Self-learning inductive inference machines

Self-knowledge is a concept that is present in several philosophies. In this article, we consider the issue of whether or not a learning algorithm can in some sense possess self-knowledge. The question is answered affirmatively. Self-learning inductive inference algorithms are taken to be those that learn programs for their own algorithms, in addition to other functions.
La connaissance de soi est un concept qui se retrouve dans plusieurs philosophies. Dans cet article, les auteurs s'interrogent à savoir si un algorithme d' apprentissage peut dans une certaine mesure posséder la connaissance de soi. lis apportent une reponse positive a cette question. Les algorithmes d'inference inductive autodidactes sont ceux qui font l'apprentissage de programmes pour leurs propres algorithmes, en plus d' autres fonctions.     

基于CDIO的一体化课程建设探索与实践

近几年CDIO教育模式应用在工科类课程教学中显现出很好的效果。该模式以学生为中心,以"构思—设计—实施—运作"为主线,培养学生的实践能力、自学能力和团队交流能力。将这一模式引入到高等职业院校的局域网安全与运维课程教学设计与实践中,教学实践表明,该模式可较大提升学生的动手能力和自学能力,促进教学质量的大幅度提高。     

非线性PID自学习控制方法研究

针对非线性、多变量、强耦合系统的控制问题,提出一种基于双曲函数的非线性PID自学习控制方法。在PID控制过程中,用双曲函数构造比例、积分、微分3个增益参数分别随误差变化的规律曲线,将传统线性PID控制律转化为非线性PID控制律的控制思想,并使用自学习算法实时调整3个非线性增益函数的增益系数,实现基于双曲函数的非线性PID自学习控制。仿真实验结果表明,与其他控制方法相比,该方法具有更强的鲁棒稳定性和抗扰动能力,是一种有效的控制方法,在非线性控制领域具有重要的应用价值。     

自动厚度控制方法的研究

为了提高轧钢厚度精度,提升产品合格率,本文通过对影响厚度变化因素的分析,对自动厚度控制方法的研究,提出了一种复合控制的方法.该方法不仅包括了传统反馈、前馈的控制策略,还有包含了自学习在内的预测控制,并对其进行了仿真分析,为自动厚度控制方案的优化提供了新的思路.     

基于网络环境的自主学习平台设计与实现

研究并设计了以培养自主学习能力为出发点的自主学习平台,实现了以学生为主体、教师为主导的交互网络教学环境。对系统功能进行需求分析和功能设计的基础上,利用JSP、SQLServer2005等关键技术对自主学习平台的前台(学生)模块、后台(教师与管理员)模块进行了详细设计并实现。     

基于PCA-SVDD的故障检测和自学习辨识

为了利用多变量统计过程控制在故障检测上的优势以及克服其在故障辨识诊断上的缺陷,提出一套新的用于化工过程的故障检测和自学习辨识算法.应用主元分析(PCA)实施故障检测并对故障数据运用PCA特征提取,提出3种基于主元分析-支持向量数据描述(PCA-SVDD)的模式判别方法来实现故障的自学习辨识:考虑故障辨识时可能出现的类分布重合问题,分析和比较了基于欧氏距离和归一化半径判别这2种方法,提出针对新型未知故障辨识的加权归一化半径判别法.通过对Tennessee Eastman(TE)过程的仿真研究,说明了提出的故障检测和自学习辨识算法的可行性和有效性.     

一种动态窗口PCA运动方向估计算法

首先针对个人航位推算系统中计步算法的阈值设定问题,提出了一种基于有限状态机的阈值自学习算法.通过该算法可以在较短的时间内(10s)获得自适应阈值,提高计步算法的准确性.然后在利用该阈值进行计步的同时,对连续步态进行分割,并以分割结果作为动态窗口进行主成分分析,可以获取目标运动的方向.此外,通过利用运动步态模型中加速度变化的规律可以有效解决180°模糊问题.实验分析结果表明,相比于固定窗口的 PCA 分析方法,基于动态窗口的 PCA 在数据处理量降低61.2%的情况下,其准确度提高了11.1%.     

一种模糊Petri网分层的新算法

针对模糊Petri网自学习能力差的缺点,在分析研究已有研究成果的基础上,指出了已有模糊Petri网分层算法的不足之处,并提出了一种具有普遍适用性的FPN分层算法。在该分层算法中,同一个库所的输出变迁被置于同一层次结构之中,在必要时可增加相应的虚库所和虚变迁,避免了同一层中变迁触发冲突问题的发生。该分层算法将神经网络理论引入模糊Petri网的研究中,实验验证了其正确性。     

一种基于元启发式策略的迭代自学习K-Means算法

类内误差平方和最小化的聚类准则求解是NP难问题,K-Means采用的迭代重定位方法本质上是一种局部搜索的爬山算法,因此聚类结果对初始代表点的选择非常敏感,只能保证局部最优.为此,引入元启发式策略,通过建立评估函数对K-Means初始代表点和目标函数之间的依赖关系进行近似,然后利用近似评估函数指导新的初始代表点的选择,构成一种迭代自学习框架下的K-Means算法.实验表明算法可以很好地克服K-Means对初始代表点的依赖性,获得较高质量的聚类结果.     

计及主/被动需求响应下基于合作博弈的微网–配电网协调优化调度

随着含高比例可再生能源的并网型微网不断增加,微网与配电网的交互更加紧密。为解决两者作为不同利益主体双方利益分配问题,提出一种计及主/被动需求响应下基于合作博弈的微网-配电网协调优化模型。首先,考虑消费者心理学,建立了基于Logistic模糊函数的电负荷主动需求响应模型。然后,建立了以最优热电比为目标的热负荷被动需求响应模型。最后,微网与配电网作为参与者组成合作联盟,以讨价还价理论为核心,各自利益与联盟利益最大化为目标,协商确定了交互电价与交互功率,用改进的Shapley分配法分配了组成联盟后的额外收益,并通过基于参数自学习的自适应二次变异差分进化算法对其求解。通过算例分析对比可知,用户、微网、配电网三方利益均有所提升,证明了所提方案的合理性。