首页> 中文学位 >基于深度学习的半监督软测量建模方法
【6h】

基于深度学习的半监督软测量建模方法

代理获取

目录

声明

摘要

图目录

表目录

第一章绪论

1.1课题背景和意义

1.2软测量建模的主要内容及研究现状

1.2.1软测量的基本概念

1.2.2软测量的研究方法

1.3软测量建模的过程特性

1.3.1标签样本有限的特性

1.3.2过程非线性特性

1.3.3过程动态性特性

1.4本文的研究内容和创新点

1.5本章小结

第二章基于自编码器的半监督软测量建模

2.1引言

2.2预备知识

2.2.1神经网络模型

2.2.2 自编码器模型

2.3半监督自编码器模型

2.4基于半监督自编码器模型的软测量建模流程

2.5实例研究

2.5.1脱丁烷塔过程

2.5.2实验仿真及结果展示

2.6本章小结

第三章基于长短时记忆单元的半监督软测量建模

3.1引言

3.2预备知识

3.2.1循环神经网络

3.2.2长短时记忆单元

3.2.3注意力机制

3.2.4卷积层

3.3基于长短时记忆单元的半监督软测量模型

3.3.1 基于LSTM半监督软测量建模方法

3.3.2基于LSTM-Attention半监督软测量建模方法

3.3.3 基于LSTM-CNN-Attention半监督软测量建模方法

3.4基于长短时记忆单元的半监督软测量建模流程

3.5实例仿真

3.5.1二氧化碳吸收塔

3.5.2实验仿真及结果展示

3.6本章小结

第四章基于主动学习神经网络的半监督软测量建模

4.1引言

4.2预备知识

4.2.1主动学习

4.2.2距离度量准则

4.3主动学习神经网络软测量建模方法

4.4基于主动学习神经网络的半监督软测量建模流程

4.5实例研究

4.6本章小结

第五章总结与展望

5.1研究工作总结

5.2研究工作展望

参考文献

致谢

攻读硕士期间完成的学术成果

攻读硕士期间参加的科研项目

展开▼

著录项

  • 作者

    李浩;

  • 作者单位

    浙江大学;

  • 授予单位 浙江大学;
  • 学科 控制科学与工程
  • 授予学位 硕士
  • 导师姓名 宋执环,葛志强;
  • 年度 2019
  • 页码
  • 总页数
  • 原文格式 PDF
  • 正文语种 中文
  • 中图分类
  • 关键词

    深度学习; 半监督; 软测量;

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号