田颖
- 作品数：13 被引量：11H指数：2
- 供职机构：上海理工大学光电信息与计算机工程学院更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术文化科学电气工程建筑科学更多>>
- 基于强化稀疏PCA的时变过程离群点检测研究
- 2020年
- 为改善传统离群点检测技术以适应工业过程中由于设备老化、催化剂失效等引起的时变特性,运用强化学习自主探索田纳西伊斯曼工业环境以提取最优特征变量,运用稀疏PCA算法,对所提取的变量建立模型进行离群点检测,并将检测结果与强化PCA、稀疏PCA和KNN模型进行比较。实验结果表明,强化稀疏PCA模型可以有效提取出最优建模变量,建立最优离群点检测模型,准确率为93.33%。基于强化学习的特征提取方法可以有效实现高维数据降维,基于稀疏PCA的离群点检测提高了离群点识别率,增强了主成分解释能力。
- 胡田田颖
- 关键词：特征提取离群点检测
- 针对“95后”大学生电路教学的思考与改进被引量：3
- 2017年
- 电路课程是大学电气工程学科的重要基础课程,传统单一的教学方法难以应对"95后"学生的特点。本文就理论联系生活激发学生兴趣、对分课堂提高学生积极性和参与感、电路仿真软件辅导教学实现电路理论直观认识和电路设计竞赛综合调用学生知识等几个方面进行探讨,以期能为更好地开展针对"95后"大学生的高校电路教学提供理论上的探索和帮助。
- 田颖
- 关键词：电路教学电路仿真软件
- 智能科学与技术专业“三全育人”课程思政教学设计与实践被引量：1
- 2024年
- 分析智能科学与技术专业教学背景及课程思政教学中面临的问题,提出课程思政教学设计思路,以机器学习课程为例,介绍教学案例设计及教学实践过程。
- 尹钟田颖孙占全傅迎华
- 关键词：智能科学与技术三全育人
- 基于VAE的工业过程不平衡数据故障诊断
- 2024年
- 深度学习技术的快速发展为工业过程故障诊断问题提供了越来越多的解决方法,但在训练数据集不平衡的情况下,深度学习方法的表现往往不能令人满意。因此,本文提出了一种应用于工业过程中的不平衡数据故障诊断策略。首先使用有限的故障样本训练VAE模型并生成增强样本,之后将生成的样本用于丰富不平衡数据集,最终使用深度神经网络进行故障诊断。采用PRONTO数据集对提出的方法进行验证,实验结果表明本文提出的故障诊断策略能够有效提高模型的故障诊断性能。
- 王敖田颖
- 关键词：故障诊断不平衡数据
- 改进线性外推法预估器的手势跟踪被引量：2
- 2017年
- 针对动态手势识别系统手势跟踪问题,提出了一种基于改进线性外推法预估器的手势跟踪算法.该算法用前两帧的平均位移作为未来帧的位移预测,提高了预测精度;采用5点直线拟合,根据拟合直线斜率判断目标遮挡和重叠状态下的运动方向,克服了由于手势目标质心变化引起的预测位置偏离实际目标的缺陷.实验结果表明:所提出的算法能准确稳定地跟踪手势目标,平均预测偏差缩小到3.374像素,并且能在手势被遮挡和手势重叠的情况下实现有效跟踪.
- 姚恒袁敏秦川田颖
- 关键词：手势跟踪
- 基于迁移BN-CNN框架的小样本工业过程故障诊断被引量：1
- 2023年
- 针对工业故障诊断过程中训练样本不足导致的诊断性能低下问题,文中以迁移学习和深度学习方法为基础,提出一种迁移BN-CNN(Batch Normalization-Convolutional Neural Network)框架。为了减少网络对初始化方法的依赖,在卷积神经网络中引入批归一化层,对网络的隐藏层进行归一化处理。针对目标域标签数据不充足问题,通过基于样本的迁移学习方法扩充目标域的标记数据量,引入基于模型的迁移学习方法,通过充足的源域数据预训练BN-CNN网络,并利用数据量扩充后的目标域微调该网络部分参数,降低了少量样本训练深度神经网络的难度,得到了更适合目标域的故障诊断模型。采用TE工业数据集对该方法进行对比验证,实验结果表明,文中所提方法对于小样本工业过程故障具有较好的诊断性能,其平均精度值为0.804。
- 欧敬逸田颖向鑫宋启哲
- 关键词：故障诊断源域目标域
- 基于双流Mobile Vit与通道剪枝的工业过程故障诊断
- 2025年
- 工业过程视频监控数据的时间连续性和空间连续性,但是已有的基于视频数据的故障诊断模型有规模庞大而难以部署。为此,本研究提出了一种基于双流Mobile Vit的轻量化视频分类模型用于故障诊断,并且利用权重剪枝技术来降低模型大小。首先提取工业视频的视频帧和稠密光流分别作为工业过程的空间特征和时序特征,再使用两条轻量化主干网络Mobile Vit提取视频的空间特征和时序特征。最终在双流模型的尾部使用卷积注意力融合机制使光流特征和特征充分融合用于最终的诊断。为使模型更加轻量化,模型权重剪枝被用来降低双流Mobile Vit的参数量。通过实验表明,相比于其他故障诊断模型,本研究所提出的模型和所应用的剪枝方法在取得较高的诊断精度的同时,模型大小也远远低于其他模型。
- 马旺兵田颖
- 关键词：视频监控MOBILEVIT
- 理论与实践相结合的“现代控制理论”课程研究性教学方法初探
- 2020年
- 作为自动化专业的核心课程,现代控制理论课程理论性强、难度大,传统教学方法的教学效果较差。本文就案例教学法、复杂理论形象化和考核机制多样化等几个方面进行探讨,以期实现理论与实践并举的研究性教学策略。
- 田颖
- 关键词：现代控制理论研究性教学案例教学实践教学
- 贝叶斯框架下的自适应质量变量预测模型被引量：1
- 2021年
- 针对工业生产过程中的时变性问题,提出贝叶斯网络框架下的自适应质量变量预测建模方法。采用改进的即时学习策略,将数据库分成若干局部数据子集,快速选择与待测样本相似度较高的一组数据作为训练样本,再利用主成分分析对训练样本过程变量进行特征提取,借此作为网络模型输入变量。利用基于改进Figueiredo-Jain算法的EM算法估计高斯混合模型参数,构建高斯混合模型逼近贝叶斯网络联合概率密度,训练得到贝叶斯网络下的自适应质量变量预测模型。基于田纳西伊斯曼(TE)仿真过程获得的数据,利用该方法对成分XG进行预测并与传统PCA-BN模型对比。结果证实该方法最大误差下降14.4%,均方根误差下降7.5%,相对误差下降8.3%,验证了该方法解决时变性问题的有效性。
- 朱雨婷田颖
- 关键词：贝叶斯网络EM算法高斯混合模型
- 基于双流Swinc Transformer的工业过程故障诊断被引量：1
- 2023年
- 传统工业过程的故障诊断使用的数据集一般是工业过程数据,即传感器数值数据,且近年来工业过程故障诊断在精度上遇到了瓶颈,而视频数据的出现为工业过程的故障诊断提供了新的方向,因此本研究提出了一种基于双流Swinc Transformer视频分类的工业过程故障诊断模型。在该方法中,为了捕获视频的时间特征和空间特征,本研究首先在Swin Transformer的Swin Transformer Block中加入了3D卷积模块,构建了Swinc Transformer深度学习模型。随后,为了进一步捕获视频的时间特征,使用Swinc Transformer作为主干网络,引入双流网络,将光流图像与RGB图像作为输入。最终,为了更好的将光流特征与图像特征融合,引入了交叉注意力机制(CAM),以自适应的分配光流与RGB图像特征权重。采用PRONTO基准数据集对该方法进行验证,实验结果表明,本研究中提出的双流Swinc Transformer方法相较于其他视频分类模型具有较好的分类性能,同时,相较于普通工业过程数据,视频数据在故障诊断精度方面也更具优势,其分类精度值为95.26%。
- 徐磊田颖
- 关键词：视频分类主干网络
