第40卷第1期2023年1月控制理论与应用ControlTheory&ApplicationsVol.40No.1Jan.2023基基基于于于特特特征征征层层层密密密集集集连连连接接接与与与注注注意意意力力力机机机制制制的的的宽宽宽度度度学学学习习习系系系统统统及及及其其其在在在锌锌锌浮浮浮选选选过过过程程程的的的应应应用用用丁浩峰,谢永芳,谢世文†,王杰(中南大学自动化学院,湖南长沙410083)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;锌浮选引用格式:丁浩峰,谢永芳,谢世文,等.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.控制理论与应用,2023,40(1):111–120DOI:10.7641/CTA.2022.10753Denseconnectionandattention-basedbroadlearningsystemanditsapplicationtozincflotationprocessDINGHao-feng,XIEYong-fang,XIEShi-wen†,WANGJie(SchoolofAutomation,CentralSouthUniversity,ChangshaHunan410083,China)Abstract:Inthispaper,adenseconnectionandattention-basedbroadlearningsystem(DCA-BLS)isproposedtoaddresstheissuesoflargecomputingresourceconsumptionandredundantdatainthetrainingprocessofbroadlearningsystem.Itisappliedtopredictthezincorefrothflotationprocessfastcoarsetroughbottomflowgrade.Firstly,thedifferentwindowsinfeaturelayerofthebroadlearningsystemaredenselyconnected.Thenelasticnetworkisemployedtosparsethemodel,andattentionmechanismisproposedtodealwithnodesinfeaturelayer,toobtaintheweightsofdifferentcharacteristicsofthenodes.TheweightednodesinfeaturelayerofBLSarecombinedwiththeinputdata.ThecombinationisusedastheinputofenhancenodesinBLS,whichcanmakelearningmodelmorecompacted.DCA-BLSiscomparedwithotherpred...
