分类问题的在线顺序双并联快速学习机

双并联前馈神经网络模型是单层感知机和单隐层前馈神经网络的混合结构,本文构造了一种双并联快速学习机算法,与其他类似算法比较,提出的算法能利用较少的隐层单元及更少的待定参数,获得近似的学习性能.数值实验表明,对很多实际分类问题,提出的算法具备更佳的泛化能力,因而可以作为快速学习机算法的有益补充.     

双热源空调-热水器一体机冬季制热的实验研究

冬季室外温度低时,空气源热泵系统的蒸发器会结霜,使系统COP降低。所设计的空调-热水器一体机可以制冷、制热、一年四季提供生活用热水。冬季室外温度低时,用太阳能加热后的水作为热泵的低温热源,可以提高热泵的效率。分别用空气源蒸发器和水源蒸发器独立工作使系统给房间制热,实验结果发现水源蒸发器工作时系统的COP平均值为3.56,空气源蒸发器工作时的COP平均值为2.51。     

A Banking Platform to Leverage Data Driven Marketing with Machine Learning

Payment data is one of the most valuable assets that retail banks can leverage as the major competitive advantage with respect to new entrants such as Fintech companies or giant internet companies. In marketing, the value behind data relates to the power of encoding customer preferences: the better you know your customer, the better your marketing strategy. In this paper, we present a B2B2C lead generation application based on payment transaction data within the online banking system. In this approach, the bank is an intermediary between its private customers and merchants. The bank uses its competence in Machine Learning driven marketing to build a lead generation application that helps merchants run data driven campaigns through the banking channels to reach retail customers. The bank’s retail customers trade the utility hidden in its payment transaction data for special offers and discounts offered by merchants. During the entire process banks protects the privacy of the retail customer.     

A Hybrid Method Using HAVOK Analysis and Machine Learning for Predicting Chaotic Time Series

The prediction of chaotic time series systems has remained a challenging problem in recent decades. A hybrid method using Hankel Alternative View Of Koopman (HAVOK) analysis and machine learning (HAVOK-ML) is developed to predict chaotic time series. HAVOK-ML simulates the time series by reconstructing a closed linear model so as to achieve the purpose of prediction. It decomposes chaotic dynamics into intermittently forced linear systems by HAVOK analysis and estimates the external intermittently forcing term using machine learning. The prediction performance evaluations confirm that the proposed method has superior forecasting skills compared with existing prediction methods.     

三维成像中相位级次自编码的相位测量方法

提出一种相位级次自编码技术的相位测量方法.与传统的相位测量技术不同,该方法利用截断相位的微分值作为编码通道,完成对各条纹级次的编码.构造的代码序列总长度为投影条纹的周期数,每个周期作为一个码元,由相邻若干码元构成一个代码子序列.相位计算后,根据截断相位的微分信息,可以提取出各周期及其码元值,通过在设计的代码序列中进行代...     

基于集群的高频合成孔径声纳并行处理方法

大测绘带下的高频合成孔径声纳需要解决的主要问题是海量数据的实时处理。该问题对数据处理的计算平台、成像处理和架构提出了很高的要求。本文利用非均匀离散快速傅里叶变换改进了成像算法,使之能够适应采用了多子阵技术的合成孔径声纳;提出了高频合成孔径声纳信号并行处理方法,在集群上实施了该方法,并进行了湖试试验。实时成像结果表明,改进的并行处理方法可以满足分辨率为距离向4cm、方位向5 cm,测绘带宽为200m的高频合成孔径声纳实时成像要求,具有较高的稳定性。     

基于鲁棒极端学习机的混沌时间序列建模预测

针对混沌时间序列预测模型易受异常点影响,导致模型预测精度低的问题,在贝叶斯框架下提出一种鲁棒极端学习机.所提模型将具有重尾分布特性的高斯混合分布作为模型输出似然函数,得到一种对异常点和噪声更具鲁棒性的预测模型.但由于将高斯混合分布作为模型输出似然函数后,模型输出的边缘似然函数变成难以解析处理的形式,因此引入变分方法进行近似推理,实现模型参数的估计.在加入异常点和噪声的情况下,将所提模型应用于大气环流模拟模型方程Lorenz序列以及Rossler混沌时间序列和太阳黑子混沌时间序列的预测中,预测结果验证了所提模型的有效性.     

基于支持向量机的模型传递方法研究

模型传递是以数学方法通过在2台不同仪器之间寻求一种变换关系来增强光谱仪数据通用性、可比性的一种基本途径。由于实际测量数据具有非线性特征,加上校正样本集合的有限性,使得解决小样本条件下非线性关系的模型传递问题显得尤为重要。文章在概述支持向量机基本原理的基础上,探讨了支持向量机方法在光谱仪的模型传递问题中的应用,提出了基于支持向量机的分段直接校正方法,最后采用计算机模拟的方式对该方法进行了举例说明,并和人工神经网络方法进行了相应的比较。     

基于SPR原理的葡萄糖浓度折射率特性矩阵测量

设计了一种简洁的角度扫描棱镜SPR传感系统,反射式平行光路设计简化了系统结构。其主要包括光源及光强感知、平行光路结构、电机与温度控制模块构成。通过单电机扫描入射角与温度控制,实现了对葡萄糖的折射率浓度特性有效测量。理论分析存在交叉灵敏度矩阵可同时度量温度及葡萄糖质量浓度共振角度的变化规律,且实验得其灵敏矩阵。为区分温度和质量浓度对共振角度的影响以及校正SPR温度漂移提供参考。     

基于集成学习策略的化工园区大气污染影响预测

建立科学、有效、准确的空气质量预测系统,对于保护人们的身体健康和促进社会的和谐稳定具有重要的科学价值和实际意义。研究聚焦化工园区,基于物联网背景下企业排放实时数据,融合气象信息,采用多种有监督式机器学习(决策树、多元线性回归、Lasso回归、支持向量机、Xgboost、梯度提升机、Light GBM、MLP(多层感知觉神经网络))及改进的集成学习Stacking策略实现化工园区空气质量的预测,并识别影响大气污染的关键因素。结果表明:(1)Stacking策略下的预测框架与单模型预测结果相比有统计学意义上的显著提升。(2)在Stacking策略中,初级、次级学习器的选择策略影响预测的精度和泛化性,最佳模式为初级采用强学习器,次级使用线性模型。(3)在同一园区、不同企业污染物不同排放口对空气质量影响不同,研究结论可为政府监管部门对化工园区的治理和管控提供决策支持。