排序方式: 共有3条查询结果,搜索用时 0 毫秒
1
1.
2.
在针对控制和机器人的机器学习任务中, 高斯过程回归是一种常用方法, 具有无参数学习技术的优点. 然而, 它在面对大量训练数据时存在计算量大的缺点, 因此并不适用于实时更新模型的情况. 为了减少这种计算量, 使模型能够通过实时产生的大量数据不断更新, 本文提出了一种基于概率关联的局部高斯过程回归算法. 与其他局部回归模型相比, 该算法通过对多维局部空间模型边界的平滑处理, 使用紧凑支持的概率分布来划分局部模型中的数据, 得到了更好的预测精度. 另外, 还对更新预测矢量的计算方法进行了改进, 并使用k-d树最近邻搜索减少数据分配和预测的时间. 实验证明, 该算法在保持全局高斯过程回归预测精度的同时, 显著提升了计算效率, 并且预测精度远高于其他局部高斯过程回归模型. 该模型能够快速更新和预测, 满足工程中的在线学习的需求. 相似文献
3.
选用气相色谱法分析茶油中的角鲨烯含量,采用加入氢氧化钾-乙醇溶液的方法皂化回流提取样品中角鲨烯,且对色谱参考条件进行了优化,得出最佳色谱参考条件为:采用DP-5毛细管柱;载气为高纯氮气;柱箱起始温度为160℃;最高柱箱温度为325℃;单个样品检测时间26.5 min;采用脉冲不分流模式。对样品最终检测结果进行系统聚类分析(SCA)。其标准溶液曲线回归方程:y=0.645 2x+0.037 6,线性范围在0~108.0μg/mL,相关系数(R2)=1,加标回收率范围为89.80%~97.20%,检出限为0.853 5μg/mL,最小检测浓度为2.845μg/mL。 相似文献
1