控制与决策

作者：朱建勇,黄鑫,杨辉,聂飞平

单位：华东交通大学 电气与自动化工程学院,南昌 330013;江西省先进控制与优化重点实验室,南昌 330013,,华东交通大学 电气与自动化工程学院,南昌 330013;江西省先进控制与优化重点实验室,南昌 330013,,华东交通大学 电气与自动化工程学院,南昌 330013;江西省先进控制与优化重点实验室,南昌 330013,,西北工业大学 光学影像分析与学习中心,西安 710072,

关键词：泡沫浮选;稀疏模型;神经网络;特征选择;维度约简

基金：国家自然科学基金项目(61733005)；国家自然科学基金地区项目(61563015,61963015,61863014)；江西省自然科学基金项目(20171ACB21039,20192BAB207024)；江西省教育厅科技项目(GJJ150552).

针对泡沫特征复杂繁多不利于建模控制的问题,提出一种基于稀疏化神经网络的泡沫图像特征选择方法.相较于大部分稀疏模型以线性回归模型作为损失函数的情况,选择以更为贴近实际工业过程非线性特点的神经网络模型作为损失函数,并加入$L_{2,1

来源：2021年第7期

《控制与决策》期刊编辑部

查看控制与决策杂志2021年第7期