非线性系统模糊神经网络变结构自适应控制

在非线性系统的模糊动力学模型基础上,提出一种模糊神经网络变结构自适应控制器;网络的结构根据非线性系统特性动态构成,基于该网络提出非线性预测器,基于梯度法提出了一种网络参数学习算法,并分析了收敛性及其性质。将网络预测器与参数学习算法相结合,构成自适应控制算法,证明了算法的收敛性。仿真结果证实了算法的有效性。     

基于Takagi-Sugeno的再励学习模糊神经网络控制

提出一种模糊神经网络的自适应控制方案。针对连续空间的复杂学习任务,提出了一种竞争式Takagi-Sugeno模糊再励学习网络,该网络结构集成了Takagi-Sugeno模糊推理系统和基于动作的评价值函数的再励学习方法。相应地,提出了一种优化学习算法,其把竞争式Takagi-Sugeno模糊再励学习网络训练成为一种所谓的Takagi-Sugeno模糊变结构控制器。以一级倒立摆控制系统为例,仿真研究表明所提出的学习算法在性能上优于其它的再励学习算法。     

基于Takagi—Sugeno的再励学习模糊神经网络控制

提出一种模糊神经网络的自适应控制方案。针对连续空间的复杂学习任务，提出了一种竞争式Takagi—Sugeno模糊再励学习网络，该网络结构集成了Takagi-Sugeno模糊推理系统和基于动作的评价值函数的再励学习方法。相应地，提出了一种优化学习算法，其把竞争式Takagi-Sugeno模糊再励学习网络训练成为一种所谓的Takagi-Sugeno模糊变结构控制器。以一级倒立摆控制系统为例．仿真研究表明所提出的学习算法在性能上优于其它的再励学习算法。     

神经网络自适应模糊控制在温度控制系统中的应用

把神经网络与模糊控制相结合，提出一种基于神经网络的自适应模糊控制器。这种控制器由模糊神经网络控制器和模型网络组成，采用快速的变斜率梯度下降算法学习，具有自适应学习功能，仿真结果及其应用于温度控制系统中，控制性能明显于一般Ｆｕｚｚｙ控制。     

基于高斯势函数网络的智能温度控制器

本文提出一种基于高斯函数网络的模糊温度控制器，给出了模糊神经网络控制模型和学习算法。通过自学习不断修正模糊控制器规则，使模糊控制器具有自学习和自适应能力。计算机仿真及温控结果表明，这种智能控制器具有良好的控制性能。     

基于自适应模糊神经网络控制器的网络控制系统

网络控制系统中存在着时延、丢包、网络干扰等问题。针对网络控制系统中存在恶化系统的控制性能,甚至导致系统不稳定的因素,提出了一种基于自适应模糊神经网络控制器的网络控制系统,它能根据系统的实际输出与期望输出误差,利用自适应模糊控制和神经网络自学习的原理进行控制参数的自行调整,以符合控制系统的实际要求,同时,分析了网络延时,丢包率及网络干扰因素对系统性能的影响。利用TrueTime工具箱建立了包含自适应模糊神经网络控制器的网络控制系统的仿真模型,并将其分别与基于常规PID控制器的网络控制系统和基于模糊参数PID控制器的网络控制系统进行了比较。实验结果表明,在相同的网络环境下,基于自适应模糊神经网络控制器的网络控制系统的控制效果比基于常规的PID控制器和基于模糊参数PID控制器的要好,且具有较好的抗干扰能力和鲁棒性能。     

基于Fuzzy丢包区分的TCP自适应拥塞控制算法

针对在有线/无线的异构网络中,传统有线环境下的传输控制协议(TCP)把所有丢包简单地归因于网络拥塞,严重影响了混合网络环境下的TCP传输性能的问题,提出了一种新的基于模糊理论的自适应控制算法。该算法选取了新的网络参数,运用Fuzzy方法对网络状态进行综合评价,并基于反馈理论的方法建立了新的自适应控制模型,即对评价结果集进行加权求和,得出网络性能指数,将其作为输入因子进入下一次计算过程,并调整各参数权重。仿真表明,该算法能够较好反映混合网络的真实拥塞状况,具有较好的网络适应性,比当前主要TCP算法具有更好的拥塞控制效果。该算法对在多参数,使用模糊方法背景下,混合网络拥塞及其自适应控制研究进行了新的探索。     

基于进化式模糊神经网络的时间序列预测系统

文章介绍了一种基于进化式模糊神经网络时间预测系统,它是一种快速自适应的局部学习模型;进化式模糊神经网络是一个特殊类型的神经网络,它能通过进化其结构和参数来容纳新的数据.文章重点介绍了网络结构、学习方法及创建、修剪、聚合规则节点的算法;实验结果表明:模糊隶属函数的个数,规则的修剪和聚合等训练参数,与网络的行为和预测结果有很重要的关系.     

自适应模糊辨识及其在大系统中的应用*

本文基于Ｔ－Ｓ模糊模型构造了一种新的自适应模糊神经网络，给出了网络诉连接结构物学习算法，它能自动学习和修正前件参数及模糊规则，将其用于大系统随机民递阶优化的控制建模中，仿真结果表明，该方法具有收敛速度快，辨识精度高、泛化能力强等特点，可当作复杂大系统建模的一种有效手段。     

纯碱碳化过程建模研究

针对纯碱碳化过程复杂、建模难的特点,提出一种基于T-S模型的自适应神经模糊推理系统（ANFIS）建模方法。该方法提取碳化过程塔内温度分布及出碱流量的实测数据,通过ANFIS网络自组初始化模糊规则,自适应调整前提隶属度参数和结论参数,最终建立出碱流量随塔内温度变化的非线性模型。文章讨论了该网络的结构和学习算法,通过仿真研究得出其良好的实用价值。     

Learning styles and formative assessment strategy: enhancing student achievement in Web-based learning

Abstract The purpose of this research was to investigate the effects of formative assessment and learning style on student achievement in a Web-based learning environment. A quasi-experimental research design was used. Participants were 455 seventh grade students from 12 classes of six junior high schools. A Web-based course, named BioCAL, combining three different formative assessment strategies was developed. The formative assessment strategies included Formative Assessment Module of the Web-Based Assessment and Test Analysis system (FAM-WATA) (with six Web-based formative assessment strategies), Normal Module of Web-Based Assessment and Test Analysis system (N-WATA) (only with partial Web-based formative assessment strategy) and Paper and Pencil Test (PPT) (without Web-based formative assessment strategy). Subjects were tested using Kolb's Learning Style Inventory, and assigned randomly by class into three groups. Each group took Web-based courses using one of the formative assessment strategies. Pre- and post-achievement testing was carried out. A one-way ANCOVA analysis showed that both learning style and formative assessment strategy are significant factors affecting student achievement in a Web-based learning environment. However, there is no interaction between these two factors. A post hoc comparison showed that performances of the FAM-WATA group are higher than the N-WATA and PPT groups. Learners with a 'Diverger' learning style performed best followed by, 'Assimilator', 'Accommodator', and 'Converger', respectively. Finally, FAM-WATA group students are satisfied with six strategies of the FAM-WATA.     

一个协作式虚拟学习环境的设计与实现

当今网络技术以及虚拟现实技术将会把计算机辅助学习带入一个新的领域———协作式虚拟学习环境。文中根据建构主义和认知科学理论提出了一个基于Web的协作式虚拟学习系统的设计方法,并以一种工业产品作为学习对象开发了一个原型系统,旨在通过先进的学习理念和计算机技术提高学习者的认知效率。通过实践测试和评估,证明效果良好。     

Improving Student Performance Using Self-Assessment Tests

Testing is the most generic and perhaps most widely used mechanism for student assessment. Most tests are based on the classical test theory, which says that a student's score is the sum of the scores obtained in all questions plus some kind of error. The most relevant is that the student test result depends heavily on the individual's learning preferences or abilities and also on the actual test's format. According to this theory, tests aren't necessarily useful in intelligent educational systems, which require accurately obtaining the student's knowledge state to guide the learning process. Yet the Web has created a new generation of intelligent systems-adaptive hypermedia systems which offer new types of instructional interaction. Educational AHSs adapt the learning process on the basis of the student's learning preferences, knowledge, and availability. One such Web-based tool is Siette (the system of intelligent evaluation using rests), which infers student knowledge using adaptive testing.     

改进的LM神经网络工程地质综合评价模型

以可靠的遥感地质信息为基础,采用步长自适应调整的Levenberg-Marquardt神经网络建立了工程地质灾害综合评价模型,实现对地质条件和地质灾害危险性的有效评价。通过对地质灾害危险性评价单元进行分析量化,将评价结果集成在三维地理环境中,实现了评价结果的三维可视化,实现对地质条件进行直观分析和评价。实例验证表明,基于步长自适应调整的LM神经网络具有准确度高、速度快的优点,是一种较为理想的工程地质综合评价方法。     

Reliability and validity of Web-based portfolio peer assessment: A case study for a senior high school’s students taking computer course

This study examined the reliability and validity of Web-based portfolio peer assessment. Participants were 72 second-grade students from a senior high school taking a computer course. The results indicated that: 1) there was a lack of consistency across various student raters on a portfolio, or inter-rater reliability; 2) two-thirds of the raters demonstrated inconsistency assessing different portfolios, i.e. inner-rater reliability; 3) peer-assessment scores were not consistent with teacher-assessment scores (criterion-related validity); 4) significant differences were found between peer-assessment scores and end-of-course examination scores, implying that Web-based portfolio peer assessment failed to reflect learning achievements (criterion-related validity). In short, Web-based portfolio peer assessment was not a reliable and valid method.     

基于HVS时频特性的视频质量评价方法

对于内容变化快的视频,现有仿真人类视觉系统的质量评价方法效果较差。因为主观评价者具有带通和掩蔽两种重要时域特征,现有方法中并未考虑这类与运动变化相关的视觉特性,导致客观与主观评价存在较大偏差。为提高运动变化快视频的评价准确性,利用统计学习的方法确定人类视觉阈值并建立模拟视觉系统的带通滤波模型;通过衰减权函数仿真人眼掩蔽特性。与基于信号特征的峰值信噪比(PSNR)方法、常权特征组合法、基于规则的变权特征评价法进行实验比较,在丢包率小于5%情况下获得最优评价效果。在带通模型的滤波作用下评价算法的执行效率得到提高。总之,该方法用简单方式有效地模拟复杂人类视觉特性,不仅提高评价性能而且降低计算复杂度。     

网络教学质量的模糊综合评价

网络课程质量评价对远程教育具有重要的意义。科学有效的评价可以实现网络教学的全程管理,正确引导网络教育的发展。由于涉及多方面、多因素,网络课程质量难以度量,本文采用模糊综合评价法解决这一问题。参考了国内外的网络课程质量评价标准,建立了网络课程质量评价指标体系层次分析模型,给出了网络课程质量评价的层次结构和计算方法,并给出了应用实例。     

Quantitative Analysis of Distance Learning Courseware

Web-based courseware are widely developed for distance learning programs in continue education, employee training center, and e-learning portals. Usually, a Web-based courseware contains course contents and on-line tests. However, most Web document development tools are not incorporated with a strategic evaluation mechanism, to allow a quantitative analysis of distance learning courseware. We propose an evaluation mechanism and a multimedia tool, based on our Courseware Diagram, to allow a quantitative justification of courseware. Courseware produced by our development system allows an instructor to choose different instruction sequences based on the outcomes of an exam. Alternatively, the courseware may allow self-guided study in a Web-based distance learning program. This paper explains the courseware diagram, the evaluation algorithm, and the design of our courseware development system.     

基于P2P的协作学习平台的研究与设计

分析目前Web协作学习平台的研究现状,提出利用P2P网络的技术优势,打造一个"平台+资源+交流"的新型协作学习应用模式,并利用JXTA P2P技术设计一个协作学习平台,该平台支持协作学习全过程,主要包括学习小组支持、组内协作学习、协作学习成果评价,以及方便灵活的资源管理和多形式多层次的在线交互支持。     

协同学习环境中的嵌套式知识空间模型和感知处理

为使协同学习环境能提供合理的学习导航和灵活的感知处理,提出了嵌套式知识空间模型,其中包含知识域、知识域之间的4种关系和知识空间等．根据该模型建立的协同学习环境,可以对系统中的文档资料进行有效的组织和管理,帮助学习者找到学习目标以及所需的资料进行学习．为了消除用户在远程协同学习环境中的“孤独感”,在嵌套式知识空间模型的基础上,提出了协同学习环境中的多级感知处理模型．它包括两种感知方式：多层感知空间方式和定制监测方式．此外在感知处理模型中,为用户提供了信息过滤器和隐私保护器,可有效地进行信息过滤和隐私保护．