基于改进Elman神经网络的非线性预测控制

为了提高非线性预测控制中预测模型的精度,提出一种基于递归神经网络建模的预测控制方案.采用改进Elman神经网络在线建立预测模型,用递推最小二乘法在线修改神经网络权值,并引入误差补偿环节,从而达到改善预测模型精度的目的,使控制系统的控制性能得到提高.仿真实验表明了该方法的有效性.     

基于WBS的虚拟采办系统分析与协同建模研究

在线虚拟采办是与真实采办实时交互和并行发展的、仿真模型动态演进的、多学科模型和仿真技术集成的协同仿真系统,需要解决的问题之一是仿真模型与真实系统之间的综合集成。从分析采办的多域多维多尺度特点入手,以采办的工作分解结构为协调基础,建立虚拟采办过程模型,并从任务、信息和资源三个方面讨论同步和异步方式的协同建模问题,最后提出在线虚拟采办系统框架。该系统可实现虚拟采办与真实采办在不同域、不同层次、不同维的动态交互,体现了在线仿真系统并行性、动态性、集成性的特点,可促进虚拟采办的实施和应用。     

MWMPCA方法及其在间歇过程监控中的应用

针对传统的多向PCA(Principal Component Analysis)模型间歇过程监控的缺点,提出了一种移动窗多向主元分析(MWMPCA:Moving Window Multi-way Principal Component Analysis)模型.与MPCA方法比较,MWMPCA可很好地监控间歇过程操作的稳定性,在实时监控新的间歇过程时,只需利用已收集到的数据信息,同时还可根据实际反应情况调整主元的选取个数,以得到更好的监控性能.     

基于.NET网上考试系统的设计与实现

详细论述采用.NET技术,在B/S模式下实现在线考试系统的研制过程以及关键技术。系统采用XML作为WebService数据交换的格式,其逻辑都是在应用服务器上实现,采用WebService方式远程调用,成功地解决了旧有的考试系统扩充性不强、开发部署困难、使用不便等缺点。研究了将网络技术应用于考试中的实际问题,探索了利用网络进行远程考试的一些方法。该系统通过压力测试证明具有高度的可靠性,不仅可胜任高压力下的应用,而且可在适当的时候轻易地扩展到分布式应用。     

基于Web的考试系统设计及其技术实现

讨论了基于Web的考试系统的主要功能及其设计方案,分析了在线考试系统的相关技术,指出了该系统能较好地解决远程教育中的考试问题,真正实现无纸化的在线考试,具有较强的应用价值.     

管网结点处两相流相分离流动可视化在线检测实验研究

采用在线式可视化图象技术，对管网中的特征结构元件－－等直径水平Ｔ形分叉管（Ｄ＝３５ｍｍ）的空气－水泡状流，弹状流，分层流的相分离现象进行了实验研究，发现并定义了“新型完全相分离现象”，即在特定工况下，入流的气相流体将完全从直管出口流出，另外通过可视化研究对“压力波反馈效应”及“分叉管中气相重组现象”进行了分析和探讨；将入口质量流量、入口干度及支管质量抽走率对两相分离率的影响作了比较和分析。     

基于Struts的在线考试系统设计与优化

使用JSP技术配合Struts三层架构设计在线考试系统,包括数据库、数据库连接池、登录模块、抽题模块和考试模块。总结了当前类似在线考试系统存在的账号同时在线问题、用户键盘的误操作问题、题型灵活性设置问题,并提出了一套修改服务器端脚本、数据库关系与客户端脚本的解决方案。     

学习资源精准推荐模型及应用研究

根据属性特征推荐资源,由于存在冷启动和稀疏性问题,限制了在线学习资源推荐的性能.基于知识表示和协同过滤,将学习者的学习水平和学习风格等特征融入推荐过程,进行协同过滤个性化推荐,提出了一种学习资源精准推荐模型,构建了学习者和学习资源知识表示模型;通过实验表明知识表示-协同过滤相结合的推荐算法在个性化推荐和推荐准确度方面优于传统的CF算法.     

高校图书馆在线课程教学质量评价指标体系研究

在线课程的建设为图书馆提升自身价值提供了广阔的发展空间,而准确、客观地评价高校图书馆在线课程的教学质量对于提高图书馆的教育职能有着重要的意义。根据现有可得的统计数据探寻指标的设计依据,从教学内容、教学方法、教学效果和视频质量这4个层面细化出较为通用的指标来构建高校图书馆在线课程教学质量评价指标体系,再引入AHP法来确定各项指标的权重。结果表明：所建的评价指标体系能够如实反映在线课程教学质量的实际情况。进而提出存在的问题及建议。     

堵塞恢复时间随机的在线加拿大旅行者问题

针对旅行者在行走过程中遇到的某一或一系列无法预知堵塞事件的加拿大旅行者问题,考虑每个堵塞恢复时间是一个相互独立随机变量的情形,从在线问题与竞争策略的角度,给出了每个堵塞恢复时间都为均匀分布下的等待策略和贪婪策略以及相应策略下的竞争比,并对两种策略的执行效果进行了分析和比较.