准对角递归神经网络及其算法的研究

提出一种准对角递归神经网络(QDRNN)结构及学习算法。此QDRNN结构上与对角递归神经网络(DRNN)相似，保留了DRNN结构简单的优点，以减小计算量，同时增加了相邻递归神经元之间的关联，可以直接应用BP学习算法进行训练。进一步，引入递推预报误差(RPE)学习算法，并且证明了其稳定性。仿真结果表明，QDRNN比DRNN具有更好的非线性逼近能力，而运算时间却增加甚微，DRNN的学习算法稍加变化即可应用。     

基于统计学习理论的小波神经网络优化

传统的离散仿射小波神经网络训练都是建立在大样本基础上的,当样本数量较少时,不能保证网络的泛化能力。在研究统计学理论的基础上,提出了以结构风险最小化为目标的训练方法。首先根据样本数据和小波基函数的时频局部化特性构造隐含层函数集,并按照小波基函数的能量大小来建立函数嵌套结构,然后采用自适应正交最小二乘法来训练网络权值,保证训练的小波神经网络结构风险最小化。仿真表明该方法不仅具有较高的收敛速度,而且最大限度地保证了网络的泛化能力。     

LMGS吸引子混沌特征的定量观测

对孙海坚等人给出的Logistic映射图形集(theLogisticMapGraphSet,简称LMGS)的定义进行了扩展,并利用扩展的LMGS的定义构造出许多美丽的2DLMGS图形·这些美丽的图形根据其生成方式不同,可分成两类图形和吸引子·本文探讨了图形与吸引子之间的联系,发现图形的边缘与其对应的吸引子相似;并由一维可观察量计算系统混沌定量判据的方法,计算了吸引子的Lyapunov指数和关联维数,结果表明吸引子具有混沌动力学特征     

基于不对称边界的变精度粗糙集的参数选择

不对称边界的变精度粗糙集是Pawlak粗糙集、变精度粗糙集的推广,在l和u参数作用下,使粗糙集模型更加一般化,完善了近似空间的概念。基于不对称变精度粗糙集模型研究的基础上,提出了分类质量和依赖度的方法对不精确信息进行度量,对决策表进行约简。在l,u值的选取,提出了单参数控制的方法,通过l,u-质量图分析和计算验证了方法的有效性。     

基于信息博弈的多源信息融合方法

针对多传感器信息融合系统中的信息冲突,结合博弈论的原理,在考虑信息冲突环境下局中人最优策略和最优支付的情况下,提出了求解信息冲突环境的信息博弈融合方法.首先通过信息熵的形式将多信息器表示成多源信息,并将多源信息的信息冲突过程抽象成为信息博弈过程,多传感器系统通过信息博弈的过程实现整个系统的信息收益最大化.通过对空调机调速器运行工况评价的实验分析,证实该方法在保持调节性能的同时,能从冗余的多源信息角度对系统的被控参数做出调整,各种动态品质特性优于传统的方法.     

关于偏好信息全序化的加权TOPSIS新方法

针对通过辨识矩阵无法求取偏序集,不能进行后续的偏好信息全序化算法的普遍问题,提出了基于粗糙集的加权TOPSIS偏好信息全序化方法。首先根据属性间差异程度计算各个属性的权值,然后再对信息系统进行加权TOPSIS排序分析。克服了原算法对信息表本身的过严限制,扩大了偏好信息全序化的粗糙集方法的应用范围。最后通过在球团厂中链蓖机-回转窑系统信息表的应用验证了该方法的有效性。     

一种基于神经网络的直流传动控制系统

基于梯度学习算法,提出一种具有自适应功能的ＰＩＤ控制器。它采用一种改进型神经网络,在线学习相控整流直流传动系统的动力学特性,继而给控制器提供必要的灵敏度信息以实现自适应补偿控制。从而提高整个控制系统在参数变化及受到负载扰动时的鲁棒性,改进型神经网络由两个子神经网络综合构成;一个是应用递推最小二乘算法的线性神经网络;一个是应用动态ＢＰ算法的动态递归网络。对基于相控整流直流传动系统的自适应控制实现策略     

基于FNN自适应控制的HEV控制策略

非线性多变量控制系统是复杂控制系统,其原因是系统中包含有多个子系统,若使整个系统及子系统的性能最优,常规的控制方法难以实现·提出了采用基于模糊神经网络(FNN)的控制方案,并且为了对FNN的参数辨识及提高FNN的收敛速度,采用了免疫遗传算法(IGA)进行寻优·混合动力电动车辆(HEV)的多能源动力总成控制系统是一个典型的复杂系统,对其进行最优控制是一个难题,以此为对象进行了仿真研究,结果表明该种控制策略的有效性·     

基于一类GA-RBF神经网络的转炉炼钢静态模型控制

讨论了具有非线性、大时滞、不确定特性的工况复杂的转炉炼钢过程建模与控制问题.针对传统的控制方法控制效果差、精度不高,难以达到期望结果的问题,结合RBF神经网络的特点,提出用基于混合编码方式的混合遗传算法训练的RBF神经网络,同时优化网络的结构和参数,并利用RBF神经网络建立转炉炼钢静态模型.仿真结果表明,该模型具有在线调整和学习的功能,比传统模型具有更好的计算精度和适应能力,为提高转炉冶炼过程的控制精度给出了一个有效的方法.     

基于SFCM自适应矢量量化码本训练方法

自适应矢量量化在语音信号处理中有广泛地应用 ,提出一种基于ＳＦＣＭ算法的自适应矢量量化码本的训练方法 ,其特点是通过模糊聚类方法 ,重新调整训练样本与码字之间的隶属度 ,达到最小编码失真 ,使码本更适合新说话人 ,且计算简单·本方法的实验结果表明 ,可以使编码平均失真下降·基于SFCM自适应矢量量化码本训练方法@李晶皎 @夏晓东 @顾树生