基于循环神经网络的半监督动态软测量建模方法

• 作者: 宋执环 李浩 葛志强 邵伟明
• 来源期刊: 电子测量与仪器学报
• 学科: 工学
• 关键词: 软测量 动态特性 半监督 循环神经网络 长短时记忆单元 注意力机制
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 信息处理技术
• 页码范围: 7-13
• 页数: 7页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.13382/j.jemi.B1902339

摘要

数据驱动的软测量技术被广泛应用于难测关键变量的在线实时预报.然而,在工业过程中,有标签样本通常十分稀少,且动态特性显著,导致传统有监督、静态的软测量建模方法性能不佳.为此,提出一种基于循环神经网络的建模方法,首先将传统带有长短时记忆单元(LSTM)的循环神经网络(RNN)扩展为半监督模式,然后针对LSTM的不足,进一步提出一种基于注意力机制的改进方案.通过一个实际工业案例验证半监督LSTM-RNN在软测量应用中的有效性,以及所提出的改进方案的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	宋执环		140	1808	23.0	36.0
2	李浩		28	371	9.0	19.0
3	葛志强		13	145	6.0	12.0
4	邵伟明		2	1	1.0	1.0