工业过程稳态优化中的PID型迭代学习控制

给出一种PID型迭代学习算法．对工业过程稳态优化中的动态施行迭代学习控制，加快了动态响应，提高了控制效果．从理论上分析了算法的收敛性，并给出数字仿真结果．     

高速伺服注塑机成型过程预测迭代学习控制

将学习控制应用于高精密快速伺服注塑机成型过程，根据成型过程的特点设计了一个预测迭代学习控制器，并利用先前得到的系统模型对算法进行仿真．控制器由前馈和反馈控制两部分组成，引入滤波器用于增强学习控制器的鲁棒性．将预测学习控制算法在伺服注塑机上进行了实验．实验和仿真结果表明，该预测学习算法对提高成型过程的位置重复精度效果明显．     

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．     

基于改进多目标粒子群优化算法的发酵过程补料优化控制

提出了一种基于改进多目标粒子群优化算法(MOPSO)的发酵过程补料优化控制方法,并将该方法用于工业酵母发酵过程补料速率的优化控制。改进的MOPSO算法利用约束违反程度信息修正种群的学习进化公式,减缓了部分粒子在约束边界附近的飞行速度,提高了算法的全局搜索能力。仿真实验结果表明,改进的MOPSO算法能够获得最优的补料轨迹,有效地实现了工业酵母发酵过程补料速率的多目标优化控制。     

基于改进多目标粒子群优化算法的发酵过程补料优化控制

提出了一种基于改进多目标粒子群优化算法(MOPSO)的发酵过程补料优化控制方法,并将该方法用于工业酵母发酵过程补料速率的优化控制。改进的MOPSO算法利用约束违反程度信息修正种群的学习进化公式,减缓了部分粒子在约束边界附近的飞行速度,提高了算法的全局搜索能力。仿真实验结果表明,改进的MOPSO算法能够获得最优的补料轨迹,有效地实现了工业酵母发酵过程补料速率的多目标优化控制     

半Markov控制过程在平均准则下的优化算法

研究了一类半Markov控制过程(SMCP)在紧致行动集上关于无限水平平均代价准则的性能优化算法．利用等价Markov过程的方法，导出了SMCP的性能势公式和平均代价最优性方程，给出了求解最优或次最优平稳策略的策略迭代算法和数值迭代算法，并证明了算法的收敛性．最后给出了一个数值例子来说明算法的应用．     

机器人逆模神经控制及其应用

提出了一种机器人的神经控制方法，把神经网络和ＰＩＤ控制相结合构成一种混合性的机器人逆模学习控制方案，分析了神经控制系统的稳定性与学习算法的收敛性．此外，还提出了一种启发式学习算法，并用于机器人的神经控制．最后给出两关节机器人的仿真结果．其结果表明所提出的逆模学习神经控制具有较快的收敛速度和较高的精度，能够满足实时控制要求，是一种有效的控制方法．     

图像检索中基于标记与未标记样本的主动学习算法

为解决监督学习过程中训练样本集过小问题，提出一种未标记样本辅助学习与主动学习相结合的学习方法．基于用户已标记样本与数据库内未标记样本，利用EM算法得到初始朴素贝叶斯分类器与初始假设；主动学习算法寻找数据库内对于优化学习过程最有用的样本请求用户标记；算法根据用户反馈，迭代更新已有查询概念，直至用户满意为止．实验表明，本文算法能够显著提高学习器的效率和性能，并可快速收敛于用户定义的查询概念．     

动态小生境遗传算法在多模函数优化中的应用

提出一种基于动态小生境技术的自适应遗传算法．算法的进化过程中，通过物种的辨识和保存过程确定小生境的峰值，引入个体趋向于高适应度的方向这一控制参数控制搜索的方向，采用自适应调整种群距离的方法控制搜索的范围，大大提高了搜索效率．仿真试验表明，该算法能够很好地保持解的多样性，同时具有很高的全局寻优能力和收敛速度，适合求解复杂多峰函数优化问题．     

连续发酵过程的神经网络预测和控制

给出了神经网络趋化性算法的一种新的实现策略，在此基础上，提出了一种动态递归神经网络建模方法和一种控制作用受限的自学习非线性控制方法。将其用于连续搅拌签式发酵器的状态变量的在线预测和优化控制，仿真结果表明，预测精度高，控制效果好，具有强抗扰和强鲁棒性。在不知道生化过程模型结构的情况下，神经网络模型，可取很容易地通过在线或离线学习到高度复杂的非线性生化过程的输入．输出关系。对于经过最优操作点，稳态增益的符号会发生变化的这类难以控制的生化过程，神经网络非线性控制策略，可以使生化反应器始终维持在最优状况。本方法有望在实际工业过程中得到应用。     

面向语言评价的Takagi-Sugeno模糊再励学习

综合考虑再励学习的两个重要子问题 :连续空间及语言评价问题 ,提出了一种新的学习方法 ,即面向语言评价的 Takagi-Sugeno(T-S)模糊再励学习。该学习智能体构建在 Q-学习方法和 Takagi-Sugeno模糊推理系统的基础上 ,适于处理连续域的复杂学习任务 ,亦可用于设计 Takagi-Sugeno模糊逻辑控制器。以二级倒立摆控制系统为例 ,仿真研究验证了学习算法的有效性     

基于遗传算法的肝病诊断学习系统

提出一种用遗传算法来构造肝病诊断学习系统的方法,其中引入了肝病领域专家对规则打分的适应度评估机制,通过选择、交叉和交异等遗传操作使知识集得到不断地精炼,最后,用这种方法对模拟的专家知识进行学习,实验结果表明。该方法能使系统比较有效地学习专家知识。     

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.     

基于SVM和CRF的双层模型中文机构名识别

提出了一种基于支持向量机(SVM)和条件随机场(CRF)的双层模型进行中文机构名识别的方法.第一层模型采用CRF识别简单机构名,并将识别结果传至第二层辅助下一步的识别;第二层采用基于驱动的方法,将SVM和CRF结合进行复杂机构名的识别;最后将两层的识别结果合并,并通过一个后续处理对置信度较低的识别结果进行修正.大规模真实语料的开放测试表明,精确率达到94.83%,召回率达到95.02%,证明了该方法的有效性.     

用OWL绑定学习对象元数据

随着学习对象的增加,对学习对象的管理、查找、评价和共享需要通过元数据来实现。目前一般用XML或RDF绑定元数据。由于XML绑定缺乏语义性,RDF绑定虽然具有一定的语义性,但是其表达的语义不够。于是提出了用OWL绑定学习对象元数据,通过OWL提供的大量建模原语,可以为学习对象元数据增加更多的语义描述信息,从而更好地实现学习对象的语义查询。     

远程自主学习教学系统的设计与开发

随着网络和多媒体技术的发展,远程教学系统已经成为教育系统的一个重要组成部分。传统的软件开发方法：生命周期法和快速原型法很难适用于远程教学系统。本文将生命周期法和快速原型法折中处理,提出一种新的方法：过程定位法。使用该方法开发出来的远程教学系统具有开发周期短,适用性强等优点。     

网络学习中学习者个性挖掘方法的研究

提出了一种面向个性化网络学习的学习者个性挖掘方法，以实现网络学习中学习者个性特征的自动获取．该方法首先通过对样本学习者的个性属性归并，去除冗余的个性属性；进而通过对学习者行为模式与个性特征的定量关联规则分析，得到两者间的关联规则；最终据此规则对后续学习者的行为模式进行推理，获取学习者的个性特征．此方法不仅解决了个性化网络学习中学习者个性特征的自动获取问题，而且还可表现出个性与行为间的关系．该方法已在计算机教学管理示范系统中进行了试验，结果表明该方法是有效的．     

多步截断行动--评价强化学习算法

研究了行动-评价强化学习方法,通过把多步截断学习引入评价器代替单步学习,并定义一种新的迹来记忆最新的多步学习经验,提出一种新的行动-评价强化学习算法,并进行仿真实验,实验结果表明,新算法的学习效率有明显的提高,而在计算代价上仅多k个单位.     

高斯基函数CMAC快速算法的改进及应用研究

该文对基于高斯基函数小脑模型(CMAC)的快速算法进行了改进,针对其学习速率的选取问题,提出了一种基于遗传算法的学习速率最优选取方法,使得CMAC学习速率的选取得到了最优化。讨论了该算法的实际可行性,提出了参数选择和实时控制相分离的策略,并在某转台伺服系统模型中进行了应用研究。仿真结果表明,改进算法避免了学习速率选取的经验不确定性,提高了CMAC学习收敛的快速性。     

改进的 PD 迭代学习算法及在机器人二维运动控制中的应用

提出一种改进的ＰＤ型迭代学习控制算法,讨论了学习因子的优化选取方法。并对机器人二维运动控制进行了仿真。仿真结果表明：该控制方法应用于机器人二维轨迹控制简单易行,效果较好。