试谈关于寻找桥函数的一些看法

一直以来，函数的迭代都有着深刻的理论背景，实用价值和丰富的内容。因此掌握一般常见函数的迭代是非常有必要的，而提到函数的迭代，大家肯定都会想到共轭相似法，因此怎样寻找桥函数就会显的至关重要了，本文就是对几类简单函数如何寻找桥函数提出了自己的一些见解。     

无线传感器网络节点定位算法研究

作为一种全新的信息获取和处理技术,拥有十分广泛的应用前景,其中,节点定位是重要的核心技术之一,同时也是无线传感器网络技术及应用的最核心的技术基础。目前已有的定位方法主要是按照基于测距和非基于测距进行分类总结。在研究大量相关文献的基础上,用一种全新的视角对目前现有的定位方法进行重新分类,介绍了WSN无线信号衰减模型,提出一种基于RSSI校验的加权质心节点定位算法,且与相关定位算法进行了比较分析和仿真实验得出结论。     

神经元PID控制器及改进算法的仿真研究

针对常规PID控制器有着对过程的数学模型过于依赖的局限性,导致许多过程控制效果不理想的问题,根据人工神经元的自学习功能构造了基于神经元的PID控制器,对其学习算法加以改进。选取二阶惯性环节加纯滞后为控制对象,建立了数学模型,并进行计算机仿真及对这几种控制方法的控制效果加以比较。仿真结果表明,该控制器将神经网络和PID控制规律融为一体,既具有常规肿控制器结构简单、参数物理意义明确的优点,又具有神经网络自学习、自适应的能力,取得比常规PID控制器更好的控制品质。     

石榴籽油脂肪酸乙酯化工艺研究

以石榴籽油为原料、无水乙醇为反应物,在碱性催化剂氢氧化钠的作用下,对石榴籽油进行脂肪酸乙酯化工艺研究。在单因素实验的基础上,利用正交实验优化乙酯化工艺条件。结果表明:最优乙酯化工艺条件为反应温度75℃、反应时间2 h、醇油摩尔比8∶1、催化剂用量0.5%(以石榴籽油质量计),在该条件下乙酯含量可达95.88%。     

立足QC小组活动的供电企业绩效管理探究

绩效管理是企业人力资源管理的关键环节,是企业人力资源管理系统的枢纽.但是企业绩效管理中存在的诸多问题使得绩效管理成为许多企业管理者最头疼的问题之一.本文以全面质量管理理论为基础,立足供电企业普遍推广的QC小组活动为突破点,就如何解决供电企业绩效管理中存在的关键问题建立科学的绩效管理体系进行了相关对策分析.     

基于改进YOLOv3的实时交通标志检测算法

针对目前我国智能驾驶辅助系统识别道路交通标志检测速度慢、识别精度低等问题,提出一种基于YOLOv3的改进的道路交通标志检测算法。首先,将MobileNetv2作为基础特征提取网络引入YOLOv3以形成目标检测网络模块MN-YOLOv3,在MN-YOLOv3主干网络中引入两条Down-up连接进行特征融合,从而减少检测算法的模型参数,提高了检测模块的运行速度,增强了多尺度特征图之间的信息融合;然后,根据交通标志目标形状的特点,使用K-Means++算法产生先验框的初始聚类中心,并在边界框回归中引入距离交并比（DIOU）损失函数来将DIOU与非极大值抑制（NMS）结合;最后,将感兴趣区域（ROI）与上下文信息通过ROI Align统一尺寸后融合,从而增强目标特征表达。实验结果表明,所提算法性能更好,在长沙理工大学中国交通标志检测（CCTSDB）数据集上的平均准确率均值（mAP）可达96.20%。相较于Faster R-CNN、YOLOv3、Cascaded R-CNN检测算法,所提算法拥有具有更好的实时性和更高的检测精度,对各种环境变化具有更好的鲁棒性。     

基于模糊神经网络系统的智能小车避障

智能小车把超声波传感器和红外传感器相结合来感知外界环境的信息,并按照一定的规则来调整小车的方位角和速度,实现智能小车的自主导航和避障。模糊神经网络作为人工智能的分支,兼具模糊逻辑系统和神经网络各自的优点,具有表达和处理确定的信息、模糊信息的能力和良好的学习能力等特点。把模糊逻辑系统和神经网络结合起来,运用到智能小车避障的自适应控制中,并且使用一种多层前馈型神经网络即BP神经网络在模糊神经系统中解决神经网络的权系数优化问题。     

具有非线性不确定性的高超声速飞行器的 分布式鲁棒反步跟踪控制

本文针对具有外部干扰,参数摄动和非连续未知非线性气动影响的一般高超声速飞行器纵向动力学问题,设计了分布式鲁棒反步跟踪控制器.为了处理复杂的系统,将标准反步控制和信号补偿方法结合起来构成一个"简单"的鲁棒控制器.该方法不仅可以保证闭环系统半全局鲁棒跟踪性能,也可保证系统跟踪误差以期望的收敛速度收敛到期望的误差范围内.最后,带有非线性不确定性,外部干扰和参数扰动的仿真系统说明了该方法的有效性.     

有向图下非线性无人机群自适应合围控制

本文研究了有向图下具有非线性和干扰的无人机群的分布式合围控制问题. 其中仅部分跟随者是领导者的邻 居, 对于每一个跟随者, 至少存在一条从领导者到这个跟随者有向路径. 文中假设无人机的空气动力学特性是非线性不 确定的, 并且领导者的输出是时变的. 结合反推设计方法提出了仅利用邻居信息的分布式合围控制方法, 使得跟随者的 状态收敛于领导者状态所张成的凸包里. 利用神经网络函数逼近技术补偿无人机系统中的非线性不确定项, 通过李雅普 诺夫稳定性理论证明了合围误差可以以任意收敛速度收敛到原点任意小的邻域. 最后通过仿真结果验证了控制协议的 有效性.     

面向多视图聚类的低秩张量表示学习

针对现有鲁棒图学习忽略多视图间的互补信息和高阶相关性问题,提出一种面向多视图聚类的低秩张量表示学习（LRTRL-MVC）算法。利用鲁棒主成分分析的思想,在去除噪声的干净数据上计算各视图的鲁棒图和转移概率矩阵,然后构建一个包含各视图马尔可夫转移概率矩阵的张量,采用基于张量奇异值分解的核范数来确保目标张量的低秩性质。利用迭代最优化算法求解,将求得的低秩张量作为马尔可夫谱聚类算法的输入得到最终聚类结果。在4个不同类型的公开标准数据集BBCSport、NGs、Yale和MSRCv1上进行实验并与相关的最好多视图聚类算法进行对比,结果表明在3个聚类度量标准下,所提算法的聚类结果均高于其他对比算法。