基于GEMS算法的潜变量高斯图模型结构学习

考虑了潜变量高斯图模型下的结构学习(模型选择)问题,即存在潜变量时可观测变量间相互关系的估计问题.简要介绍了高斯图模型及潜变量高斯图模型下的LVglasso方法,给出了GEMS(广义期望模型选择)算法结合LVglasso下潜变量图模型选择的算法步骤.通过模拟,发现GEMS结合LVglasso方法在模型选择速度上比EM(...     

多变量无模型预测神经网络线性自抗扰控制

对难以建模的多变量非线性系统的控制难题,提出改进的具有辅助向量的多变量全格式动态线性化方法,采用其逼近非线性系统,用其构成预测模型,将其转化为具有耦合的若干个子系统,利用直接极小化指标函数自适应优化算法辨识其参数,将多变量线性扩张观测器的线性控制输入项改进为关于观测状态和控制输入向量及其微分的向量函数,并由该向量函数的逆向量函数构建当前控制输入向量,因其未知,使用对角回归神经网络逼近控制输入向量函数,采用多变量非线性递推最小二乘法优化对角回归神经网络连接权及多变量线性自抗扰控制参数,综上研究提出在线优化参数的多变量无模型预测神经网络线性自抗扰控制算法。仿真研究表明系统响应精度高,性能好,优于传统的线性自抗扰控制算法。     

基于两级神经网络的发酵过程多变量前馈解耦控制

针对具有时变、非线性、不确定性的多变量耦合生物发酵过程,提出了一种基于两级神经网络的多变量前馈解耦方法.一级神经网络利用可获得的过程信息拟和耦合通道的过程特性,实现耦合作用对被控量影响的估计;二级神经网络用来拟和控制通道的逆特性.通过两级网络的串联,消除系统间的耦合.实验结果表明,提出的解耦控制方法能适应生物发酵过程模型的不确定性和参数时变性,克服了前馈解耦方法依赖于过程模型和对模型参数的变化表现敏感的缺点.     

光伏发电系统对配电网三相电压不平衡度影响的计算方法

针对传统确定性潮流计算在对分布式光伏电站接入配电网后导致的三相电压不平衡现象进行评估时的不足,提出了一种基于多点线性化的半不变量概率潮流和重要抽样对配电网不平衡度进行评估的方法.首先,针对Beta分布描述的局限性,以自适应非参数核密度估计法对光伏出力和负荷波动的随机过程进行表征,从而提高建模精度;然后,利用分段线性化半不变量法进行随机潮流分析以降低不确定性引起的误差,构建出混合Copula函数计算公共连接点的不平衡度;最后,采取抽样方法得到不平衡度均值进行评估.通过对IEEE33节点系统进行仿真分析,验证了此方法的有效性和可行性.     

变量施肥决策的多目标优化模型与算法

变量决策模型和优化算法是精准农业变量作业处方生成的核心环节.文中建立了一个综合考虑作物产量、质量、能源消耗、环境影响等多个指标的变量施肥多目标优化模型,提出了一种求解此类问题的高效禁忌搜索算法,从产量最大化的初始施肥方案出发,基于最近可行解的概念进行邻域搜索,并按照质量优先的策略不断寻找和更新解集,最后得到一组非支配意义下的优化施肥方案,以提高精准农业变量施肥的决策支持能力和水平.通过对江西宜春地区油茶树变量施肥问题的案例研究,验证了模型和算法的有效性和实用性.     

系统关键变量反馈基模层次生成法及应用

在彼得．圣吉对社会管理系统分析九个基模的基础上,提出分析社会管理系统的四个基本基模。并且,提出系统反馈基模的层次生成法,此方法可以实现特定复杂系统的基模生成研究,并可以生成彼得．圣吉的九个管理基模,为复杂系统的反馈分析提供了有效的工具。     

Birkhoff系统的第一积分与积分不变量

建立Ｂｉｒｋｈｏｆｆ系统的变分方程,由此证明由已知第一积分可以构造一类积分不变量,反之亦然。     

基于改进边际优化的离散变量优化设计算法

针对传统离散变量优化方法存在的目标函数测算次数多、收敛性不佳等问题,借鉴边际优化理论和模式搜索算法,设计了一种基于改进边际优化的离散变量优化设计算法.借鉴边际效用优化原理,通过引入周围单位步长空间的概念,在初始点选择、边际增量设计、禁忌搜索策略等方面进行了改进,并设计了变异操作以跳出局部最优.实例分析表明,所提算法能够...     

函数概念的发展对教学的启示

函数是中学数学中最重要的概念之一,函数概念发展已经历了认识不断上升的三个阶段．回顾函数概念的发展史对函数概念教学的启发是：函数思想要做到及早渗透;形成变量观是理解函数概念的起始和基础;函数概念的教学要循序渐进、数形结合,并注意应用变式。     

基于超限快速决策树的无线多媒体传感器网络路由优化方法

为优化无线多媒体传感器网络路由,降低路由优化过程中能量消耗,提出基于超限快速决策树的无线多媒体传感器网络路由优化方法。首先,构建无线多媒体传感器网络路由模型,确定变量参数;然后,采用随机森林递归特征消除算法从变量参数中选取关键变量,构建路由多目标优化模型。最后,以关键变量为超限快速学习机输入值,通过学习机训练输出路由优化结果,完成网络路由优化。研究结果表明,该方法数据传输速率最优,且有效提升节点能耗均衡度。