期刊导航
期刊开放获取
cqvip
退出
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
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
检索
高级检索
期刊导航
共找到
2
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
自适应时序模型在地下工程位移预报中的应用
被引量：
4
1
作者
孙星亮
汪稔
《岩石力学与工程学报》
EI
CAS
CSCD
北大核心
2004年第9期1465-1469,共5页
自适应时序模型的基本原理就是将自适应滤波理论应用于自回归时序AR(n)模型中。该模型在一定程度上根据量测数据和估计结果自行调整模型参数,通过递推算法自动地对模型参数加以修正,使其接近某种最佳值,即便在尚不完全掌握序列特性的情...
自适应时序模型的基本原理就是将自适应滤波理论应用于自回归时序AR(n)模型中。该模型在一定程度上根据量测数据和估计结果自行调整模型参数,通过递推算法自动地对模型参数加以修正,使其接近某种最佳值,即便在尚不完全掌握序列特性的情况下也能得到满意的结果。通过对山东龙口洼里煤矿一回采巷道金属支架的收敛位移和北京地铁王—东区间隧道北正线中洞断面收敛位移进行自适应建模,预报结果表明,此方法可行,预报结果也令人满意。
展开更多
关键词
地下工程
自
适应
时序
模型
递推算法
收敛位移
预报
下载PDF
职称材料
基于自适应深度学习的数控机床运行状态预测方法
被引量：
4
2
作者
杜柳青
李祥
余永维
《农业机械学报》
EI
CAS
CSCD
北大核心
2022年第1期451-458,共8页
针对机床状态动态标签及差异化分布数据下的预测适应性差与准确度低问题,结合时序特征关系和模型融合方法,建立自适应混合深度学习模型进行机床状态预测。首先,通过融合最小近邻分类器,设计一种基于权值累积的自适应更新法则,建立具有...
针对机床状态动态标签及差异化分布数据下的预测适应性差与准确度低问题,结合时序特征关系和模型融合方法,建立自适应混合深度学习模型进行机床状态预测。首先,通过融合最小近邻分类器,设计一种基于权值累积的自适应更新法则,建立具有数据自适应性的状态预测模型。在此基础上,提出一种基于中心损失函数的特征距离度量优化策略,构建综合决策损失函数,确保模型有效融合。在提出的一种组合收敛准则基础上,采用BBPT方法训练优化模型,对测试数据进行了验证。实验结果表明,该模型能够自适应动态标签及差异化分布数据,准确预测数控机床状态类别,抗干扰强,响应快。在GPU模式下预测时间最短仅需100 ms,较BP和LSTM分类网络,预测准确率和实时性均显著提高。
展开更多
关键词
数控机床
状态预测
深度学习
自
适应
混合
时序
模型
最小近邻算法
下载PDF
职称材料
题名
自适应时序模型在地下工程位移预报中的应用
被引量：
4
1
作者
孙星亮
汪稔
机构
中国科学院武汉岩土力学研究所
出处
《岩石力学与工程学报》
EI
CAS
CSCD
北大核心
2004年第9期1465-1469,共5页
文摘
自适应时序模型的基本原理就是将自适应滤波理论应用于自回归时序AR(n)模型中。该模型在一定程度上根据量测数据和估计结果自行调整模型参数,通过递推算法自动地对模型参数加以修正,使其接近某种最佳值,即便在尚不完全掌握序列特性的情况下也能得到满意的结果。通过对山东龙口洼里煤矿一回采巷道金属支架的收敛位移和北京地铁王—东区间隧道北正线中洞断面收敛位移进行自适应建模,预报结果表明,此方法可行,预报结果也令人满意。
关键词
地下工程
自
适应
时序
模型
递推算法
收敛位移
预报
Keywords
Engineering geology
Forecasting
Iterative methods
Mathematical models
Time series analysis
分类号
TU454 [建筑科学—岩土工程]
下载PDF
职称材料
题名
基于自适应深度学习的数控机床运行状态预测方法
被引量：
4
2
作者
杜柳青
李祥
余永维
机构
重庆理工大学机械工程学院
出处
《农业机械学报》
EI
CAS
CSCD
北大核心
2022年第1期451-458,共8页
基金
国家自然科学基金面上项目(51775074)
重庆市自然科学基金项目(cstc2021jcyj-msxmX0372)
+2 种基金
重庆市技术创新与应用示范专项(cstc2018jszx-cyzdX0172)
重庆市基础研究与前沿探索项目(cstc2018jcyjAX0352)
重庆市专业学位研究生教学案例库项目(2019-79)。
文摘
针对机床状态动态标签及差异化分布数据下的预测适应性差与准确度低问题,结合时序特征关系和模型融合方法,建立自适应混合深度学习模型进行机床状态预测。首先,通过融合最小近邻分类器,设计一种基于权值累积的自适应更新法则,建立具有数据自适应性的状态预测模型。在此基础上,提出一种基于中心损失函数的特征距离度量优化策略,构建综合决策损失函数,确保模型有效融合。在提出的一种组合收敛准则基础上,采用BBPT方法训练优化模型,对测试数据进行了验证。实验结果表明,该模型能够自适应动态标签及差异化分布数据,准确预测数控机床状态类别,抗干扰强,响应快。在GPU模式下预测时间最短仅需100 ms,较BP和LSTM分类网络,预测准确率和实时性均显著提高。
关键词
数控机床
状态预测
深度学习
自
适应
混合
时序
模型
最小近邻算法
Keywords
CNC machine tools
state prediction
deep learning
adaptive hybrid timing model
K-nearest neighbors algorithm
分类号
TH115 [机械工程—机械设计及理论]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
自适应时序模型在地下工程位移预报中的应用
孙星亮
汪稔
《岩石力学与工程学报》
EI
CAS
CSCD
北大核心
2004
4
下载PDF
职称材料
2
基于自适应深度学习的数控机床运行状态预测方法
杜柳青
李祥
余永维
《农业机械学报》
EI
CAS
CSCD
北大核心
2022
4
下载PDF
职称材料
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部
