基于广义基函数的CMAC学习算法的改进及收敛性分析

基于广义基函数的CMAC(Cerebeliar Model Articulation Controller)学习算法(称 C-L算法)收敛条件依赖于基函数和学习样本,很难同时满足学习快速性与收敛性.提出了一 种改进学习算法,并证明改进算法是收敛的,而且收敛条件不依赖于基函数和学习样本.仿真 结果表明改进算法优于C—L算法和标准的Albus算法.     

基于G-ICA的组织样本分类算法

利用加入了分类指导信息的ICA（Guide Independent components analysis,G-ICA）,在已知样本中提取隐藏在样本基因表达数据中与组织分类密切相关的各种表达模式,根据这些模式对未知组织样本进行分类。试验结果表明,该方法提高了组织样本的分类能力,其计算复杂度低、收敛快,具有较强的稳定性。     

大型复线性方程组预处理双共轭梯度法

当复线性方程组的规模较大或系数矩阵的条件数很大时,系数矩阵易呈现病态特性,双共轭梯度法存在不收敛和收敛速度慢的潜在问题,采用适当的预处理技术,可以改善矩阵病态特性,加快收敛速度。从实型不完全Cholesky分解预处理方法出发,构造了一种针对复线性方程组的预处理方法,结合双共轭梯度法,给出了一种预处理双共轭梯度法。数值算例表明该算法求解速度快,可靠高效,能够应用于大型复线性方程组的求解。     

求解AUC优化问题的对偶坐标下降方法

AUC被广泛作为衡量不平衡数据分类性能的评价标准.与二分类问题不同,AUC问题的损失函数由来自两个不同类别的样本对组成.如何提高其实际收敛速度,是一个值得研究的问题.目前的研究结果表明：使用reservoir sampling技术的在线方法(OAM)表现出很好的AUC性能,但OAM仍存在诸如收敛速度慢、参数选择复杂等缺点.针对 AUC 优化问题的对偶坐标下降(AUC-DCD)方法进行了系统的研究,给出3种算法,即 AUC-SDCD,AUC- SDCDperm和AUC-MSGD,其中,AUC-SDCD和AUC-SDCDperm与样本数目有关,AUC-MSGD与样本数目无关.理论分析指出,OAM是AUC-DCD的一种特殊情形.实验结果表明,AUC-DCD在AUC性能和收敛速度两方面均优于OAM.研究结果表明,AUC-DCD是求解AUC优化问题的首选方法.     

求解非光滑强凸优化问题的减小方差加权随机算法*

在光滑问题随机方法中使用减小方差策略,能够有效改善算法的收敛效果.文中同时引用加权平均和减小方差的思想,求解“L1+L2+Hinge”非光滑强凸优化问题,得到减小方差加权随机算法(α-HRMDVR-W).在每步迭代过程中使用减小方差策略,并且以加权平均的方式输出,证明其具有最优收敛速率,并且该收敛速率不依赖样本数目.与已有减小方差方法相比,α-HRMDVR-W每次迭代中只使用部分样本代替全部样本修正梯度.实验表明α-HRMDVR-W在减小方差的同时也节省CPU时间.     

基于健康度的人工蜂群粒子群算法

针对标准粒子群算法存在收敛速度慢和易陷入局部最优等问题,提出了一种基于健康度的人工蜂群粒子群算法。通过动态地对各个粒子的健康状况进行评价,对正常粒子和病态粒子分别进行处理,避免无效搜索,提高算法的收敛速度;在处理病态粒子时,一方面以大概率借鉴人工蜂群的搜索策略提高算法的探索能力,另一方面以小概率增加粒子群的多样性,避免陷入局部最优。实验结果表明,与标准粒子群算法和其他改进算法相比,该算法收敛速度快、寻优精度高。     

深度Q学习的二次主动采样方法

实现深度Q学习的一种方式是深度Q网络（Deep Q-networks,DQN）.经验回放方法利用经验池中的样本训练深度Q网络,构造经验池需要智能体与环境进行大量交互,这样会增加成本和风险.一种减少智能体与环境交互次数的有效方式是高效利用样本.样本所在序列的累积回报对深度Q网络训练有影响.累积回报大的序列中的样本相对于累积回报小的序列中的样本更能加速深度Q网络的收敛速度,并提升策略的质量.本文提出深度Q学习的二次主动采样方法.首先,根据序列累积回报的分布构造优先级对经验池中的序列进行采样.然后,在已采样的序列中根据样本的TD-error（Temporal-difference error）分布构造优先级对样本采样.随后用两次采样得到的样本训练深度Q网络.该方法从序列累积回报和TD-error两个方面选择样本,以达到加速深度Q网络收敛,提升策略质量的目的.在Atari平台上进行了验证.实验结果表明,用经过二次主动采样得到的样本训练深度Q网络取得了良好的效果.     

基于输入匹配的广义预测自校正控制器——有色噪声情况

为随机线性系统建立了全局收敛广义预测自校正控制算法,处理的是有色噪声的情 况,并给出了完整而严格的收敛性证明.在通常假设条件下使用这种算法,能使适应控制律和 最优控制律之差在样本均方意义下收敛到零.     

基于余弦相似度的多模态模仿学习方法

生成对抗模仿学习（generative adversarial imitation learning, GAIL）是一种基于生成对抗框架的逆向强化学习（inverse reinforcement learning, IRL）方法，旨在从专家样本中模仿专家策略.在实际任务中，专家样本往往由多模态策略产生.然而，现有的GAIL方法大部分假设专家样本产自于单一模态策略，导致生成对抗模仿学习只能学习到部分模态策略，即出现模式塌缩问题，这极大地限制了模仿学习方法在多模态任务中的应用.针对模式塌缩问题，提出了基于余弦相似度的多模态模仿学习方法 (multi-modal imitation learning method with cosine similarity,MCS-GAIL).该方法引入编码器和策略组，通过编码器提取专家样本的模态特征，计算采样样本与专家样本之间特征的余弦相似度，并将其加入策略组的损失函数中，引导策略组学习对应模态的专家策略.此外，MCS-GAIL使用新的极小极大博弈公式指导策略组以互补的方式学习不同模态策略.在假设条件成立的情况下，通过理论分析证明了MCS-GAIL的收敛...     

势能记忆梯度优化的协同模式分类方法

传统的协同模式分类学习方法是依据原型向量再通过伪逆或M-P广义逆的方法求出满足一定关系式的伴随向量,当样本维数大时,这种方法学习过程较慢,特别当样本维数有变化时传统的方法就不太适用了;协同势能函数优化的方法是直接利用协同动力学过程,来获得原型向量和伴随向量的收敛值,相比于传统的方法具有一定的优势。将最优化理论引入到协同进化的动力学过程,以加快学习过程的收敛,并以记忆梯度法替代了传统的梯度下降的算法进行势能函数的优化,来同时进行原型向量和伴随向量的学习,新方法能显著地提高收敛速度并获得较优的原型向量。通过图像的分类识别表明,相对于传统的方法,能提高识别率且收敛更好。     

中点偏移算法构建分形山的病态值分析及解决

本文在对大量数据进行检验的基础上,对建分形山的中点偏移算法及其参数进行了分析,并发现病态值的出现,经分析后,提出解决方案。     

遥感影像样本大数据建库与应用方法

研究一种基于关系型数据库与分布式文件系统融合的遥感影像解译样本大数据建库方法.解析了数据库建设过程,讨论了建库关键技术问题与解决方法;在建成样本数据库基础上,研究了样本数据应用方法,分析了几种应用实例,探索了样本数据应用模式;以选取的研究区域内大规模样本数据为对象,验证了数据库建设中数据处理过程及效率,同时,以地理国情普查分类体系中地表覆盖10个一级类为例,对研究区域各类别样本空间分布与密度等特征进行了分析.结果表明：利用关系型数据库与分布式文件系统融合的方法对样本大数据进行建库与管理,对样本数据的检索、分析及推广应用,具有很好的效能和适用性.     

基于矢量基学习的最小二乘支持向量机建模

为使最小二乘支持向量机的解具有稀疏性,本文提出了一种稀疏解算法-矢量基学习．首先引入基矢量、基矢量集与矢量空间的概念,并分析新样本矢量与矢量空间的夹角,从而推导出该样本是否为基矢量的判断准则．随着新样本的到来,在线判别支持向量,使LS-SVM的支持向量具有稀疏性．提升LS-SVM动态建模的实时性,本文进一步提出用于矢量基学习的增长记忆模式递推公式．仿真分析及水处理厂的应用实例,验证了该方法的可行性和有效性．     

电厂燃料管理系统解决方案

电厂燃料管理系统的开发目标是建立一套完整、科学的燃料计算机管理体系,通过此系统的建立达到信息传递快捷准确,各部门沟通协调融洽的目的,提高燃煤数据对生产经营决策的支持能力,从而降低生产成本。整个系统从煤炭进厂、称重、卸煤验收、煤样制备、入厂煤化验、入厂煤电算化结算和数据统计发布整个过程进行管理。方便各级管理人员对煤的各种数据指标进行查阅、统计。采用C/S模式对整个系统进行了设计和开发,实现了燃料的全过程计算机管理,提高了工作率,为电厂逐步实现网络化奠定了良好的基础。     

基于DLL的知识库系统及其实现

基于知识系统的主要内容是其领域知识库,而知识库的关键是其搜索效率和可移植性。文中分析了几种基于知识的系统中常用的知识库运行模式,根据动态连接库(DLL)的特点,提出了一种基于DLL的知识库预编译模式,阐述了基于该模式的知识库系统基本原理,并应用于产品设计领域的智能化知识库系统开发环境中,建立层次化的智能CAD知识库,大大提高知识库搜索效率,取得了令人满意的效果。     

IGBA and the national geochemical data bank in the U.K.: Design and systems

The evolution of geochemical data banking in the UK is summarized, and the relation of the IGBA data base to the National Geochemical Data Bank explained. The method of collecting data into IGBA is through authors at the time they are preparing for publication, papers carrying the geochemical information. The data are collected in fixed card image format in hard copy or machine-readable form. The format permits storage and retrieval not only of chemically determined major and trace element contents per sample, but also of the name, sample number, locality, mineral assemblage, petrography, texture, mode of occurrence, degree of alteration, precision of mineralogical and petrographic information, age, isotopic data, analytical procedure and quality control, and if appropriate oceanographic information for ship-borne collected samples. The path of data from the research operator's file to retrievable national data base is described, and an example given.     

An equivalent multiscale method for 2D static and dynamic analyses of lattice truss materials

A uniform multiscale computational method is developed for 2D static and dynamic analyses of lattice truss materials in elasticity based on the extended multiscale finite element method. A kind of multi-node coarse element is proposed to describe the more complex deformations compared with the original four-node coarse element and the mode base functions are added into the original multiscale base functions to consider the effects of inertial forces for the dynamic problems. The constructions of the displacement and mode base functions are introduced in detail. In addition, the orthogonality of the displacement and mode base functions are also proved, which indicates that the macroscopic displacement DOF and modal DOF are irrelevant and independent of each other. Finally, some numerical experiments are carried out to verify the validity and efficiency of the proposed method by comparison with the reference solution obtained by the standard finite element method on the fine mesh.     

经验模态分解与样本熵在并网型光伏逆变器故障诊断中的应用

摘要：针对光伏并网逆变器电路中故障信号的非线性、非平稳特点,提出一种基于经验模态分解(EMD)和样本熵(SampEn)的故障诊断方法。首先,利用经验模态分解对逆变器的三相输出电压进行分解,得到有限个本征模式分量(IMF),从中选取包含故障主要信息的前几个本征模式分量提取故障信息。然后,计算本征模式分量的样本熵,从而得到用于故障诊断的特征向量;最后,将逆变器开路故障进行分类和编码,将故障特征向量输入BP神经网络进行模式识别,从而达到故障诊断的目的。在Matlab环境下对光伏并网逆变器的故障诊断进行了实验,实验结果证明了文中方法能实现对光伏并网逆变器的故障诊断,且与小波包变换相比,该方法具有诊断效率高和准确度高等特点。     

一种支持HDLC协议的串行同步通信模式研究

针对同步通信的特点,提出了一种在现有串行通信的基础上全功能串口的通信模式。该同步模式支持HDLC传输协议,并重新定义实现了异步/同步底层驱动。该模式能够很好的应用在ARM嵌入式环境中,对于通信量要求不高的终端设备之间的通信具有重要参考价值。     

小波包能量谱-稀疏核主元在故障检测中的应用

针对滚动轴承故障检测的问题,提出一种基于小波包能量谱-稀疏核主元的滚动轴承故障检测方法。对振动信号进行小波包分解,提取信号的能量频谱,用增量式样本基构造方法,提取能量频谱的样本基,以此样本基建立核主元模型,来分析轴承振动信号能量频谱的变化。通过实验仿真来说明此算法的有效性。