支持向量机控制与在线学习方法研究的进展

支持向量机以其模型结构简单、较好的推广能力和全局最优解等特点已经被用来进行智能控制的研究,主要包括采用支持向量机回归的非线性时间序列的建模与预测、系统辨识等建模方面的研究以及优化控制、学习控制和预测控制等方面的研究以及采用支持向量机的故障诊断的研究。由于现有SVMR基于二次规划的优化方法不适合控制过程的在线训练,因此出现了对SVMR在线训练算法的研究。分析了国内外这些研究内容的最新研究进展,旨在探讨归纳支持向量机在控制领域研究的主要成果和存在的问题,以便为进一步的研究提供一定的支持与帮助。     

基于RBF神经网络的水体污染物含量建模与预测

对水体中污染物含量进行预测具有十分重要的意义。将时间序列作为RBF神经网络的输入,对水体污染物含量的预测做了建模研究。实验结果表明,RBF神经网络的输出值与实际值之间的误差在可以接受的范围,因此在实际应用中,可以将RBF网络方法作为一种考虑采用的方法。     

Banach空间中独立和的完全收敛性

本文讨论了可分Banach空间中jid随机变元列的完全收敛性,得到了文[4]的结果在可分tyPe—t Banach空间中成立。     

组合投资策略下的最终破产概率问题研究

在全部资产分别投资于股票市场和无风险债券的情形下,研究了保险公司的最终破产概率和组合投资策略.假设风险投资现值为常数族,利用鞅方法得到了最终破产概率的指数型上界,并且解出了最优组合投资策略.为保险公司提供可以控制风险的合理投资策略.最后给出了算例阐述该结果.     

模糊神经网络在运动员脚力信息识别中的应用

采用了一种基于模糊神经网络的方法进行运动员脚力信息的识别，该方法利用模糊隶属度函数扩张和收缩以及前向网络的误差反馈原理，构成了一种改进的模糊神经网络结构，采用了分级的训练和学习方法，运用于举重运动员抓举动作的识别中，并获得了较理想的效果。脚力信息的识别是笔者提出的基于计算智能的数字运动员人体模型的前提和基础。     

基于数据依赖核支持向量机回归的风速预测模型

针对风速随机性大、影响因素多、预测准确度不高的情况,基于支持向量机与信息几何的统计学关联性,从信息几何学角度分析核函数的几何结构,构造数据依赖核函数,并与支持向量机回归相结合,形成数据依赖核支持向量机回归(Data Dependent Kernel-SVR,DDK-SVR)方法.将该方法用于风速预测中,建立DDK-SVR风速预测模型,并将预测结果与传统支持向量机、神经网络方法进行对比.结果表明,DDK-SVR方法具有更高的预测精度.     

基于OS-LSSVMR内模控制的温室环境控制方法的研究

由于温室环境的复杂性,传统的控制方法很难对其进行有效的控制。基于OS-LSSVMR内模控制具有模型简单、鲁棒性好等特点,将其应用于温室环境的控制具有重要的意义。温室环境的OS-LSSVMR内模制控制方法,针对温室环境不易精确建模和不确定性的特点,构造温室环境输入输出的样本数据,采用OS-LSSVMR建立温室环境的正逆模型,用逆模型作为控制器,正模型预测输出,将预测误差作为控制的反馈,在模型偏离实际系统的情况下在线进行调整。通过三种SVM温室环境内模控制的仿真,说明了温室环境的OS-LSSVMR内模制控制效果较好,适合进一步在温室环境控制中推广应用。     

宽象限相依随机变量部分和的中偏差及其在 保险中的应用*

研究了控制变换尾分布的宽象限相依实值随机变量部分和的中偏差. 相应于所得到的理论结果, 进一步给出了在相依保险风险模型中的两个应用: 一是在基于顾客到达过程的保险风险模型中, 保险公司盈余的渐近估计; 二是在复合更新风险模型中, 有限时和无限时破产概率的一致渐近估计.     

经典更新风险模型中带有随机利率的破产概率

研究了保险公司的有限时间破产概率.在利率为不确定的情形下,利率用随机过程描述,对保险公司的盈余用经典更新风险模型建模.假设索赔额具有正则变化尾的分布,不同于传统的方法,利用随机权和的结果得到了有限时间破产概率的尾等价式.为精确估计破产概率提供了有效的途径,推广了经典的结果.