混合计算智能学习算法在系统辨识中的应用

提出既具有较快的收敛性,又具有良好的全局收敛特性的混合计算智能学习算法,并将其应用于系统辨识。仿真结果表明,此方法是有效可行的。     

非线性BP算法在系统辨识中的应用

研究利用非线性ＢＰ算法训练多层前馈神经网络,对非线性动力系统进行建模,给出了基于非线性ＢＰ算法的系统辨识计算步骤,通过仿真计算表明,基于非线性ＢＰ算法的系统辨识至少可以获得与常规ＢＰ算法同样的效果,因为不需要计算神经元激活函数的导函数,文中的结果可以更小的代价实现基于神经网络的控制器。     

基于IGA的多层神经网络BP算法及在系统辨识中的应用

本文针对用GA训练NN权值时 ,花费的代价随精度的提高而剧烈增加的缺陷 ,提出了一种利用IGA较强的全局搜索能力和IBPA较强的局部搜索能力的结合算法 ;先利用IGA优化多层前馈神经网络的权值 ,然后再用IBPA提高搜索精度 ,有效地避免了IBPA易陷入局部极小点和IGA过早收敛的缺点 ,实验结果表明 ,此算法是有效的     

遗传算法在系统辨识中的应用

基于遗传算法,采用改进的遗传算子,提出了一种辨识系统参数的方法,该方法能有效地克服有色噪声的干扰,获得系统参数的无偏估计。仿真结果说明了该方法的有效性。     

遗传算法在系统辨识中的应用

对遗传算法的机理和实现步骤进行了介绍,综述了遗传算法在系统辨识中的应用.针对不同的辨识模型,讨论了遗传算法不同的应用形式,研究了遗传算法结合神经网络技术在系统辨识中的应用,最后探讨了遗传算法在系统辨识中的研究方向.     

遗传算法在系统辨识中的应用

基于遗传算法,采用改进的遗传算子,提出了一种辨识系统参数的方法．该方法能有效地克服有色噪声的干扰,获得系统参数的无偏估计．仿真结果说明了该方法的有效性．     

遗传算法在系统辨识中的应用

对遗传算法的机理和实现步骤进行了介绍,综述了遗传算法在系统辨识中的应用.针对不同的辨识模型,讨论了遗传算法不同的应用形式,研究了遗传算法结合神经网络技术在系统辨识中的应用,最后探讨了遗传算法在系统辨识中的研究方向.     

神经网络在非线性系统参数辨识中应用

要对非线性系统进行控制，必须掌握其模型．介绍一种辨识非线性系统模型的方法，该方法利用多层神经网络可以逼近任何非线性函数这一理论，提出针对非线性系统构造神经网络模型，并给出一种实用的BP算法．最后通过仿真实验，证明该方法切实可行．     

桥梁振动控制系统的GA-BP神经网络非参数辨识方法研究

文章提出了一种基于GA-BP神经网络的地震激励下桥梁振动控制系统的非参数辨识方法,该方法避免了BP算法易陷入局部极小值、训练速度慢、误差函数必须可导及受网络结构限制等缺陷,克服了传统系统辨识要对结构进行预先假定、容错能力差、无法辨识系统非线性特性等问题,考虑到结构-控制装置的相互作用,可以真实反映桥梁结构动力特性.     

BP算法用于系统辨识的研究

讨论BP算法用于系统辩识时样本数的选取对训练速率的影响。确立一种选取每一时刻学习样本数的标准，在此标准下，既能保证训练网络的相对稳定性，又能大大加快其收敛速度。     

改进的小波分解LMS算法在非线性系统辨识中的应用

对基于小波变换的自适应滤波技术中较为先进的D-LMS（Decomposition Least Mean Square）算法进行改进,推导出一种变步长D-LMS算法。通过建立非线性系统模型,在基于MATLAB的仿真实验中,分别得出原D-LMS算法和改进算法的系统辨识图形和数据。结果表明,两种小波分解自适应算法都能够很好的对非线性系统进行辨识,而改进的变步长D-LMS算法的收敛速度及跟踪速度更快,稳态误调噪声较小,即辨识结果更加精确。     

遗传算法在多传感器管理中的应用

对遗传算法在多传感器管理中的应用进行了探讨，描述了多传感器管理的内容、任务和特点，通过多传感器对多目标分配的例子说明遗传算法在多传感器管理中的适用性。     

Gray World算法在菜品识别中的应用

在利用颜色特征对饭菜类型进行识别的过程中,为减少环境光照变化对识别结果的影响,采用了Gray World算法对图像色偏进行调整。在Fedora core 6下,利用V4L来控制摄像头获取图像数据。试验结果表明,使用了此算法后识别准确率提高了9.41%。     

基于GA的转速辨识器的设计及应用

研究了小波理论与神经网络的特点,并在此基础上设计了小波网络,用其建立了异步电动机直接转矩控制转速辨识模型,由于辨识器的在线调节能力,小波网络的输出能够跟随系统转速的各种变化情况.为了提高网络的收敛速度,本文采用了遗传算法(GA)与BP算法相结合的混合学习算法,用于网络的学习,训练.在控制系统模型中,用MATLAB软件进行仿真研究,取得了良好的控制效果,表明该算法收敛速度快,控制精度高,是一种有效的优化算.     

数码相机在指纹自动识别系统中的运用

数码照相作为数码影像技术的具体运用，与传统的刑事照相相比，有着无法比拟的优越性，可利用其节省制作时间、直接与计算机相连的特点，方便、快捷地把所拍案件现场遗留指纹进入到指纹自动识别系统中进行比对。     

系统辨识递推方法

对线性动态系统推证了系统辨识的递推公式，提出了计算机在线或离线实现的程序设计思想，给出了程序流程，此法提高了辨识精度．     

基于GA优化BP神经网络辨识的Volterra级数核估计算法

为取得更有效的船舶运动预报效果,提出了一种利用遗传算法(GA)优化单输出三层反向传播(BP)神经网络辨识Volterra级数核的算法.在船舶航行姿态时间序列的混沌特性识别基础上,分析了GA、BP神经网络和Volterra级数模型的特征.利用GA优化BP神经网络获得最优的初始权值和阈值,根据BP神经网络算法求得最终的最优权值和阈值.进行Taylor级数分解,得到Volterra级数各阶核,对船舶的横摇运动时间序列进行多步预报.仿真实验表明:所提方法预报精度高、时间长,具有有效性和适应性.     

自适应克隆选择算法在等效系统拟配中的应用

等效系统拟配是一种有效评价高阶电传操纵飞机飞行品质的方法。传统的等效拟配通常采用最小二乘等方法,拟配结果易受初值选取的影响。建立了综合考虑某型飞机本体动力学、电传操纵系统、驾驶员操纵和升降舵的人-机闭环系统模型。给出了一种基于自适应克隆选择算法的等效系统拟配流程。采用自适应克隆选择算法对该高阶的人-机闭环系统进行了低阶等效拟配,拟配精度满足失配包络线的要求。仿真结果表明自适应克隆选择算法具备较强的寻优能力,可有效提高拟配精度。     

一种改进的遗传优化算法在网络故障预测中的应用

模糊逻辑控制器(FLC)模型简明，易于利用专家知识，适应能力强．适用于多输入、具有不确定因素、非线性系统的控制。随着系统复杂度的提高，直观经验获取难度变得越来越大．既难表述，又难使用。本文针对网络系统中故障的预测和诊断问题，将遗传算法与前馈网络结合，提出了一种基于BP的遗传优化改进型算法(RGA—BP)，并与经典BP算法结果作了比较，迭代步骤很明显的减少，精度明显提高。