期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到3篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
考虑保护层响应的炼化过程系统风险动态转移模型 被引量：5
1
作者 胡瑾秋 曹雅琴 +1 位作者 张来斌 蔡战胜 《中国安全科学学报》 CAS CSCD 北大核心 2015年第3期83-89,共7页
为适时、有效地控制炼化过程系统风险,以模糊Petri网（FPN）为基础,针对炼化系统动态退化性和系统中保护层对风险转移的干预性,建立考虑保护层响应的炼化过程系统风险动态转移模型。描述基于FPN的保护层作用动态机制,分析炼化系统在保... 为适时、有效地控制炼化过程系统风险,以模糊Petri网（FPN）为基础,针对炼化系统动态退化性和系统中保护层对风险转移的干预性,建立考虑保护层响应的炼化过程系统风险动态转移模型。描述基于FPN的保护层作用动态机制,分析炼化系统在保护层干预下,从非正常干扰触发开始至炼化系统退化过程的风险变化趋势。最后通过正己烷缓冲罐案例分析验证模型。结果表明：正己烷缓冲罐在开始运行的30 000 h内,系统风险等级呈阶段性变化,在工作的前16 800 h,风险为Ⅰ级;第16 800~27 600 h,风险为Ⅱ级;第27 600~30 000 h,风险为Ⅲ级。 展开更多
关键词 炼化过程 模糊Petri网(FPN) 保护层 动态可信度 系统风险动态转移模型
下载PDF
全参数动态学习深度信念网络在滚动轴承寿命预测中的应用 被引量：29
2
作者 杨宇 张娜 程军圣 《振动与冲击》 EI CSCD 北大核心 2019年第10期199-205,249,共8页
相对于传统的"对信号进行特征提取+人工选择对数据敏感的特征值+预测模型"的滚动轴承寿命预测方法,深度信念网络(DBN)有显著的优势:DBN可以直接处理原始数据,让机器自动学习信号特征,从而免去了特征提取和选择的过程,提高了... 相对于传统的"对信号进行特征提取+人工选择对数据敏感的特征值+预测模型"的滚动轴承寿命预测方法,深度信念网络(DBN)有显著的优势:DBN可以直接处理原始数据,让机器自动学习信号特征,从而免去了特征提取和选择的过程,提高了预测的智能性。但是传统的DBN采用固定学习率进行网络学习,不利于寻找最优结果;基于此,提出了一种改进的深度信念网络——全参数动态学习深度信念网络(GPDLDBN),并将其应用于滚动轴承寿命预测中。GPDLDBN预测模型由多层受限玻尔兹曼机(RBM)单元组成,采用自下而上的逐层无监督贪婪算法训练参数;接着采用自上而下的监督学习算法微调整个网络参数,两个过程均采用新的全参数动态学习策略设置各参数;采用GPDLDBN预测模型对实测的滚动轴承寿命数据进行了预测,并与传统的固定学习率的DBN预测模型进行了对比分析。结果表明,GPDLDBN预测模型能够有效加快收敛速度,减少模型的训练时间,且具有更高的预测精度。 展开更多
关键词 深度学习 全参数动态学习深度信念网络(GPDLDBN) 滚动轴承 寿命预测
下载PDF
使用动态增减枝算法优化网络结构的DBN模型 被引量：4
3
作者 张士昱 宋威 +1 位作者 王晨妮 郑珊珊 《计算机科学与探索》 CSCD 北大核心 2019年第10期1721-1732,共12页
近年来深度信念网络(DBN)得到了广泛的应用,但在现有文献中很少有关于如何动态确定其结构的详细研究。提出了一种使用动态增减枝算法的DBN模型(DDBN),可以有效地优化DBN的网络结构。DDBN可以使用动态增减枝算法而不是人工实验来自动确... 近年来深度信念网络(DBN)得到了广泛的应用,但在现有文献中很少有关于如何动态确定其结构的详细研究。提出了一种使用动态增减枝算法的DBN模型(DDBN),可以有效地优化DBN的网络结构。DDBN可以使用动态增减枝算法而不是人工实验来自动确定其结构。首先,在训练过程中通过改变隐藏层层数和隐藏层神经元的数量,自动构建DDBN的结构,这是通过动态增减枝算法实现的。该算法依赖于隐藏层神经元的权重距离(WD)和激活概率的标准差以及整个网络的能量函数。其次,DDBN能够在动态过程中调整权重,有助于提高网络性能。最后,为了验证DDBN的有效性,将DDBN在MNIST、USPS和CIFAR-10三个基准图像数据集上进行了测试。实验结果表明,DDBN比现有的一些DBN结构调整方法具有更好的性能。 展开更多
关键词 深度学习 动态深度信念网络 动态增减枝算法 网络结构优化
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部