电力系统短期电力负荷预测仿真研究

在短期电力负荷准确预测的研究中,由于模型存在随机、时变、非线性等特点,用传统的神经网络进行预测结果往往不是很理想.为了提高预测的准确率,在建模之前,先通过相似日法选出与预测日总体相似度较高的负荷数据作为输入数据,提高待预测数据与训练数据之间的相关性.然后通过动态模糊神经网络来进行预测.减小建模的复杂性并提升建模速度.最后用EUNITE提供的电力负荷数据来进行仿真,仿真表明相似日和动态模糊神经网络结合的方法预测结果较为理想,提高了预测的准确率.     

基于Gabor和ADABOOST的面部表情识别

多尺度图像的Gabor表示在计算机视觉领域有着广泛的应用,本文探讨了面部表情图像的Gabor表示方法,为了减少特征矢量的维数,本文对Gabor小波系数进行了下采样处理和并采用PCA二次降维。最后利用Adaboost方法对面部表情进行识别,通过实验表明该方法对已知人脸的表情识别率达到95%以上,对未知人脸的表情识别率达72%,识别效果比较好。     

基于情绪心理学的情感建模

基于情绪心理学的基本理论，定义了个性空间、情感空间和心情空间，建立了个性与心情、心情与情感的映射关系，给出了心情与情感状态更新方程，提出了一种能够合理反映人类情感变化规律的情感计算模型。实验表明，该模型能合理反映出在外界刺激作用下，不同个性者心情状态和情感状态的波动过程，为情感机器人的情感决策提供了一种新的机制。     

工程教育模式下控制理论一体化综合课程的改革与实践

江西理工大学自动化专业依托“基于三个紧密结合加全面素质教育的自动化专业人才培养模式创新实验区”,以培养卓越工程师为目标,对传统的教学体系进行改革、优化,探索工程教育模式下控制理论一体化综合课程的教学体系,打破传统控制类课程的界限,通过项目实施,构建以“项目一能力”为核心,教与学、理论与实践、知识与能力紧密结合的控制理论一体化综合课程体系．多种教学方法并行。经过几年的教学改革和实践,学生的创新能力和工程实践能力得到了很大的提高。     

改进型模糊控制器在工业过程中的应用

采用常规PID控制很难实现对大滞后、非线性等难以建立精确数学模型的被控对象的良好控制．模糊控制不依赖于对象的数学模型,特别适合于非线性系统的控制．由于常规模糊控制器会引起系统的稳态误差,引入积分环节改进常规模糊控制器．通过SIMULINK仿真实验表明,该控制方法满足二阶非线性控制对象的控制要求,并取得了良好的控制效果．     

基于蝙蝠算法优化BP神经网络的特征点匹配

由于医学图像的特殊性,普通亮度和对比度偏低,灰度不明显,在成像上拍摄角度和拍摄光照变化,都是导致图像的中的数据丢失,为了解决上述的干扰,近年来,基于特征点的人工神经网络图像匹配方法具有高速信息处理和不确定性信息处理的能力,引起了人们的广泛关注。传统的BP神经网络参数是随机的,容易陷入局部最优,利用蝙蝠算法优化BP网络参数,应用到特征点匹配中去。提出了一种基于蝙蝠算法优化BP神经网络的特征点匹配方法,利用两图间匹配为基础,建立基于蝙蝠算法优化BP神经网络的特征点匹配的模型,并加以特征点的单一性约束准则和互应性约束准则,仿真结果表明:蝙蝠算法优化BP神经网络的特征点匹配的正确率比传统的BP神经网络的正确率高。