动态校正的PI型广义预测控制器及其在反应釜系统中的仿真研究

提出了一种新型的广义预测控制器。由于在控制器的设计中,进行了预测误差的动态校正,并且控制器采用了比例积分型(PI)目标函数,因此该控制器对未建模动态具有很强的鲁棒性。应用低阶的模型对一个强放热的化学反应釜模型进行的仿真研究检验了该方法的有效性。     

基于RBF网络的混沌时间序列的建模与多步预测

提出将RBF神经网络应用于混沌时间序列的建模与预测中 ,设计了一个三层RBF网络结构 ,说明了RBF网络用于混沌时间序列建模和预测时的基本性质。仿真结果表明 ,RBF网络模型对混沌时间序列有比较强的拟合能力和比较高的一步及多步预测精度。采用RBF网络进行混沌时间序列的建模和预测能够取得比其它方法好得多的效果。     

大惯性转台准确定位的自调整控制方法

对于大惯性转台的控制 ,提出了自调整控制算法 ,利用历史信息实现转台减速点的智能调整 ,给出了减速点计算公式 ,解决了大惯性转台快速运行与准确定位的矛盾 .利用Matlab对系统进行了建模仿真研究 ,得到了满意效果 ,证明了自调整算法的有效性 .     

基于RBF网络的增量学习

提出了一种基于径向网络的增量学习算法 ,在对新样本进行学习时 ,通过恢复受干扰样本的方式来尽可能保持已有的知识不变 .模拟实验证明了本算法的正确性和有效性 .     

Research advances in gene therapy for Parkinson's disease

During the long period of time when people have been seeking for an effective therapeutic method for PD, the gene therapy has shown greater and greater advantages over other methods. It can be performed mainly in two ways: ex vivo and in vivo. With the former, TH gene as well as some neurotrophic factor genes (such as GDNF, BNDF genes) can be invited to some cell lines or primary cells thus forming engineered cells and then implanting them into brain. While with the latter, viral vectors including HSV-1, Ad, AAV that can be utilized to construct recombinant viruses, or non-virus vectors can be used to delived DNA into brain directly. The present review summarizes the recent research advances in the gene therapy for PD, and it is reasonable for us to predict a notable progress in prevention and treatment for PD in the next decade.     

论二阶电路的谐振频率

本文在二阶电路传输函数的基础上讨论了它的固有频率与输出响应峰值频率的关系和固有频率与输入电流电压同相频率关系,发现二阶电路的谐振频率不是零输入电抗的频率,而是它的固有频率．但在调谐实践中以输出响应的峰值频率作为谐振指示是合适的．     

基于遗传算法的RBF神经网络设计

采用了遗传算法自动构造ＲＢＦ网络,把网络结构的形式作为一个子集选择问题来解决,并提出了新的遗传操作算子来改进遗传算法,加快了收敛速度,提出了算法的实用性,文中介绍了遗传算法的结构与优化原理,并给出了ＲＢＦ网络结构的生成方法,用仿真结果证明了本算法的可行性。     

用进化规划思想优化径向基函数神经网络结构的均衡器

针对训练径向基函数(RBF)神经网络均衡器的随机梯度算法(SG)中,神经网络的结构是指定的并且所用训练样本较长的问题,引入进化规划思想,用进化规划方法确定径向基函数神经网络的结构,用基于最小均方(LMS)误差准则的自适应算法调整神经元到输出端的连接权重.蒙特卡洛仿真表明,用这种方法确定的均衡器可以达到与SG算法相同的性能,而所用训练样本很少,网络结构不需要事先指定.     

利用小波和RBF神经网络进行手写数字识别

提出一种基于小波和RBF神经网络的手写数字识别方法.该方法首先提取字符的小波特征,以它们作为神经网络的输入向量,然后用RBF神经网络进行识别.对字符样本的识别结果显示,此方法在识别错误率和识别效率等方面均有很好的效果.     

基于RBF神经网络多用户检测方法的设计

基于免疫算法和免疫进化网络,提出了一种训练RBF网络的混合算法.该算法采用了一种可以实现数据聚类的免疫进化网络,根据输入数据集合自适应地确定RBF网络隐层中心的数量和初始位置;采用免疫算法训练RBF网络,使优化过程趋于全局最优.通过计算机仿真证明,将该方法应用于多用户检测中获得了比传统检测器和其他方法训练的RBF网络多用户检测器更好的误码率检测性能.