x
        首頁(yè).科研創(chuàng)新.科研動(dòng)態(tài)
        【學(xué)校學(xué)術(shù)動(dòng)態(tài)】我校教師在國(guó)際頂級(jí)期刊《IEEE Transactions on Industrial Informatics》上發(fā)表研究論文(圖)
        時(shí)間: 2023-09-13   點(diǎn)擊: 673

        近日,我校工學(xué)院楊澤宇老師(王培良教授團(tuán)隊(duì))以第一作者、我校為第一單位在工業(yè)信息領(lǐng)域國(guó)際頂級(jí)期刊《IEEE Transactions on Industrial Informatics》(中科院一區(qū)TOP,IF11.648)上,發(fā)表題為“Probabilistic Fusion Model for Industrial Soft Sensing Based on Quality-Relevant Feature Clustering”的研究論文。

         

        對(duì)于大多數(shù)具有強(qiáng)非線性和多模態(tài)特征的現(xiàn)代工業(yè)過(guò)程,傳統(tǒng)的線性軟測(cè)量方法可能無(wú)法很好地工作。同時(shí),面對(duì)復(fù)雜的數(shù)據(jù)分布,傳統(tǒng)的全局建模方法對(duì)數(shù)據(jù)表示能力提出了很高的要求,這對(duì)軟測(cè)量建模提出了挑戰(zhàn)。此外,數(shù)據(jù)分布的不平衡性在一定程度上加劇了模型對(duì)局部信息的忽略,從而提高了模型的整體預(yù)測(cè)難度。為此,針對(duì)實(shí)際工業(yè)大數(shù)據(jù)存在的強(qiáng)非線性和多模態(tài)特性,從概率融合局部建模的角度,首次提出了一種基于質(zhì)量相關(guān)特征聚類(lèi)(QRFC)的工業(yè)軟測(cè)量模型。在QRFC中,偏最小二乘(PLS)可以對(duì)建模的初始特征空間給出合理的、解釋性的指導(dǎo)。此外,通過(guò)均衡數(shù)據(jù)分組,使用統(tǒng)一的視角對(duì)不同的數(shù)據(jù)分布進(jìn)行建模。進(jìn)一步,引入調(diào)節(jié)變量學(xué)習(xí)特征空間,通過(guò)迭代方法完成輸出相關(guān)聚類(lèi),隱式構(gòu)建與質(zhì)量變量的相關(guān)性,從而形成整體預(yù)測(cè)能力的局部逼近。一般來(lái)說(shuō),這種框架的好處,包括更好的相關(guān)性一致性和更強(qiáng)的處理過(guò)程非線性和多模態(tài)的能力,導(dǎo)致了卓越的性能。為了評(píng)估所開(kāi)發(fā)的軟測(cè)量模型的可行性和效率,以實(shí)際工業(yè)案例為例進(jìn)行了驗(yàn)證。


         

         

        論文鏈接:https://ieeexplore.ieee.org/abstract/document/9964255

         

         



        稿件來(lái)源:湖州師范學(xué)院新聞網(wǎng)

        快捷.入口
        一级国产精品免费观看,黄色无码一级视频,xxxx福利在线观看,日韩精品无码不卡视频 东京热久久无码av高潮喷