贝叶斯网络结构学习方法新探

从大型数据库中学习网络结构一直是贝叶斯网络学习的研究热点.针对此问题提出了一种基于预测能力的学习算法,通过预测能力建立并调整贝叶斯网络结构,把变量之间弧的存在性与方向有机地结合在一起。     

贝叶斯网络在水资源管理中的应用

为了解决水资源管理中具有不确定性的多目标决策问题,将贝叶斯网络方法引入水资源管理中.通过对实例系统中变量间相互关系的分析,构建描述变量间不确定性关系的贝叶斯网络模型,其中包括表示其依赖关系的有向无环图和表示其具体概率依赖程度的条件概率表,并在6个目标变量均达到预期目标的前提下进行概率推理.实例结果表明:当补偿款数额增加到500元/亩①时,所有的目标变量均可达到最优,因此确定出政府应给农民补偿款的数额为500元/亩的合理水资源决策方案.贝叶斯网络以图模型的方式直观地表达了实例系统中变量之间的不确定性关系,概率推理的结果兼顾了环境效益以及农民的利益,使多个预期目标均达到了最优,有效地解决了水资源管理中具有不确定性的多目标决策问题.     

一种改进的最大相关最小冗余选择性贝叶斯分类器

利用K均值聚类和增量学习算法扩大训练样本规模,提出一种改进的mRMR SBC.一方面,利用K均值聚类预测测试样本的类标签,将已标记的测试样本添加到训练集中,并在属性选择过程中引入一个调节因子以降低K均值聚类误标记带来的风险.另一方面,从测试样本集中选择有助于提高当前分类器精度的实例,把它加入到训练集中,来增量地修正贝叶斯分类器的参数.实验结果表明,与mRMR SBC相比,所提方法具有较好的分类效果,适于解决高维且含有较少类标签的数据集分类问题.      

基于贝叶斯网络的发动机曲柄连杆机构可靠性分析

曲柄连杆机构是发动机中重要的组成部分,其工作状态直接影响发动机的输出性能.为评估其可靠性,识别系统中的薄弱环节,基于贝叶斯网络提出了一种曲柄连杆机构可靠性评估方法.在运用故障树进行分析的基础上进一步将故障树映射为贝叶斯网络,给出了故障树向贝叶斯网络的映射方法,融合各验前信息计算各底事件和顶事件的发生概率,分析各个底事件对系统整体可靠性的影响,并计算各事件的重要度指标,通过分析查找系统的薄弱环节,以应用实例对提出方法的有效可行性进行了验证.     

贝叶斯神经网络在蒸气管网预测中的应用

蒸气管网是具有典型大时滞特点的非线性网络系统结构,提高管网运行预测能力,对管网的安全高效运行有很好的指导意义。贝叶斯神经网络具有良好的泛化能力和准确计算能力,在网络目标函数中引入表示网络结构复杂性的惩罚项,以便能够在训练优化过程中降低网络结构的复杂性,达到避免网络过拟合的目的。实例验证表明,模型计算结果和泛化能力均有良好表现,优于传统BP算法计算性能,可提高企业蒸气管网运行管理水平,对流程工业节能减排建设有一定的帮助。     

中厚板表面缺陷在线检测系统的分类器设计

研究了BP网络、LVQ1网络、LVQ2网络所构建的分类器的性能,将这3种分类器用于中厚板表面缺陷的自动分类中.从现场在线采集中厚板的表面缺陷图像,将每幅表面图像划分成64×64大小的子图像,对子图像进行FFT变换,得到子图像的幅值谱.将幅值谱中心区域内的像素灰度值作为特征量,分别输入给BP网络、LVQ1网络、LVQ2网络所构建的分类器模型,试验表明LVQ2网络能够得到理想的分类效果.     

基于粒子群优化的过程神经网络学习算法

基于粒子群优化为过程神经元网络提出了一种新的学习算法.新算法在对网络输入函数和连接权函数进行正交基函数展开后,将网络中的结构参数和其他参数整合成一个粒子,再用粒子群优化算法进行全局优化.新算法不依赖于函数梯度信息,不需要手动调节网络结构.粒子群优化具有良好的全局优化性能和收敛性能,保证了过程神经元网络的全局学习能力和新学习算法的收敛能力,更好地发挥过程神经网络的逼近性能.两个实际预测问题的实验结果表明,基于粒子群优化的学习算法比现有的基于梯度的基函数展开方法以及误差反传神经网络模型具有更好的预测精度.     

贝叶斯网络在高炉铁水硅含量预测中的应用

应用贝叶斯网络对高炉铁水硅含量进行预测。首先阐述了贝叶斯网络的数学描述,在此基础上给出贝叶斯网络预测公式的一种简化形式。然后建立高炉铁水硅含量的贝叶斯网络预测模型,对山东莱钢1 号高炉在线采集的2 000炉数据进行网络学习,离线预测取得了较好的效果。与神经网络等其他方法相比,它更适合解析高炉过程,而且透明的推理过程对高炉工长判断炉温变化趋势具有指导意义。     

智能算法在双辊铸轧过程铸轧力计算中的应用

在双辊铸轧过程中,铸轧力的控制是铸轧过程稳定进行和提高薄带质量的关键.为了控制铸轧力,必须建立铸轧力计算数学模型,本文采用了一种基于贝叶斯方法的前向神经网络训练算法以提高网络的泛化能力,在网络的目标函数中引入了表示网络结构复杂性的惩罚项,融入"奥克姆剪刀"理论,避免了网络训练的过拟合.将上述网络应用于铸轧过程的铸轧力计算,具有很高的计算精度,同时在收敛速度、稳定性和泛化能力方面都优于传统的BP神经网络.     

辊底式热处理炉和淬火机自动化控制系统

介绍了辊底式热处理炉和淬火机电气自动化控制系统,对系统从硬件、软件和网络结构作了描述,特别对炉子的控制功能作了详细的讲解.系统运行非常可靠.