一种通用的故障诊断系统设计方法

目前的故障诊断系统中普遍存在缺乏通用性、对故障先验知识与系统动态数据利用不均衡、稳定性和可塑性难以两全等缺陷,本文针对这些问题提出了一种故障模型,运用符号学习与神经网络相结合构成的增量式混合型学习算法,成功地对故障示例集进行处理,在此基础上给出了一种通用故障诊断系统设计方法.实验表明,利用该方法实现的系统在进行故障诊断时可以取得较好的效果.     

一种基于信息动态打包的数据仓库的设计方法

叙述了数据仓库的信息打包法的相关技术,提出一种基于动态打包的数据仓库设计方法,该方法采用了维度和类别动态重技术,提供可以个修改的数据存储方式,从而使所设计的数据仓库具有真正自适应的数据结构,较好地满足企业未来查询和分析的需要。     

基于新型神经网络分类器的故障诊断模型

针对故障诊断技术普遍存在的问题：缺乏通用性、不能同时保证稳定性和可塑性以及难以实时应用等,提出了一种故障示例模型,具有较好的通用性;采用的FANNC神经网络具有增量学习能力以及只需一遍学习就能完成同新增模式匹配的特点,在保证了模型的实时处理能力的同时,能较好地解决诊断系统的稳定性和可塑性两难问题。     

一个通用的系统故障诊断模型

狭义上,故障诊断包括两层含义即故障检测和故障定位,前者是指测试一个系统,判断其是否存在故障,而后者则是指在前者的基础上进一步定位故障点。广义上,故障诊断的内容,除了包含要判断系统有无故障以及故障产生后找到故障部位,还包含对故障特性的分析以及所采取的措施,例如让系统     

基于合作目标的动态舰载平台综合系统误差估计

动平台传感器配准中综合系统误差估计是误差估计领域中的一个难题。针对舰艇动平台环境下的综合系统误差估计问题,利用合作目标提供的高精度GPS导航信息,提出了两种误差估计方法。方法 1基于等效偏差模型,通过建立综合系统误差观测模型,将等效偏差中互相耦合的误差分量解耦,利用近似的等效偏差值估计综合系统误差各误差分量,克服了等效偏差模型的不足;方法 2通过分析经误差传递后综合系统误差分量对舰艇地理坐标系下目标定位精度的影响,对影响函数进行线性化处理,从而建立综合系统误差观测方程,完成综合系统误差估计。仿真验证在两种情形下进行,仿真结果表明两种方法估计性能互有优劣,但方法 2总体表现好于方法 1。利用两种方法估计出来的结果进行误差修正,修正后的航迹精度与修正前相比均有了大幅提高,能够满足舰艇平台实际作战需要。     

一种基于Web的多传感器数据融合系统模型

1 引言以通讯、传感器、计算机和网络为基础的数据融合(DataFusion)技术正在愈来愈深刻地改变着现代战争的形式。1998年Buede和Waltz给数据融合下了一个具有广泛意义的定义:一个自适应的知识创建过程,通过对来自各种信息源的一致或不一致观测数据的校正、相关和合并处理,建立起有组织信息索引集,并由此对某个特定的观测区域的结构、行为进行建模、理解和解释。由于军事目的的特殊性,大多数数据融合的应用都局限于一个独立的系统,采用相对稳定的客户机/服务器模型。实际上,以互联网为背景的未来战争已不再局限于特定的地点和对象。比如,洛克希德·马丁公司在研项目ISC2(Inte-grated Space Command and Control)就是这样一个虚拟的指挥和控制系统,它允许任何指挥官、在任何时间和任何地方     

一种基于统计的神经网络规则抽取方法

从功能性观点出发,提出了一种基于统计的神经网络规则抽取方法.该方法利用统计技术对抽取出的规则进行评价,使其可以较好地覆盖示例空间.采用独特的连续属性处理方式,降低了离散化处理的主观性和复杂度.采用优先级规则形式,不仅使得规则表示简洁、紧凑,而且还免除了规则应用时所需要的一致性处理.该方法不依赖于具体的网络结构和训练算法,可以方便地应用于各种分类器型神经网络.实验表明,利用该方法可以抽取出可理解性好,简洁、紧凑,保真度高的符号规则.     

基于Markov对策的多Agent强化学习模型及算法研究

在ＭＤＰ,单Ａｇｅｎｔ可以通过强化学习来寻找问题的最优解。但在多Ａｇｅｎｔ系统中,ＭＤＰ模型不再适用。同样极小极大Ｑ算法只能解决采用零和对策模型的ＭＡＳ学习问题。文中采用非零和Ｍａｒｋｏｖ对策作为多Ａｇｅｎｔ系统学习框架,并提出元对策强化学习的学习模型和元对策Ｑ算法。理论证明元对策Ｑ算法收敛在非零和Ｍａｒｋｏｖ对策的元对策最优解。     

神经网络国际研究动向-200O年国际神经网络联合大会评述

本文介绍了2000年国际神经网络联合大会的有关情况,对大会报告、论坛、分组报告以及我国学者的参与情况进行了总结,并分析了今后神经网络研究中值得注意的一些动向.     

基于加权证据距离的高度冲突证据组合方法

为了有效融合高度冲突的证据,以Murphy方法和邓勇加权平均法为基础,提出了一种新的基于加权证据距离的证据组合方法。用Murphy方法确定各证据体的权重,采用修正的City Block距离加权平均求证据间的两两距离,进而获取各证据被其他所有证据支持的程度,归一化各证据的总支持度作为该证据的权重,对多源证据加权平均后再利用Dempster组合规则实现信息融合。实验结果表明,该方法能够更加有效快速地识别出目标,拥有更快的收敛速度。