基于线性分段与HMM的时间序列分类算法

抽象出时间序列的多段线性特征,并提出一种时间序列分类算法.该算法包括3个模块:导数估值函数,线性分段方法,DDHMM模型(基于HMM).首先,利用导数估值函数与线性分段方法检测多段线性特征,若满足多线段特征,则将时间序列转化为特定结构的观察值序列;然后,利用训练观察值序列训练DDHMM模型,通过比较各模型产生测试观察值序列的概率值进行分类.实验表明,针对满足多段线性特征的时间序列,该算法具有较高的分类精度,应用在UCI数据集和实际工程中,分类效果好.     

大型群体多属性决策的目标函数线性回归法

在定义标准决策值的基础上,运用线性回归的方法建立了带有约束条件的大型群体多属性决策目标函数线性回归模型,证明了该模型解的存在性和唯一性.大型群体多属性决策目标函数线性回归法对各专家的标准决策值的信息进行了最优意义上的集结和协调.此外,对大型群体多属性决策目标函数线性回归模型进行了讨论,并获得了一整套可用Matlab软件求解该模型最优解的算法,具体应用算例验证了所提算法的有效性.     

分式过程神经元网络在网络流量预测中的应用

为更好解决网络流量预测问题,依据函数逼近论中分式的函数逼近性质和拟合能力要远远大于线性函数的性质,以及过程神经元网络对时变函数的非线性变换能力,提出一种分式过程神经元网络模型及其学习算法。实验结果证明,该网络模型对具有奇异值过程函数的柔韧逼近性质和在奇异值点附近区域反应的灵敏性优于一般过程神经元网络,以网络实测数据对模型进行训练和流量预测,取得了较好的应用效果。     

线性支持向量机优化问题的一种光滑算法

线性支持向量机的无约束优化模型的目标函数不是一个二阶可微函数,因此不能应用一些快速牛顿算法来求解。提出了目标函数的一种光滑化技巧,从而得到了相应的光滑线性支持向量机模型,并给出了求解该光滑线性支持向量机模型的Newton-Armijo算法,该算法是全局收敛的和二次收敛的。     

一种基于联合神经网络的连续空间行动者评论家学习方法

在复杂的连续空间应用场景中,经典的离散空间强化学习方法已难以满足实际需要,而已有的连续空间强化学习方法主要采用线性拟合方法逼近状态值函数和动作选择函数,存在精度不高的问题。提出一种基于联合神经网络非线性行动者评论家方法(actor-critic approach based on union neural network, UNN-AC)。该方法将动作选择函数和评论值函数表示为统一的联合神经网络模型,利用联合神经网络非线性拟合状态值函数和动作选择概率。与已有的线性拟合方法相比,非线性UNN-AC提高了对评论值函数和动作选择函数的拟合精度。实验结果表明,UNN-AC算法能够有效求解连续空间中近似最优策略问题。与经典的连续动作空间算法相比,该算法具有收敛速度快和稳定性高的优点。     

基于多模型模糊融合的MEMS陀螺补偿方法

为了实现微机电系统(MEMS)陀螺的高精度补偿,本文借助分段线性拟合与多模型模糊融合的方法,得到了一种新的标定补偿算法。通过对各轴分段组合的标定数据进行拟合建立多组补偿模型,并通过角速率的隶属度函数的模糊加权实现多模型融合,得到随测量值变化的线性补偿模型,提高了陀螺输出补偿的精度。实验表明,该方法的补偿精度明显优于传统方法。其算法简单计算量小,易于在实际工程中应用。     

一种基于高斯过程的行动者评论家算法

强化学习领域的一个研究难点是在大规模或连续空间中平衡探索和利用的问题。针对该问题,应运函数近似与高斯过程方法,提出新的行动者评论家 (Actor-Critic,AC)算法。该算法在Actor中使用时间差分误差构造关于策略参数的更新公式;在Critic中利用高斯过程对线性带参值函数建模,结合生成模型,根据贝叶斯推理,求解值函数的后验分布。将该算法应用于平衡杆实验中,实验结果表明,算法收敛速度较快,可以有效解决在大规模或连续空间中探索和利用的平衡问题,具有较好的性能。     

多元伪泊松混合分布模型的理论研究

针对混合分布模型中各项权值通常依赖于未知或已知参数而造成的模型不确定问题,提出了一种权值基于 Frobenius 范数的混合分布模型。首先,把多元泊松分布进行截断及均化处理,生成伪多元泊松分布。其次,根据有限可数混合分布的表达式,分别求解伪多元泊松混合分布的集函数矩阵、多线性形式的 Pseudo-Boolean 函数矩阵、多线性 Pseudo-Boolean 函数矩阵的 Frobenius 范数,由此得 到新的权值并据此构建多元伪泊松混合分布模型。最后,根据混合分布权值的归一性及非负性证明了模型的正确性并且通过仿真实验来展示构建模型的整个过程,验证了算术平均的合理性。可为今后研究混合分布在机器学习领域的应用及算法设计提供理论基础。     

基于遗传编程的网格资源调度算法

网格资源调度是一个非常重要的研究课题。由于因特网的开放、动态性,传统的资源调度和分配方法已经不再适用网格计算,基于经济模型的资源管理和调度成为研究热点。在计算市场模型中,构造有效的效益函数又是提高算法性能的关键。有关文献中采用的是线性效益函数,虽然降低了复杂度,但不能很好地反映用户的效益。文中提出了基于遗传编程来寻找和构造非线性效益函数的方法,并将其应用到网格调度算法中。实验结果表明该算法可以提高网格中的资源调度性能。     

一种求解多目标0-1规划问题的自适应粒子群算法

对于带有线性约束的多目标0-1规划问题,给出了一种自适应的粒子群优化算法。该算法利用变换来控制模型的线性约束,并通过对各目标函数进行自适应加权的方式形成适应度函数。数值结果表明该算法是有效的,可以求解实际应用中的一些模型。     

基本并行进程活性的限界模型检测

基本并行进程是一个用于描述和分析并发程序的模型,是Petri网的一个重要子类.EG逻辑是一种在Hennessy-Milner Logic的基础上增加EG算子的分支时间逻辑,其中的AF算子表示从当前的状态出发性质最终会被满足,因此EG逻辑是能够表达活性的逻辑.然而,基于基本并行进程的EG逻辑的模型检测问题是不可判定的.由此,本文提出了基本并行进程上EG逻辑的限界模型检测方法.首先,给出了基本并行进程上EG逻辑的限界语义,然后采用基于约束的方法,将基本并行进程上EG逻辑的限界模型检测问题转化为线性整数算术公式的可满足性问题,最后利用SMT求解器进行求解.     

Market-oriented scheduling and economic optimization of continuous multi-grade chemical processes

In this paper an approach for flexible production scheduling for continuous multi-grade chemical processes is proposed. The approach integrates the economics of production and of company–market interaction for single-machine multi-grade continuous processes. The operation of a continuous multi-grade plant is modeled utilizing the detailed inclusion of grade transitions and sales orders and opportunities. The added value of the operation, which is used as the criterion function, is modeled by analyzing the costs and benefits of plant operation. The model results in a mixed integer linear program which is solved to compute suitable short term production and sales decisions. The approach is demonstrated on a gas phase HDPE manufacturing plant.     

LS-SVM的参数优选及铁路客运市场预测

提出通过建立验证性能指标用遗传算法优化最小二乘支持向量机的有关参数并进行时间序列预测。将最小二乘支持向量机以铁路客运市场数据进行训练和测试,并与传统的BP网络预测模型相比较,结果证明,该模型的预测精确度是令人满意的,提出的方法是可行的。     

Linear regression versus back propagation networks to predict quarterly stock market excess returns

This paper compares a linear model to predict quarterly stock market excess returns to several backpropagation networks. Research findings suggest that quarterly stock market returns are to some extent predictable, but only marginal attention has been paid to possible nonlinearities in the return generating process. The paper discusses input selection, elaborates on how to generate out-of-sample predictions to estimate generalization performance, motivates the choice for a particular network, examines backpropagation training, and evaluates network performance. The out-of-sample predictions are used to calculate several performance metrics, and to determine added value when applying a straightforward tactical asset allocation policy. A nonparametric test is selected to evaluate generalization behavior, and sensitivity analysis examines the selected network's qualitative behavior. Strong nonlinear effects appear to be absent, but the proposed backpropagation network generates an asset allocation policy that outperforms the linear model.     

A scheduling quasi–min-max model predictive control algorithm for nonlinear systems

In this paper, a model predictive control algorithm is designed for nonlinear systems. Combination of a linear model with a linear parameter varying model approximates the nonlinear behavior. The linear model is used to express the current nonlinear dynamics, and the linear parameter varying model is used to cover the future nonlinear behavior. In the algorithm, a “quasi-worst-case” value of an infinite horizon objective function is minimized. Closed-loop stability is guaranteed when the algorithm is implemented in a receding horizon fashion by including a Lyapunov constraint in the formulation. The proposed approach is applied to control a jacketed styrene polymerization reactor.     

基于遗传编程的网格资源调度算法

网格资源调度是一个非常重要的研究课题.由于因特网的开放、动态性,传统的资源调度和分配方法已经不再适用网格计算,基于经济模型的资源管理和调度成为研究热点.在计算市场模型中,构造有效的效益函数又是提高算法性能的关键.有关文献中采用的是线性效益函数,虽然降低了复杂度,但不能很好地反映用户的效益.文中提出了基于遗传编程来寻找和构造非线性效益函数的方法,并将其应用到网格调度算法中.实验结果表明该算法可以提高网格中的资源调度性能.     

A free boundary value problem for water invading an unsaturated medium

We discuss a mathematical model arising in the filtration of a fluid through a porous medium. The model leads to a free boundary value problem whose governing equation depends on the retention function. A numerical approximation by means of finite elements is used to obtain an existence and uniqueness theorem along with an error estimate for a linear retention function.