复杂系统随机事件的一种预测方法

提出了复杂系统随机事件的一种预测方法，其基本思想是搜索复杂系统中曾经出现过的类比事态；     

复杂系统随机事件的一种预测方法

提出了复杂系统随机事件的一种预测方法,其基本思想是搜索复杂系统中曾经出现过的类比事态;探讨了复杂系统的随机事件与多维随机过程的预测问题之间的异同;论述了随机事件预测的一种非参数型搜索算法;列举了一个实际的短期预测问题．     

混沌理论的预测原理

传统的技术经济预测原理与方法，面对复杂和不确定性现象的发生，其局限性日益显露出来，制约了人们预测的能力。以混沌理论为代表的复杂系统理论，有着不同于传统科学的视角和思维框架，并正在促进预测范式的转换。本文介绍应用混沌理论研究技术经济系统预测所取得的成果，阐述混沌理论关于预测的基本思想和假定，给出基于混沌理论的预测原理。     

BP-神经网络算法在分布式VOD系统流量预测中的应用

在分布式VOD系统中,网络流量是一组非线性的、复杂的、难以预测的数据.而为了实现系统中数据流量的负载均衡,需要对网络流量进行准确预测.提出了基于BP-神经网络的预测算法,对网络流量进行分析、预测.研究结果表明,该方法具有一定的预测能力,基本接近于网络流量的真实数据.     

基于B—P神经网络的非线性系统预测控制的研究

预测控制是以计算机为手段基于模型预测进行控制的方法,但是已有的预测控制算法通常是针对线性渐进稳定对象的,或者即使针对非线性使用了非线性模型,但由于算法过于复杂不能适用于快速系统,本文对复杂非线性系统提出了一种基于Ｂ－神经网络的预测控制方法,仿真和实际结果表明该方法的有效性和快速性,能够实现对非线性系统的实时智能优化控制。     

基于网络方法的疾病基因预测算法分析

目的 分析基于各类生物网络的复杂疾病致病基因预测算法,总结其优势及不足之处,提出改进思路及未来的研究方向。方法 深入分析当前基于网络的疾病基因预测算法原理,包括不同生物网络的构建、算法原理的基本假设、3个代表性算法及基于其发展出的最新方法。结果与结论 分析发现当前算法存在的3个不足并指出解决此不足的2种思路。     

基于克隆选择的免疫预测控制方法

将克隆免疫算法与预测控制结合,提出了一种免疫预测控制方法.该算法利用克隆选择算法实现预测控制的滚动优化,避免了求Diophantine方程及逆矩阵的复杂推导.仿真结果表明,该方法对时滞系统、非最小相位系统、不稳定对象、非线性系统、MIMO系统都能达到理想的控制效果,对外部干扰及建模误差具有很好的适应性.     

具有多神经网络的自适应预测控制

提出了一种将多神经网络，自适应控制和预测控制相结合的方法，用以解决复杂系统的控制问题，并从数学模型、网络结构及算法进行了研究、最后给出了模拟结果。     

可解释性预测分析方法的研究

为突破现有预测分析方法中可解释性不足的瓶颈，基于粗糙集理论，提出了一种全新的可解释预测分析的框架。该框架可进行拓展和优化，灵活性和适用性强，为研究面向复杂系统的预测分析提供了新的研究思路和方法。为了验证所提出的预测分析方法的有效性和可行性，文中将该方法应用于聚类预测分析中，并将其与现有常用的聚类算法进行对比研究，然后利用聚类有效性指标进行对比评估。实验结果表明，文中提出的预测分析模型在聚类预测分析中具有一定的优势和特色。     

预测,去耦,智能模糊控制理论

为了解决像发动机试验台这样复杂的控制问题，提出了一种多输出，多输出，紧耦合系统的预测，去耦，智能模糊控制算法，此算法对复杂系统具有很好的适应能力，从而为在发动机瞬态工况试验台上实施瞬态控制提供了一种理想控制算法。     

基于复杂系统的短期负荷预测研究及系统设计

运用复杂系统理论分析电力系统.采用聚类方法对用电区域进行子系统划分,并通过改进的神经元网络算法和增加天气因素的预测方法进行短期负荷预测.通过算例和电力系统应用,证实了该算法的可行性,较显著地提高了负荷预测的准确率.     

地下水水位预测的人工神经网络模型研究

地下水系统是一个复杂的随机系统，根据地下水水位与其影响因素之间存在的相关关系，建立了一个基于神经网络的地下水水位预测模型，并将其用于研究区地下水水位的预测，结果表明该方法具有较高的预测精度。     

面向复杂场景的基于改进YOLOXs的安全帽检测算法

在工业生产过程中，安全帽是生产工人重要的安全保护工具.针对现有安全帽检测算法在复杂应用场景下对小目标、密集目标以及遮挡目标存在漏检、检测精度较低等问题，提出了一种基于YOLOX＿s的改进算法.首先，通过改进YOLOX＿s算法的模型结构，在原有网络结构的基础上新设立了一个预测特征层，其尺寸为160×160,该预测特征层通过将高层语义信息和低层传递的位置信息进行有效融合来预测小目标；其次，针对复杂的安全帽检测环境，将obj＿loss的BCE＿Loss改为Focal＿Loss,即用Focal＿Loss来训练obj分支来降低漏检；最后，将CSP1＿X中的残差块改为shuffleNet基本单元以缩减参数量.改进后的算法mAP和recall分别提高了1.25%和2.32%,参数量缩减为3.61MB.改进后的算法有效降低了复杂环境下安全帽的漏检率和提高了检测精度，对实际生产过程中保障企业和工人的生命财产安全起到了一定的促进作用.     

基于GMDH的VAR滞后选择方法及实证分析

在VAR的动态模型中，滞后数的选择是成功的关键。对于复杂系统建模，根据GMDH理论的有关数据，用计算机合理地调协变量与滞后变量之间的关系，确定模型的最优动态结构和最优滞后数，以提高预测的准确性。给出了VAR的传统方法与GMDH建模方法，应用经济变量进行实证分析，阐明了GMDH算法的优势在于比传统的方法更完善，预测效果更准确。     

基于IT2-PCM的上肢外骨骼系统T-S模糊建模与预测控制

针对动态特性复杂的上肢外骨骼系统的模型建立、高精度控制和复杂约束处理问题,提出基于T-S模糊算法的改进多变量约束预测控制方法 .提出区间Ⅱ型可能性C-均值聚类算法,获取数据建模过程中的样本隶属度矩阵,建立上肢外骨骼的数学模型.对系统复杂约束问题提出一种约束简化方法,将复杂约束转化为关于参数矩阵μ的约束.提出一种加权基函数法,将基函数思想引入预测控制,推导出上肢外骨骼预测控制器.仿真结果验证了该算法的优越性与有效性.     

车辆数据采集系统中数据压缩技术的研究

针对网络化车辆数据采集系统对实时数据压缩的要求，对数据压缩的基本理论和方法进行了研究，采用字典编码与预测编码串联的方式组成了数据压缩系统，并用C Builder语言实现了该系统，基于字典编码技术的LZSS算法采用了二叉树存储数据，大大缩短了程序的运行时间，预测编码采用简单算法实现了预测器的设计，也减少了计算机的消耗，通过对自动换挡过程监控数据的仿真压缩验证，实验数据经过本系统压缩后达到了较高的压缩比，证明了该系统在车辆数据采集中的可行性。     

商业数据的预测模型及其算法研究

以商务流通中的经济时间序列数据为对象，设计实现了经济时间序列预测系统。在预测系统中采用了多种预测模型，设计实现了包括指数平滑算法、AR(Auto Regression)算法、Holt-Winter算法、回归分析算法在内的各种统计学算法，并且把神经网络引入到时间序列预测系统的模型中，采用动态学习的BP(Back Propagation)神经网络进行训练预测，取得了很好的实用效果。神经网络的预测模型与传统的统计方法相比，在预测的精度上有了很大的提高。     

基于Neuro-Fuzzy方法的Web服务器访问流量预测

Neuro Fuzzy方法是将神经网络和模糊逻辑有机的结合 ,用于解决复杂的非线性问题 ;用它来进行Web服务器流量预测 ,是一种新的思路和方法 .主要介绍了模型构造的基本思想、结构、算法以及实验数据     

关于时序模式发现算法的研究

数据挖掘归属于决策系统,可以从浩瀚的数据库中挖掘出不易被发现的有用信息,并且可以进行预测,为管理层中决策者的决策提供科学依据。针对时序数据中的复杂模式问题,提出了一种时序模式算法,并描绘了算法的基本思想及给出了算法的简单伪代码。在用程序实现后,对算法的优劣进行了分析,为进一步改进和完善算法或者为寻找更为理想的算法提供了有益的启示。     

基于知识的细化与补断算法

论述了三维激光彩色扫描系统(3DLCS)的硬件系统和软件系统的基本构成、基本特点和实现方法．根据被测物体表面对结构光的不同反射特性，应用人工智能的方法将它们分为普通反射面、弱反射面和复杂形状的反射面，在此基础上，相应地给出了基本知识的细化与补断算法．