基于特征层密集连接与注意力机制的宽度学习系统及其在锌浮选过程的应用

摘要：

本文针对宽度学习存在计算消耗资源大、计算过程冗余数据较多等问题,提出了一种基于特征层密集连接与注意力机制的宽度学习系统(DCA-BLS),并利用其建立锌浮选过程快粗槽底流品位在线预测模型.首先将宽度学习系统的特征层不同窗口进行密集连接,引入弹性网络进行稀疏化处理,利用注意力机制处理特征节点,获得不同特征节点的权值,再将加权后的特征节点与输入的数据相结合,共同作为增强层节点的输入,使模型更为紧凑.在公共数据集和锌泡沫浮选数据上将DCA-BLS与其他预测算法进行了对比实验,实验结果表明,本文提出的方法训练时间短,且相较于其他所比较方法具有更高的准确率.

关键词：宽度学习、注意力机制、密集特征、软测量、锌浮选

所属期刊栏目：40

分类号：TP301.6;TN911.73-34;TP277

资助基金：广东省重点领域研发计划项目;国家自然科学基金;国家自然科学基金;湖南省自然科学基金项目

在线出版日期：2023-04-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：111-120