基于XML的自适应E-Learning系统模型的研究

在现有的基于Web的E-Learning 系统模型分析的基础上,提出了一种新的基于XML的E-Learning 系统模型,该模型采用了贝叶斯网络的推理机制来建立学生学习模型,以实现适应性学习、个性化学习;在实现系统模型上引入了XML技术,以实现学习资源的标准化.     

概率相关图推理技术在双向适应机制中的应用研究

针对适应性学习系统应用中“双向适应”的需求,提出了具有双向反馈式机制的个性化学习系统模型.通过构建数字化学习资源数据库作为系统的核心基础,概率相关图技术可作为知识表示的有效方法支撑资源库构建,提供智能推理技术提升系统智能推荐的有效性.设计和开发了双向适应性个性化学习系统,进行了实证研究,并提出了下一步工作方向.     

一个基于Web的适应性学习系统

本文对专家知识库系统和模糊综合评判技术引入Web平台上适应性学习系统进行了讨论．着重论述了适应性学习系统结构和工作原理，知识库系统构造以及学生模型与认知水平判定等问题．     

基于知识的工作流管理系统模型研究

针对传统的工作流管理系统在模型的描述及业务流程的自学习、自动建模方面缺乏实现主动化、智能化机制的问题,将专家系统中的理论、技术与工作流技术相结合,论述了二者在模型表示上的一致性,按照智能化系统的表示及控制方法对系统的模型进行了重新定义,提出了基于知识的工作流管理系统的总体模型,并进一步探讨了模型中各功能模块的组成和作用,系统的执行及控制方法.实践证明,采用该模型表示方法能有效增加系统柔韧性,解决流程过程僵硬、对环境变化缺乏适应性的问题.     

基于本体的适应性学习系统(OBALS)之系统模型

提出一种基于本体的适应性学习系统,在不改变现有E-Learning系统学习模式的基础上,为学习者提供一个基于广域资源共享的适应性课程学习环境,从而解决现有E-Learning系统中网络课程缺乏个性化支持、已有优质网络教育资源较难重用,以及现有的适应性教学系统研究成果不能普及应用等问题.最后构建了一个系统原型,并提供了适应性学习处理过程.     

智能用户接口中基于学习的用户建模方法

提出了一种基于学习的方法,对用户进行隐式的、分布式的建模.学习的作用体现在两个方面:通过基于学习的合同网协议获取用户的原始模型;通过基于观察的学习获得本次登录后用户的新模型.与其他建模方式相比,该方法不限制用户登录的终端又能充分利用用户的历史信息;该方法不侵犯用户的隐私,具有较好的适应性,通过学习,系统可以了解不同用户的爱好以及同一个用户的时变爱好.     

可控串补的迭代学习控制法

可控串补加装在长距离输电线路上 ,用于增强电力系统的稳定性 ,提高系统的传输能力。由于电力系统是非线性大系统 ,模型和干扰都是不确定的 ,寻找不完全依赖于数学模型因而具有较强适应性的控制策略是电力系统稳定控制的重要课题。基于这样的考虑 ,尝试将迭代学习控制方法应用到可控串补的控制中。通过理论分析证明这种控制方法用于可控串补控制的收敛性。仿真结果表明迭代学习控制法与常规 PID控制相比 ,具有较强的适应性     

基于模糊综合和模糊推理的适应性评价

应用模糊综合评价与模糊推理方法,建立了搜救系统适应性评价指标体系和数学模型;应用该模型对海上搜寻与救助系统进行适应性定量评价,分析了海上搜救系统的运行情况,评价结果与实际相符,说明该方法具有一定的应用价值和创新水平.     

一种基于EMD-BLS的三相整流电路故障诊断方法

针对三相整流电路的故障诊断,提出了一种基于经验模式分解和宽度学习系统相结合的三相整流电路故障诊断方法。首先利用经验模式分解方法对故障信号进行分解,提取基本模式分量的能量作为特征信号;然后再利用时间复杂度、低分类高精度的宽度学习系统建立故障诊断的分类模型,有效地完成三相整流电路的故障分类。实验结果表明,经验模式分解特征提取效果显著,宽度学习系统故障分类器具有较好的适应性,较快的计算速度和较高的准确度。     

基于神经网络的超声波流速测量模型

传统的超声多普勒测流采用线性定斜率K的方法,不能准确反映水流随环境变化的多变性.应用人工神经网络的建模方法,采用多层感知器的模型结构和自适应学习速率的BP学习算法,建立了基于超声多普勒频率测量流速的功能模型,并将辨识模型的仿真结果与系统实验测量数据比较,以检验神经网络模型的可靠性.仿真实验采用不同性能的实测数据作为训练样本,通过训练得出了流速测量神经网络模型的结构和参数,以及网络输出均方误差曲线,并作出了垂线流速分布图.实验结果表明:该流速测量建模方法具有较高的精度和较强的适应性,能更好地反映系统输入输出之间的非线性关系,模型的应用符合水力学规律.     

基于web的自适应学习系统的研究与设计

目前,基于Web的自适应学习系统是远程教育领域研究的热点。文章在分析了当前远程教学系统存在问题的基础上,探讨了利用Agent、Java、XML等技术来构建自适应学习系统的方法,并设计了一个基于Web的远程自适应学习系统的原型同时给出了该系统的实现方案。     

混联机械臂系统自适应选择迭代学习角同步控制

建立了四自由度混联机械臂系统动力学模型,并根据系统重复运动和具有不确定因素的特点,设计了自适应选择迭代学习同步控制算法(ASILSC),实现了系统的角同步运动,并证明控制算法的收敛性。仿真结果表明,相比于带遗忘因子的迭代学习同步控制,自适应选择迭代学习角同步控制有更好的收敛性和鲁棒性。     

单神经元自适应PID控制器的研究

将二次型性能指标引入单神经元并利用自学习功能构成了自适应ＰＩＤ控制器;分析了神经元自适应控制系统的稳定性和学习算法的收敛性。仿真结果表明,这种控制方案具有良好的自适应性。     

A New Reinforcement Learning Method for Fuzzy Logic Controllers

A new reinforcement method for learning fuzzy logiccontrollers is proposed.The reinforcement learningscheme is composed of two fuzzy logic rule bases:oneacts as an adaptive critic,the other server as a control-ler.The proposed method is tested on the cart-pole sys-tem.Simulation results show that the method has betterlearning performance than Anderson's neural network-based method.     

燃煤发电机组灵活运行控制技术研究进展

加快构建新型电力系统是助推“双碳”目标实现的核心关键。风、光可再生能源的大比例接入给电力系统的安全稳定运行带来了新的挑战，对燃煤机组的安全、深度、灵活调峰控制也提出了更高要求。依据煤电机组智能灵活调峰控制技术的发展历程，从被控对象建模和灵活运行控制方法两个层面进行梳理与分析，研究结果表明，辅以机器学习和其他智能系统辨识方法的混合建模方式，以及融合预测控制、自适应控制、多目标智能寻优等先进控制技术更加适合未来煤电机组灵活智能控制的需要，是未来煤电机组灵活、智能控制技术发展的主要方向。     

自适应神经模糊推理系统在电动机软启动中的应用

异步电动机直接启动产生的冲击电流会造成严重的电网冲击,因此提出将自适应神经模糊推理系统应用到电动机软启动控制中,充分发挥神经网络自适应学习和模糊推理不要求掌握被控对象精确模型处理结构化知识的能力,实现电动机软启动的智能控制。利用电机转速、负载转矩、触发角的对应关系作为训练样本,采用混合学习算法调整前提参数和结论参数,自动产生模糊规则,构建自适应神经模糊推理系统,根据给定的电机转速和转矩产生合适的晶闸管触发角。经仿真分析,结果表明:训练构建的自适应神经模糊推理系统能够很好地进行电机的速度控制,可以实现风机或泵类负载电动机的软启动。     

基于认知诊断的自适应学习材料智能推送算法研究

将认知诊断和自适应学习相结合,利用认知诊断方法先诊断学习者对知识的掌握情况,然后依据遗传算法和多岛遗传算法为每个学习者智能化提供合适的学习材料,提出了基于认知诊断框架下的自适应学习材料智能推送算法.通过Monte Carlo模拟实验考察了新算法的科学性及其效果,研究结果表明:(i)基于认知诊断框架下的自适应学习材料智能推送算法具有较理想的效果;(ii)遗传算法和多岛遗传算法选取的学习材料具有低惩罚函数值和高学习材料匹配的正确率;(iii)遗传算法和多岛遗传算法选取的材料比随机算法更加适合学习者.     

工作辊分段冷却小脑模型模糊控制

采用小脑模型神经网络控制方法对该系统进行了仿真试验研究，小脑模型神经网络适合处理多输入输出问题，并且具有自组织，自适应和自学习街特点，试验结果表明ＣＭＡＣ方法是有效的，可进行工业实际控制。