控制理论与应用

作者：丁浩峰,谢永芳,谢世文,王杰

单位：中南大学,中南大学,中南大学,中南大学

关键词：宽度学习; 注意力机制; 密集特征; 软测量; 锌浮选

基金：广东省重点领域研发计划项目(2021B0101200005), 国家自然科学基金项目(62003370, 62233018), 湖南省自然科学基金项目(2021JJ30873)资助.

本文针对宽度学习存在计算消耗资源大、计算过程冗余数据较多等问题, 提出了一种基于特征层密集连接与注意力机制的宽度学习系统(DCA-BLS), 并利用其建立锌浮选过程快粗槽底流品位在线预测模型. 首先将宽度学习系统的特征层不同窗口进行密集连接, 引入弹性网络进行稀疏化处理, 利用注意力机制处理特征节点, 获得不同特征节点的权值, 再将加权后的特征节点与输入的数据相结合, 共同作为增强层节点的输入, 使模型更为紧凑. 在公共数据集和锌泡沫浮选数据上将DCA-BLS与其他预测算法进行了对比实验, 实验结果表明, 本文提出的方法训练时间短, 且相较于其他所比较方法具有更高的准确率.

来源：2023年第1期

《控制理论与应用》期刊编辑部

查看控制理论与应用杂志2023年第1期