期刊文献+
共找到8篇文章
< 1 >
每页显示 20 50 100
基于加权自回归隐马尔科夫模型的语音识别 被引量:1
1
作者 冯岑明 杨亚民 《统计与决策》 CSSCI 北大核心 2012年第22期80-82,共3页
对于非特定人语音识别问题,针对隐马尔科夫模型中假设提取的观察矢量之间相互独立且数据不足的困难,文章在连续隐马尔科夫(CHMM)模型的基础上提出了基于加权自回归HMM(WARHMM)的语音识别方法,该方法利用加权自回归过程得到观察矢量,从... 对于非特定人语音识别问题,针对隐马尔科夫模型中假设提取的观察矢量之间相互独立且数据不足的困难,文章在连续隐马尔科夫(CHMM)模型的基础上提出了基于加权自回归HMM(WARHMM)的语音识别方法,该方法利用加权自回归过程得到观察矢量,从而获得隐状态输出。这种方法可以充分利用已有的观察数据,适合于实际随机性较强的语音信号的识别。实验结果证明了提出方法的有效性。 展开更多
关键词 连续隐马尔科夫模型 加权自回归隐马尔科夫模型 语音识别
下载PDF
应应用用阶数自学习自回归隐马尔可夫模型对控制过程异常数据的在线检测 被引量:3
2
作者 刘芳 毛志忠 《控制理论与应用》 EI CAS CSCD 北大核心 2011年第5期631-638,共8页
针对过程工业中强噪声环境下实时采集的控制过程海量数据难以在线精确检测的问题,提出了基于阶数自学习自回归隐马尔可夫模型(ARHMM)的工业控制过程异常数据在线检测方法.该算法采用自回归(AR)模型对时间序列进行拟合,利用隐马尔科夫模... 针对过程工业中强噪声环境下实时采集的控制过程海量数据难以在线精确检测的问题,提出了基于阶数自学习自回归隐马尔可夫模型(ARHMM)的工业控制过程异常数据在线检测方法.该算法采用自回归(AR)模型对时间序列进行拟合,利用隐马尔科夫模型(HMM)作为数据检测的工具,避免了传统检测方法中需要预先设定检测阈值的问题,并将传统的BDT(Brockwell-Dahlhaus-Trindade)算法改进成为对于时间和阶数均实施迭代的双重迭代结构,以实现ARHMM参数在线更新.为了减小异常数据对ARHMM参数更新的影响,本文采用先检测后更新的方式,根据检测结果采取不同的更新方法,提高了该算法的鲁棒性.模型数据仿真与应用试验结果证明,该算法具有较高的检测精度和抗干扰能力,同时具备在线检测的能力.通过与传统基于AR模型的异常数据检测方法比较,证明了该方法更适合作为过程工业控制过程数据的异常检测工具. 展开更多
关键词 自回归隐马尔科夫模型 BDT 异常数据检测 在线检测
下载PDF
基于模糊自回归隐马尔可夫模型的控制过程异常数据检测 被引量:8
3
作者 刘芳 毛志忠 李磊 《仪器仪表学报》 EI CAS CSCD 北大核心 2010年第5期984-990,共7页
在工业过程控制系统中,利用智能方法建立被控对象模型已经受到越来越多的关注。模型的准确与否对于控制器的设计以及控制的准确性至关重要,而准确的建模数据是建立准确被控对象模型的必要条件。本文针对控制过程对于建模数据异常定义的... 在工业过程控制系统中,利用智能方法建立被控对象模型已经受到越来越多的关注。模型的准确与否对于控制器的设计以及控制的准确性至关重要,而准确的建模数据是建立准确被控对象模型的必要条件。本文针对控制过程对于建模数据异常定义的特殊性,提出一种适合于控制过程建模数据异常检测的方法:基于模糊自回归隐马尔可夫模型(ARHMM)的控制过程异常数据检测方法。该方法分别通过三部分检测将数据分成正确数据集和异常数据集,并确定正确数据集的隶属度函数,最后根据三个集合的隶属度函数来判断数据是否异常。针对控制过程数据量大,实时性强等特点,模糊ARHMM采用在线更新参数的办法,保证了该方法能够适用于控制过程的数据检测及建模的要求。试验结果和实际应用表明,基于模糊ARHMM的异常数据检测方法具有很好检测效果和实际应用价值。 展开更多
关键词 异常数据 自回归隐马尔可夫模型 建模 隶属度函数
下载PDF
基于自回归隐半马尔可夫模型的设备故障诊断 被引量:4
4
作者 杨志波 董明 《上海交通大学学报》 EI CAS CSCD 北大核心 2008年第3期471-474,479,共5页
提出了一种新的隐马尔可夫模型(HMM)拓展模型自回归隐半马尔可夫过程(Auto-Regressive Hidden Semi-Markov Model,AR-HSMM),并给出了模型参数的推导和相应的"前向-后向"算法.与传统的HMM相比,AR-HSMM有以下两个优点:①把传统... 提出了一种新的隐马尔可夫模型(HMM)拓展模型自回归隐半马尔可夫过程(Auto-Regressive Hidden Semi-Markov Model,AR-HSMM),并给出了模型参数的推导和相应的"前向-后向"算法.与传统的HMM相比,AR-HSMM有以下两个优点:①把传统HMM所假设的隐藏状态分布改进为显式高斯分布;②改进了传统HMM假设各观测变量相互独立的问题,通过在各观测变量之间建立联系,从而使之更加符合实际情况.在液压泵故障诊断中的应用实例表明,AR-HSMM在故障诊断中是非常有效的. 展开更多
关键词 故障诊断 自回归隐马尔可夫模型 马尔可夫模型
下载PDF
基于分层强化学习的机械臂复杂操作技能学习方法 被引量:1
5
作者 孟子晗 高翔 +1 位作者 刘元归 马陈昊 《现代电子技术》 2023年第19期116-124,共9页
在面对复杂任务时,传统强化学习方法存在状态空间庞大、奖励函数稀疏等问题,导致机械臂不能学习到复杂的操作技能。针对上述问题,提出一种基于分层强化学习的机械臂复杂操作技能学习方法。首先,底层运用基于Beta过程的自回归隐马尔可夫... 在面对复杂任务时,传统强化学习方法存在状态空间庞大、奖励函数稀疏等问题,导致机械臂不能学习到复杂的操作技能。针对上述问题,提出一种基于分层强化学习的机械臂复杂操作技能学习方法。首先,底层运用基于Beta过程的自回归隐马尔可夫模型,将复杂操作任务分解为多个简单的子任务;其次,对每个子任务运用SAC算法进行技能学习,得到每个子任务的最优策略;最后,根据底层得到的子任务最优策略,上层通过基于最大熵目标的改进强化学习算法学习复杂操作技能。实验结果表明,所提方法能有效实现机械臂复杂操作技能的学习、再现与泛化,并在性能上优于其他传统强化学习算法。 展开更多
关键词 机械臂 复杂操作任务 分层强化学习 子目标 自回归隐马尔可夫模型 SAC算法
下载PDF
继电保护系统对一次设备可靠性的影响
6
作者 温刚 《光源与照明》 2023年第7期171-173,共3页
随着经济社会的不断发展,电力供给需求逐渐提升,对电力企业发展质量提出了更高的要求。继电保护系统作为保障电力运输安全与稳定度的重要内容,其可靠性质量尤为关键。基于此,文章概述了继电保护系统的内容,分析了其作用和对一次设备可... 随着经济社会的不断发展,电力供给需求逐渐提升,对电力企业发展质量提出了更高的要求。继电保护系统作为保障电力运输安全与稳定度的重要内容,其可靠性质量尤为关键。基于此,文章概述了继电保护系统的内容,分析了其作用和对一次设备可靠性的影响,并提出强化继电保护系统的方法,以供参考。 展开更多
关键词 继电保护系统 一次设备 二次 马尔科夫模型
下载PDF
一种基于自回归隐式半Markov链的设备健康管理新方法 被引量:6
7
作者 董明 《中国科学(E辑)》 CSCD 北大核心 2008年第12期2185-2198,共14页
文中通过对隐式Markov模型(HMM:hidden Markov model)假设条件的松弛研究,提出了基于自回归隐式半Markov链(AR-HSMM:auto-regressive hidden semi-markovmodel)的设备健康诊断和预测新方法.与传统的HMM相比,AR-HSMM具有3个优点:一是将传... 文中通过对隐式Markov模型(HMM:hidden Markov model)假设条件的松弛研究,提出了基于自回归隐式半Markov链(AR-HSMM:auto-regressive hidden semi-markovmodel)的设备健康诊断和预测新方法.与传统的HMM相比,AR-HSMM具有3个优点:一是将传统HMM所假设的隐藏状态分布改进为显式Gauss分布,因此能够用于设备性能衰退预测;二是改进了传统HMM中各观测变量相互独立的假设,通过自回归建立各观测变量之间的依赖关系,从而使之更加符合实际情况;三是AR-HSMM不必服从不现实的Markov链条件,因而具有更强的建模和分析能力.文中定义了新的"前向-后向"变量,给出了改进的"前向-后向"算法.通过一个实例对所提出的方法进行评价与验证.实验结果表明,基于AR-HSMM的设备健康诊断和性能衰退预测新方法是有效的. 展开更多
关键词 自回归隐式半Markov模型 性能衰退预测 健康诊断 MARKOV模型
原文传递
过程控制异常值的在线检测方法研究
8
作者 刘芳 毛志忠 《计量学报》 CSCD 北大核心 2013年第1期84-89,共6页
提出了一种改进输入形式的径向基网络RBFN与自回归隐马尔可夫模型ARHMM相结合的异常数据检测方法,并通过引入核空间概念,用以解决过程工业中大量过程数据要求在线异常检测问题。该方法利用改进的RBF网络在核空间内预测待检测数据值,... 提出了一种改进输入形式的径向基网络RBFN与自回归隐马尔可夫模型ARHMM相结合的异常数据检测方法,并通过引入核空间概念,用以解决过程工业中大量过程数据要求在线异常检测问题。该方法利用改进的RBF网络在核空间内预测待检测数据值,并根据核空间内的预测值与实际值偏差的大小,利用核ARHMM检测数据异常情况。改进的RBF网络能够方便地引入遗忘因子以及惩罚因子,从而增加算法的鲁棒性,提高检测的准确性。采用核ARHMM检测算法可以直接对数据异常情况作出准确判断,从而避免事先确定检测阈值的问题。通过实验与应用证明了该算法的实用性,与AR模型检测方法比较,该方法更适合于过程数据的异常检测问题。 展开更多
关键词 计量学 过程数据 被控对象 异常数据检测 径向基函数网络 自回归隐马尔可夫模型
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部