust modeling approach based on improved stochastic configuration networks. A parallel implementation of SCN models is designed to incrementally generate the hidden nodes, which enhances the diversity of hidden layer mapping through information superposition and spanning connection. We employ an elastic net regularization model to sparsely constrain the model parameters to characterize the correlation among multiple targets. Then, the mixture Laplace distributions are used as the prior distribution of each target modeling error, and the output weights of the SCN model are re-evaluated by maximizing a posteriori estimation to enhance model's robustness with respect to some uncertainties presented in training samples. The modelling performance of the proposed solution is tested on six standard datasets and the historical data of a municipal solid waste incineration process. The experimental results show that the proposed modeling technique has advantages in terms of both the prediction accuracy and the robustness.
关键词 ：
Hidden layer parallel construction Hidden layer parallel construction Stochastic configuration networks Stochastic configuration networks Matrix elastic net Matrix elastic net Robust modeling Robust modeling Multi-target regression Multi-target regression
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 | Yan, Aijun , Hu, Kaicheng , Wang, Dianhui et al. Robust multi-target regression with improved stochastic configuration networks and its applications [J]. | INFORMATION SCIENCES , 2024 , 689 . |
| MLA | Yan, Aijun et al. "Robust multi-target regression with improved stochastic configuration networks and its applications" . | INFORMATION SCIENCES 689 (2024) . |
| APA | Yan, Aijun , Hu, Kaicheng , Wang, Dianhui , Tang, Jian . Robust multi-target regression with improved stochastic configuration networks and its applications . | INFORMATION SCIENCES , 2024 , 689 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
The accurate prediction of the nitrogen oxides (NOx) emissions is extremely important for pollutant control in municipal solid waste incineration (MSWI) process. Modular neural network (MNN) provides a support for predicting NOx emissions to overcome the limitations of a single model in nonlinear processes and different climatic conditions. However, the design of sub model for MNN is a challenge. We propose a method based on MNN and adaptive ensemble stochastic configuration network (m-AESCN) in this work. First, fuzzy C-means algorithm decomposes the task into several sub datasets with similar characteristics, and an evaluation function is used to guarantee the optimal decomposition result. Second, for each sub dataset, an adaptive ensemble stochastic configuration network as the sub model of modular neural network. The optimal output for sub model can be obtained by an adaptive weighting method based on variance. Third, in testing phase, a sub model activation method based on cluster centroid is proposed to select a suitable sub model. Besides, the m-AESCN method is validated by the real data of an MSWI plant and shows considerable performance in two different datasets. And the proposed method is compared with several modeling methods, such as stochastic configuration network, support vector regression, random forest and so on. The experimental results under two datasets prove that the maximum improvements in accuracy of m-AESCN are 39.74% and 31.67%, respectively.
关键词 ：
Stochastic configuration network Stochastic configuration network Municipal solid waste Municipal solid waste Nitrogen oxides prediction Nitrogen oxides prediction Modular neural network Modular neural network
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 | Wang, Ranran , Li, Fangyu , Yan, Aijun . Modular stochastic configuration network based prediction model for NOx emissions in municipal solid waste incineration process [J]. | ENGINEERING APPLICATIONS OF ARTIFICIAL INTELLIGENCE , 2023 , 127 . |
| MLA | Wang, Ranran et al. "Modular stochastic configuration network based prediction model for NOx emissions in municipal solid waste incineration process" . | ENGINEERING APPLICATIONS OF ARTIFICIAL INTELLIGENCE 127 (2023) . |
| APA | Wang, Ranran , Li, Fangyu , Yan, Aijun . Modular stochastic configuration network based prediction model for NOx emissions in municipal solid waste incineration process . | ENGINEERING APPLICATIONS OF ARTIFICIAL INTELLIGENCE , 2023 , 127 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
To accurately predict the oxygen content in flue gas during the municipal solid waste incineration process, this paper uses mutual information, differential evolution algorithm and stochastic configuration network to select the features of the oxygen content in flue gas and predict the modeling. Firstly, the mutual information method is used to eliminate some irrelevant variables. Secondly, the differential evolution algorithm is combined with the stochastic configuration network to further eliminate redundant variables from the above selected feature variables, so as to determine the input variables for predicting the oxygen content in flue gas, and train the stochastic configuration network prediction model for the oxygen content in flue gas. Finally, the actual data sampled from a solid waste incineration plant in Beijing is used to test and verify. The results show that the hybrid feature selection method and prediction modeling method in this paper are effective and can accurately predict the oxygen content in flue gas during the solid waste incineration process.
关键词 ：
feature selection feature selection stochastic configuration network stochastic configuration network oxygen content in flue gas oxygen content in flue gas municipal solid waste incineration municipal solid waste incineration differential evolution differential evolution
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 | Gu, Tingting , Yan, Aijun . Intelligent Prediction Modeling of Oxygen Content in Flue Gas for Municipal Solid Waste Incineration Process [J]. | 2023 35TH CHINESE CONTROL AND DECISION CONFERENCE, CCDC , 2023 : 2525-2530 . |
| MLA | Gu, Tingting et al. "Intelligent Prediction Modeling of Oxygen Content in Flue Gas for Municipal Solid Waste Incineration Process" . | 2023 35TH CHINESE CONTROL AND DECISION CONFERENCE, CCDC (2023) : 2525-2530 . |
| APA | Gu, Tingting , Yan, Aijun . Intelligent Prediction Modeling of Oxygen Content in Flue Gas for Municipal Solid Waste Incineration Process . | 2023 35TH CHINESE CONTROL AND DECISION CONFERENCE, CCDC , 2023 , 2525-2530 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
一种城市固废焚烧过程主蒸汽流量实时预测方法，步骤如下：一、对城市固废焚烧过程的历史数据进行预处理，使用基于滑动窗口与相关向量机RVM结合的方法识别并删除其中的异常值，并使用时间连续的数据作为案例库；二、使用基于欧氏距离与协方差作为相似度指标的即时学习方法JITL检索数据样本，得到与待预测时刻相似度最高的n*K个案例；三、使用基于机理分析改进的支持向量机ISVM对检索出的n*K个案例建立模型，并得出目标时刻的主蒸汽流量值，最后将结果与目标时刻工况参数作为一个案例存储到案例库中；四、重复步骤二～三，直至焚烧过程结束，以实现城市固废焚烧过程主蒸汽流量实时预测。本发明使得热能转化状况得到准确检测，提高热能利用率。
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 | 严爱军 , 李昂 , 汤健 . 一种城市固废焚烧过程主蒸汽流量实时预测方法 : CN202210612435.6[P]. | 2022-05-31 . |
| MLA | 严爱军 et al. "一种城市固废焚烧过程主蒸汽流量实时预测方法" : CN202210612435.6. | 2022-05-31 . |
| APA | 严爱军 , 李昂 , 汤健 . 一种城市固废焚烧过程主蒸汽流量实时预测方法 : CN202210612435.6. | 2022-05-31 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
案例推理分类器的权重分配及案例库维护方法
关键词 ：
案例库维护 案例库维护 案例推理 案例推理 蚁狮算法 蚁狮算法 权重分配 权重分配 分类器 分类器
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 | 严爱军 , 魏志远 , 计算机应用 . 案例推理分类器的权重分配及案例库维护方法 [J]. | 严爱军 , 2021 , 41 (4) : 1071-1077 . |
| MLA | 严爱军 et al. "案例推理分类器的权重分配及案例库维护方法" . | 严爱军 41 . 4 (2021) : 1071-1077 . |
| APA | 严爱军 , 魏志远 , 计算机应用 . 案例推理分类器的权重分配及案例库维护方法 . | 严爱军 , 2021 , 41 (4) , 1071-1077 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
由于特征权重分配以及案例库维护对案例推理(CBR)分类器的性能有重要影响,提出了用蚁狮(ALO)算法来分配权重且用高斯混合模型的期望最大化算法(GMMEM)进行案例库维护的案例推理算法模型——AGECBR(Ant Lion and Expectation Maximization of Gaussian Mixture Model Case-Based Reasoning).首先采用蚁狮算法对特征权重进行分配,在这个过程中将案例推理分类准确率作为蚁狮算法对特征权重进行迭代寻优的适应度函数,以此实现特征权重的优化分配;然后,使用高斯混合模型的期望最大化算法对案例库中的各案例进行聚类分析,并删除其中的噪声案例和冗余案例,从而实现案例库的维护.在UCI标准数据集上进行了实验,所提模型AGECBR比反向传播(BP)、k-近邻(kNN)等分类算法平均分类准确率提升了3.83～5.44个百分点.实验结果表明,AGECBR能够使案例推理分类准确率得到有效改进.
关键词 ：
案例库维护 案例库维护 权重分配 权重分配 蚁狮算法 蚁狮算法 分类器 分类器 案例推理 案例推理
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 | 严爱军 , 魏志远 . 案例推理分类器的权重分配及案例库维护方法 [J]. | 计算机应用 , 2021 , 41 (4) : 1071-1077 . |
| MLA | 严爱军 et al. "案例推理分类器的权重分配及案例库维护方法" . | 计算机应用 41 . 4 (2021) : 1071-1077 . |
| APA | 严爱军 , 魏志远 . 案例推理分类器的权重分配及案例库维护方法 . | 计算机应用 , 2021 , 41 (4) , 1071-1077 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
城市生活垃圾焚烧过程一燃室烟气温度预报方法，涉及城市生活垃圾焚烧过程关键参数预报领域，通过炉排速度、一次风量、二次风量等输入变量预报焚烧炉一燃室的烟气温度，进而为焚烧过程的稳定控制提供指导，主要包括如下步骤：(1)构建预报模型的训练集；(2)参数初始化；(3)采用随机配置网络算法确定预报模型的网络初始结构及参数；(4)对样本中的异常值或噪声的分布提出假设，推导预报模型隐含层输出权重的最大后验估计；(5)执行期望最大化算法的E‑step，得到训练集中各个潜变量的期望值；(6)执行期望最大化算法的M‑step，得到混合分布的超参数及隐含层输出权重的迭代解；(7)重复上述步骤(5)和(6)，直至得出混合Student分布的超参数并且完成预报模型的训练过程。
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 | 严爱军 , 郭京承 , 李昂 . 城市生活垃圾焚烧过程一燃室烟气温度预报方法 : CN202110451164.6[P]. | 2021-04-26 . |
| MLA | 严爱军 et al. "城市生活垃圾焚烧过程一燃室烟气温度预报方法" : CN202110451164.6. | 2021-04-26 . |
| APA | 严爱军 , 郭京承 , 李昂 . 城市生活垃圾焚烧过程一燃室烟气温度预报方法 : CN202110451164.6. | 2021-04-26 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
为了城市生活垃圾焚烧过程建模、控制、优化等方法的研究测试,将实物控制系统与虚拟对象结合起来研发了一种具有三层结构的半实物仿真平台.该平台的实物控制系统由智能控制优化层和基础控制层组成;虚拟对象层包括软件模拟的仪表、执行机构装置和焚烧过程模型.开发了人机界面、设备与参数的监控、焚烧过程模型以及OPC通讯等软件.测试了智能控制优化层和基础控制层的各项功能,结果表明:该平台的软、硬件部分运行稳定而可靠,能够有效而正确反映焚烧过程的变化.
关键词 ：
城市生活垃圾 城市生活垃圾 半实物仿真 半实物仿真 焚烧过程 焚烧过程 监控 监控
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 | 严爱军 , 夏恒 , 刘溪芷 . 城市生活垃圾焚烧过程监控半实物仿真平台研发 [J]. | 系统仿真学报 , 2021 , 33 (6) : 1427-1435 . |
| MLA | 严爱军 et al. "城市生活垃圾焚烧过程监控半实物仿真平台研发" . | 系统仿真学报 33 . 6 (2021) : 1427-1435 . |
| APA | 严爱军 , 夏恒 , 刘溪芷 . 城市生活垃圾焚烧过程监控半实物仿真平台研发 . | 系统仿真学报 , 2021 , 33 (6) , 1427-1435 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
本发明公开了一种罗茨风机的故障诊断方法，涉及旋转机械故障诊断技术领域，包括以下步骤：(1)根据罗茨风机运行过程的历史数据建立故障案例库；(2)基于互信息方法的特征选择并分配权重；(3)获取风机当前运行数据并将其与源案例合并进行归一化处理；(4)通过案例检索模型计算风机当前运行数据与源案例的相似度并检索出相似案例；(5)根据KNN算法得到风机的运行状态；(6)将风机当前运行数据及状态构成一条案例存储至故障案例库，供下次诊断求解；(7)重复上述的步骤(3)～步骤(6)，以实现罗茨风机的故障诊断过程。
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 | 严爱军 , 任跃 . 一种采用案例推理的罗茨风机故障诊断方法 : CN202010233726.5[P]. | 2020-03-30 . |
| MLA | 严爱军 et al. "一种采用案例推理的罗茨风机故障诊断方法" : CN202010233726.5. | 2020-03-30 . |
| APA | 严爱军 , 任跃 . 一种采用案例推理的罗茨风机故障诊断方法 : CN202010233726.5. | 2020-03-30 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
城市生活垃圾焚烧过程风量智能设定方法，包括以下步骤：(1)根据城市生活垃圾焚烧过程的历史数据建立案例库；(2)将目标案例输入至案例推理模型中的检索环节中得到K个相似度值；(3)通过案例重用环节获得相似度值最大的源案例的建议解；(4)通过比较最大相似度值与相似度阈值大小关系，将当前工况的分别两种状态，然后针对不同的状态对建议解进行相应的修正，最后得到案例推理的确认解；(5)将确认解输入专家规则系统进行规则补偿并将风量设定值输出到焚烧过程控制系统；(6)重复上述的步骤(2)～步骤(5)，以实现城市生活垃圾焚烧过程的风量智能设定。本发明使焚烧过程风量的设定值符合实际工况，且能稳定控制焚烧过程。
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 | 严爱军 , 夏恒 , 郭益东 . 城市生活垃圾焚烧过程风量智能设定方法 : CN202010310096.7[P]. | 2020-04-20 . |
| MLA | 严爱军 et al. "城市生活垃圾焚烧过程风量智能设定方法" : CN202010310096.7. | 2020-04-20 . |
| APA | 严爱军 , 夏恒 , 郭益东 . 城市生活垃圾焚烧过程风量智能设定方法 : CN202010310096.7. | 2020-04-20 . |
| 导入链接 | NoteExpress RIS BibTex |
导出
| 数据： |
选中 到 |
| 格式： |
