基于支持向量回归的钢材力学性能模型及应用

根据化学成分准确预测钢材产品的力学性能并及时调整相关生产的控制策略,将有效地提高钢铁生产的最终产品质量.支持向量机是一种建立在统计学习理论基础上的机器学习方法,介绍了基于此算法基础上的一种ε-支持向量回归机算法及其推导过程,建立了基于ε-支持向量回归机的钢材力学性能模型,通过实际应用表明该模型比Excel回归预测具有更高的精度.     

Robust Predictive Control of Uncertain Systems with Time-delay Using Tight Sets of Predicted States

A robust model predictive control （MPC） algorithm for discrete time linear systems with time-delay （RPC.TDS） subjected to constrained input control is presented, where the polytopic uncertainties exist in state matrices and input matrices. In the algorithm the standard optimization of quadratic objective function has been transformed into optimization of sum of N ＋ 1 upper bounds of the quadratic objective function with respect to N control moves and a state feedback control law, where N is the control horizon. The feasibility of the optimization problem guarantees that the algorithm is robustly stable. The simulation results verify the effectiveness of the proposed algorithm.     

基于混合编码框架的H.264/AVC核心新技术

介绍了H.264独有的特点,包括帧内预测、整数余弦变换、二进制自适应算术编码、概念性网络适配、多种块尺寸运动搜索、1/8像素运动估计精度等。     

Research on Chaotic Time Series Prediction Based on K-entropy and RBF Neural Networks

In this paper, a method of direct multi-step prediction of chaotic time series is proposed, which is based on Kolmogorov entropy and radial basis functions neural networks. This is done first by reconstructing a phase space using chaotic time series, then using K-entropy as a quantitative parameter to obtain the maximum predictability time of chaotic time series, finally the predicted chaotic time series data can be acquired by using RBFNN. The application considered is Lorenz system. Simulation results for direct multi-step prediction method are compared with recurrence multi-step prediction method. The results indicate that the direct multi-step prediction is more accurate and rapid than the recurrence multi-step prediction within the maximum predictability time of chaotic time series. So, it is convenient to forecast and control with real time using the method of direct multi-step prediction.     

基于RBF神经网络的总产值预测模型研究

介绍了径向基函数（RBF）神经网络的工作原理和训练算法．根据生产总值与投资分配之间存在的映射关系，应用RBF神经网络建立了投资预测模型，并进行了仿真试验．与BP模型相比，该模型在预测精度和收敛速度方面具有显著的优点．结果表明，用RBF神经网络进行投资预测得到了十分满意的结果．     

EKF在多变量混沌序列辨识中的应用

运用扩维技术以及扩展卡尔曼滤波算法的跟踪辨识特性同步实现对多变量混沌序列的精确预测和混沌系统主动态方程的参数辨识。利用典型混沌方程与所观测时间序列的吸引子特性比较，较准确地确定系统初始状态。对理想Roessler三个变量的时间序列和大连市气温降雨二变量时间序列进行仿真并与递推最小二乘法进行比较，结果表明该方法的有效性。     

基于π型舵船舶减纵摇广义预测控制研究

针对π型舵船舶减纵摇问题,建立了船舶舵减纵摇状态空间数学模型,基于广义预测控制理论,经过适当简化,推导出一种用于π型舵船舶减纵摇状态空间模型的输出多步预测和广义预测控制律并进行仿真研究。对于白噪声干扰情况,利用线性Kalman滤波器估计系统状态,以水翼艇为研究对象进行了仿真。仿真结果表明:有效可行、简便实用并具有良好的参数鲁棒性,获得了良好的减纵摇控制效果。     

如何在数学中教学

工作以来，我担任了数学科教学，就本人在教学中根据学生的年龄特点对学生进行不同的教学方法谈谈以下几点： 1 在课堂教学方面 成功的教学必须有学生积极的参与，只有教师的教是远远不够的，一定要有学生主动的学和有兴致地学，才能取得教学成功。因此，在小学数学课堂教学中，教师要真正把学生当作学习的主人，努力创设机会，创设学生主动参与学习的空间，引导学生参与学习的全过程，让数学走出书本，走近生活，使学生智力、能力得到协调的发展。     

BP神经网络数值预测方法的研究

人工神经网络作为一个具有高度非线性映射能力的的计算模型,具有广泛的应用前景.在数值预测方面,它不需要预选确定样本的数学模型,仅通过学习样本数据即可以进行预测.本文在对其进行深入研究的基础上,探讨了利用BP神经网络进行数值预测的方法和应该注意的问题,并给出了一些有益的建议.     

大气污染预测的参数化组合算子方法

大气污染物浓度预报是一个多因素、复杂的非线性问题，以往多使用线性回归方法．根据Zimmermann提出的参数化二元组合算子方法，将其推广为多元的情形．在成因分析的基础上，建立了大气污染物浓度预测的参数化组合算子模型，适应非线性问题．实例分析比较表明，该方法是有效的．