MLP语音信号非线性预测器

讨论了MLP（Multi-Layer Perceptron)语音信号非线性预测器的实现。为了使MLP能够适用于语音信号预测,对MLP的误差准则进行了修正以减轻神经网络模型与语音模型之间的过匹配。为了提高MLP的训练速度,提出了一种线性化逐层优化（LOLL）MLP训练算法。实验结果显示该非线性预测器的预测信噪比约比线性预测器提高2dB,而且它还可以同时完成长时预测器的功能;误差准则修正使非线性预测器的预测信噪比提高了0.35dB。     

线性化逐层优化MLP训练算法

提出了线性化逐层优化ＭＬＰ训练算法（ＬＯＬＬ）．ＬＯＬＬ采用循环方式逐层对ＭＬＰ的连接权值进行训练．训练连接权值时用一阶泰勒级数表示神经元的非线性激活函数以实现神经网络的线性化,使ＭＬＰ的训练问题转化为一个线性问题．同时,为保证神经网络线性化条件不被破坏,ＬＯＬＬ通过在神经网络的误差函数中计入部分线性化误差限制参数的改变幅度,对神经网络的误差函数进行了修正．实验结果显示,ＬＯＬＬ训练算法的速度比传统的ＢＰ算法快４倍,用它构成的语音信号非线性预测器有较好的预测性能．     

角度传感器的软件非线性校正

本文介绍了一种线性范围可调,且误差容易控制的校正方法,在单板机上实现了软件校正法,比用硬件校正简单、方便、精度高,能较好地应用在井筒的“连续测量”上。     

光电跟踪传感器的非线性校正

利用二极管及结型场效应管的非线性特性,对光电传感器输出信号进行了非线性处理,有效地消除了由于传感器中光电三极管的非线性而引起的附加干扰,提高了传感器的抗干扰能力,增强了实际应用的适应性。     

基于SVD和MLP的多分类能量信息泄漏评估方法

针对现有基于深度学习的能量信息泄漏评估方法易导致泄漏被隐藏,且神经网络的训练效率偏低的问题,提出一种基于奇异值分解(SVD)和多层感知器(MLP)的多分类能量信息泄漏评估方法．首先基于SVD对原始能耗数据进行投影,并筛选出部分特征以减小数据处理量;然后根据所对应明文的不同将投影后的数据分为多组,并用“多分类”MLP对其进行泄漏评估．分别基于仿真能耗、ASCAD能耗和Chipwhisperer能耗进行验证,结果表明：相比现有深度学习评估方法,该方法检测出泄漏所需能量迹样本量分别减小了18.5%,17.1%和13.6%,评估耗时分别减少了7.1%,18.8%和21.1%.     

基于反馈调节器的应变式位移传感器非线性校正

因受自身材质、工艺等条件的限制以及温度等外界环境影响,应变式位移传感器的输入-输出特性存在非线性误差.采用最小二乘法建立传感器正模型、逆模型及传统方法补偿后的传感器输出误差模型.在此基础上根据反馈控制理论引入反馈调节器,利用传感器正模型与输出误差模型对系统非线性特性做进一步补偿,实现对传统非线性校正方法的改进.同时,通过调节反馈系数改变反馈调节器的作用强度,可抑制系统零点漂移.研究结果表明,经含有反馈调节器的非线性校正环节作用后,系统的非线性特性及零点漂移得以改善     

智能化仪表传感器非线性校正的实现

本文描述了传感器非线性特性预处理的方法．实践证明该方法适用于标准或非标准特殊传感器,处理结果使智能型仪表的测试精度有显著提高．     

一种基于非线性规划的数据校正联合算法

在工业生产的测量控制过程中,数据校正技术作为一种有效的改善测量数据质量的技术,逐渐被重视和研究.本文借鉴了其它数据校正方法的理论思想,在结合序贯二次规划(SQP)方法求解最优化问题的基础上,将数据调和与显著误差检测有机的糅合,提出一种循环迭代处理的联合算法,使数据调和在快速与有效的基础上具有较高的显著误差检测功效.     

多传感器ARMA信号自校正分布式融合Kalman滤波器

对含未知模型参数和未知噪声方差的多传感器自回归滑动平均（ARMA）信号,应用递推辅助变量(RIV)算法得到局部模型参数估值器,用相关方法得到局部噪声方差估值器,然后用取局部估值器的平均得到信息融合估值器。将这些融合估值器代入ARMA信号的全局最优分布式融合Kalman滤波器,提出了一种自校正分布式融合Kalman滤波器。用动态误差分析方法证明了它收敛于全局最优分布式Kalman滤波器,因而它具有渐近全局最优性。一个目标位置跟踪系统仿真例子说明了其有效性。     

基于误差函数的自然梯度法及其在MLP学习中的应用

在激活函数选为误差函数的条件下,给出了求Fisher信息矩阵逆的算法,并进行仿真验证.首先将自然梯度法应用于多层感知器学习中,并与BP(back-propagation)算法进行了比较,说明了自然梯度法能够加快学习速度,并且可能避免学习中出现平坦区现象,即使出现平坦区,也不会很严重.仿真验证了自然梯度法上述良好的学习性...     

基于MLP实现水轮机适应式PID调节策略

提出一种基于ＭＬＰ模型实现适应式ＰＩＤ控制的策略．该策略不需要被控对象的精确模型，以经典的ＰＩＤ为基础，用神经网络实现，在给定评价函数下进行自学习．把它应用于单机运行的水轮机组频率扰动和负荷扰动仿真试验中，结果表明该策略对于被控系统的严重非线性有很好的适应性和鲁棒性     

大电网并列运行水电机组功率智能预测控制

综合最小二乘法和多层前馈神经网络的优点，提出一种适合于快速非线性预测的智能预测器；并基于它对水轮发电机组有功功率的预测，研究出一种简单实用的仿人智能开关控制策略．由此组成的控制系统有很好的智能性和预见性，且在目前条件下易于现场改造．把它应用于湖南某电站的机组功率调节中取得了满意的控制效果     

基于FLANN数据融合的微重力落舱动态测重补偿及校正

提出了一种用函数连接型神经网络(FLANN)数据融合及直线回归分析技术相结合实现微重力落舱动态测重的补偿及其非线性校正的方法.该方法将测重传感器输出的线性段特性用回归方法进行拟合,得到直线校正方程;对测重传感器非线性特性采用FLANN数据融合,从而实现测重传感器温度补偿与非线性校正.该方法用于微重力落舱动态测重结果分析表明,该方法是切实有效和可行的.     

基于多层感知器的异常数据实时检测方法

基于神经网络的多层感知器模型,结合滚动学习 预报机制,提出了一种异常数据实时检测方法.该方法在每个当前时刻通过最近的固定长度的历史数据训练神经网络,完成下一时刻的预报.通过神经网络模型残差,确定概率为P的置信区间.当下一时刻数据落入置信区间内,则该数据被判为正常;反之,则为异常.被判为异常的数据不再用作更新历史数据,而以相应的预报值代替.通过某300 MW燃煤火力电站实际过程数据的在线验证,结果证明了所提出方法的有效性.     

基于多传感器数据融合的火灾报警系统设计

介绍了基于嵌入式的多传感器数据融合火灾报警系统的硬件及软件设计方案,并利用数据融合算法,对用于探测火灾信息的多传感器的数据进行处理,使火灾的判断具有较高的准确性和快速性。     

Mining the Change of the Quality of Stored Grain

The quality of grain changes continually during its storage, including the change of its physical characteristics and physiological characteristics. This paper presents an approach to predict the change of the quality of stored grain with data mining technology. Logistic Regression, Decision Tree and Muitilayer Perceptron are applied to predict the change of the grains＇ quality control index and to obtain the grains＇ quality change probability. The grain sampling with higher probability can be processed earlier.     

基于数据融合理论对空气流量传感器进行温度补偿的研究

介绍了热线式气体流量传感器的敏感机理,它是根据热平衡原理在电流和气体流量之间建立确定的函数关系,由此得出了传感器的数学模型．在实际应用中,温度的变化会影响到气体的热传导、密度等特性,导致传感器输出信号的变化．提出了将数据融合理论应用于传感器的温度补偿,对流量和温度同时进行监测,采用线性回归分析法,建立气体流量与传感器输出之间的关系,有效地消除温度变化的影响,提高传感器的精度．给出了系统实现的方法和实测数据,进行了有益的尝试．     

基于模拟退火遗传算法的凸多面体间碰撞检测算法研究

提出用顶点的凸包来表示凸多面体,将两凸物体间距离的问题归结为一个带约束条件的非线性规划问题。利用模拟退火遗传算法对该问题进行求解,即利用模拟退火的接收准则来交叉、变异。结果表明,该算法有较高的计算效率和计算速度。     

基于非线性模型的汽车空气悬架系统模糊控制研究

文章采用了一种直接把空气弹簧的非线性力放入系统模型中进行分析和计算的方法,在非线性模型上分别施加一般模糊控制和参数自调整模糊控制,并比较两种控制方法对车辆行驶平顺性的影响;运用Mat-lab/Simulink软件对系统进行平顺性分析,其结果发现运用非线性方法更能真实反映车辆在实际行驶中的振动响应情况,而施加参数自调整模糊控制较一般模糊控制能进一步改善车辆行驶平顺性。     

无导师几何校正的多项式逼近法

从多项式逼近的思想出发，利用遗传算法在多项式系数构成的高维空间中依据表征象点均匀分布程序的均匀分布了池数搜索全局最优的一组多项多系数，并用与之相应的多项式来逼近未知的逆变形函数，从而达到无导师几何校正的目的。