绑定机构
扫描成功 请在APP上操作
打开万方数据APP,点击右上角"扫一扫",扫描二维码即可将您登录的个人账号与机构账号绑定,绑定后您可在APP上享有机构权限,如需更换机构账号,可到个人中心解绑。
欢迎的朋友
万方知识发现服务平台
获取范围
  • 1 / 100
  (已选择0条) 清除 结果分析
找到 32105 条结果
[硕士论文] 朱晴虹
计算机技术 安徽理工大学 2018(学位年度)
摘要:支持向量机存在较为理想的数据分类能力,但因其最优参数值的不同影响着最终的分类效果,因此本文提出了基于改进蚁群算法的支持向量机研究及应用,让分类准确率和收敛速度得到提高。首先,本文介绍了支持向量机的相关原理和概念,具体分析了惩罚因子和核参数对支持向量机分类的影响。接着介绍了基本蚁群算法的原理,针对蚁群算法的缺陷提出相应改进,最后运用到支持向量机参数寻优中,并与其他几种算法进行比较,在对比中表明改进算法具有更好的分类准确率和收敛速度。本文的创新点如下:
  1.交换规则和局部搜索。蚁群算法自身的搜索规则是根据信息素的含量来进行的,信息素越多的路径,相对应的蚂蚁选择其越多。本文采用双种群进行改进,在信息素浓度相差较大时,实现交换规则,避免信息素过多产生早熟和停滞问题。在交换规则中,当两个种群中任何一个产生局部最优值时可以跳出,从而让整个算法实现全局最优值。除此之外,本文在两个种群中进行局部搜索规则的改进,根据SVM的误差模型来定义新的局部搜索规则,决定最后进行的是全局搜索还是局部搜索。
  2.信息素公式的更新。信息素只有不断更新才会让算法不断迭代,产生全局最优解。本文设计了新的更新公式,让更新的信息素指导蚂蚁寻找最优值。再结合局部搜索和交换规则,提高了算法搜索的效率。
  3.改进算法与支持向量机结合。将改进的算法用于支持向量机中,实现参数寻优,从而提高数据的分类准确度和收敛速度。
  本文实验采用的是UCI的多个数据集,再具体运用于个人信用评级的应用中,实验结果表明,改进的算法在性能、分类准确率都得到了提高。
[硕士论文] 张鑫
应用数学 安徽理工大学 2018(学位年度)
摘要:智能体能够模拟人类的行为,熟悉周围的环境,自治的运行,并且能够对环境产生一定的影响。遗传算法就是模拟生物的生存繁衍、遗传和进化过程,形成的一种自适应全局优化算法。根据智能体系统的特点,把遗传算法中的个体当作一个能够感知环境、进行竞争协作和自学习的智能体,研究将两者相结合的优化算法及其应用问题是非常有意义的。
  本文对智能体和遗传算法进行了研究,主要工作如下:
  首先,对智能体与遗传算法的基本理论、研究现状、研究意义、算法流程等进行了介绍。借鉴质点间相互作用的机制,提出了一种基于质点模型的多智能体遗传算法,通过质点间引力作用的特点不断提高智能体的能量。数值实验结果表明,该算法具有较高的优化效率,特别适合高维函数的优化。
  然后,提出了一种组合优化多智能体遗传算法。在实验中,用4个小规模欺骗函数(子函数)构成一个大规模欺骗问题对算法进行了测试。通过比较,此算法所需的计算量远小于其他文献的算法,表现了良好的性能,充分显示出智能体与遗传算法相结合的巨大潜力。
  最后,在求解开普勒超越方程时,面临的对梯度计算敏感和初始点要求过高等困难,提出了一种基于多智能体遗传算法的卫星轨道计算方法,并据此计算了多种卫星的星下点轨迹。数值实验表明,上述算法较传统优化算法有较强的普适性和全局收敛性。
[硕士论文] 李涛
应用统计 黑龙江大学 2018(学位年度)
摘要:肺癌是发病率和死亡率增长最快,对人群健康和生命威胁最大的恶性肿瘤之一。统计学习作为机器学习的一个重要组成部分,在近年来大数据背景的基础上,发展的更为迅速,其中的一些经典方法可以作为识别肺癌的工具加以运用。
  本文回顾了肺癌诊断的历史和现状,介绍并讨论了人工神经网络模型和决策树模型的背景以及对于肺癌数据的建模与预测。建模过程使用了当下机器学习里的主流方法之二:BP神经网络模型和决策树模型。在BP神经网络的模型算法中,将所获得的病例样本在一定的比例下随机分为训练集和预测集,训练人工神经网络模型,并选择合适的隐层神经元数。之后用预测集来测试该模型区分肺癌患者和正常人的能力,通过修正模型中相关的参数,直至确定最合适的神经网络模型。在决策树部分,选择合适的变量并根据其取值条件,将数据分成两个或者多个的纯度更大的数据集,直到达到预先设定的条件为止,并且选择合适的剪枝来防止过度拟合来确定最优的模型。最后,文章对两个模型进行总结并且阐述了机器学习方法在癌症诊断领域的重要使命。
[硕士论文] 季辉
凝聚态物理 中国科学技术大学 2017(学位年度)
摘要:人工智能是现在非常重要的研究领域,不仅仅在计算机领域,各行各业都有着广泛的运用。机器学习是人工智能的重要分支,随着机器学习方法的不断发展,人们对于人工智能的理解也有了更深层次的理解,从指导计算机学习逻辑推理,到教会计算机一些先验知识做成专家系统,到现在让计算机学会自我学习。不仅仅在于处理大数据上,人工智能有着广泛的运用,在指导人类制定策略上也有着更加重要的指导作用。
  双人博弈游戏中的AI算法就是人工智能的重要的发展方向与运用前景。AlphaGo的出现标志着双人博弈问题上的最大的难题围棋也被攻破,AlphaGo巧妙的将深度学习和蒙特卡洛树搜索算法,卷积神经网络等方法结合在一起,大大提升了围棋AI的计算效率,使得在人类规则下,计算机击败最优秀的职业棋手成为现实。AlphaGo的成功并不意味着现在的算法就是最优的,在研究过程中发现蒙特卡洛树搜索算法中还存在着不少的问题与隐患。
  蒙特卡洛树搜索(MCTS)是一种针对决策类博弈游戏,运用蒙特卡洛模拟方法进行评估博弈策略的启发式搜索算法。但是,在面对计算机围棋这样复杂的决策过程时,简单的蒙特卡洛树搜索过程往往由于计算量大,导致收敛慢。本文中我们指出,双人博弈游戏中的蒙特卡洛树搜索不能收敛于双人博弈的最佳决策策略;由此我们提出蒙特卡洛树搜索结合极大极小值算法的改进算法,使得搜索结果不会因为蒙特卡洛方法的随机性导致失真。为了进一步提高复杂双人博弈游戏中搜索算法的计算效率,我们还结合了几种常见的剪枝策略。实验测试说明,该新算法显著改进了蒙特卡洛树搜索的准确性和效率。
[博士论文] 苏丽娟
计算机科学与技术 浙江大学 2017(学位年度)
摘要:脑机融合(Brain Machine Integration),是指通过脑机接口技术,融合生物智能和机器智能的混合智能系统,被认为是二十一世纪最重要的前沿科技领域之一。近年来,随着脑科学和人工智能的发展,脑机融合可以将生物智能(脑)与机器智能(机),通过脑机接口技术进行有机地融合和深度地协作,进而形成比单一生物智能或者单一机器智能,更加强大的混合智能新形态。同时,随着脑机融合的发展和进步,又可以促进脑科学、人工智能、认知科学与临床医学等领域的理论创新和应用突破,在神经康复与动物机器人领域有着重要的研究意义。作为脑机融合的重要组成部分,机器智能具有强大的存储和运算能力;与机器智能相比,生物智能的优势在于其高效低功耗的感认知和逻辑推理能力。如何将二者的优势有机地融合在一些,建立更强大的新型智能形态,是脑机融合面临的关键问题和挑战。
  针对这一关键问题和挑战,本文进行了基于迁移学习的脑机融合系统的研究:迁移学习,可以将从不同但相关的领域或者不同但相关的任务中学习到的知识进行迁移和融合;脑机接口,可以在生物大脑与外围设备之间建立直接的连接通路;因此,基于迁移学习和脑机接口的脑机融合系统,可以将不同生物、不同领域、不同任务之间的信息进行交流、知识进行迁移、智能进行融合。概括来说,本文从以下三个方面逐层深入地进行了探讨。
  首先,本文提出基于迁移学习的脑机融合系统的概念和体系结构,总体思路为:首先,模仿生物的学习过程,使机器具有能够在不同但相似的领域中,解决不同但相关的问题的能力,这对于神经调控、残障康复等缺乏足够多高质量训练数据的领域具有重要的意义;其次,通过脑机融合系统,将学到的知识在生物与生物、生物与机器、机器与机器之间进行迁移和融合,增强系统智能决策的能力,实现大脑-机器-机器-大脑之间深度协作的智能增强系统;此外,通过脑机融合中计算理论与方法的创新,可以为生物大脑运行机制的探索提供新的思路和方法,促进脑科学、认知科学和临床医学的进步。
  然后,基于本文提出的脑机融合系统的体系结构,针对动物机器人这一重要研究对象,借助浙江大学的大鼠机器人平台,本文设计了基于迁移强化学习的大鼠机器人脑机融合系统。首先,将大鼠机器入迷宫导航问题,抽象为经典的强化学习模型;然后,根据源智能体和目标智能体是否相同、源迷宫和目标迷宫是否相同、源任务和目标任务是否相同,设计了基于层次化的迁移强化学习算法、基于策略复用的迁移强化学习算法、基于值函数复用的迁移强化学习算法和基于规则复用的迁移强化学习算法;接着,基于迁移强化学习算法,从迁移什么、如何迁移、何时迁移三个方面,详细地描述了大鼠机器人脑机融合系统的设计与实现;并从行为实验的角度,证明了基于迁移强化学习的大鼠机器人系统的智能增强性;最后,本文从计算神经建模的角度,解释了此脑机融合系统智能增强的神经机理。
  最后,本文进一步将基于迁移学习的脑机融合系统的研究,从以动物为对象的实验室研究,拓展到以人类为对象的临床医学的研究。借助哈佛大学的临床诊断和康复平台,本文设计了基于迁移极限学习机的意识诊断和调控脑机融合系统。首先,将大脑意识诊断和调控的问题,抽象为基于皮层脑电的清醒预测和药物控制模型;然后,针对临床医学中高质量数据不足的问题,本文设计了基于特征和参数的迁移极限学习机算法;接着,基于迁移极限学习机算法,本文设计了意识诊断和调控的脑机融合系统;并从临床实验的角度,评估了基于迁移极限学习机的人脑意识诊断和调控系统的有效性;最后,基于此迁移脑机融合系统,本文发现了人脑意识清醒与α震荡具有相关性,并对此神经机理进行了探讨。
  综上所述,从基于迁移强化学习的大鼠机器人脑机融合系统的研究,到基于迁移极限学习机的人脑意识诊断和调控脑机融合系统的研究,本文逐渐深入地论证了基于迁移学习的脑机融合系统的可行性和有效性;并且,从计算神经建模的角度,解释了基于迁移学习的脑机融合系统智能增强的神经机理;此外,基于设计的脑机融合系统和实验结果,探讨了大脑意识改变的神经机理。本研究为脑机融合系统,在动物机器人和神经康复领域中的发展和应用,提供一种新的思路和方法。
[硕士论文] 姚致远
计算机应用技术 电子科技大学 2017(学位年度)
摘要:随着城市化进程的加快,交通系统的智能化迫在眉睫。作为智能交通系统的重要组成部分,短时交通流预测也得到了迅速的发展,而如何提升短时交通流预测的精度,保障智能交通系统的高效运行,一直是学者们研究的重点。在交通流预测中,使用机器学习算法的基于数据驱动的思想,可以挖掘出隐藏在复杂非线性的交通流数据中的有效信息。
  本文分析了交通流数据的特点,针对传统的交通流预测模型无法应对交通流的复杂变化的缺点,将机器学习的方法运用到交通流预测中去,并基于此设计和实现了交通流预测系统,具体研究内容如下:
  1.特征选取:本文致力于多断面短时交通流预测模型的研究,综合考虑了相邻路段和天气等影响因子,待输入预测模型的交通流数据特征较多。采用人工进行特征选取的话,效率低下且容易出错,基于此,本文提出了一种改进的基于随机森林的自适应特征选择模型(LOO-RF),实现对交通流数据重要特征的自动选取。实验结果表明,经自适应特征选择后,最终的交通流预测精度和效率都有较大提升。
  2.短时交通流预测模型:本文将机器学习中的支持向量机回归模型用于多断面短时交通流预测,选用了高斯径向基核函数,有效的抑制了交通流数据中的白噪声对预测准确率的影响。同时,针对SVR参数优化困难的问题,将混沌的思想引入传统的遗传算法,提出了一种改进的CGA算法,能够快速的寻找到SVR的最优参数组合,由此提出了一种改进的CGA-SVR交通流预测模型。实验结果表明,与现有的交通流预测模型相比,该模型预测精度更高。
  3.交通流预测系统的设计和实现:基于LOO-RF和CGA-SVR算法模型,依托某省高速公路收费数据,设计并实现了交通流预测系统,实现对预测结果和交通数据的可视化展示,用户通过对算法模型进行相应的参数设置,就可以完成交通流预测工作。
[硕士论文] 刘海涛
应用数学 扬州大学 2017(学位年度)
摘要:波兰数学家Pawlak于1982年提出了处理不确定性问题的粗糙集理论,它作为一种数据分析处理理论,已成为信息科学最为活跃的研究领域之一,并被成功地应用于医药科学、材料科学、管理科学等领域.广义近似空间(又称关系粗集)及覆盖近似空间(又称覆盖粗集)是对Pawlak经典粗集模型的重要推广.对覆盖粗集类似拓扑空间中的性质及其约简的探究是研究覆盖粗集的重要内容.本文利用覆盖粗集的覆盖作为子基诱导了一个拓扑空间,定义了覆盖粗集的多种分离性、紧性等概念,并研究了它们的性质及相互关系.此外对关系粗集利用其诱导覆盖粗集定义了s-紧,p-紧和双紧等紧性,并研究了它们的关系及在粗糙连续映射下的保持性.本文还研究了覆盖粗集的覆盖约简与覆盖饱和约简,证明了当U有限时覆盖约简是存在的,而覆盖饱和约简不仅存在而且唯一并给出了可行的算法求解覆盖饱和约简.
  本文共分为五章.
  第一章是引言与预备,简单介绍粗糙集理论的发展概况及本文写作背景,同时给出了若干预备知识.
  第二章引入诱导关系粗集和诱导覆盖粗集,给出了几种覆盖粗集诱导关系粗集及关系粗集诱导覆盖粗集的方式.
  第三章借助覆盖粗集所诱导的拓扑空间的拓扑定义了覆盖粗集的分离性并给出了它们的刻画.借助诱导覆盖粗集的紧性,定义了广义近似空间的s-紧,p-紧和双紧,并研究了这三种紧性与关系紧、拓扑紧之间的关系.同时讨论了上述五种紧性在粗糙连续映射下的保持性.
  第四章对于覆盖粗集引入了覆盖约简,覆盖饱和约简的概念和覆盖的核的概念,研究了覆盖约简和覆盖饱和约简的相关性质.证明了当论域有限时覆盖约简的存在性及覆盖饱和约简的存在唯一性.说明了覆盖约简不必是覆盖饱和约简,覆盖饱和约简也不必是覆盖约简,并给出覆盖约简成为覆盖饱和约简的特定条件.
  第五章总结了本文的主要工作以及接下来需要进一步探究的课题.
[博士论文] 唐宋
计算机应用技术 电子科技大学 2017(学位年度)
摘要:目标识别是计算机视觉领域中的一个基础问题,它的核心任务是将不同类别的图像彼此分开(即分类问题),或者从给定的图片中,找到目标物体的准确位置(即检测问题)。经典的目标识别问题假设训练场景和测试场景所服从概率分布相同。但是,在真实应用场景中,这一条件有时并不满足,于是,经常会出现这样的情况:当训练好的分类器或者检测器被应用到一个新的场景时,其性能会迅速下降。对于这一问题,目前采用基于迁移学习的目标识别方法加以解决。近年来,针对这类方法的研究日益受到关注,虽取得了一些成果,但还存在诸多不足,离实际应用也有较大差距。
  本文主要围绕“域自适应目标分类”和“域自适应目标检测”两个基本主题,展开相关研究,针对现有方法所存在问题,提出相应解决方案。对于现有域自适应目标分类方法,其主要问题是:样本本身所构成的流形结构没有被充分利用。针对该问题,本文从特征表达鲁棒性的角度出发,研究如何有效利用样本流形结构,实现鲁棒的特征编码。而对于现有域自适应目标检测方法,其主要问题是:算法对源样本和带标签目标域样本存在依赖。针对该问题,围绕着行人检测这一具体应用,本文从分类器回归、自适应分类器调整和自适应特征调控这三个角度,分别进行研究。本文的主要内容如下:
  1)提出一种基于协同特征的多类别线性分类算法。首先,按照类别依次排列的方式,将所有源样本构成字典;然后,结合该字典和目标样本的最近邻几何结构信息,实现对样本的编码;最后,利用最近邻分类器完成分类。为了进一步讨论目标样本邻域信息对特征表达的影响,我们还提出了两种新的特征,它们分别融合了目标样本局部近邻信息和目标样本自适应局部近邻信息。
  2)提出了一种基于分类器回归的迁移方法,应用于行人检测问题。首先,为回归过程生成训练数据:a)利用ESVM方法为每个源样本生成相应的样例分类器,并将其作为回归标签数据;b)提出一个自编码器神经网络方法,利用其中的编码器对回归标签数据进行降维。然后,为了回归低维回归标签数据,提出了一种由多个子网络构成的两阶段回归网络。在检测时,由回归网络得到的预测值需利用自编码器中的解码器,将其还原到原始空间,并作为测试样本对应的样例分类器来实现分类。
  3)提出一种基于自适应分类器调整的迁移方法,应用于行人检测问题。首先,为了实现分类器自适应调整,提出了一种基于单层感知机的动态分类器。该分类器位于卷积神经网络的最后一层,其模型参数以加权的方式进行调整,而加权值由另一个控制网络预测生成。通过这种方式,该混合网络为每一个目标域样本生成专有的分类器。然后,为了取得更好的泛化效果,设计了新的目标函数。该函数包含两个新的正则化项:一个是基于预测权值稀疏性的约束;另一个是对动态分类器一阶导数的约束,该约束保证动态分类器仅对困难样本敏感。最后,给出了该混合网络的训练算法。在训练过程中,为了避免调控网络梯度消失问题,提出了相应的学习率控制技术。
  4)提出一种基于自适应特征调控的迁移方法,应用于行人检测问题。首先,为了让卷积神经网络自适应地为每个测试样本生成合乎目标场景概率分布的深度特征,提出了一种新的动态池化层,该层通过加权的方式对深度卷积部分所产生的特征实现调控,而且,该层中的池化参数值是由另一网络预测生成。然后,为了训练由受控卷积网络和控制网络所构成的混合网络,提出了包含稀疏约束的目标函数,并在此基础上,提出了针对该混合网络的训练算法。
[硕士论文] 蒋涛
计算机应用技术 电子科技大学 2017(学位年度)
摘要:近几十年来,随着医学成像设备的飞速发展和普及应用,医学图像数据呈爆炸式增涨,如何高效而准确地进行医学图像分析成为一大挑战。另一方面,在电子信息技术的驱动下,利用计算机技术辅助医学图像分析,不但可以提高放射医师分析诊断的效率,还能提高其精度。因此,计算机辅助检测和诊断正成为一个受到越来越多关注的交叉研究领域。近年来,深度学习技术在图像识别、目标检测等领域取得了很大的成功,并开始被应用到医学图像分析中。
  本文的研究内容是利用深度学习技术对医学图像中的病变组织进行自动检测,主要包括两种应用,一种是对胸片肺结节的识别,另一种是对CT腹腔肿大淋巴结的识别。由于深度学习网络包含大量的参数,在训练时往往需要大量的标签数据,而医学图像领域通常存在着标签数据少的问题。本文采用两种思路来解决这一问题,第一种是利用非监督的特征学习方法自动地学习出反应病变形态的特征,另一种是利用基于深度学习的迁徙学习方法,把从别的领域大量标签数据上训练的深度网络应用到医学图像上。本文的主要贡献如下:
  (1)设计了一个胸片肺结节的自动识别算法,该方法利用卷积稀疏编码自动地学习和抽取结节的特征,该特征能达到与传统特征相当的分类精度,并把它和传统图像特征融合进一步提高分类精度。
  (2)针对CT腹腔肿大淋巴结的检测,本文设计了一个基于堆砌卷积自编码的淋巴结识别算法,此模型首先用全部的数据样本采用无监督的方式训练得到编码模型,然后再使用少量标签样本有监督地训练得到最终的分类器。
  (3)本文还提出了一种基于深度迁移学习的淋巴结识别算法,首先利用大量的自然场景图像数据(ImageNet)训练深度神经网络,然后再利用标记的CT淋巴结图像数据对该网络进行微调得到最终的分类器。
[硕士论文] 董梦雪
应用数学 电子科技大学 2017(学位年度)
摘要:神经网络已成功用到各个领域,如信号处理、模式识别、联想记忆控制和其他领域。因此研究神经网络系统的稳定性具有重要意义和研究价值。在现实中,时滞系统是经常出现在神经网络系统中,其中时间延迟往往是不稳定和振荡的来源。
  本文主要对一类带有时变时滞神经网络进行性态分析,基于泛函微分方程和Lypunov稳定性定理论讨论了两类不同的神经网络模型,得到了下面研究成果:
  首先讨论了带有时变时滞和随机扰动的脉冲神经网络的无源性问题,在神经元激活函数和时变时滞的条件下,通过构造全新的Lyapunov-krasovskii泛函,灵巧的应用矩阵不等式等方法,提出了一些新的时滞依赖的无源性条件。这些无源性条件是根据矩阵不等式提出的,这可以很容易的通过标准的数学软件验证,得出了在一定条件下带有时变时滞和随机扰动的脉冲神经网络是无源的,这个结果也可以拓展到其它具有脉冲干扰的更复杂的神经网络系统中。
  其次研究了一类具有时变时滞的随机扰动神经网络系统的指数无源性问题,通过构造全新的Lyapunov-krasovskii泛函,应用矩阵不等式等方法,得到了带有时变时滞和不定项的随机神经网络的指数无源性的条件。然后将结果推广到两种类型的不确定性:时变参数不确定性和不确定性的马尔可夫切换型,得到指数无源性成立的条件,值得一提的是,马尔可夫切换的随机神经网络的指数无源性包含无马尔可夫切换的神经网络作为特殊情况,最后结果的可行性可以通过两个数值例子来进行检验。
[硕士论文] 范翔翔
控制工程 扬州大学 2017(学位年度)
摘要:由于干扰普遍存在于实际应用当中,因此干扰的抑制和抵消问题一直是控制工程领域研究的热点。近些年来,基于干扰观测器控制(DOBC)的理论受到学者们广泛关注和大量研究,并成功在许多工程系统中应用。尽管如此,外部干扰的建模问题仍然是DOBC理论研究的一个难题,尤其是针对那些非线性不规则干扰。本文基于DOBC策略,结合T-S模糊模型的非线性建模能力,提出了一种新型干扰建模方法,并针对几类在干扰作用下的复杂系统给出了相应的干扰观测器和复合控制器设计方案。本文的主要研究内容如下:
  (1)研究了一类具有未知干扰和非线性动态的MIMO系统的抗干扰控制及动态跟踪问题。不同于现有的DOBC方法,首次利用T-S模糊模型描述非线性干扰,并分别在非线性动态已知和未知两种情况下,基于T-S模糊干扰模型设计干扰观测器对干扰进行估计。通过结合干扰估计和PI控制输入,基于凸优化理论设计复合控制器,实现对干扰的有效估计和抑制,同时保证系统稳定及跟踪误差收敛到零。最后,针对A4D飞行器动态模型,分别在T-S模糊模型描述的三种典型非线性干扰作用下仿真,良好的仿真结果验证了所提方法的有效性。
  (2)研究了DOBC控制框架下一类具有输入饱和约束和非线性动态的不确定系统抗干扰及动态跟踪控制问题。利用T-S模糊模型描述复杂非线性干扰,并针对系统非线性动态已知和未知的情况分别设计相应的干扰观测器。结合干扰估计和PI控制输入,并利用凸包表示饱和线性反馈,设计复合抗干扰控制器保证闭环系统的稳定性和良好的跟踪性能。同时,利用Lyapunov水平集给出了吸引域估计。
  (3)提出了具有参数不确定性和未知干扰的T-S模糊系统抗干扰跟踪控制策略。外部干扰由T-S模糊模型描述,在此框架下设计复合观测器同时估计系统状态和干扰。结合PI控制算法以及系统状态和干扰的估计值,设计复合控制器保证系统具有良好的稳定性、跟踪性能以及干扰估计和抑制性能。
  (4)研究了具有不匹配干扰的小型无人直升机偏航通道动态的干扰估计和抵消问题。在利用T-S模糊模型描述非线性干扰的基础上,结合状态反馈控制律、干扰观测器以及合适的干扰补偿器,设计复合控制输入在系统的输出通道抑制不匹配干扰的影响。通过线性矩阵不等式优化算法可以保证良好的控制性能。基于偏航通道系统动态的仿真最终验证了所提抗干扰算法的可行性和有效性。
[博士论文] 邬开俊
交通信息工程及控制 兰州交通大学 2017(学位年度)
摘要:人体神经系统是由数十亿的神经元构成的极为复杂的系统,是人体生理机能重要的调节机构,能够使机体成为完整的统一体并且保持机体内外环境的平衡,从而维持各种机能活动的稳定与协调。神经元是神经系统中最基本的结构和功能单位,是大脑的基本工作单元,在神经系统中担负着传递信息的重要职责,具有感受刺激和传导兴奋的功能。神经元在信息编码以及放电活动过程中存在十分复杂的非线性动力学行为,单纯利用统计方法以及传统的线性观点已无法解释发生的实验现象,同时对实验结果的描述亦无法满足神经科学的要求。神经动力学是神经科学和非线性动力学的相互结合,神经元的放电形式的研究是神经科学和非线性科学交叉的前沿课题,随着神经科学、神经工程形态学和非线性动力学学科理论的不断发展,运用非线性动力学的理论与方法,了解神经系统信息的产生机制和传导过程,计算神经模型中参数变化以及外界刺激对神经动力学行为的影响,研究耦合神经元的混沌同步问题,不仅可以指导实验去研究增强或消除同步的方法,也有助于揭示大脑的存储和编码机制,对混沌保密信息传输有着非常重要的意义。
  本文以Hindmarsh-Rose神经元为研究对象,运用改进后的Hindmarsh-Rose神经元数学模型,在数值计算的基础上,通过采用单参数分岔图、双参数分岔图、相平面图以及Lyapunov指数图,详细的分析了Hindmarsh-Rose神经元模型在不同参数变化时的动力学特性,得到了系统的周期运动、混沌运动,同时分析了Hindmarsh-Rose神经元模型在不同参数下的放电状态,并添加适当的直流电流,分析直流电流对Hindmarsh-Rose神经元模型的放电活动的影响。并且,本文建立了两个耦合Hindmarsh-Rose神经元组成的数学模型,分别研究了电突触耦合和化学突触耦合神经元的放电模式及同步行为,将时滞和噪声以及两者同时存在时对耦合同步造成的影响进行了分析,并利用Hindmarsh-Rose神经元模型的多模态性特征设计了一种非线性自适应控制器,通过理论分析和仿真结果证明了所设计控制器的可行性和有效性,从而有效实现信息的保密传输。本文的主要工作如下:
  首先,通过C语言编程、Grapher仿真,对模型进行计算仿真,从单参数分岔图、双参数分岔图、时间响应图和相平面图,分析不同参数取值对Hindmarsh-Rose神经元模型动力学行为的影响。研究结果表明,从双参数分岔图中可以很容易的观察到神经元放电模型中经常出现的倍周期、伴随混沌的加周期、没有混沌出现的加周期以及阵发混沌现象(周期和混沌间歇发生的现象)。而且双参数分岔图是由很多单参数分岔图组合构成,即双参数分岔图的横向或者纵向截面都是其中一个参数不变,另一参数为变量的单参数分岔图。从双参数分岔图还容易看出系统在两种参数组合下的放电状态,且对应的两参变量的数值,这为研究神经元模型的参数取值对应的动力学行为提供很多方便之处。
  其次,在数值计算方法的基础上,采用峰峰间期分岔图、时间响应图、相平面图、双参数分岔图研究Hindmarsh-Rose神经元模型在直流电流下的动力学特性。研究结果表明,从双参数分岔图可以更清晰直观的观察到神经元放电模型中出现的加周期分岔、倍周期分岔以及阵发间歇混沌现象,并且从双参数分岔图中还可以发现加入直流电流并不改变Hindmarsh-Rose神经元模型的分岔结构,但可以改变该模型产生各种动力学特性的参数取值的区间,这为研究外界刺激来改变神经元系统的动力学行为提供理论基础。
  再次,本文分别建立了具有电突触耦合和化学突触耦合的Hindmarsh-Rose神经元模型,研究了耦合神经元的基本现象,观察系统的发放电活动以及系统同步的变化情况,并将时滞和噪声以及两者同时存在时对耦合神经元系统造成的影响分别进行了分析。研究发现,适当的时滞与噪声,可以促使非同步的电突触耦合Hindmarsh-Rose神经元系统发生同步行为,诱发耦合神经元同步的发生。同时还发现,适当的添加Gauss白噪声也可以诱发化学突触耦合同步的发生,而适当的时滞,可以消除化学耦合同步的发生,使其变为非同步状态,这为用线性动力学的理论与方法研究神经系统同步的产生机理以及耦合神经元混沌同步的控制提供了重要的理论指导,并且对神经形态工程学和非线性动力学的研究和发展都有巨大的推动作用。
  最后,运用Lyapunov稳定性定理,设计了带有自适应控制同步的模型系统,该系统利用混沌信号的伪随机特性,把需要传输的信号隐藏在看似杂乱的混沌信号中,在输入端把小的输入信号叠加在混沌信号中,接收端用一个同步的混沌信号解调出有用信息,该系统能够根据神经元模型初始值的不同,动态的调整控制器的取值,使得两耦合HR神经元系统可以较好的处于同步状态,具有很好的稳定性与自适应性。本文将该控制器应用到保密信息传输中,仿真结果验证了所设计控制器的可行性和有效性,能够很好的实现保密信息的传输。
[硕士论文] 夏贤康
交通运输工程 兰州交通大学 2017(学位年度)
摘要:随着社会不断发展,生产力不断进步,仓储管理越来越成为人们关注的焦点。作为一个独立的生产制造企业,为了更好的发展,必须摒弃陈旧的管理观念,积极引进新技术、新思想,改变仓储现状,最大限度的压缩货物在仓库的停留时间,从而达到节约成本,增加企业收益的效果。本文根据A公司仓储中心的实际情况,将现场调研和理论充分结合,运用大数据的观念建立“云仓储”的管理平台,并对货位优化和拣选路径优化建立数学模型,使用多种群遗传算法和遗传算法分别对各自优化模型进行求解,希望为企业的进一步优化决策提供建议。论文的主要内容包括以下几个方面:
  (1)分析了论文的研究背景和意义,分别从货位优化和拣货路径优化两个方面介绍了国内外研究现状以及亟待继续研究的问题和方向。以此为基础确定了本文研究主要内容和研究方法思路。
  (2)介绍了大数据、货位优化和拣货路径优化这三方面的相关理论,着重对遗传算法作了详细介绍。然后分析了A公司仓储中心管理现状,为后文解决实际问题建立优化模型以及算法设计提供理论基础和依据。
  (3)根据大数据的理论对仓储中心建立“云仓储”管理平台,对各项业务操作进行优化整合。然后建立多目标货位优化模型,并使用RS分析方法对指标赋权。最后根据多种群遗传算法步骤设计优化模型求解过程,并通过MATLAB软件仿真计算,得到更加合理的货位设置,同时验证了模型可靠性。
  (4)根据A公司仓储拣选作业实际情况及拣选路径优化目标建立了仓储中心拣选路径优化模型。利用S-shape策略法、最大间隙法和遗传算法对拣选路径问题进行分析和优化求解,并采用MATLAB软件对优化模型进行仿真设计,得到优化后的拣选作业行走距离。通过对三种优化方法优化后的行走路程进行对比分析,基本达到拣选路径优化的目标。
[硕士论文] 刘科
控制工程 兰州交通大学 2017(学位年度)
摘要:BBO(Bio geo graphy-based Optimization,生物地理学优化)算法是一种新型的基于群体智能的进化算法,因其良好的全局寻优能力和鲁棒性,备受国内外众多研究者的关注,目前已广泛应用于现实生活中的优化问题中。时间序列预测与人们生活中许多实际应用息息相关,一直以来都是广大专家学者们研究的热点和难点。如何提高工程应用中时间序列的预测精度具有重要的理论价值与实际应用价值。基于ELM(Extreme LearningMachine,极限学习机)的预测模型已被广泛应用于工程应用中,并取得了良好的预测性能,ELM方法与优化算法的结合理应是提升时间序列预测精度的有利候选者。针对时间序列预测,将BBO优化算法用于ELM网络结构及其参数的优化选取,提出基于BBO算法优化ELM的BBO-ELM自适应预测方法。主要研究内容有如下几个方面:
  (1)研究BBO优化算法的基本理论及其数学模型,把工程应用中的优化问题转化为基于BBO优化算法的数学模型,对该模型的优化和具体实现进行深入研究,阐述BBO优化算法与其他进化算法的异同点。简述时间序列预测的基本概念及其建模方法,并在标准混沌时间序列上,对ELM方法的预测性能进行测试,测试结果表明ELM方法对非线性时间序列具有良好的预测能力。
  (2)针对如何选取时间序列中有效的和必需的历史信息的关键点,研究基于BBO优化算法与ELM方法结合的预测模型,优化ELM网络的输入变量选择,同时,还通过BBO优化选取ELM的隐含层节点数目及其参数(连接权值、偏置和激活函数)、正则化参数,得到BBO-ELM方法。在所提出方法的基础上,引入余弦迁移模型和混沌映射理论分别对其进行改进,得到MCBBO-ELM方法和CBBO-ELM方法。将上述方法与现有的GA-ELM等方法在同等条件下应用于Mackey-Glass混沌时间序列预测中并进行比较,实验结果显示BBO-ELM的预测性能得到明显提升,验证其有效性。
  (3)将所提出方法应用于网络流量预测、风电功率预测和交通流量预测实例中,实验结果表明,在同等条件下本文方法的收敛速度和预测精度优于对比方法,证实所提出方法的有效性和鲁棒性。
[硕士论文] 张善富
安全科学与工程 兰州交通大学 2017(学位年度)
摘要:随着高速公路的不断发展与建设,由于其高效快速的通行能力已被越来越多的人作为日常出行方式的主要选择。但是,随着人们的出行需求的不断提高,已有的路网通行能力早已不能满足现有出行量,随即产生越来越多的交通拥堵状况,而其后果是交通事故的频发与环境污染的恶化。因此,对高速公路短时交通量预测理论和方法的研究是实现合理有效的交通诱导、缓解交通拥堵,减少交通事故的频发以及改善环境污染的必要前提。
  当今高速公路数据采集技术与设备的不断完善,使得高速公路短时交通量的预测成为可能,本文立足于高速公路短时交通量的可预测性,建立并改进了不同的预测模型,并对其预测结果进行了比较。
  首先,本文对短时交通量预测的研究背景、意义以及国内外研究现状进行了总结,分析了各类预测方法和模型中存在的不足,应用有效的采集手段统计了兰海高速与武罐高速两条高速公路的短时交通流量用于后续模型的实际分析中。
  其次,针对高速公路短时交通量时间序列的内部特性,介绍了混沌理论的一些基本概念和参数,为了更好地分析该时间序列,重构其相空间,通过C-C算法计算兰海高速和武罐高速的两组实验数据的延迟时间和嵌入维数,重构了原始时间序列的相空间,以此将其内部存在的实际规律挖掘出来,在此基础上,利用小数据量法计算两组数据的最大李雅普诺夫指数,计算结果均大于零,表明两组数据都可以利用混沌理论对其进行相应的分析与研究。
  然后,介绍人工神经网络的相关概念,利用小波神经网络和RBF神经网络预测高速公路短时交通量,在此之前,分别利用重构的两组数据的延迟时间和嵌入维数合理设计网络的输入层与输出层神经元的数量,建立良好的网络拓扑结构,对兰海高速和武罐高速采集的数据在建立的网络中进行预测实验,通过分析计算实验结果可以得出,RBF神经网络的预测效果比小波神经网络更好。
  最后,针对两种神经网络中存在的不足之处,使用遗传算法对两种网络的初始参数进行最优选择,以保证网络的输出结果更加良好,在对兰海高速和武罐高速采集的两组数据进行预测实验后,可以得出改进后的两种神经网络预测误差均得到了改善,同时,改进后的RBF神经网络预测模型也优于改进后的小波神经网络预测模型,可以更好地实现对高速公路短时交通量的预测。
[硕士论文] 董海龙
电力系统及其自动化 兰州交通大学 2017(学位年度)
摘要:进入21世纪以来,随着我国经济和科技力量的突飞猛进,道路上的汽车数量爆发式增长,城市交通拥堵越来越严重,进一步引发了环境污染、能源浪费、交通事故等一系列问题,尤其雾霾天气给人们带来很大的困扰。城市交通拥堵主要发生在道路交叉口处,由于传统的交叉口交通信号控制方式存在对绿灯时间分配不合理的问题,有时会造成不必要的拥堵。一个合理的控制系统,对改善交通现状具有深远的影响。在道路交通网中,交通流是非线性的、实时的和变化无常的,针对交通流的这种特性,可以把智能控制方法应用于城市交通信号控制中。
  本文主要研究了城市中比较特殊的五岔路口和相邻交叉口,把模糊系统和神经网络结合起来应用到交通信号控制中,以降低车辆平均延误为目标,实现五岔路口绿灯时间的合理分配。
  首先,简单介绍了交通信号控制基本参数、交通流的统计分布、道路交叉口交通质量评价指标体系和交通流检测。
  其次,将模糊控制应用到五岔路口的交通信号控制中,实现五岔路口的智能控制。在车流低峰期和高峰期两种情况下,分别用定时控制和模糊控制仿真研究五岔路口控制,仿真结果显示了模糊控制的优势。
  再次,针对交通信号定相序控制浪费绿灯时间和频繁切换相位的问题,引进动态模糊神经网络理论,实现五岔路口多相位变相序动态控制。以赤峰市松州路、振兴大街和临潢大街所形成的五岔路口为例,对其进行了仿真研究,验证了多相位变相序动态控制方法的性能。
  最后,研究分析了相邻交叉口的协调控制。对于中间路段距离小的相邻交叉口,其关联性比较强,在控制中考虑了中间路段驶入和驶离交叉口的车流对绿灯相位的影响,仿真说明协调控制比普通的孤立交叉口控制更加合理。
[博士论文] 杨帆
计算机软件与理论 山东大学 2017(学位年度)
摘要:目前,医疗安全正日益得到重视。其中,对药物不良反应信号的预测,在药物安全研究领域与新药研发领域具有重要的意义。药物不良反应每年会造成全球三分之一的医疗事故,以及上千亿美元的经济损失。因此,对药物不良反应的研究越来越受到世界各国的重视。为了监测药物不良反应,学者们基于医疗数据库提出了一些统计学模型和数据挖掘方法来监测/预测<药物-不良反应>关联关系。一方面,相关的数据挖据方法大都是基于关联规则或模式匹配算法,挖掘<药物-不良反应>的关联关系。由于这些数据挖掘算法只关注高频繁度的关联关系,因此存在两类缺点:(1)无法监测到低频的关联关系;(2)由于忽略了关联规则中混杂因子的影响,因此无法控制伴随药物对监测关联关系的影响,从而造成较高的错误率。另一方面,统计学对药物不良反应问题的建模,大都在小样本数据上基于列关联表计算<药物,不良反应>关联关系的强度,因此存在两类缺点:(1)小样本数据造成关联关系预测信号的偏差较大;(2)无法基于不同病人进行个性化预测。
  为解决上述问题,本文通过收集处理海量医疗数据,并基于机器学习方法针对药物不良反应监测的相关问题进行了研究。首先,本文的第一个研究问题是病人药物不良反应的个性化预测问题。药物不良反应的个性化,是指由于病人体质的差异,相同药物在不同病人体内会产生特定的不良反应,因此需要根据不同病人的特征来预测相应的药物不良反应。本文提出了一种基于病人特征相似度计算的多任务学习模型。该工作基于美国食品药品管理局公开的药物不良反应数据库FAERS,对病人信息构建特征空间,并首次提出将推荐系统中个性化推荐的方法应用在药物安全研究领域。本文基于FAERS数据提出多任务学习模型,通过计算病人与各种不良反应的关联强度,建立对应的个性化药物不良反应排序表。此外,本文原创性提出了一种新的衡量药物不良反应关联强度的验证标准HitRate@n。通过实验表明,该模型在预测病人个性化药物不良反应问题上,有较高的准确率。
  其次,本文的第二个研究问题是药物多频率不良反应的预测问题。由于不同频率的不良反应造成的问题和危害不同,尤其是低频药物不良反应在临床测试阶段很难被检测出来,因此需要根据不同病人特征及药物属性来预测不同频率的不良反应。为此,本文提出了一种基于多核函数学习的多任务学习模型。该工作通过分析FAERS结构化数据,提出根据药物分子结构差异进行特征分类,并构建多核函数池。该模型通过核函数学习方法找出每一类特征对应的最优核函数,并根据不同特征构建对应的凸优化限制条件以及规则化函数,令相同特征在不同的病人不良反应预测任务中实现权重自动调整,达到预测不同频率不良反应的要求。同时,该模型将基于历史任务学习中训练的药物特征权重及不同药物特征核函数间的关系权重,用于对病人新药组合的预测任务中,可以实现对病人新药组合不同频率不良反应的预测。在验证标准HitRate@n的基础上,本文提出了一种衡量不同频率不良反应的验证标准overall-HitRate@n。实验表明,该模型在预测病人不同频率不良反应的问题上,尤其是低频药物不良反应,均优于所比较的方法。
  最后,本文的第三个研究问题是计算<药物,不良反应>关联关系的正阳性/因果性问题。由于小样本数据以及混杂因子(即伴随药物)的影响,造成所监测的关联关系的准确率较低,即关联关系的正阳性/因果性较弱。本文基于收集处理的4百万条FAERS病人数据,提出了一种伽玛泊松衰减多变量线性回归模型。本文使用伽玛泊松共轭先验分布对<药物,不良反应>的出现频率建模,并提出在监测单一药物不良反应关联关系时,将特征空间中其他所有药物视作伴随药物,通过建立回归模型减少混杂因子对关联关系的影响。
  本文对药物不良反应监测相关问题进行了深入研究,针对特定问题,给出了针对性的解决方案。本文的创新点和贡献如下:(1)针对药物不良反应个性化预测问题,本文首次提出了一种基于病人特征相似度计算的多任务学习模型;(2)针对数据挖掘方法难以监测低频药物不良反应的问题,本文提出基于多核函数多任务学习模型,通过多核函数多任务凸优化学习来预测药物不同频率的不良反应,并能有效的监测到低频药物的不良反应;(3)针对<药物,不良反应>关联关系正阳性/因果性的准确率问题,本文提出一种基于伽玛泊松衰减多变量线性回归模型,通过控制混杂因子来提高预测<药物,不良反应>关联关系的正阳性/因果性。
  综上所述,本文在基础理论和关键技术方面的研究成果为监测药物不良反应问题提供了新的途径。
[硕士论文] 韩影
电气工程 安徽理工大学 2017(学位年度)
摘要:当前,我国环境问题日益严重,而“雾霾”这一热词常年成为我国媒体纷纷报道的对象。严格控制污染的排放是我国政府与企业共同的奋斗目标。在能源问题上,通用常规能源在面临枯竭,而且污染性较大,严重损害人类的身体健康,而发展清洁能源如可再生的太阳能受到越来越多国家的重视,因此将来的社会发展与光伏产业密不可分。
  目前,我们使用的光伏发电系统,其电能转化效率低,高度阻碍我们使用光伏发电系统。由此我们必须提升当前太阳能电池的电能转化效率,使得尽快收回成本。本文首先从光伏电池的基本原理叙述,在建立数学模型的基础上参与MATLAB/Simulink软件环境下,建立光伏阵列输出特性模型并进行仿真分析,对比分析建模的光伏阵列输出特性与已知公司出具电池参数,后面简单介绍几种典型的光伏MPPT控制算法原理,并且设计控制器重要的硬件和软件流程。重点提出一种新的MPPT控制算法,把BP神经网络和模糊控制这两种算法,进行取长补短的结合,推出基于神经-模糊网络的光伏阵列MPPT控制。BP神经网络的输入量为时间(t)、光照强度(G)以及环境温度(T),其具有推理最大功率点电压的功能。模糊控制算法的输入量为最大功率点预测电压(Vmp)、光伏阵列输出电压(U)以及电流(J),其具有模糊分析计算出电压偏移量(△U)。神经-模糊网络法主要过程是利用MATLAB提供的神经网络工具箱,通过学习样本推理最大功率点处电压Vmp,再利用模糊工具箱对Vmp、U、J进行模糊化、模糊规则、解模糊的三维模糊控制后,计算出实际输出电压与MPP处电压的偏移量(△U),经过计算用来改变DC-DC变换器中MOSFET管所用PWM波占空比。
  最后,本文将单独二维输入量模糊控制的MPPT控制仿真与本次提出的基于神经-模糊网络的光伏阵列MPPT控制系统的仿真结果进行对比分析,根据功率-时间(P-t)的仿真结果,得出神经-模糊网络算法具有高效性、输出稳定性等优点。
[硕士论文] 任峰
控制科学与工程 西安石油大学 2017(学位年度)
摘要:运动装置一般由驱动装置、传动系统和执行装置构成。其中驱动装置作为运动装置的核心,也是运动装置控制系统的控制对象,现多由交流电机构成。传统的运动装置控制系统主要由传感系统、控制器、输入设备和显示设备等部分构成,其普遍存在着前期布线困难、后期维护成本较高、通信距离有限,以及不便于携带和移动等特点。随着智能移动终端和无线通信技术的飞速发展,人们对控制系统的要求越来越多样化。Android智能终端设备基于Linux内核和开源的特性,具有良好的可触摸的可视化界面、操作简单、反应迅速等优点,开始在智能家居、无人机领域作为移动控制终端得到推广应用。
  本文在实验室研发的交流调速器的基础上,基于蓝牙无线通信技术和 Android智能移动终端的APP技术,设计完成了一套无线控制系统用于交流电机驱动的运动装置。整个控制系统由交流调速器、本地的人机交互单元和Android智能终端的APP端三个部分构成。论文在对相关基础理论技术进行了深入了解后,通过对系统结构和功能的需求分析,以STM32F103ZET6处理器作为硬件平台,完成了人机交互单元的硬件电路开发和软件程序设计,同时基于Eclipse开发工具完成了Android智能终端的APP的设计和开发。在完成了上述硬件和软件开发基础上,将APP安装至对应的Android设备,对整个无线控制系统进行测试,经过测试,系统基本实现了预期的功能,达到了无线监控运动装置状态的目标。
[硕士论文] 张君
控制科学与工程 西安石油大学 2017(学位年度)
摘要:焊缝缺陷的识别是检测焊件质量的关键环节,有效地检测出焊缝缺陷保证焊缝的质量,对于安全生产具有十分重大的意义。传统的缺陷检测,主要依靠人工评片,该方法主观性强,受检测人员的专业素质影响较大,自动化水平低,易产生较多的误判和漏判;随着计算机技术以及电子技术的迅速发展,使得基于图像处理的计算机辅助评片技术成为可能,计算机评片技术则大大减轻了评片人员的工作量,提高了工作效率,使评片过程更加科学和规范,但是,由于焊缝图像在输入计算机时噪声过多、缺陷边缘模糊和对比度低等缺点,给缺陷信息的正确提取、分割和识别带来了很大的困难。
  研究以埋弧焊焊缝的X射线检测图像为对象,针对焊缝区域中可能存在的气孔、裂纹等缺陷,通过图像处理、特征提取和神经网络识别完成了焊缝缺陷识别。首先,通过图像去噪、图像增强、图像分割和图像边缘检测算法在整幅图像中找到焊缝边界。其次通过分析行列灰度曲线的分布情况对焊缝缺陷的位置进行定位。再次,采用7类几何特征和形状特征对缺陷进行描述,建立相应的特征描述向量,并采用主成分分析(Principal Component Analysis,PCA)和核主成分分析(Kernel Principal Component Analysis,KPCA)方法对其进行主元分析。最后,分别以原始数据和得到的主元特征量为系统输入,针对气孔和裂纹2类缺陷,研究了基于神经网络的焊缝缺陷识别算法。研究表明,对特征选择后的数据利用主成分分析和核主成分分析进行特征提取,可将数据投影到一个更低维的特征空间,实现分类器性能的提高。仿真结果,在对数据进行特征提取的能力上,核主成分分析提取的主元比主成分分析提取的主元减少1个,显示核主成分分析优于主成分分析;在对焊缝缺陷识别的效果上,RBF神经网络的分类正确率比BP神经网络高于0.72个百分点,显示RBF神经网络优于BP神经网络。
  (已选择0条) 清除
公   告

北京万方数据股份有限公司在天猫、京东开具唯一官方授权的直营店铺:

1、天猫--万方数据教育专营店

2、京东--万方数据官方旗舰店

敬请广大用户关注、支持!查看详情

手机版

万方数据知识服务平台 扫码关注微信公众号

学术圈
实名学术社交
订阅
收藏
快速查看收藏过的文献
客服
服务
回到
顶部