独立假设下的最优变步长LMS模型和算法

为了解决LMS(least mean square)算法中收敛速度和稳态误差之间的矛盾, 基于独立假设, 以最小均方误差为准则, 提出并证明最优步长定理, 说明最优步长和均方误差之间存在一一映射的关系; 以此构造最优变步长LMS(optimal variable step-size LMS, OVS-LMS)模型, 确定了变步长LMS算法收敛速度的理论极限; 讨论了最优初始相对步长的选取方法和未知系统跳变时最优步长的计算. 根据导出的两个最优步长迭代式, 提出OVS-LMS算法. 仿真结果表明, 该算法和OVS-LMS模型的学习曲线基本一致, 证明该算法是独立假设条件下的最优变步长LMS算法.     

步长选择定理及其应用——平行变步长LMS滤波器组算法

从独立假设出发, 基于均方误差最小准则, 提出并证明LMS(Least Mean Square)算法的步长选择定理, 揭示了较优步长和均方误差的关系. 由此构造一种平行变步长LMS滤波器组算法, 并对算法的理论模型进行了详细分析. 仿真结果表明, 该算法模型的理论曲线和最优变步长LMS (optimal variable step-size LMS, OVS-LMS)模型的学习曲线基本重合, 实验曲线也显示了最优的收敛性和很好的跟踪性能. 因而该算法是最优变步长LMS模型的一种较好的实现形式.     

多输入多输出系统中基于长方阻塞矩阵的酉多级Wiener降秩联合检测算法

针对传统均衡算法复杂度高、收敛速度慢的问题,提出了一种基于长方阻塞矩阵的多级Wiener降秩联合检测算法,其中的多级Wiener滤波器通过相关相减结构来实现,即酉多级Wiener滤波器.该算法选取酉多级Wiener滤波器阻塞矩阵中的一个长方子阵作为阻塞矩阵,使得酉多级Wiener滤波器前向递推分解中接收信号向量的维数逐级降低,从而在降低了均衡的迭代复杂度的同时,加快了算法的收敛速度.理论分析和仿真结果表明,基于长方阻塞矩阵的酉多级Wiener联合检测算法具有复杂度低、收敛速度快的优点.在具有4根发射天线、8根接收天线,并且采用BPSK调制的V-BLAST(vertical Bell labs layered space-time)系统中,采用本算法仅用基于酉多级Wiener滤波的均衡算法一半的计算复杂度在高信噪比处即可达到与其相同的误码性能.     

自适应频域块LMS算法在抵消干扰方面的研究

分析了无线通信系统中自适应滤波算法中的LMS算法,并提出了利用自适应抵消输入信号中的干扰而获取有用信号的在频域实现的干扰抵消方法,该方法基于时域中的数据块最小均方误差LMS算法和该块LMS算法中存在线性相关和线性卷积的过程,通过1/2重叠保留法的快速傅立叶变换FFT,在频域以直接相乘的计算方式实现快速相关和快速卷积,利用自适应滤波器在频域实现LMS算法.通过实验仿真比较可以看出,该频域块LMS算法不仅保证了与时域自适应滤波算法有相同的收敛性,而且由于利用了快速FFT技术,使运算量大大减少.     

一类基因表达式程序设计的收敛速度

利用Markov链与谱分析理论研究基于精英保留策略的基因表达式程序设计算法(ME-GEP)的收敛速度,获得了以下结果:(1)ME-GEP算法依概率收敛到全局最优解;(2)ME-GEP算法的收敛速度由算法对应的Markov链的状态转移矩阵的修正谱半径决定;(3)给出了修正谱半径的一个上界;(4)作为文中理论成果的应用,分析了多项式函数建模问题的ME-GEP算法的收敛速度,进一步证实了算法收敛速度与算法参数的依赖关系。     

DLMS/COSEM在三相智能电表中的应用与实现

为了实现智能电表的互操作性和易扩展性,提出了一种DLMS/COSEM标准协议在三相智能电表中实现的新方法.智能电表硬件以单片机和计量芯片为核心,软件采用严格的分层设计,并引入任务调度和消息处理机制,最大限度地降低了各模块间的耦合度.本智能电表作为智能电表平台进行二次开发,能有效地减少开发工作量,从而快速满足不同地区的需求.智能电表已通过DLMS的CTT测试,表明符合DLMS规范.     

基于广义能量函数的快速自适应主分量提取

通过引入一个任意对角矩阵, 提出了一种广义能量函数(GEF)来优化一个两层线性神经网络的连接权矢量, 推导出一种递归最小二乘(RLS)算法, 不需要设计非对称电路, 即能并行提取一个输入协方差矩阵的多个主分量. 分析了算法在平衡点的局部稳定性能. 实验结果表明该算法具有收敛快、稳健性好等优点.     

基于L-M算法的EV71传播预测模型

本文基于神经网络L-M优化算法,提出一种时EV71病毒的有效预测模型,利用matlab进行仿真模拟,结果和阜阳病毒感染情况非常符合.神经网络L-M优化算法克服了神经网络BP算法收敛速度慢的缺点,同时通过学习训练,本模型的神经系统具有有效性和通用性的特点.     

基于Wasserstein距离的在线机器学习算法研究

本文主要研究基于Wasserstein距离的在线机器学习算法,并分别针对分类和回归问题,提出两个鲁棒的在线学习算法.本文首先在特征-标签空间中对Wasserstein距离进行变形,得到了易于处理和计算的变形式.进而,将在线梯度下降(online gradient descent, OGD)算法和Wasserstein距离变形式结合,分别针对在线分类问题和在线回归问题提出了两种具有较好鲁棒性的在线机器学习算法.文章对提出的新算法累积误差值(Regret,后面用Regret指代)进行了分析,证明了算法的Regret与训练轮次T满足O(■)关系.算法的收敛性可基于算法Regret分析得到,可证明在算法训练轮次T趋于无穷时,算法训练出的模型会收敛到理论最优模型.最后,将所提出算法与FTRL(follow-the-regularized-leader)算法、OGD算法、采用批量学习训练方法的机器学习算法进行数值实验对比.在模拟数据集和真实数据集的实验中,所提出在线学习算法准确率、鲁棒性和模型泛化性能均优于FTRL算法和OGD算法;针对大规模数据集时,虽然所提出的在线学习算法准确率与批量学习相关算...     

结合交替分离(AS)和交替投影(AP)算法的ASAP算法

分析了交替分离(AS)算法与交替投影(AP)算法的一些性质. 根据这些分析结果, 提出了将交替分离与交替投影算法有机结合形成所谓ASAP算法, 以克服交替分离算法收敛速度较慢而交替投影算法又易于陷入最大似然代价函数的局部极值的缺陷. 分析了这种结合的逻辑合理性. 计算机仿真也验证了ASAP算法能够以较少的迭代次数得到信号参数较理想的估计.     

激活函数可调的神经元网络的一种快速算法

将激活函数可调的神经元网络的结构做了一个变形, 给出了网络学习的一种快速算法, 并对异或问题, Feigenbaum函数和Henon映射进行仿真实验, 结果表明, 该算法具有很快的收敛速度, 很高的收敛精度, 性能优于BP算法. 在此基础上, 将变形后的网络再进行改进, 实验表明改进后的网络具有更好的性能.     

混合量子遗传算法在软硬件协同综合中的应用研究

针对多处理器嵌入式系统,结合拟 Newton算法,提出了混合量子遗传算法(MQGA)在系统设计中的解决方案,并引入了模拟退火技术.实验结果表明,MQGA能有效解决软硬件划分问题,提高了求解质量和算法的收敛速度,降低了计算代价,保证了算法的自适应性和全局最优性     

基于SA-GA-FCM的煤矿组织管理因素安全等级预测研究

为进一步细化和提高煤矿安全管理,运用模糊c-均值聚类算法(FCM)的分类功能对煤矿安全管理的等级进行预测;利用模拟退火算法(SA)、遗传算法(GA)来克服FCM的初值局部搜索问题,使之能够快速收敛到全局最优解。结果表明,SA-GA-FCM具有较高精度,能够较好地对煤矿组织管理因素的安全等级进行预测,对煤矿的安全管理具有较强的指导意义。     

基于修正随机梯度的永磁同步电机参数辨识

永磁同步电机为典型的多变量参数时变的非线性系统,为了获取其参数有效信息,以保证控制系统的高效运行,结合永磁同步电机系统电压方程,构建系统回归模型,采用随机梯度辨识算法辨识其模型参数,同时引入收敛指数构建修正随机梯度算法以提高辨识过程的收敛性能。仿真结果表明,收敛指数能有效提高算法辨识收敛的速度和精度。     

最小迹扩展集员估计

针对扩展Kalman滤波器(EKF)在进行非线性估计时一致性较差的问题,提出了适于一类高阶非线性系统的最小迹扩展集员估计算法(LTESMF).该算法通过引入反馈机制实现观测更新,避免了椭球相交计算.算法用估计误差定界椭球参数矩阵的迹作为优化目标,迭代优化反馈系数.本文还提出用随机状态边界度量的收敛性来评价随机系统稳定性.并用该方法证明了LTESMF的估计误差能收敛到有界区域内.最终仿真结果表明,LTESMF的估计结果的稳态精度接近EKF,计算算效率与EKF相当,估计结果的一致性和收敛速度明显高于EKF.     

一种基于PIO改进强化学习的航天器复杂多约束姿态机动规划新方法

本文针对多个姿态约束条件下的航天器姿态机动规划问题进行了研究,提出了一种基于鸽群算法的改进的策略梯度强化学习算法(PIOPGRL).首先,针对强制指向约束和禁止指向约束,建立了基于角度的姿态约束模型,根据约束模型建立了强化学习的回报函数.然后,使用适应度函数替代策略评价函数,将鸽群算法与强化学习相融合.针对策略梯度强化学习算法计算量大、收敛速度慢的问题,使用鸽群算法求解策略梯度,极大减少了计算量.仿真结果表明,相比于策略梯度强化学习算法,基于自PIO改进强化学习的航天器姿态机动规划算法(PIOPGRL)在极大减少计算量的同时,有更优的规划结果,更小的机动代价,适用于微小航天器解决多个姿态约束条件下的姿态机动规划问题.     

基于变分的图像分割算法

提出了一种新的基于变分的图像分割算法. 该算法以图像的边缘点为插值点，通过极小化一个能量函数产生光滑的阈值曲面，进而实现图像分割. 为了使所产生的阈值曲面保有原图像的边缘信息，同时又不过度锐化图像的边缘，采用非凸的能量函数，并通过引入二元能量函数，提出一种全局收敛的松弛算法，将一个非凸优化问题转化为一系列本质上的凸优化问题，从而克服了采用传统的梯度下降法会出现收敛速度较慢、甚至不收敛的困难. 实验结果验证了算法的有效性. 此外还初步探讨了相应优化问题求解过程中的参数确定问题.     

弱条件下随机梯度算法性能分析

在弱条件下,利用随机鞅理论详细研究了随机梯度辨识算法的收敛性能.分析表明,只要信息向量是持续激励的(或数据乘积矩矩阵条件数有界),过程噪声是零均值不相关的,那么参数估计一致收敛于真参数.这一结论并不要求一些文献中所作的苛刻假设成立,既没有假设噪声方差和高阶矩存在,又没有假设系统是平稳和各态遍历的,也没有假设强持续激励条件成立.这一贡献放松了随机梯度算法的收敛条件.噪声方差有界和无界时的仿真例子证明了提出的收敛结论.     

基于具有时间隧道思想的多智能体强化学习的智能发电控制方法

解决雾霾问题的重要途径之一是大规模引入新能源,以减少碳排放.而新能源大规模接入会给互联电网带来强随机扰动.本文提出一种基于时间隧道的多智能体新算法——PDWoLF-PHC(λ)算法.该算法基于变学习率,有效获取最优控制,可解决传统集中式AGC难以解决的新能源及分布式能源大规模接入互联电网所带来的随机扰动问题,促进新能源与电力系统兼容.对改进的IEEE标准两区域负荷频率控制电力系统模型、智能配电网模型以及华中电网模型进行仿真,结果显示该算法可减少碳排放,提高新能源利用率,与已有智能算法相比具有更快的收敛速度及更强的鲁棒性.     

基于粒子群寻优机制的图像分割方法

利用粒子群优化（eso）算法全局寻优、快速收敛的特点,结合模糊C-均值（FCM）图像分割算法提出一种新算法,用PSO算法代替了FCM算法的基于梯度下降的迭代过程,使算法具有很强的全局搜索能力,很大程度上避免了FCM算法易陷入局部极小的缺陷;同时也降低了FCM算法对初始值的敏感度。实验结果表明,与FCM相比该算法聚类更准确,效率更高,具有较高的分割速度和良好的抑制噪声的能力。