模糊神经网络分类器的主动学习方法

针对模糊神经网络分类器设计过程中所遇到的样本采样与标注过程耗时、代价大的问题,提出了一个新颖的模糊神经网络分类器主动学习方法,以最小-最大边界法以及确定样本的不确定性闽值两个新概念为主动样本选择准则,确保选择其中信息量尽可能大的样本进行标注,使得网络设计过程中对未标注样本的标注工作量和时间大为减少．实验结果表明,该方法与模糊神经网络的被动学习模型相比,训练样本数目大为减少,训练时间大大缩短．     

从“翻译适应选择论”视阈看赵元任译《阿丽思漫游奇景记》

从＂翻译适应选择论＂的角度,运用＂生态翻译学＂的基本思想和理念,对赵元任译《阿丽思漫游奇景记》进行了分析与讨论。认为赵译《阿丽思漫游奇景记》在适应与选择两个方面都很出色,既对外部需求作出了适应与选择,也对自身内部需求作出了适应与选择,因而译本受到经久不衰的欢迎与好评。     

二语习得研究方法:CAS理论的视角

复杂适应系统理论理论为学者们研究语言提供了新的理论框架。本文就是在这一背景下尝试探讨其对研究方法的启示。在研究方法方面,二语研究方法上可以借鉴隐喻的思维方法和基于主体的建模方法。     

社会困境中博弈决策的理论模型与神经机制

简要介绍社会困境的涵义,详细阐述博弈决策的理性选择理论、认知转换理论和生物进化理论,并且从认知控制、社会认知以及奖励预期3个过程揭示博弈决策的神经机制.未来研究应力求突破先前理论模型的不足,深入考察个体合作行为的神经机制,并向实际应用领域发展.     

PMSM伺服系统的RBF网络自适应滑模控制

针对位置伺服系统的非线性、外干扰及参数摄动的不确定性,通过引入RBF神经网络对未知干扰和不确定性进行自学习,提高伺服系统的鲁棒性.为了分析伺服系统的不确定性,将系统模型划分为名义模型和不确定模型两部分.其中,名义模型采用状态反馈方法进行控制,不确定部分采用RBF网络作为滑模动态补偿器进行控制,解决了伺服系统不确定性上界难以测量的问题,降低了抖振.仿真结果验证了该设计方案的有效性.     

从“翻译适应选择论”看清末圣经翻译

本文以翻译适应选择论为依据,对清朝末期的圣经翻译进行简介分析。在宏观角度,本文阐述了清末入华宣教士对当时的圣经汉译的历史背景的适应。另外,本文从译者为中心的视角展现了宣教士主动性地选择深文理浅文理官话三种译经方式的过程。     

交流变频调速系统的自适应神经模糊控制研究

针对交流电动机参数变化和负载波动等因素对交流变频调速系统性能的影响,利用神经网络实现模糊控制,设计了一种基于自适应神经网络模糊推理(ANFIS)的速度调节器.仿真实验结果表明,具有ANFIS的交流变频调速控制系统不仅动态和静态性能都得到提高,而且具有较强的鲁棒性.     

生物入侵的适应性进化及其影响

生物入侵给世人提供了很多种群快速适应性进化的经典模型和生动实例.从入侵种的适应性进化的遗传学基础、生理生态特征、繁殖适应特征以及入侵种的适应性进化的影响等4个方面综述了国内外在入侵种的适应性快速进化的研究现状以及存在的问题.文中更强调入侵种的推动入侵事件进程的内在特征以及入侵种与其所处生物非生物环境的相互作用,这些信息将有助于理解入侵事件中影响入侵成败的关键因素.     

基于自适应模糊推理系统的柴油机故障诊断

为解决柴油机故障诊断问题,采用自适应神经模糊推理系统(ANFIS)建立其故障诊断模型.利用减法聚类方法确定模型初始结构,并采用由梯度下降算法和最小二乘算法所组成的混合学习算法优化模型参数.经文中试验数据检验,所建模型故障识别值与实际值之间的最大误差为10.16%,最小误差为0.115%,平均误差为2.26%,识别精度达到了97.74%.仿真结果表明,与BP网络模型相比,该模型收敛速度快,拟舍能力强且诊断识别精度高,能够有效识别柴油机放障.     

基于适应性Agent图的交通系统脆性研究

针对系统脆性的研究,以复杂适应系统和图论为理论基础,提出了Agent图的概念,其中图的每个顶点被看作一个具有适应性的主体。然后将Agent图应用于交通系统脆性的研究,交通网络组成了一个赋权图,网络中各节点作为顶点;考虑到它们之间的交互作用,建立了系统主体崩溃程度的演化规则,进而对交通系统脆性行为进行仿真。