基于递归神经网络的多变量系统预测控制

针对线性PID控制器系数难以整定的问题，构造了一种用神经网络实现的非线性PID控制器．多个具有相同结构的非线性PID控制器并联，对多变量系统实现解耦控制器．结合预测控制的思想，提出两种控制方案．第一种是在递归多步预测的基础上，在广义最小方差目标函数下实现控制，第二种利用多步预测目标函数在线修正解耦控制器的权值．仿真实验表明这两种方法的有效性．     

动态混合型SMC+Turbo MIMO解调算法

递归蒙特卡洛（Sequential Monte Carlo，SMC）算法是一种有效降低算法复杂度的次优化算法，该算法嵌入到迭代Turbo接收机中可形成低复杂度、高解调性能的SMC＋Turbo MIMO解调接收机．该文针对该解调接收机中的混合型SMC MIMO解调算法，运用动态化参数进行改进．仿真结果表明，动态混合型SMC＋Turbo MIMO解调算法可以在不增加算法复杂度的基础上有效地提高一般混合型方案的性能．     

一类螺旋方阵问题的算法分析与实现

对一类典型的螺旋方阵算法进行了分析，提出了解决这类问题的“海龟法”、“分割法”和“递归法”；给出了递归算法的程序实现；讨论了几种算法在时间、空间复杂度以及扩展性方面的问题。     

基于二维正投影图三维重建的递归算法

模拟人脑读图中的形体分析法的叠加原理 ,给出三维重建的一种递归算法 .输入初始三视图 ,从中识别出一个简单子块 ,重建这个子块 ,设想从所求形体中切去该子块 ,即将重建过的视图立刻擦除 ,算出剩余形体的三视图 ,并作为新的初始三视图 ,再接受递归算法模块处理 ,如此循环 ,直到投影图信息量为零 .这种算法具有如下特点 :①将自顶向下法和自底向上法有机地结合 ;②在使用自底向上法时仅对三视图作局部计算 ;③使用过的视图信息及时消除 ,避免重复计算 ,效率高 ;④可以解决多解问题 .在使用优先原则时 ,可消去虚伪解 .     

隐马氏模型中的标量估计

通过测度变换的方法构造一个概率空间,利用观测变量在该构造空间中独立的性质,研究了一类在实际中应用广泛的隐马尔可夫模型———零延迟隐马尔可夫模型;然后通过测度的逆变换,将构造空间中得到的结果返回到实际的空间中来,克服了通过半鞅的方法得到标量估计的困难。最后给出了零延迟隐马尔可夫模型中标量估计的一般公式,并且应用该公式给出了状态、跳跃次数、状态到达次数等标量估计,以阐明该方法的应用。     

基于对角递归神经网络的非线性逆动态控制

采用2个对角递归神经网络(DRNN)构成非线性逆动态控制系统，一个用作辨识器，逼近系统的正模型，为逆动态控制提供系统的灵敏度；另一个用作控制器，逼近系统的逆动态模型，再与原系统串联组成伪线性系统．仿真结果表明该控制方法实现了对非线性系统的有效控制。     

一类RNA二级结构的计数

应用组合计数技巧研究了一类RNA二级结构的计数问题,给出了序列[1,n]的二级结构数和序列[1,n]上恰有k个基对的二级结构数的精确表达式.     

基于改进的卷积神经网络的钢号识别

为获取样本的多样性特征,提出了一种改进的卷积神经网络结构。该网络中引入多层递归神经网络,利用卷积神经网络提取输入图像的浅层特征,同时利用卷积神经网络和递归神经网络并行提取高层特征,最后将两种网络学习到的特征进行融合输入到分类器中分类。利用迁移学习理论解决小样本集数据训练不足的问题,并将这种卷积神经网络结构应用于石油物资管线钢号识别中。实验探究了递归神经网络个数与卷积核个数对网络性能的影响,实验结果表明,改进的网络结构与其它网络进行对比,错误率降低了 3% 。     

货车整车质量辨识方法研究

针对货车整车质量辨识问题,分别对基于车辆纵向动力学和基于运动学的两种整车质量辨别方法进行仿真和实车试验研究。阐述了两种整车质量辨识方法的原理,在TruckSim软件平台上建立车辆模型并在多种工况下基于这两种方法进行仿真分析。根据仿真结果进行实车试验,提出了一种车速冗余计算和加速度计算的方法,利用带时变遗忘因子的递推最小二乘法（RLS）对实车质量进行估计。研究结果表明,所提出的车速冗余计算方法和加速度计算方法准确有效,同时减少换挡次数能够显著提高辨识算法的收敛速度。相比于运动学整车质量辨识算法,基于车辆纵向动力学整车质量辨识算法能够有效地估计货车整车质量,鲁棒性好,估计准确,收敛速度快,具有很好的工程应用价值。     

基于位运算的幂运算算法

本文介绍了位运算的特点及常见的用途。通过对常见几种实现幂运算的算法进行比较,比较了非递归的基于位运算的二分算法实现幂运算,该算法在时间复杂度和空间复杂度上相较于其他幂运算算法都有较大的改善。