排序方式： 共有3条查询结果，搜索用时 15 毫秒
1
1.
无模型自适应控制(MFAC)有四个模型参数,现有研究认为其无关联,且全程守恒。通过虚拟系统在初始时刻的状态,基于第一时刻输出值应与期望值接近的原则,采用遗传算法找到了参数关联,从而将四参数问题转化成单参数问题;并在控制过程中,依系统输出与期望差异自动改变步长因子取值,将其动态化,不但加速了初期计算,还避免了收敛时可能出现的超调或振荡;由此以参数关联和动态化为切入,改进了现有紧格式动态线性化MFAC方法,使其更为简捷和准确。某炼油单元3参数调优案例表明新方法可行,较老方法实现系统最大增益的参数调整次数由33次减少到14次,最大增益由413.4万元/年提高到542.9万元/年。 相似文献
2.
随着成像技术的成熟，临床医生及实验人员能获得同时带有时间和空间信息的4D（3D+时间）数据，用于纵向研究疾病变化情况。由于缺乏合适的处理算法，导致明显的信息丢失。为解决这一问题，一些研究发挥人工智能在海量数据处理上的优势进行纵向医学图像分析，研究目标随时间的动态变化。本文对4D时空纵向分析在生物学运动目标追踪、医学影像分割、肿瘤生长预测、血管动力学和神经科学等应用进行综述，重点探讨了人工智能技术与传统分析方法在各应用场景的优劣，并从联合多模态异构数据进行关联分析及联邦学习辅助算法部署两个角度进行前瞻性的探索和可行性分析，突破2D影像处理瓶颈，推动4D设备广泛应用，并为未来时空纵向分析在生物医学领域中的方法学研究及应用场景探索提供思路。 相似文献
3.
无模型自适应控制（MFAC）有四个模型参数，现有研究认为其无关联，且全程守恒。通过虚拟系统在初始时刻的状态，基于第一时刻输出值应与期望值接近的原则，采用遗传算法找到了参数关联，从而将四参数问题转化成单参数问题；并在控制过程中，依系统输出与期望差异自动改变步长因子取值，将其动态化，不但加速了初期计算，还避免了收敛时可能出现的超调或振荡；由此以参数关联和动态化为切入，改进了现有紧格式动态线性化MFAC方法，使其更为简捷和准确。某炼油单元3参数调优案例表明新方法可行，较老方法实现系统最大增益的参数调整次数由33次减少到14次，最大增益由413.4万元/年提高到542.9万元/年。 相似文献
1