神经网络传递函数的功能分析与仿真研究

从函数映射的角度,以三层前向神经网络为例,对神经网络的映射关系进行了分析,提出前向神经网络的映射关系可以视为一种广义级数展开,展开系数就是隐层与输出层的连接权,而传递函数的作用在于提供一个“母基”,它与输入到隐层间的连接权一起,构造了不同的展开函数。根据这一理论,着重对神经网络传递函数在映射中的作用进行了分析,指出如果灵活选择多个复合传递函数,可以使网络以更少的参数、更少的隐节点,完成从输入到输出的映射,从而提高神经网络的泛化能力。利用遗传优化对一个两类分类问题的训练仿真结果表明,采用混合传递函数,的确能够以更少的隐节点实现所需要的映射关系,网络结构的复杂度低,泛化能力也更好。该结果也进一步证实了神经网络映射关系的广义级数展开的正确性。     

基于双闭环模糊控制的有源电力滤波器

有源电力滤波器普遍采用双闭环控制.从双闭环协调控制的思路出发,通过对有源电力滤波器运行时内外环之间的相互耦合的研究,总结了双闭环PI参数协调控制的规律,并把总结的控制规律应用模糊控制的方式对有源电力滤波器进行控制.仿真结果和实验测试结果表明所述方法不仅使得直流母线电压在启动过程中的超调量很小,电压收敛速度快,而且发出的冲击电流很小,从而大大增强了系统运行的可靠性和直流母线电压的稳定性.仿真结果和实验测试结果表明,该方案能显著提高系统响应速度,并使注入电网的谐波电流达到IEEE519-1992的要求.     

基于集成核可预测元分析的非线性故障检测

以核可预测元分析(KForeCA)为例,将它与集成学习方法相结合,提出了一种基于集成核可预测元分析(EKForeCA)的非线性故障检测方法。给出EKForeCA的故障检测原理。TE仿真实验结果表明:基于EKForeCA的故障检测方法可有效提高故障检测灵敏度和鲁棒性。     

一种基于可预测元分析的故障诊断方法

将可预测元分析(Fore CA)引入到过程监控中,通过选取合适的可预测元并构造能够反映系统运行状况的统计量对在线数据进行统计监控,克服了主元分析(PCA)方法假设数据服从高斯分布且无法反映系统动态时序特性的缺陷,能很好地描述工业过程的动态特性并进行故障检测。TE模型上的仿真结果证明了Fore CA在工业过程监控中的可行性与有效性。     

面向宽带IP网络的拥塞控制研究进展

讨论了IP网络中拥塞控制的基本原理,分析和比较了目前一些有代表性的可升级的拥塞控制算法,指出了其中存在的问题,而后总结了控制理论在分析和设计网络拥塞控制算法方面所取得的一些进展,并提出了未来的工作方向。     

关于RF缆放卷系统模糊建模的研究

针对传统RF缆放卷设备控制系统的局限性,从系统的角度建立RF缆放卷系统的T-S模糊模型,设计了放卷系统内模控制器,构建了RF缆放线设备的内模控制系统。实验结果表明,与传统的"变频器+电机"的PID控制比较,文中设计的基于T-S模型的非线性内模控制系统有着更好的控制精度和鲁棒性。     

模糊神经技术在反应堆安全研究中的应用

概要介绍了模糊神经网络技术 ,并对其在核电厂的负荷跟踪、功率分布控制、运行状况及运行参数的虚拟测量、故障诊断及瞬态识别以及核燃料的质量检查等方面的应用情况进行了综述。模糊神经网络技术在核电厂中的应用大大提高了反应堆运行的安全性和可靠性 ,展现了良好的推广应用前景     

基于递阶强化学习的多智能体AGV 调度系统

递阶强化学习是解决状态空间庞大的复杂系统智能体决策的有效方法。具有离散动态特性的AGV调度系统需要实时动态的调度方法，而具有MaxQ递阶强化学习能力的多智能体通过高效的强化学习方法和协作，可以实现AGV的实时调度。仿真实验证明了这种方法的有效性。     

基于强化学习的多智能体动态协作规则提取

在分布式的动态环境下,多智能体系统的协作是建立在规则集合上的动态过程,因此需要建立动态的协作规则.多智能体强化学习的平稳状态本质上即是智能体之间的协作规则,据此提出一种基于强化学习的协作规则提取的方法,并由此构成智能体决策的新结构,最后用实例进行分析和证明了所提出的方法与单纯的强化学习方法相比较,具有如下优点:1)提取的规则可以加快多智能体的协作决策过程;2)规则的动态变化可以适应环境的动态变化;3)规则可以避免多次重复的学习过程.     

基于余弦距离度量学习的伪K近邻文本分类算法

距离度量学习在分类领域有着广泛的应用,将其应用到文本分类时,由于一般采用的向量空间模型(VSM)中的TF*IDF算法在对文本向量表达时向量均是维度相同并且归一化的,这就导致传统距离度量学习过程中采用的欧式距离作为相似度判别标准在文本分类领域往往无法取得预期的效果,在距离度量学习中的LMNN算法的启发下提出一种余弦距离度量学习算法,使其适应于文本分类领域,称之为CS-LMNN.考虑到文本分类领域中样本类偏斜情况比较普遍,提出采用一种伪K近邻分类算法与CS-LMNN结合实现文本分类,该算法首先利用CS-LMNN算法对训练数据进行距离度量学习,根据训练结果对测试数据使用伪K近邻分类算法进行分类,实验结果表明,该算法可以有效的提高分类精度.