搜索到4108篇“ 高斯过程“的相关文章
- 基于深度高斯过程回归的图像编码、解码以及压缩方法
- 本发明公开一种基于深度高斯过程回归的图像编码方法，包括：采用编码卷积神经网络得到待编码图像的瓶颈层多通道特征，作为第一特征图；将第一特征图中的每个特征量化为整数，得到第二特征图；基于深度高斯过程回归的自回归模型和超先验模...
- 戴文睿曹迈达李劭辉李成林邹君妮熊红凯
- 一种基于高斯过程回归的裂缝参数优化方法
- 本发明提供了一种基于高斯过程回归的裂缝参数优化方法，包括如下步骤：通过模拟得出一组在不同裂缝参数下的日产量数据和累计产量数据，作为基础数据集，并建立基础数据集中裂缝参数与日产量、累计产量的隐函数；将基础数据集划分为训练集...
- 余红广李铁军贾靖敬亚东张麒
- 一种基于高斯过程的翼伞系统模型预测控制方法
- 本发明公开了一种基于高斯过程的翼伞系统模型预测控制方法，包括如下步骤：建立简化的翼伞四自由度动力学模型；基于高斯回归过程建立翼伞系统的未建模动力学部分，并结合所述翼伞四自由度动力学模型构建翼伞系统预测模型；基于所述翼伞系...
- 崔占鑫邹文张青斌冯琪张勇曹鹏程丰志伟陈青全高庆玉葛健全杨涛
- 采用稀疏高斯过程的AUV动力学模型辨识方法
- 2025年
- 自治式潜水器(Autonomous Underwater Vehicle,AUV)的运动仿真和控制器设计均需要精确的操纵模型,但传统的建模方法和操纵方程不能使操纵模型达到较高的预测精度。针对高斯过程(Gaussian Process,GP)计算效率低、无法实现预测不确定性传播的问题,提出一种采用稀疏高斯过程(Sparse Gaussian Process,SGP)的AUV模型辨识方法。建立AUV三自由度动力学模型,采用基于矩匹配的近似方法处理GP预测不确定性传播,采用基于距离相似度的SGP提高GP的计算效率。使用美国海军研究生院(Naval Postgraduate School,NPS)的AUV模型进行运动仿真。结果表明,所提出的方法泛化能力强、准确度高,可方便地用于AUV的动力学模型辨识。
- 占晓明薛阳刘强
- 关键词：动力学模型高斯过程矩匹配
- 基于高斯过程和自监督学习的类星体光变曲线拟合与聚类分析方法
- 本发明涉及一种基于高斯过程和自监督学习的类星体光变曲线拟合与聚类分析方法，旨在提高类星体光变数据的分析准确性。通过SDSS DR16数据集获取类星体坐标，并与ZTF星表交叉匹配提取光变数据，采用局部异常因子算法和基于统计...
- 邢晖申聪聪苏彦莽
- 一种基于高斯过程回归的电池健康估计方法和系统
- 本发明公开了一种基于高斯过程回归的电池健康估计方法和系统。本发明包括以下步骤：首先，采集锂电池循环充放电过程中的循环充放电数据；在特征提取部分提取了锂离子电池退化过程中与电极退化损失相关的特征，将电池退化过程中的机理特性...
- 刘之涛安韬苏宏业
- 一种基于分块最小二乘和高斯过程拟合的人体上肢末端刚度时空辨识方法
- 本发明公开了一种基于分块最小二乘和高斯过程拟合的人体上肢末端刚度时空辨识方法，包括如下步骤：对工作空间进行归一化和网格化分块；根据人机交互过程中采集到的运动数据和力数据对每个子空间分别进行递归最小二乘，对子空间内的刚度向...
- 宋爱国厉叶李会军
- 基于高斯过程误差补偿的风机模型预测控制方法及系统
- 本发明提出了一种基于高斯过程误差补偿的风机模型预测控制方法及系统，无需依赖复杂的机理模型，而是通过高斯模型实时预测模型输出补偿量，并据此对模型进行动态修正，有效地克服了传统方法对模型精度的高度依赖，简化了建模过程。高斯模...
- 刘彦华付敖龙石硕方莹张博颐梁振明张祯滨董政
- 高斯过程辅助的船舶辐射噪声分类算法
- 2025年
- 现阶段船舶辐射噪声分类通常使用深度学习方法,它需要大量的数据去训练过参数化的模型。船舶辐射噪声的实测数据量一般较少,因此可以采用数据扩增策略去改善训练数据的多样性。然而相比于实测数据的时频谱图,该策略得到的增广时频谱图通常存在边缘分布偏移,忽视这一点将无法充分利用增广数据,会带来性能上的损失。为此该文提出了一种高斯过程辅助的船舶辐射噪声时频谱图分类算法。该算法在训练分类模型时,除了最小化分类器输出与标签之间的交叉熵损失,也同时借助高斯过程回归,最小化了不同数据上特征提取器输出的分布差异,进而在特征空间实现真实数据时频谱图和增广时频谱图的边缘分布对齐,这可以促进分类器的训练。公开海试数据上的实验结果表明,相较深度学习方法中现有的预训练-微调策略,在不同训练数据量下,该文所提算法都能够对近场船舶辐射噪声实现更准确的分类。
- 聂磊鑫王海斌李超张永霖
- 关键词：船舶辐射噪声
- 基于高斯过程的高空间分辨率振型识别
- 2025年
- 为解决有限数量传感器条件下的结构全场振型识别问题,提出了一种基于高斯过程先验的贝叶斯模态识别方法。该方法基于贝叶斯推断原理,有效融合了有限元模型与模态识别数据。首先,通过不确定性有限元分析或工程经验,考虑多物理约束,建立了全场振型的高斯过程先验模型。其次,引入振动测量数据,在高斯过程先验基础上融合贝叶斯模态识别结果,构建全场振型的后验概率分布模型。最后,利用实验室剪切模型和广州塔标准模型进行全场振型识别,验证所提方法的有效性。结果表明,所提方法可利用有限振动测点获得结构的高空间分辨率振型,并实现其不确定性定量分析,可有效应用于结构健康监测。
- 李宾宾叶挺兰春光
- 关键词：结构健康监测高斯过程
相关作者
- 苏国韶
- 作品数：276被引量：1,263H指数：20
- 供职机构：广西大学土木建筑工程学院
- 研究主题：岩爆 高斯过程 岩石力学 岩石 真三轴
- 张研
- 作品数：119被引量：254H指数：8
- 供职机构：桂林理工大学
- 研究主题：相关向量机 高斯过程 危岩 拉剪 危岩体
- 燕柳斌
- 作品数：120被引量：486H指数：13
- 供职机构：广西大学土木建筑工程学院
- 研究主题：高斯过程 有限元 预应力 岩石力学 碳纤维板
- 郭云飞
- 作品数：187被引量：198H指数：8
- 供职机构：杭州电子科技大学
- 研究主题：无源 弱目标 杂波 高斯混合 多目标跟踪
- 杨慧中
- 作品数：260被引量：1,148H指数：15
- 供职机构：江南大学物联网工程学院
- 研究主题：软测量 支持向量机 软测量建模 建模方法 聚丙烯腈
