基于径向基函数的多目标回归特征构建算法

多目标回归（MTR）是一种针对单个样本同时具有多个连续型输出的回归问题。现有的多目标回归算法都基于同一个特征空间学习回归模型,而忽略了各输出目标本身的特殊性质。针对这一问题,提出基于径向基函数的多目标回归特征构建算法。首先,将各目标的输出作为额外的特征对各输出目标进行聚类,根据聚类中心在原始特征空间构成了目标特定特征空间的基;然后,通过径向基函数将原始特征空间映射到目标特定特征空间,构造目标特定的特征,并基于这些目标特定特征构建各输出目标的基回归模型;最后,用基回归模型的输出组成隐藏空间,采用低秩学习算法在其中发掘和利用输出目标之间的关联。在18个多目标回归数据集上进行实验,并把所提算法与层叠单目标回归（SST）、回归器链集成（ERC）、多层、多目标回归（MMR）等经典的多目标回归算法进行对比,结果表明所提算法在14个数据集上都取得了最好的性能,并且在18个数据集上的平均性能排序居第一位。可见所提算法构建的目标特定特征能够提高各输出目标的预测准确性,并结合低秩学习得到输出目标间的关联性以从整体上提升多目标回归的预测性能。     

慢走丝线切割机床丝架的热误差建模

慢走丝线切割机床上下丝架的误差受环境温度影响变化较大,且其相对位置的改变直接造成电极丝的位姿发生变化,从而使加工精度降低. 针对某大型慢走丝线切割机床,用旋量理论建立其理论热误差模型,采用有限元的方法计算在环境温度改变时上下丝架在x、y、z方向上的变形量,并用MATLAB处理得出电极丝位姿在笛卡儿坐标系中的变化情况. 构建实验平台实测不同环境温度下线切割机床上下丝架的热变形,基于径向基函数( radical basis function,RBF)神经网络的M-RAN算法建立热误差模型. 结果表明:该误差模型残差小于1μm,可以良好地反映出热误差分布及变化的规律.     

基于神经网络的伺服机械手LuGre摩擦补偿控制

针对伺服机械手系统的LuGre摩擦模型参数辨识难,难以建立其精确的数学模型,利用径向基函数( RBF)神经网络的万能逼近特性逼近LuGre摩擦,并作为计算转矩控制器的补偿项。通过Lyapunov方法证明了系统的稳定性以及闭环系统跟踪误差的收敛性。仿真结果证明控制算法能对摩擦进行有效补偿,提高了伺服机械手系统的轨迹跟踪控制性能。     

结合灰色理论的人工神经网络方法 在水质预测中的应用

针对现阶段水质监测中存在的水质变化响应滞后问题,提出了采用灰色预测法、人工神经网络(BP神经网络、径向基神经网络、广义回归神经网络)以及两者组合的方法对水质动态预测进行研究。以太湖流域嘉兴斜路港监测断面为例,并依据后验差检验比值c及小概率精度p对模型预测效果进行了分析。结果表明,对年内预测,通过广义回归神经网络的动态预测值平均相对误差为0.61%,后验差检验比值小于0.65,小误差概率大于0.7;采用灰色结合广义回归神经网络的方法对水质pH值进行预测,平均相对误差仅有0.85%,后验差检验比值小于0.65,小误差概率等于1。研究结果还表明,对年际预测,灰色结合BP神经网络和灰色结合径向基函数神经网络的动态预测值平均相对误差分别为0.57%和0.80%,其后验差比值都小于0.5,小概率误差都为0.9,大于0.8。     

C~2C~3中无偏的不可扩展最大纠缠基

为了研究在量子计算和量子信息数据处理中起着重要作用的不可扩展最大纠缠基和无偏基,首先在C2C3空间上研究了不可扩展的最大纠缠基.其次构造了C2C3上两组无偏的不可扩展的最大纠缠基,并给出其一般形式,从而推广了文[9]在C2C3空间上构造的无偏基的结论,给出了更一般化的构造方法.     

Hilbert空间中的Riesz-对偶序列

文章主要研究Hilbert空间中的Riesz-对偶序列及其重要性质。对可分Hilbert空间中的任意序列,定义了仅依靠两组Riesz基定义的一个序列——Riesz-对偶序列,利用Hilbert空间中框架和Riesz基的性质,以及泛函分析中的算子理论研究它与前一组序列相关的性质。从而推广了P.G.Casazza、G.Kutyniok和M.C.Lammers的在抽象框架理论中研究对偶原理的一些结果。     

热处理对铸铁基多孔陶瓷复合材料组织与性能的影响

研究了热处理对铸铁基多孔陶瓷复合材料组织与性能的影响，结果表明，热处理正火，淬火均可不同程度地提高该复合材料的整体强度与耐磨性，而不影响铸铁－陶瓷的界面结构及材料的透气性。     

Numerical solution of nonlinear system of Klein–Gordon equations by cubic B-spline collocation method

A technique to approximate the solutions of nonlinear Klein–Gordon equation and Klein–Gordon-Schrödinger equations is presented separately. The approach is based on collocation of cubic B-spline functions. The above-mentioned equations are decomposed into a system of partial differential equations, which are further converted to an amenable system of ODEs. The obtained system has been solved by SSP-RK54 scheme. Numerical solutions are presented for five examples, to show the accuracy and usefulness of proposed approach. The approximate solutions of both the equations are computed without using any transformation and linearization. The technique can be applied with ease to solve linear and nonlinear PDEs and also reduces the computational work.