应用层组播的研究与算法实现

引入了组播的概念,并对传统的口组播作了一个简要的概述及总结归纳.然后引入应用层组播的概念,并对应用层组播的研究现状和主要的研究方法进行了详细的介绍和评述.特别是对应用层组播中所使用的几个关键技术和在该领域中所经常采用的一些算法,进行了深入的探讨和细致的总结.同时也介绍了目前在应用层组播研究领域中所遇到的几个主要问题,比如流量控制和拥塞控制,并提出了相应的解决方案.在介绍应用层组播的同时,与传统的IP层组播进行了比较,给出了两者之间存在的差别.最后,提出了一套对应用层组播算法进行评价的评估体系.     

迭代学习控制综述

系统地论述了迭代学习控制的发展和研究现状,包括学习算法及其各种分析方法、与其他控制技术的结合及其应用都作了的总结.重点对迭代学习控制研究的前沿问题:基于频域分析的迭代学习控制、基于2-D理论的迭代学习控制、基于Lyapunov直接法的迭代学习控制、最优化迭代学习控制和采样迭代学习控制进行阐述.最后讨论了目前研究中存在的问题及未来的研究方向.     

城市单交叉路口交通信号的控制方法研究

对于传统的交通信号无法有效解决当前城市交通堵塞问题,将Q学习与交通信号相结合的方式来解决此问题.对交通控制理论进行分析,对强化学习理论和Q学习算法的步骤进行研究,将交通信号与Q学习算法相结合,通过仿真实验结果得到Q学习算法与交通信号相结合优于当前的固定周期信号控制方法.     

基于向量图分析的迭代学习控制非线性算法

打破多年来人们一直囿于Arimoto的思路 ,另辟途径寻找新的迭代学习控制的研究方法 ,以期构架迭代学习控制的几何理论 .基于数学的几何方法 ,通过对通常算法所构成的向量图进行分析 ,获得了一类快速的迭代学习控制新算法 ,然后对这种新结构的算法在理论上进行了完整的收敛性分析 .这类新算法与目前所有迭代学习控制算法不同 ,具有非线性结构 .仿真结果表明了该类算法的有效性与优越性     

去身份识别技术的发展与理论分析

本文在对相关技术的应用背景和各种影响因素进行概括和总结的基础上,对该领域的研究成果进行了说明,针对去身份识别过程所采用算法的健壮性进行深入讨论,分析了现在研究中所存在的一些问题。     

深度学习在控制领域的研究现状与展望

深度学习在特征提取与模型拟合方面显示了其潜力和优势. 对于存在高维数据的控制系统, 引入深度学习具有一定的意义. 近年来, 已有一些研究关注深度学习在控制领域的应用. 本文介绍了深度学习在控制领域的研究方向和现状, 包括控制目标识别、状态特征提取、系统参数辨识和控制策略计算. 并对相关的深度控制以及自适应动态规划与平行控制的方法和思想进行了描述. 总结了深度学习在控制领域研究中的主要作用和存在的问题, 展望了未来值得研究的方向.     

深度强化学习在智能制造中的应用展望综述

深度强化学习作为机器学习发展的最新成果,已经在很多应用领域崭露头角。关于深度强化学习的算法研究和应用研究,产生了很多经典的算法和典型应用领域。深度强化学习应用在智能制造中,能在复杂环境中实现高水平控制。对深度强化学习的研究进行概述,对深度强化学习基本原理进行介绍,包括深度学习和强化学习。介绍深度强化学习算法应用的理论方法,在此基础对深度强化学习的算法进行了分类介绍,分别介绍了基于值函数和基于策略梯度的强化学习算法,列举了这两类算法的主要发展成果,以及其他相关研究成果。对深度强化学习在智能制造的典型应用进行分类分析。对深度强化学习存在的问题和未来发展方向进行了讨论。     

浅谈提高高中计算机信息课的学习有效性

本文针对高中阶段计算机信息课学生学习效果普遍不佳的问题,着重从学的角度,首先分析高中计算机信息课学习中所存在的一些问题,在此基础上给出了一些提高该课程学习有效性的方法和建议.     

一种有效的储备池在线稀疏学习算法

为克服传统储备池方法缺乏良好在线学习算法的问题, 同时考虑到储备池本身存在的不适定问题, 本文提出一种储备池在线稀疏学习算法, 对储备池目标函数施加L1正则化约束,并采用截断梯度算法在线近似求解.所提算法在对储备池输出权值进行在线调整的同时, 可对储备池输出权值的稀疏性进行有效控制, 有效保证了网络的泛化性能.理论分析和仿真实例证明所提算法的有效性.     

案例特征权重自动学习方法研究

重点讨论了基于案例推理中特征权重的自动学习方法。通过认真分析现有的一种利用粗糙集理论进行权重自动学习的算法 ,指出了该算法中存在的一些问题 ,最后提出了一种改进的权重自动学习算法 ,并通过实例对两种算法进行了比较