基于贝叶斯网络参数迁移学习的电熔镁炉异常工况识别OA北大核心CSCD
Abnormal Condition Identification Based on Bayesian Network Parameter Transfer Learning for the Electro-fused Magnesia
在贝叶斯网络(Bayesian network,BN)参数学习中,如果数据不够充分,将无法建立准确的BN模型来分析和解决问题.针对电熔镁炉熔炼过程的异常工况识别建模,提出一种新的BN参数迁移学习方法来改进异常工况识别精度.该方法可以解决源域BN与目标域BN在结构不一致情况下的参数迁移学习问题.在实验部分,首先在著名的Asia网络上对该方法进行了验证,然后将其应用于电熔镁炉熔炼过程排气异常工况识别BN模型的参数学习.实验结果表明,与小数据下建立的目…查看全部>>
闫浩;王福利;孙钰沣;何大阔
东北大学信息科学与工程学院 沈阳110819东北大学信息科学与工程学院 沈阳110819东北大学流程工业综合自动化国家重点实验室 沈阳110819东北大学信息科学与工程学院 沈阳110819
电熔镁炉异常工况识别贝叶斯网络参数学习迁移学习
《自动化学报》 2021 (1)
流程工业优化控制与安全运行知识自动化系统设计方法与应用研究
197-208,12
国家自然科学基金(61973057,61533007,61773105,61873053),创新研究群体科学基金(61621004),中央高校基本科研业务费(N182008004)资助
评论