基于Petri网的知识空间建模方法与学习路径控制

对学生学习路径的控制和学习状态的了解在自主学习系统中是一个重要的问题,以知识空间理论为基础建立了学习状态空间,并通过Petri网对该学习状态空间进行了建模,利用Petri网实现了学习状态空间中所有可能的学习路径控制和学生学习状态的了解,在此模型中学生可以利用Petri网的变迁实现自由的学习控制,并通过Petri网库所标识来了解学生的学习状态,达到个性化学习路径的目的。     

基于反向学习的状态空间模型进化算法

由于状态空间模型进化算法(SEA)易受初始种群的影响,精度不高,容易早熟等问题.因此,提出了一种基于反向学习的状态空间模型进化算法(OLSEA).通过对状态进化矩阵G重新构造实现全局搜索,增强了全局探索和局部搜索能力;算法结合了反向学习策略,提高了算法搜索效率,增强了跳出局部最优的能力;利用8种基准测试函数对算法有效性...     

状态空间重构技术在控制中的一个应用

讨论了混沌理论中的状态空间重构技术在控制中的一个简单应用，并给出了相应的仿真实例。     

基于HNP模型的强化学习状态空间表示方法

蛋白质结构预测是生物信息领域中具有挑战性的问题之一.将强化学习运用在HNP晶格模型的最优结构发现中,性能出色,但结构预测所需的状态空间巨大,容易导致维数灾难问题.在全状态空间基础上,进一步提出半状态空间与简单状态空间方法,以达到约减状态空间的目的,同时对奖赏函数与策略进行定量分析.实验结果表明,该方法有效解决全状态空间无法计算长序列的缺点,其中简单状态空间较全状态空间有3条序列预测出更低能量,半状态空间较全状态空间方法全部6条长序列都预测出更低能量,且半状态空间预测的能量平均值较简单状态空间降低了9.83百分点.     

基于子空间辨识的状态空间模型预测控制

针对无法从工业过程中获得准确状态空间模型的问题,提出一种基于子空间辨识的状态空间模型预测控制方法。利用子空间辨识方法得到的状态空间模型作为系统模型,给出约束条件下的预测控制算法。以CD播放器机械臂系统为例,通过状态空间模型预测控制方法实现对系统输出的跟踪控制,仿真结果表明,该方法控制效果良好。     

多层次网络学习模型与学习控制研究

在网络化的学习环境中,由于存在着学习需求多样化和缺乏针对性学习内容情况,因此如何提供一套完整的学习模型和学习控制机制对于提高学生学习效率显得尤为重要。基于知识空间理论和高级Petri网技术,建立了基于同一学习内容的,适应不同学习需求和不同学习对象的多层次的学习模型和学习控制机制,通过该模型可以很大程度上满足以上要求,避免了“知识迷路”和“学习迷航”,提供更加个性化的学习指导。     

非线性H∞控制的状态空间方法

本文介绍非线性Ｈ∞控制的状态空间方法，首先给出了非线性系统的Ｈ∞控制问题，然后利用有限Ｌ２增益的概念，分别导出了基于状态反馈和输出反馈的非线性Ｈ∞控制器及其存在的条件，它与哈密顿一雅可比不等式的解有关。在本文中，详细地阐述了非线性Ｈ∞控制器设计的基本思想。     

发现状态空间理论

本文提出用发现状态空间理论建立数据库中知识发现研究的总体框架，给出了该理论的基本内容。     

基于试题空间的学习诊断方法

在智能教学系统中，知识空间理论提供了一种描述知识结构的方法，常被用于进行对学生学习状态的诊断。本文对已有的知识空间理论进行了改进，提出了试题空间的概念，给出了基于最短路径的最优诊断原理，以此为基础，给出了一种新的更为有效的学习诊断方法．通过基于ID3算法的决策树生成方法对之进行了算法实现。研究表明，这种方法能够提高诊断的效率。     

结构化状态空间中的递阶再励学习方法

在状态空间满足结构化条件的前提下,通过状态空间的维度划分直接将复杂的原始MDP问题递阶分解为一组简单的MDP或SMDP子问题,并在线对递阶结构进行完善.递阶结构中嵌入不同的再励学习方法可以形成不同的递阶学习.所提出的方法在具备递阶再励学习速度快、易于共享等优点的同时,降低了对先验知识的依赖程度,缓解了学习初期回报值稀少的问题.     

ROBUST MODEL PREDICTIVE CONTROL FOR INPUT SATURATED AND SOFTENED STATE CONSTRAINTS

This paper starts with a brief review of robust model predictive control (RMPC) algorithsms for uncertain systems using linear matrix inequalities (LMIs) subject to input and/or output saturated constraints. However when RMPC has both input and state constraints, a difficulty will arise due to the inability of the optimizer to satisfy the state constraints due to the constraints on inputs. Therefore, a novel RMPC scheme is presented that softens the state constraints as penalty terms are added to its objective function. These terms maintain state violation at low values until a constrained solution is returned. The state violation can be regulated by changing the value of the weighting factor. A novel robust predictive controller for input saturated and softened state constraints for linear time varying (LTV) systems with polytopic model uncertainties is presented.     

状态反馈预测控制的结构性能及应用实例

本文分析了状态反馈预测控制系统的结构与控制性能，基于状态空间模型，使用实 测状态变量反馈，状态反馈预测控制系统是状态变量动态反馈结构．对比动态矩阵控制（DM C）、广义预测控制（GPC）和内模控制（IMC）算法，由于使用可测状态变量动态反馈结构 ，提高了控制系统抑制不可测干扰能力，改善了控制系统的鲁棒性，预测模型可适用于较大 的操作范围．预测控制系统稳定时，对阶跃型给定值及干扰静态无偏差．给出了催化裂化装 置稳定吸收系统，稳定汽油饱和蒸汽压先进控制的应用实例，先进控制系统的设计功能全部 在DCS层实现，现场运行实测数据对比表明控制效果较好．     

基于示例学习的特征空间变换方法

特征空间是人工智能领域中经常用的基本概念之一，人工智能领域中的许多问题可以可以通过特征空间变换的方法化简和求解。文中提出了一种基于示例学习的特征空间变换方法。     

基于内模的机器人迭代学习控制

本文根据内模控制的概念，设计一个扰动控制器，使机器人系统表现为固定参数的解耦线性化系统．基于此线性系统，提出了一种迭代学习控制律，给出了算法收敛的充分条件．算法的参数选择非常简单，从而易于满足收敛条件．仿真结果表明了算法的有效性．     

Z状态空间和操作定义的自动生成技术

从软件需求定义到形式功能堆约的自动转换是需求工程的重要问题之一。文中以软件需求定义语言ＮＤＲＤＬ和形式功能规给语言Ｚ为基础，探讨了基间的自动转换技术，特别是从ＮＤＲＤＬ需求定义自动获取Ｚ形式规约中状态空间与操作定义的技术。     

面向对象的元计算系统的单一映象空间模型研究

随着计算机网络技术的成熟,基于网络的高性能计算技术正趋向异构节点间的元计算技术方向发展。元计算系统的研究目标是：将地理上分布的、属于不同管理域的、运行不同软件的、异构的计算和存储资源以及昂贵的仪器设备通过高速网络连接起来,形成超级计算能力。支持元计算的、将异构计算节点连接起来、实现系统透明访问的技术,是元系统的研究重点。本文论述了一种基于树型结构的单一映象空间模型－SiSM,它屏蔽构节点的硬件边界,为用户提供统一的编程接口、透明访问的虚拟机器。     

一种适应大数据处理要求的深层学习模型

提出基于参数更新与结构更新的深层学习模型.将向量空间表示扩展到张量空间表示,解决数据结构表示的局限性,能很好地表示非结构化、半结构化等高维数据.改进后的模型具备保留原有训练参数、数据等信息能力,不需要再次训练原数据集,并且能根据新进数据进行参数调整或结构调整更新,从而实现对新进数据的学习.实验结果表明,该模型具有很好的...     

二阶系统的最小范数状态向量及其模型跟随自适应控制

本文提出了系统的最小范数状态向量的概念,分析了二阶单输入单输出系统的状态向量与它的最小范数状态向量的关系,并由此导出了一种利用系统的最小范数状态向量的模型跟随自适应控制算法,该算法的在线计算量较小,并同时具有良好的控制精度及鲁棒性.