-
公开(公告)号:CN110393954B
公开(公告)日:2020-05-12
申请号:CN201910636652.7
申请日:2019-07-15
Applicant: 北京科技大学
Abstract: 本发明提供一种基于强化学习的浓密机在线控制方法,能够降低时间消耗,并提高控制精度。所述方法包括:获取生产过程中所监测到的历史记录数据;建立由模型网络和评价网络组成的双网结构的控制模型,并利用获取到的历史记录数据对所述模型网络和评价网络进行训练;通过训练好的模型网络预测下一时刻的底流浓度和泥层高度,且训练好的评价网络根据预测到的所述下一时刻的底流浓度、泥层高度,估计所述下一时刻的累计代价值,根据估计得到的下一时刻的累计代价值,计算当前时刻的累计代价值,根据得到的当前时刻的累计代价值,利用梯度下降迭代算法确定当前时刻最优控制动作:底流泵速、絮凝剂泵速。本发明涉及采矿领域。
-
公开(公告)号:CN109145260A
公开(公告)日:2019-01-04
申请号:CN201810975598.4
申请日:2018-08-24
Applicant: 北京科技大学
Abstract: 本发明提供一种文本信息自动提取方法,能够不断提高标记内容和标签自动提取的准确性。所述方法包括:获取用户上传的文本文件,将其转换为能用计算机逐字符分析的文档格式;对格式转换后的文档中的文本内容进行预处理,形成便于使用自然语言处理技术解析的多层次文本单元;捕捉用户选择的文本片段,基于形成的多层次文本单元,确定该文本片段对应的标记内容,并为每个标记内容推荐标签;基于确定的标记内容和为每个标记内容推荐的标签,采用在线学习的训练思想,训练文本自动提取模型,以实现标记内容和标签的自动提取。本发明适用于文本信息自动提取操作。
-