基于改进BP神经网络的手写邮政编码识别

为解决手写邮政编码识别困难的问题,引入改进的粗网格特征提取方法,对神经网络的网络输入进行简化,并且采用基于LM算法的BP神经网络来进行网络学习。LM算法是一种改进的高斯-牛顿算法,此算法通过简化的网络输入,进一步提高了网络学习的精度、稳定度和学习速度。仿真结果验证了此算法在手写邮政编码识别中的有效性。     

基于RPSO的分布式电梯群控系统调度算法的优化

为了获取电梯群控系统调度问题的全局优化解,必须要找到一种具有全局优化功能的智能算法。对电梯群控系统不同的客流模型及控制机制进行了分析,提出了一种实时粒子群算法,用来优化电梯群控系统的动态调度问题。仿真结果表明,该算法不仅可以有效地调度分布式电梯群控系统,并且在电梯忙碌或者超载情况下,实现了对任务进行再分派的功能。基于RPS()算法的分布式电梯群控系统可以使乘客平均候梯时间减少一半,使乘客的电梯使用时间减少三分之一。     

基于几何分析的改进迭代学习控制算法

针对非线性系统提出了一种基于几何分析的改进迭代学习控制算法。该算法在控制律中引入了遗忘因子,对前一次控制输出和它的变化量进行弱化,增强迭代学习控制的鲁帮性。并对提出的算法做了一致收敛性分析。数值仿真结果验证了此算法的有效性。