回归神经网络辩识电液伺服系统模型与仿真

建立了一种回归神经网络辩识非线性电液伺服控制系统数学模型的辩识方法,研究了基于回归神经网络内部状态反馈的辩识算法,利用辩识实验获得的过程输入/输出数据动态调整神经网络权值。仿真结果辨明:神经网络描述的电液伺服控制系统数学模型具有较高精度,算法全局逼近能力良好。     

一种新型的动态模糊神经网络控制器

基于前向模糊神经网络ＡＮＦＩＳ提出了一种新型的动态模糊神经网络（ＤＦＮＮ）,将模糊逻辑,神经网络和ＰＩＤ控制器三者的优点有机地融合在一起。通过在ＡＮＦＩＳ的归一化层和输出层之间加入递归层,构成了动态模糊神经网络（ＤＦＮＮ）,并推导了基于ＢＰ的反传学习算法,与ＡＮＦＩＳ和ＰＩＤ控制器相比,ＤＦＮＮ具有更好的控制效果。ＤＦＮＮ的参数具有明确的物理意义,可根据专家的经验选择初值,加快了网络的收敛速度,由     

关于Diophantine方程x~3±1=3Dy~2

设D是奇素数,运用同余式、平方剩余、递归序列、Maple程序等初等方法得出了当D=27t2+1(t∈Z+)时,Diophantine方程x3±1=3 Dy2无正整数解的一个充分条件.     

基于CEEMDAN-BO-BiGRU的矿井涌水量预测研究

为提高矿井涌水量预测的准确度,基于涌水量数据的不稳定性及随机性,提出一种自适应噪声完备集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise, CEEMDAN)、贝叶斯优化(Bayesian optimization, BO)与双向门控循环单元(bi-directional gated recurrent unit, BiGRU)相结合的矿井涌水量预测模型CEEMDAN-BO-BiGRU。所提模型通过CEEMDAN将涌水量数据分解为多个较平稳的固有模态分量(intrinsic mode function, IMF)和残差分量(residual components, Res),过滤数据噪声,提取数据不同时间尺度波动特征,降低预测误差。利用贝叶斯优化对BiGRU模型多个超参数进行迭代寻优,进一步提高模型的预测精度。之后对各分量进行超前1～3步预测,最终将各分量预测结果加和得到涌水量多步预测结果。以小庄煤矿矿井涌水量数据进行试验,并将CEEMDAN-BO-BiGRU预测结果与其他多种预测模型结果...     

回复性、强混沌和唯一遍历性

令( ρ)是(具有两个符号的)单边符号空间,且令σ是 上的转移自映射.我们分别用A(·)、R(·)表示几乎周期点集和回复点集.在这篇文章中,我们证明了单边符号空间上的转移自映射,存在唯一遍历的不可数的分布混沌(在Schweizer-Smital意义下)的回复点集.     

双移民两性分支过程的极限性质

考虑同时带个体移民和配对单元移民的两性分支过程,称为双移民两性分支过程。本文首先介绍这种两性分支过程模型,然后讨论过程的状态性质,在一定的条件下得到过程的正常返性,最后研究第n代每个配对单元平均增长率的极限行为并利用马氏链的相关结论给出过程的极限性质。     

度量空间中强链回归点集的研究

研究了紧致度量空间中连续自映射强链回归点集的动力学性质,利用映射的一致收敛性,得到了强链回归点的一些结论:同胚映射f的强链回点集等于它的逆映射f-1的强链回归点集;同胚映射f的强链回归点集对f强不变;连续映射f限制在它的强链回归点集上形成的强链回归点集就是连续映射f在度量空间上形成的强链回归点集.最后给出一个例子,表明了强链回归点的概念不同于链回归点的概念.这些结论推广和改进了早期文献中链回归点的相关结果.     

关于不定方程x~3-1=55y~2整数解的讨论

利用递归序列、同余式、平方剩余以及Pell方程的解的性质证明了不定方程x~3-1=55y~2仅有整数解(x,y)=(1,0).     

多层局部回归网络的非线性系统预测模型

提出采用多层局部回归神经网络建立多变量非线性系统多步预测模型的方法,神经 网络模型可提供多步预测控制所需要的系统输出预测值及输出向量对控制向量的雅可比矩 阵．仿真试验表明这种动态神经网络的预测模型具有较高的精度．     

基于动态递归神经网络的动态矩阵控制

给出了利用动态递归神经网络 (DRNN)重构一个非线性动态过程的方法 ,对权值调整算法进行了推导。采用的动态递归神经网络具有非线性系统状态观测器的结构特征 ,容易实现并进行稳定性分析。利用训练好的网络作为预估模型 ,设计了基于DRNN的动态矩阵控制算法。仿真结果表明了权值调整算法和控制策略的有效性