混合智能在递归神经网络软测量中的应用

针对机理不清且具有复杂非线性关系的过程对象,提出一种基于混合智能的递归神经网络的数据驱动软测量建模方法。利用主元分析处理输入变量之间的共线性问题,设计了Hammerstein模型与递归神经网络的混合结构,用于描述过程对象的非线性和动态关系。为了使模型参数估计达到全局最优,提出了基于收缩粒子群优化算法的参数学习算法,不仅能够实现模型参数的更新,而且能够保证建模误差最小化。通过某氧化铝氯酸钠溶液组分浓度软测量问题中的实际应用表明:混合智能方法有效。     

保护珍稀濒危鸟种 科学看待鸟儿迁徙

<正>每年秋天,天空中就会有成群的鸟儿不断地飞翔,它们飞过陆地和海洋,一直飞到千里万里之外的目的地。次年春天,它们又会按照原路返回夏天的家。它们年年都做着同样的事,这就是迁徙——候鸟在繁殖区和越冬区之间定期进行的迁移活动。迁徙虽然不是鸟类所专有的本能活动,但是作为一个动物类群来说,鸟类的迁徙是最普遍和引人注目的,它们的飞行     

加权Coxeter群(_3,)的胞腔(英文)

仿射Coxeter群(_3,S)可以被看做仿射Coxeter群(D_4,S)在满足条件α(S)=S的某种群自同构α下的不动点集合,设是D_4的长度函数.本文明显地刻画了加权Coxeter群(_3,)的所有左胞腔.同时证明了:加权Coxeter群(D_4,)和(_3,)的所有左胞腔都是左连通的,所有双边胞腔都是双边连通的.     

兔组织工程化骨膜冻存前后异体移植早期外周血T淋巴细胞亚群的检测

本实验应用MSCs及成骨诱导培养的MSCs作为种子细胞与SIS复合构建组织工程化骨膜并冻存,与未冻存的组织工程化骨膜同时植入同种异体新西兰兔皮下,通过对外周血T淋巴细胞亚群的检测,初步探讨其免疫原性。本研究结果表明,以同种异体MSCs及经成骨诱导后的MSCs构建组织工程化骨骨膜冻存前后植入异体兔体内其免疫反应水平低。     

少控制参数的分层式骨干粒子群优化算法

针对传统粒子群优化易于早熟的缺点,提出一种少控制参数的改进骨干粒子群优化算法.该算法利用关于粒子全局和个体极值点的高斯分布更新粒子的位置,无需设置惯性权重和学习因子等控制参数;利用混沌扰动策略产生粒子的全局极值点,提高了粒子群的多样性;为改善算法的全局探索能力,依据收敛速度动态分配每个粒子的变异概率,设计了一种自适应跳离算子;为均衡算法的局部开发和全局探索能力,给出了一种分层式粒子更新公式.最后,将所提算法用于多个典型测试问题,并与三种典型算法进行对比,实验结果证明了它的有效性.     

复与变--“二泉”与“上饶诗人群”六言诗研究

"上饶二泉"及"上饶—玉山"诗人群体现存六言诗106首,这个数量之于六言诗这类冷僻体裁已经相当可观。他们的创作,既通过次韵、破句、好发议论等体现出对元六言传统的宗承,又大胆创新,以隐逸题材、白描手法、率直诗风、清轻格调来实现新变。上饶诗人群六言诗的复与变,体现了南宋中后期六言诗人突破创新的创作方向,为南宋末年六言诗坛刘克庄的文体自觉做好了铺垫。     

PSO-ELM在低压系统短路电流峰值预测中的应用

在短路电流早期检测的基础上,提出一种基于粒子群优化极端学习机(PSO-ELM)的短路电流峰值预测方法.利用短路电流暂态特性分析确定预测模型的输入特征量,采用粒子群算法对极端学习机的输入权值和隐层偏置进行优化,最后,将提出的预测算法应用于低压多层级实验平台,并且与传统BP、 ELM算法进行比较.实验结果表明,基于PSO-ELM模型的短路电流峰值预测方法能够在全相角范围内准确地预测短路电流峰值,可作为低压多层级系统全选择性保护的短路故障预测算法.     

导弹武器模拟训练考评系统设计

为提高某导弹模拟训练系统中评估的客观性与准确性,确立以准确性、熟练度和操作人员状态为主的评价指标体系,构建适当的数学模型计算各子指标分值,将子指标定量化,解决由考官进行评判时存在的主观性强、标准不统一等缺点。利用专家系统,对考评过程中需要的专业知识和评价规则进行存储,实现了评分过程的自动化。针对层次分析法(analytic hierarchy process, AHP)需要多次赋值保证一致性和群组决策特征根法(group eigenvalue method, GEM)结构模糊的缺点,提出了基于AHP和GEM融合算法的权重设置方案,利用AHP-GEM算法对各子指标得分进行加权评估,最终形成了一套合理有效的模拟训练评估系统。最后,通过与考官人工评分的方法进行比较,验证了所提评分系统的合理性和准确性。     

基于粒子群优化的圆阵列波束形成方法

围绕均匀圆阵列(uniform circular array, UCA)在波束形成中存在的波束主瓣宽、旁瓣电平高的问题,提出了一种基于粒子群优化(particle swarm optimization, PSO)算法的圆阵列波束形成方法。通过对UCA的输出信号进行模式空间变换,将UCA数据转换为虚拟均匀线阵数据形式。利用PSO算法充分挖掘均匀线阵各阵元间数据信息,进行阵元拓展,从而实现阵列阵元数及孔径尺度的增加,实现降低阵列波束主瓣宽度及旁瓣电平的目的。实验结果表明,在适当增加计算复杂度的前提下,利用PSO算法对阵列进行阵元拓展可以显著地提高波束形成质量,且适用于自适应波束形成。     

基于共识粒子群的全局优化求解方法

针对粒子群优化(PSO, particle swarm optimization)和高效全局优化(EGO, efficient global optimization)两种算法的特点,提出一种共识粒子群和局部代理模型协同的全局黑箱优化算法(CPSO-LSM, consensus particle swarm optimization and local surrogate model)。该算法固定PSO算法周期对粒子进行分群并在粒子达成共识后停止,将每群粒子周围的优质子区域输出作为代理模型的建模区域,通过比较各区域最优值获得高质量最优解甚至全局最优解。不仅避免了PSO冗长的计算过程、提高了建立代理模型的速度和精度还可以避免陷入局部最优。通过对比其他算法在标准测试函数的仿真结果,CPSO-LSM具有较好的收敛速度和求解精度。