零误差密度最大算法的分析研究

前馈神经网络的学习通常以均方误差为目标函数(MSE),易陷入局部极小,而零误差密度最大算法(Z-EDM)以误差在零点的概率密度函数为神经网络新的目标函数,能够达到全局最优.将Z-EDM算法应用到BP网络中,并通过仿真将两者进行了比较,实验结果表明,Z-EDM算法在分类方面要明显优于MSE算法.并且对这一算法进行了分析,可知以优化此目标函数的神经网络的学习仍是基于经验风险最小化原则,通过仿真将基于Z-EDM算法的BP网络与支持向量机(SVM)在两分类方面进行比较,结果表明此算法对于某些数据集具有与SVM近似的性能,但总体上性能仍不及基于结构风险最小化的SVM.     

电信号线自动测试系统的开发与应用

基于Windows的电信号线自动测试系统的开发情况,设计了一种电信号线自动测试系统。主要包括系统的结构、系统功能、软件设计及系统特点等内容。     

基于RBF—FNN的网络拥塞控制研究

模糊控制和人工神经网络作为当前的研究热点,而两种技术的有机结合,使得智能模拟有了发展和进步。本文将这两种技术应用在通信网络中,在AQM算法中设计了一种模糊神经网络控制器,期以解决网络中普遍存在的拥塞难题,具有创新意义。     

自动控制原理“梯进式+立体交互式”双语教学研究

双语教学在我国高等教育教学改革中具有重要地位,双语教学的模式一直是研究的重点。通过对自动控制原理双语教学的实践与研究,提出了"梯进式+立体交互式模块化"的双语教学模式及具体的实施方案,提高了双语教学的效果。     

改进型单神经元自适应PID控制在磨矿分级控制中的应用

磨矿分级系统具有诸多不确定因素、非线性、时变、难以建立精确的数学模型,对其溢流浓度进行较好的控制,一直是大家研究的课题。本文提出一种改进型单神经元自适应PID控制方案,因为神经元具有学习特性,该方案能对比例、积分、微分系数进行调整。仿真结果表明,该算法能够适应被控对象较大范围的变化,具有较强的适应能力和鲁棒性。     

基于改进型粒子群优化的磨矿分级系统溢流浓度控制的研究

提出一种改进型粒子群优化PID控制方案,改进型粒子群优化将粒子速度更新的前一次的改变量引入到粒子群速度更新公式,引入动量因子,减小粒子在速度更新过程中的震荡,收敛速度更快,收敛精度更高。将改进型粒子群优化PID方案应用到磨矿分级系统溢流浓度控制中,对比例、积分、微分系数进行优化。仿真结果表明,该算法计算量小,所得到的控制器参数能够使控制系统获得更好的动态响应特性和满意的控制效果。     

不确定时滞及非线性特性执行器系统的模糊Smith预估控制

针对一类带有不确定时滞特性执行器系统，采用Smith预估控制和模糊控制相结合的串级控制，使系统高性能运行。     

快速降阶匈牙利算法的云计算任务分配模型

为了提高云计算任务分配效率,在标准匈牙利算法的基础上,提出一种快速降阶优化算法的云计算任务分配模型.为实现快速求解全局任务分配问题,快速降阶算法不断排除已确定的分配方案对应的代价矩阵元素,从而快速降低矩阵的阶次.并可根据成本矩阵规模将矩阵分解成多个矩阵,使得该算法在任务和计算机不对等的情况下同样适用.论文最后的仿真结果表明,快速降阶匈牙利算法计算耗时远远小于匈牙利算法,并能有效提高计算机的利用率.     

基于改进蚁群算法的单神经元PID控制在数控精校机电液伺服系统中的应用

数控精校机电液伺服系统是一个参数变化比较大的非线性系统,常规的PID控制效果难以让人满意.采用单神经元PID控制器,在线调整权值,增强了对非线性系统的调节控制功能,然而参数的选择非常重要.文章提出一种改进的连续蚁群算法,用于优化单神经元PID控制器的参数,并用于精校机电液伺服系统,通过MATLAB仿真结果可得系统的阶跃响应,证明该算法比一般的蚁群算法精度更高,收敛更快,同时体现了该蚁群算法在实际应用中的实用性.