高斯过程回归
高斯过程回归的相关文献在2008年到2022年内共计430篇,主要集中在自动化技术、计算机技术、电工技术、无线电电子学、电信技术
等领域,其中期刊论文248篇、会议论文7篇、专利文献81321篇;相关期刊172种,包括南京理工大学学报(自然科学版)、科学技术与工程、系统工程与电子技术等;
相关会议6种,包括第七届全国交通工程测量学术研讨会、第十八届中国电动车辆学术年会、第二十四届海峡两岸都市交通学术研讨会等;高斯过程回归的相关文献由1280位作者贡献,包括熊伟丽、王子垚、陈俐等。
高斯过程回归—发文量
专利文献>
论文:81321篇
占比:99.69%
总计:81576篇
高斯过程回归
-研究学者
- 熊伟丽
- 王子垚
- 陈俐
- 刘大同
- 卫志农
- 孙国强
- 庞景月
- 彭宇
- 蔡锦康
- 赵蕊
- 邓伟文
- 丁娟
- 王海军
- 薛明晨
- 高新波
- 姚乐
- 宋申民
- 张伟
- 彭喜元
- 李妍君
- 李辉
- 王斌
- 王磊
- 臧海祥
- 高宪文
- 黄元生
- 史旭东
- 张凯兵
- 李洁
- 李翔宇
- 李鹏
- 杨慧中
- 梁智
- 潘力立
- 蔡姚杰
- 赵帅
- 郭鹏
- 金怀平
- 马正阳
- 何德峰
- 余世明
- 侯延彬
- 刘伟
- 刘健
- 刘斌
- 刘诗剑
- 刘鸿斌
- 叶敏
- 娄维尧
- 宁贝佳
-
-
王国锋;
曹增欢;
冯海生;
王俊奇;
户满堂
-
-
摘要:
谐波减速器是工业机器人的关键核心部件,其可靠性的实时评估和剩余寿命预测对于提升工业机器人的工作性能和健康监管具有重要意义.作为一种复杂的高精度机械部件,其退化过程表现出明显的多阶段性特点.因此,针对谐波减速器的退化特性,提出基于Gamma过程的多阶段退化模型对谐波减速器性能退化过程进行精确描述.首先,根据谐波减速器退化趋势的变化,进行多阶段退化过程的划分;然后采用历史性能指标数据,基于最大皮尔逊相关系数准则估计模型先验分布的超参数,建立基于Gamma过程的多阶段退化模型.在此基础上,针对在役设备的实际运行特点和工程现场中性能指标数据获取困难的问题,提出采用振动特征来建立高斯过程回归模型,对性能指标值进行精准预测以实现对退化模型后验分布参数的实时更新.最后在此基础上对谐波减速器进行实时可靠性评估和剩余寿命预测.通过对谐波减速器可靠性实验数据的分析表明,所提出的方法能够实现可靠性的实时评估,并且与单一阶段退化模型相比,该方法对剩余寿命的预测精度更高.
-
-
李峰;
高效海;
郑鹏飞;
刘帅;
高洁
-
-
摘要:
针对典型场景生成方法存在未能全面考虑风、光、负荷等不确定因素间的耦合关系、传统聚类方法在高维数据集上表现较差、提取的典型场景不能很好体现原数据特征等问题。首先在改进核函数的基础上,结合贝叶斯公式和多元高斯分布,利用高斯过程回归(GPR)对电力系统中的多种不确定因素的耦合关系进行建模,生成模拟运行数据;其次,采用时序分段典型场景提取方法,划分总调度区间为若干子区间并分别进行中心点聚类,得出子区间带权典型场景并用笛卡尔积连接生成全调度区间典型场景集;然后,应用基于陆地移动距离(EMD)的方法,进行典型场景提取效果评价;最后,通过算例验证了提取的典型场景能更好保留原始基础场景集合的概率分布特性,充分体现原始数据集合中不确定因素之间的耦合关系。结果说明所述方法提取的典型场景能更好体现原数据特征。
-
-
闫雪华;
李岩;
杨淑玲
-
-
摘要:
基于1.5L汽油增压发动机的VVT标定试验,对进排气VVT角度采用拉丁超立方抽样建立试验样本,并构建高斯过程回归模型,通过试验数据分别训练扭矩回归模型和油耗回归模型,使用训练后的回归模型预测发动机扭矩、比油耗。通过与发动机万有特性测试数据对比,结果表明:在发动机扭矩大于25N.m的区域,油耗回归模型的预测值偏差小于5%;在发动机小负荷区域,因测量误差、发动机燃烧等因素影响,油耗回归模型的预测值偏差较高。总而言之,高斯过程回归模型对发动机万有特性的预测具有较高的精度及普适性,为发动机参数的优化工作提供参考。
-
-
许方敏;
许忠斌;
朱科;
叶吉虎;
周祥
-
-
摘要:
以车灯导光条为研究对象,建立有限元仿真模型,利用高斯过程回归与人工神经网络建立代理模型,并以此作为多目标遗传算法寻优的适应度函数。结果表明:基于代理模型的多目标优化方法可有效快速地获得较佳的成型工艺参数组合;相比人工神经网络算法,高斯过程回归算法更适合小样本复杂数据。研究得到的最佳工艺参数组合为:注射时间2.3 s,熔体温度263°C,模具温度62°C,保压压力124%,保压时间17 s。其对应指标结果为:缩痕为1.3μm,平均体积收缩率为-0.1187%,翘曲变形量3.549 mm。这对于车灯导光条注塑生产质量调控具有重要的指导价值。
-
-
刘康康;
戴鹏;
孙顺远
-
-
摘要:
文中提出了基于改进密度峰值聚类(DPC)的多模型软测量建模方法。首先采用K近邻算法计算局部密度,并用K近邻算法和加权K近邻算法改进剩余点分配策略,划分得到更优的子数据集;然后,建立各个高斯过程回归子模型;最后,对于新接收的数据,利用基于子模型预测性能并结合即时学习自适应地计算出新样本隶属于各个子模型的后验概率,以此为权值融合各个GPR子模型的预测值得到最终输出。通过对标准数据集和硫回收装置数据的仿真,验证了所提方法的有效性。
-
-
王子垚;
郭凤祥;
陈俐
-
-
摘要:
为了提高训练集范围之外行驶工况的预测精度,提出外推高斯过程回归(GPR)方法.首先,采用训练集数据对GPR模型进行预训练,然后在正负3个标准差之间均匀采样构建宽域输入集,以该输入集的预测方差均值最小为目标优化GPR模型超参数.某直喷汽油机转毂试验的结果表明,外推GPR的平均绝对误差为0.53411,比传统GPR降低24.27%,比反向传播神经网络降低36.32%.所提方法可为降低试验成本,提高实际行驶过程排放预测精度提供参考.
-
-
孙顺远;
朱红洲;
秦宁宁
-
-
摘要:
在大型室内定位场景中,利用接收信号强度的指纹定位算法存在信号传播不稳定、计算复杂度高以及定位精度低等问题。为解决该问题,提出一种动态校正的信号双尺度近邻定位算法。根据目标区域的物理连通性,采用一对多支持向量机构建分区模型,缩小信号变化范围,减小在线阶段的数据计算量。以高斯过程回归训练接入点信号距离模型预测分区路径损耗特性,校正信号波动值,使定位结果更加稳定。在线阶段,引入斯皮尔曼相似系数来衡量信号间的相似度,减小指纹库中异常值带来的影响,基于动态邻近算法计算信号间的差异值,然后使用Blending模型融合算法将这两种尺度进行线性融合,建立具备动态高斯校正能力的双尺度近邻定位算法,并设计环境参数自适应获取近邻k值,减小环境噪声的影响,克服了单一的信号尺度易导致定位结果波动较大的问题。测试结果表明,所提算法在房间和走廊区域定位精度均小于0.5173 m,相较于传统算法,定位精度提升约25%以上。
-
-
赵洋;
王瀚墨;
康丽;
张兆云
-
-
摘要:
准确的短期电力负荷预测对保证电网安全稳定运行、能量优化管理、提高发电设备利用率和降低运行成本等具有重要作用。传统时间序列分析方法难以学习短期电力负荷数据的非线性特征,因此论文首先将支持向量回归、高斯过程回归和前向神经网络等经典机器学习法应用于短期电力负荷预测的适用性和预测效果进行对比分析;预测评价指标表明机器学习方法能够得到较高的预测精度,适用于处理含强非线性特征的短期电力负荷数据;在此基础上,进一步提出一种基于时间卷积深度学习网络的短期电力负荷预测方法,该模型具有从大样本时间序列中提取特征和实现预测的能力,其模型架构能有效解决深层网络学习的退化问题;最后,以实际电力负荷数据作为算例对所提模型进行测试。实验结果表明,时间卷积网络可以获得更高的预测精度,深度学习方法相较于经典机器学习方法在非线性特征学习方面更具优势。
-
-
安丰;
韩山雨;
胡茜茜;
袁开军;
谢代前
-
-
摘要:
本文在从头算icMRCI+Q水平上,发展了水分子的基态和九个激发态A、I、B、C、D、D'、D''、E'和F的全维绝热势能面.势能面的拟合采用了高斯过程回归并结合置换不变多项式方法.通过选择大的活动空间与添加额外弥散函数的基组来准确描述这些里德堡状态,计算得到的垂直激发能和平衡构型与先前的理论与实验值十分吻合.相对于前三个被广泛研究的低能量电子态,对高激发态光解的理论与实验研究仍然十分有限.本文研究了水在真空紫外光解过程中涉及到的高激发态的全部三个解离通道.特别是基于新发展的势能面,首次清晰地阐明了D-E'、E'-F、A-I、和I-C电子态之间的锥形交叉等信息,文中详细讨论了这些电子激发态的非绝热解离途径,为阐明这些高里德堡态的光解离机制提供了帮助.
-
-
-
WANG Zhen-po;
王震坡;
SUN Pei-kun;
孙培坤
- 《第十八届中国电动车辆学术年会》
| 2015年
-
摘要:
随着电动汽车的发展和应用逐渐广泛,锂离子电池的寿命估计成为一个重要的研究问题。针对锂离子健康状态(State of Health,SOH)在线测量难度大的问题,设计了一种通过充电性能的变化估计SOH的方法,并选取某一段充电时间段作为充电性能的表征量.通过灰色关联分析(Grey Incidence Analysis,GIA)分析了充电性能和SOH之间的关联度,发现有很大的相关性.以充电性能为输入,以SOH为输出,建立了粒子群优化(Particle Swarm Optimization,PSO)和高斯过程回归(Gauss Process Regression,GPR)的模型,对SOH进行估计并给出估计置信区间.结果显示上述模型可以很好地评估SOH.
-
-
SUN Mao-wei;
孙茂伟;
YANG Hui-zhong;
杨慧中
- 《2016年第27届中国过程控制会议》
| 2016年
-
摘要:
在基于聚类的多模型软测量建模中,如果数据聚类后类别之间界限不明显,常会出现样本类别误划分和类边界处样本估计不准确的问题.对此,本文提出一种基于支持向量数据描述算法的聚类多模型软测量建模方法.该方法首先采用仿射传播聚类算法对数据进行类别划分,利用支持向量数据描述算法划定类边界从而确定样本与各类别的位置关系,根据样本与各类的位置关系信息从高斯过程回归算法建立的子模型、全局模型和局部模型中选择合适的模型对样本进行估计.将工业双酚A生产装置的现场数据建模和仿真,结果表明该方法是有效的.
-
-
CANG Wen-tao;
仓文涛;
YANG Hui-zhong;
杨慧中
- 《2016年第27届中国过程控制会议》
| 2016年
-
摘要:
在建立复杂化工过程软测量模型时,使用传统的随机梯度Boosting算法(SGB)建模若收缩参数v选取不当会明显降低算法收敛速度,且极易陷入过拟合,难以取得令人满意的泛化效果.为解决这一问题,本文提出了一种基于SGB集成学习的软测量建模方法,采用高斯过程回归作为基学习器,并针对SGB算法固有的不足,依据每一次迭代中弱学习机的反馈,自适应调整收缩参数v,改善了SGB算法的过度拟合,从而提高了集成模型的估计精度与学习效率.将该方法应用于某双酚A装置的软测量建模中,仿真结果表明相比于传统SGB建模,该方法具有更高的泛化性能和学习效率.
-
-
胡永祥;
姚振强
- 《第15届全国特种加工学术会议》
| 2013年
-
摘要:
激光冲击加工工艺过程的数值模拟因其工艺过程复杂,计算成本高,故难以获得准确的冲击效应预测。采用多输出高斯过程响应面建模方法,对激光冲击表明变形坑的几何特征进行高斯过程响应面建模。研究结果表明,采用高斯过程响应面方法,可实现激光冲击加工模型的待定参数的校准,并且能够实现模型不确定性量化,有效提升了激光冲击加工模型的计算可靠性和计算效率,为工艺过程优化提供了有效的手段。
-
-
李鹏;
宋申民;
陈兴林
- 《2009年中国智能自动化会议》
| 2009年
-
摘要:
将高斯过程回归融入平方根无迹卡尔曼滤波(SRUKF)算法,本文提出了一种不确定系统模型协方差自适应调节滤波算法。该算法分为学习和估计两部分:学习阶段用高斯过程对训练数据进行学习,得到系统回归模型及噪声协方差;估计阶段由回归模型代替状态方程和观测方程,相应的噪声协方差实时自适应调整。该方法克服了传统方法容易受系统动态模型不确定性和噪声协方差不准确限制的问题,仿真结果验证了算法的有效性。
-
-
An Lianhua;
安连华;
Guan Deyong;
管德永;
Leng Huijia;
冷辉家
- 《第二十四届海峡两岸都市交通学术研讨会》
-
摘要:
公交短时客流预测对营运调度具有重要意义.客流样本的观测数据具有随机性,随着样本容量的增大,接近正态分布,因此采用高斯过程回归建立预测模型具有良好的通用性.对于偏离正态分布较大的样本采用RBF网络模型进行预测,两种模型的结合可以提高预测精度.以广州市公交IC卡数据为例进行验证,该模型预测的误差在可接受的范围内.结论:采用高斯回归预测方法能够有效的对公交线路客流分布进行短时预测,预测结果满足精度要求,对于小样本偏离正态分布的数据采用RBF网络模型预测方法进行补充,模型的总体拟合效果更好.通过数据进一步挖掘,减少样本观测值的随机因素,该模型的精度将会进一步提高.
-
-
-
-