基于参数优化动态GPR的反应釜出料浓度预测

由于釜式反应器内的反应过程是动态过程,故采用静态非线性映射建立预测模型时存在预测精度低和模型泛化能力差等问题.针对上述问题,提出一种基于参数优化的动态高斯过程回归模型预测连续反应釜出料浓度.根据贝叶斯信息准则确定模型阶次,构建动态输入.采用粒子群优化算法对高斯过程回归协方差参数进行优化,以提高模型的预测精度.实验结果表明,该方法能够有效提高模型的预测准确度和泛化能力.     

支持向量分位数变系数模型的估计及应用

基于不对称“ε-不敏感”损失函数提出变系数模型的参数估计方法,并应用支持向量回归理论和凸二次规划理论给出模型的估计算法.结果显示,所得估计曲线可在不同分位数水平得到一个稀疏解,而数值模拟研究和共享单车实例数据分析结果进一步证实该方法的正确性和实用性.     

基于虚拟样机的异构双腿机器人联合仿真

阐述了一类新型双足机器人--异构双腿机器人的概念及研究目的.研究用Pro/E、ADAMS和MATLAB/Simulink联合构建异构双腿机器人的虚拟样机,并提出基于虚拟样机的联合仿真策略.为实现对期望步态的动态跟踪,提出了基于对角回归神经网络的自适应PID控制算法.为验证方案的合理性,进行了步态仿真及控制仿真.结果表明,虚拟样机技术可避免复杂的人工建模和求解过程,仿真逼真且接近实际系统,为复杂双足机器人系统提供了良好的研究方法.     

陆地车辆的磁流变半主动悬架模糊集成控制

分析了陆地车辆的磁流变半主动悬架系统的组成及其系统动力学模型。以平顺性、行驶稳定性与运动姿态控制为目标，讨论了半主动悬架的控制机理。提出了一种基于频率过滤、模糊控制和姿态误差增益控制的半主动悬架集成控制策略。设计的控制系统由外环和内环组成，外环系统设计机械系统的反馈理想阻尼力，内环系统实时计算电流驱动器的控制信号。磁流变减振器根据控制电流信号实时地产生阻尼力实现车辆控制目标。仿真结果表明，所设计的系统控制策略是有效的，同时也表明通过主动改变减振器阻尼力可以实现陆地车辆的性能控制。     

支持向量机控制与在线学习方法研究的进展

支持向量机以其模型结构简单、较好的推广能力和全局最优解等特点已经被用来进行智能控制的研究,主要包括采用支持向量机回归的非线性时间序列的建模与预测、系统辨识等建模方面的研究以及优化控制、学习控制和预测控制等方面的研究以及采用支持向量机的故障诊断的研究。由于现有SVMR基于二次规划的优化方法不适合控制过程的在线训练,因此出现了对SVMR在线训练算法的研究。分析了国内外这些研究内容的最新研究进展,旨在探讨归纳支持向量机在控制领域研究的主要成果和存在的问题,以便为进一步的研究提供一定的支持与帮助。     

基于核岭回归的非线性系统辨识及其应用

利用满足Mercer条件的核函数改进线性岭回归算法,提出一种新的直接优化的非线性核岭回归算法.与SVM算法相比,该方法的特点是通过对二次损失函数的优化计算,简化了不确定参数的数量,而且由于采用直接优化计算,能有效减少建模的时间,提高计算效率.仿真实验结果和对航煤干点的软测量应用结果都验证了该算法的有效性.     

适应性治理视域下职业教育课程思政的生成逻辑、理论循证、深层困境和实践路径

课程思政既是知识经济时代下提高人才培养质量的必然要求,也是增强职业教育适应性、促进职业教育高质量发展的关键动因,不仅关系到为党育人、为国育才的人才供给质量,而且事关职业教育服务经济社会发展价值的实现。课程思政的推进必须以增强职业教育适应性为逻辑起点和价值导向,厘清职业教育课程思政适应性的“三重逻辑”,即立德树人与新发展阶段的实然逻辑、人才培养与区域产业需求的应然逻辑、办学治校与增强服务能力的必然逻辑,深入挖掘课程思政的适应性理论资源,揭示课程思政在其内涵、需求、机制、价值等方面的深层困境,构建基于回归职业教育本真、增强课程思政适应性的实践路径,促进教育链、人才链与产业链、创新链有机衔接,进一步彰显职业教育课程思政育人成效和职业教育课程思政价值的转换,从而达到增强职业教育适应性的目的。     

基于XLNet的中文文本情感分析

针对Word2vec等静态词向量模型不能解决一词多义、传统情感分析模型不能同时提取文本的全局和局部信息问题,本文提出了结合广义自回归预训练语言模型(XLNet)的文本情感分析模型。首先利用XLNet表示文本特征,然后利用卷积神经网络提取文本向量的局部特征,再利用双向门控循环单元提取文本的更深层次上下文信息,最后引入注意力机制,根据特征的重要性赋予特征不同的权重,并进行文本情感极性分析。仿真实验中将本文模型与5种常用的情感分析模型进行对比,验证了模型的准确率和优越性。     

基于带RBF核的SVM模型对红酒品质的精准分类

针对红酒品质的"精准分类"和影响红酒品质的重要指标问题,综合带RBF(径向基函数)核的SVM(支持向量机)模型、递归特征删除、深层次回归分析及单因素方差分析等方法,构建支持向量机模型和作用效力挖掘模型,使用R和SPSS进行编程求解.研究结果表明:该模型的精确率高达74.01％,且其误差绝对值最大不超过3,并找出影响程度...     

预测模型组合开关

不同预测模型在同一时刻都存在不同的预测误差,最优组合预测的预测精度要比其他模型高,但并不是所有时刻误差都最小,有的时刻可能比单项预测误差还大,因此,在预测时就存在较大的风险.再组合预测可以降低预测风险,但方法比较复杂难以推广.针对这些问题,我们设计一种预测模型组合开关,根据数据的变化,不同时刻采用不同预测模型,使预测误差每一期都最小,或不是最大.实证结果表明,预测模型开关能够根据数据特征有效控制模型输出.