首页|基于分布式并行分层极限学习机的大数据多模式质量预测

基于分布式并行分层极限学习机的大数据多模式质量预测

MULTI-MODE QUALITY PREDICTION OF BIG DATA BASED ON DISTRIBUTED PARALLEL HIERARCHICAL EXTREME LEARNING MACHINE

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 维普
  • 万方数据
考虑分布式系统质量预测中的大数据处理问题,提出一种基于分布式并行分层极限学习机(distribu-ted parallel hierarchical extreme learning machine,dp-HELM)的大数据多模式质量预测模型.根据Map-Reduce框架,将高效的极限学习机算法转化为分布式并行建模形式.由于分层极限学习机(hierarchical extreme learning machine,HELM)的深度学习网络结构在特征上具备的预测精度优势,结合深层隐藏层的ELM自动编码器,进一步开发了dp-HELM.通过dp-ELM和dp-HELM以同步并行方式进一步训练分布式并行K均值划分的过程模式,利用贝叶斯模型融合技术来集成用于在线预测的局部模型.将所提出的预测模型应用于预脱碳装置中残留的二氧化碳含量估算,实验结果表明了该方法的有效性与可行性.

胡安明

展开 >

广州理工学院 广东 广州510540

分布式系统 并行学习 分层极限学习机 大数据 质量预测

广东省教育协会"十三五"教育科研规划课题2018年广东省本科高等学校创新创业训练计划2018年教育部第一批产学合作协同育人教学内容和课程体系改革项目

GDES136142018A045106201801193063

2022

10.3969/j.issn.1000-386x.2022.04.013

计算机应用与软件
上海市计算技术研究所 上海计算机软件技术开发中心

计算机应用与软件

CSTPCD北大核心
影响因子：0.615
ISSN：1000-386X
年,卷(期)：2022.39(4)
  • 16