BP神经网络在教学质量评价体系中的应用

教学质量评价是对教学质量进行过程控制的重要手段。采用多层前传网络结构（back-propaga-tionnet2workconstruction,BP网络）,测试教学质量评价体现的完整性,让教学质量评价系统更充分的体现其功能,希望能通过BP神经网络的自学习自识别模式理论更好的对评价的指标进行衡量,从而更好的对评价的结果的有效性、合理性进行把握。     

基于网格环境下的安全隐患评估模型研究

企业的安全生产是十分重要的,而安全隐患几乎存在于任何职业和企业里,为了减少人员伤亡、伤害以及财产的损失,这就需要加大安全隐患排除力度,切实有效地为事故发生做好预防。根据以上问题,本文提出了一种安全隐患评估模型,该方法是将网格环境中的相关内容引入安全隐患评估模型中,通过初期的人工自学习阶段后,使其能智能选取评估方法对生产数据进行安全隐患的评估,进而提高安全隐患评估的工作效率,所以建立一个能有效控制危险有害因素的安全隐患评估模型是十分必要的。     

计算机辅助感官评估实验的自学习控制*

建立基于三角形的感官评估基本模型和一种机器模拟人评估行为的控制方法,根据新的知识不断修正计算机存储的感官评估参数的控制策略,通过该控制策略实现机器的自学习过程.实验结果表明,采用自学习控制能够提高计算机辅助感官评估(CASE)实验的能力.     

Investigation of multi-frame image super-resolution based on adaptive self-learning methods

The goal of this paper is to introduce and demonstrate a new high-performance super-resolution (SR) method for multi-frame images. By combining learning-based and reconstruction-based SR methods, this paper proposes a multi-frame image super-resolution method based on adaptive self-learning. Using the adaptive self-learning method and recovery of high-frequency edge information, an initial high-resolution (HR) image containing effective texture information is obtained. The edge smoothness prior is then used to satisfy the global reconstruction constraint and enhance the quality of the HR image. Our results indicate that this method achieves better performance than several other methods for both simulated data and real-scene images.     

船舶航向保持模糊神经网络控制器研究

将模糊控制与神经网络融合为一体,为船舶航向保持控制系统设计出一种模糊神经网络自学习控制器．计算机仿真结果表明,控制方案可行,控制系统性能良好．模糊技术与神经网络的有机结合,为复杂系统的智能控制提供了良好的手段．     

协同进化混合蛙跳算法

针对基本混合蛙跳算法收敛速度慢、求解精度低且易陷入局部最优的问题,提出了一种新的协同进化混合蛙跳算法。该算法在局部搜索策略中,对子群内最差个体的更新引入平均值的同时充分利用最优个体的优秀基因,可有效扩大搜索空间,增加种群的多样性;同时对子群内少量的较差青蛙采取交互学习策略向邻近子群的最优个体交流学习,增加子群间交互的频繁性,提高信息共享程度,有利于进化。在全局迭代过程中采取精英群自学习进化机制,以对精英空间进行精细搜索,获得更优解,进一步提升算法的全局寻优能力,正确导向算法的进化。实验结果表明,所提算法在七个测试函数中均能收敛到最优解0,成功率为100%,优于其他对比算法。所提算法可有效避免陷入早熟收敛,极大地提高了算法的收敛速度和优化精度。     

基于卡尔曼滤波参数自学习的大坝变形预测

卡尔曼滤波模型被广泛运用于大坝的变形预测,然而其参数的识别,尤其是状态和观测噪音协方差矩阵的识别,主要来源于工程经验和领域专家知识。因此提出一种自学习的参数识别方法,该方法基于历史数据,结合Monte Carlo和拒绝采样算法获取卡尔曼滤波参数。具体地,从训练样本中挑选出与真实值最接近的实测值对状态噪音进行估计,并通过计算它与总体误差的差值来确定观测噪音。实验表明,相比已有的同类方法,该方法的准确性更高,更适用于大坝变形预测。     

非仿射系统的自学习滑模抗扰控制

针对一类单输入单输出(single-input single-output,SISO)非仿射非线性系统的控制问题,提出了一种自学习滑模抗扰控制方法.该方法用非线性光滑函数设计扩张状态观测器,实现SISO非仿射非线性系统内部不确定性和外部扰动的扩张状态估计,并将扩张状态观测器(extended state observer,ESO)与自学习滑模控制技术融为一体,实现SISO非仿射非线性系统的自学习滑模抗扰控制.该方法不依赖受控对象的数学模型,可以快速跟踪任意给定的参考信号.数值仿真试验表明了该方法响应速度快、控制精度高,具有很强的抗扰动能力,因而是一种鲁棒稳定性很强的控制方法,在SISO非仿射非线性系统控制领域具有重要作用.     

多任务自主学习的肺癌诊断方法

针对实际任务中肺部CT图像标注数据集稀少的问题,提出一种基于自主学习的U-Net模型与C3D多任务学习网络相结合的肺癌诊断方法。对LUNA16数据集和DSB数据集进行预处理,确保切片图像体素、方向一致,利用C3D多任务学习网络模型构建肺结节检测模型,使用165张LUNA16的切片图像和161张DSB的切片图像训练改进的U-Net网络模型,并采用自主学习方式扩充标注样本,构建肿块检测模型。在此基础上,综合结节与肿块检测结果得到最终的肺癌诊断结果。实验结果表明,该方法的肺癌检测精度为85.3%±0.3%,达到了监督学习策略的检测精度。     

Optimising online review inspired product attribute classification using the self-learning particle swarm-based Bayesian learning approach

Bowing to the burgeoning needs of online consumers, exploitation of social media content for extrapolating buyer-centric information is gaining increasing attention of researchers and practitioners from service science, data analytics, machine learning and associated domains. The current paper aims to identify the structural relationship between product attributes and subsequently prioritise customer preferences with respect to these attributes while exploiting textual social media data derived from fashion blogs in Germany. A Bayesian Network Structure Learning model with the K2score maximisation objective is formulated and solved. A self-tailored metaheuristic approach that combines self-learning particle swarm optimisation (SLPSO) with the K2 algorithm (SLPSOK2) is employed to decipher the highest scored structures. The proposed approach is implemented on small, medium and large size instances consisting of 9 fashion attributes and 18 problem sets. The results obtained by SLPSOK2 are compared with the particle swarm optimisation/K2score, Genetic Algorithm/K2 score and ant colony optimisation/K2 score. Results verify that SLPSOK2 outperforms its hybrid counterparts for the tested cases in terms of computational time and solution quality. Furthermore, the study reveals that psychological satisfaction, historical revival, seasonal information and facts and figure-based reviews are major components of information in fashion blogs that influence the customers.