Convergence of Recursive Identification for ARMAX Process with Increasing Variances

The autoregressive moving average exogenous (ARMAX) model is commonly adopted for describing linear stochastic systems driven by colored noise. The model is a finite mixture with the ARMA component and external inputs. In this paper we focus on a parameter estimate of the ARMAX model. Classical modeling methods are usually based on the assumption that the driven noise in the moving average (MA) part has bounded variances, while in the model considered here the variances of noise may increase by a power of log n. The plant parameters are identified by the recursive stochastic gradient algorithm. The diminishing excitation technique and some results of martingale difference theory are adopted in order to prove the convergence of the identification. Finally, some simulations are given to show the reliability of the theoretical results.     

基于POMDP模型的机器人行动的仿真优化

策略梯度优化算法是一种很重要的强化学习算法,对实现机器人的自主导航有着重要的应用价值.在部分可观Markov决策过程(POMDP)的基础上,实现了两个有限记忆的策略梯度优化算法:基于模型的GAMP算法和无模型的IState-GPOMDP算法,并利用该算法对机器人走迷宫的问题进行了仿真.通过分析仿真结果,对这两种算法引入了基于观测的优化;并发现在所给报酬函数下,策略梯度算法中的步长参数也在一定程度上影响着优化策略的效率.     

RAFT聚合法研究丙烯酸酯自由基聚合链间转移过程

针对丙烯酸酯自由基聚合过程中链间转移常数测定难题,提出了新的测试策略,即在低分子量聚丙烯酸酯存在下,以UV标记的RAFT试剂N-咔唑二硫代甲酸苄基酯(BCBD)调控第二单体进行RAFT聚合,聚合产物经梯度淋洗聚合物色谱(GPEC)分离,直接测定由向聚合物转移所产生嵌段物的相对摩尔比,并以此估算增长链自由基向另一种聚合物...     

梯度应力作用下模型试件声发射-红外特征及岩爆孕育演化研究

为研究不同梯度应力作用对岩体岩爆特性的影响及岩爆孕育的时空演化规律,借助YB-A型岩爆模拟试验装置对具有岩爆倾向性的模型试件进行梯度应力作用下的加卸载试验,利用高速摄像机、红外热像仪和声发射(AE)等监测手段,捕捉试件在加载作用下的AE变化特征及红外辐射特征,对模型试件加载过程中AE特征参数进行处理并对热像进行图像增强处理与能量演化分析,分析梯度应力作用下模型岩爆孕育过程的时空演化规律。研究结果表明：模型试件受均布加载、低梯度加载与高梯度应力下的岩爆孕育演化特征存在明显差异;模型试件在梯度应力作用下的岩爆孕育过程中呈现出的AE特征、红外辐射时空演化特征与岩爆孕育发生过程具有良好的同步性,且其AE特征与红外辐射特征随应力梯度作用的不同而存在明显的差异;随着模型加载应力梯度的增大,模型加载过程中能量累积段时间增加、耗散阶段时间变短、能量释放率变大,能量积累-耗散-释放各个阶段的差异是模型岩爆烈度随加载应力梯度增强的原因。     

MADDPG算法并行优先经验回放机制

多智能体深度确定性策略梯度(multi-agent deep deterministic policy gradient,MADDPG)算法是深度强化学习方法在多智能体系统(multi-agent system,MAS)领域的重要运用,为提升算法性能,提出基于并行优先经验回放机制的MADDPG算法.分析算法框架及训练方...     

基于正则化正交非负矩阵分解的旋转目标检测方法

小样本的旋转目标检测是指在样本数少的情况下进行旋转目标检测模型的训练,深度学习在旋转目标检测领域往往需要庞大的样本数和计算算力。现有的基于机器学习的旋转目标检测方法大多有着对目标尺度和姿态敏感的缺点。因此提出一种基于正则化正交非负矩阵分解的旋转目标检测方法,来解决小样本的旋转目标检测难题。首先,针对样本不具有各种角度的图片,对样本进行旋转后进行背景填充,这样便于更好的表征学习。其次,提出一种基于正则化正交非负矩阵分解算法对旋转样本的梯度直方图特征进行表征学习。最后,为了测试算法在特征学习后的有效性,利用支持向量机对特征提取后的数据进行训练和测试。实验结果表明本文的目标检测方法在多个数据集中可以取得不错的效果。     

基于板-梁理论的FGM双轴对称箱形截面组合扭转理论与有限元验证

基于板-梁理论研究FGM双轴对称箱形截面组合扭转理论与有限元验证.首先,选取弹性模量变化函数,建立能量变分模型,引入无量纲参数,获得双轴对称箱形截面组合扭转的近似解析解;然后,利用微分方程模型计算双轴对称箱形截面组合扭转的精确解析解,给出微分方程解答;最后,利用ANSYS有限元分析软件进行验证,将本文研究所得解析解和ANSYS有限元分析软件得出的解析解进行对比,对比结果验证了本文理论推导及所给出的自由扭转刚度、约束扭转刚度表达式的正确性.     

甘南亚高山草甸植物对逆境胁迫的生理生态响应

对不同环境梯度条件下6种植物：莓叶萎陵菜（otentilla fragarioides）、火绒草（Leonto-podium nanum）、矮嵩草（Kobresia humilis）、棘豆（Oxytropis kansuensis）、狼毒（Stellera chamaejasme L）、金露梅（Potenti Uafruticosa L）的叶片叶绿素、游离脯氨酸以及可溶性糖含量的变化进行了研究。结果表明：随着生境（包括土壤水分、光照、温度等的）梯度的变化,6种植物叶内脯氨酸含量、可溶性糖的积累量、叶绿素的含量随着从阴坡、半阴半阳坡、阳坡环境的变化都有不同程度的变化;综合分析认为,6种植物的抗逆性由强到弱为棘豆、狼毒、矮嵩草、莓叶萎陵菜、火绒草、金露梅。表3,参14。     

地面站数传系统的RBFNN模型及算法

针对难以建立精确数学模型的地面站数传系统,提出改进梯度迭代学习的径向基神经网络建模方法。改进梯度学习算法通过训练样本相关性矩阵的主成分分析确定网络隐含层初始节点数;改进迭代过程中网络参数的梯度信息计算方式,加快了迭代收敛速度;并增加结构调整过程,实现对网络规模的精简。通过采集地面站数传系统输入-输出数据,将改进梯度学习算法应用于网络离线训练,并给出具体实现步骤。地面站数传资源配置优化实例验证了模型具有较高泛化能力,且算法稳定性较佳。