检索结果-内蒙古大学图书馆

系统科学与数学 2011年第5期31卷 549-557页

作者：魏岳嵩田铮西北工业大学应用数学系西安710129

传统的两变量Granger因果分析法容易产生伪因果关系,且不能刻画变量间的同期因果性.利用图模型方法研究多维时间序列变量间Granger因果关系,通过Granger因果图的建立将问题转化为Granger因果图结构的辨识问题,利用局部密度估计法构造相... 详细信息

传统的两变量Granger因果分析法容易产生伪因果关系,且不能刻画变量间的同期因果性.利用图模型方法研究多维时间序列变量间Granger因果关系,通过Granger因果图的建立将问题转化为Granger因果图结构的辨识问题,利用局部密度估计法构造相应的辨识统计量,采用bootstrap方法来确定检验统计量的原分布.模拟分析以及对于中国股市间Granger因果关系的研究说明了该方法的有效性.

关键词：图模型 Granger因果图多维时间序列结构辨识 bootstrap方法

来源：评论

学校读者我要写书评

暂无评论

一种神经网络辨识的混合学习算法

引用

计算机工程与应用 2004年第28期40卷 33-36页

作者：张兴华南京工业大学自动化学院南京210009

文章提出了一种神经网络辨识的混合学习算法。采用具有递阶结构的遗传算法来获得神经网络拓扑结构和连接权值的全局次优解,之后由BP算法来进一步调整神经网络的连接权值,从而实现神经网络的自动优化设计。仿真结果表明,所得的神经网络... 详细信息

文章提出了一种神经网络辨识的混合学习算法。采用具有递阶结构的遗传算法来获得神经网络拓扑结构和连接权值的全局次优解,之后由BP算法来进一步调整神经网络的连接权值,从而实现神经网络的自动优化设计。仿真结果表明,所得的神经网络结构简单、精度高,并具有良好的泛化能力。

关键词：递阶遗传算法 BP算法神经网络结构辨识参数辨识

来源：评论

学校读者我要写书评

暂无评论

基于模糊聚类的模糊神经网络在非定常气动力建模中的应用

引用

空气动力学学报 2005年第1期23卷 21-24页

作者：史志伟明晓南京航空航天大学航空宇航学院江苏南京210016

建立了一种基于模糊聚类的模糊神经网络模型。该模型利用模糊聚类技术确定系统的模糊空间和模糊规则数 ,利用BP算法调整模糊神经网络的权系数。应用该模型对某飞机模型做俯仰滚转耦合运动的非定常气动力进行了辨识。结果表明 ,基于模... 详细信息

建立了一种基于模糊聚类的模糊神经网络模型。该模型利用模糊聚类技术确定系统的模糊空间和模糊规则数 ,利用BP算法调整模糊神经网络的权系数。应用该模型对某飞机模型做俯仰滚转耦合运动的非定常气动力进行了辨识。结果表明 ,基于模糊聚类的模糊神经网络计算速度快 ,辨识结果与实验结果符合较好。用模糊聚类技术可以解决模糊神经网络的结构辨识问题。

关键词：模糊神经网络模糊聚类建模计算速度结构辨识 BP算法模糊规则非定常气动力飞机模型机动飞行

来源：评论

学校读者我要写书评

暂无评论

废气氧传感器Hammerstein模型结构的确定

引用

传感器与微系统 2007年第10期26卷 18-21页

作者：滕勤马标徐科军合肥工业大学机械与汽车工程学院安徽合肥230009

研究了废气氧(EGO)传感器Hammerstein模型结构辨识方法。静态非线性函数选用双曲正切与多项式组合形式,动态线性环节分别选用带外生变量的自回归(ARX)模型、输出误差(OE)模型和Box-Jenkins(BJ)模型结构。采用交叉准则法进行参数估计和... 详细信息

研究了废气氧(EGO)传感器Hammerstein模型结构辨识方法。静态非线性函数选用双曲正切与多项式组合形式,动态线性环节分别选用带外生变量的自回归(ARX)模型、输出误差(OE)模型和Box-Jenkins(BJ)模型结构。采用交叉准则法进行参数估计和阶次选择,通过仿真比较对模型进行检验。结果表明:最终输出误差(FOE)准则和最终预报误差(FPE)准则均适用于用估计数据选择阶次,但前者比后者更可靠。基于预测误差法的3阶OE模型和BJ模型均可用于EGO传感器Hammerstein模型动态线性环节的建模。

关键词：废气氧传感器 Hammerstein模型结构辨识

来源：评论

学校读者我要写书评

暂无评论

神经网络控制结构确定方法

引用

西北工业大学学报 1996年第2期14卷 265-269页

作者：史忠科西北工业大学

为了选择合适的神经网络逼近不同的非线性函数，本文将该问题化为模型辨识问题来处理，并且给出了有效方法。为了确定样条函数、正交级数描述等神经网络阶次，本文提出了Ｕ—Ｄ分解的递阶数据矩阵法、递阶误差性能指标法等方法。

关键词：神经网络结构辨识非线性数值稳定性

来源：评论

学校读者我要写书评

暂无评论

T-S模型的遗传算法和支持向量机辨识

引用

控制工程 2009年第5期16卷 591-593,597页

作者：丁学明樊海军上海理工大学光电信息与计算机工程学院上海200093

基于非线性系统的输入输出数据,辩识对象的T-S模型。提出基于遗传算法和最小二乘支持向量机的辨识方法,利用遗传算法聚类进行结构辨识,每个类代表一条规则,规则数等于类数量,类中心作为该规则的隶属度函数中心类数;同时考虑模型辨识精度... 详细信息

基于非线性系统的输入输出数据,辩识对象的T-S模型。提出基于遗传算法和最小二乘支持向量机的辨识方法,利用遗传算法聚类进行结构辨识,每个类代表一条规则,规则数等于类数量,类中心作为该规则的隶属度函数中心类数;同时考虑模型辨识精度,实现全局优化;参数辨识采用基于结构风险最小化的最小二乘支持向量机方法,综合考虑模型复杂度和辨识误差。仿真结果证明了算法的有效性,辨识精度高,泛化能力强。

关键词： T—S模型结构辨识参数辨识遗传算法最小二乘支持向量机

来源：评论

学校读者我要写书评

暂无评论

基于T-S模型的模糊系统辨识方法综述

引用

计算机应用研究 2009年第6期26卷 2008-2012页

作者：蒋强肖建何都益蒋伟王梦玲西南交通大学电气学院成都610031 乐山师范学院四川乐山614000

模糊模型设计方法归结为两种,即语义驱动和数据驱动。数据驱动模型具有更好的性能,是目前研究的热点。模糊系统辨识是数据驱动下模糊系统建模的重要手段,辨识的优良直接影响系统建模的精度。模糊系统辨识可以分为两部分进行认识,即模糊... 详细信息

模糊模型设计方法归结为两种,即语义驱动和数据驱动。数据驱动模型具有更好的性能,是目前研究的热点。模糊系统辨识是数据驱动下模糊系统建模的重要手段,辨识的优良直接影响系统建模的精度。模糊系统辨识可以分为两部分进行认识,即模糊系统结构辨识和参数辨识。回顾了近年来模糊系统辨识的理论和方法,如subtractive聚类、多分辨率自适应空间分解、SVM、核函数法、粒子群算法和并行遗传算法等。对各种算法原理、特点进行了介绍,对模糊系统辨识的发展进行了展望。

关键词：模糊系统系统辨识结构辨识参数辨识 T—S模型

来源：评论

学校读者我要写书评

暂无评论

基于互补遗传算子的前馈神经网络三阶段学习方法

引用

计算机工程与应用 2005年第17期41卷 88-89,104页

作者：杨会志河北科技大学经济管理学院石家庄050018

论文提出了一种新的基于互补遗传算子的前馈神经网络三阶段学习方法。该方法把神经网络的学习过程分为三个阶段。第一阶段为结构辨识阶段,采用遗传算法进行神经网络隐层节点数目的选择和初始参数的设定,并基于发现的遗传算子的互补效应... 详细信息

论文提出了一种新的基于互补遗传算子的前馈神经网络三阶段学习方法。该方法把神经网络的学习过程分为三个阶段。第一阶段为结构辨识阶段,采用遗传算法进行神经网络隐层节点数目的选择和初始参数的设定,并基于发现的遗传算子的互补效应设计高效互补遗传算子。第二阶段为参数辨识阶段,采用效率较高的神经网络算法如L-M算法进行神经网络参数的进一步学习。第三阶段为剪枝阶段,通过获得最小结构的神经网络以提高其泛化能力。在整个学习过程中,学习过程的可控性以及神经网络的逼近精度、复杂度和泛化能力之间得到了满意平衡。仿真试验结果证明了该方法的有效性。

关键词：前馈神经网络三阶段学习方法结构辨识参数辨识剪枝互补遗传算子

来源：评论

学校读者我要写书评

暂无评论

一种基于模糊神经网络的非线性系统模型辨识方法

引用

电子与信息学报 2002年第3期24卷 355-360页

作者：李映白本督焦李成西安电子科技大学雷达信号处理重点实验室西安710071 西安电子科技大学 296信箱西安710071

该文提出一种非线性系统的模型辨识方法。通过结构的辨识(学习)和参数的辨识(学习),构造了一个模糊神经网络,经调整网络的权值,获得一个精确的模糊模型。对两个非线性系统辨识的仿真结果验证了该方法的有效性。

关键词：模糊神经网络结构辨识参数辨识系统辨识模型辨识非线性系统

来源：评论

学校读者我要写书评

暂无评论

具有时变时滞的非线性系统状态估计与控制

具有时变时滞的非线性系统状态估计与控制

引用

作者：马利斌哈尔滨工业大学

学位级别：博士

时变时滞现象广泛的存在于实际工程领域的各种系统中,比如控制工程领域中的网络控制、飞行器控制和机器人控制系统等。这种时变时滞往往会导致系统出现各种各样的复杂动态行为,例如失稳、振荡和混沌等,给此类系统的状态估计器与控制器... 详细信息

时变时滞现象广泛的存在于实际工程领域的各种系统中,比如控制工程领域中的网络控制、飞行器控制和机器人控制系统等。这种时变时滞往往会导致系统出现各种各样的复杂动态行为,例如失稳、振荡和混沌等,给此类系统的状态估计器与控制器设计带来了很大的困难。因此本论文对时变时滞非线性系统的状态估计与跟踪控制问题进行了研究和探讨。首先,针对具有时变时滞和未知非高斯噪声的非线性系统,基于图论理论,提出了一种人工免疫策略的粒子滤波算法,并证明了算法的收敛性。该算法解决了粒子滤波中粒子的贫化问题,丰富了粒子的多样性。进一步考虑噪声概率分布未知的情况,提出了一种自适应变窗的噪声概率分布核密度估计方法,并基于此方法对所提出的粒子滤波算法进行了改进,保证了其在噪声概率分布未知时的适用性。通过数值仿真验证了上述算法的有效性。在实际工程中,时变时滞非线性系统往往存在模型不确定性。一种简单的情形是时变时滞已知确定、模型不确定性是由其它原因产生的,比较典型的如时变时滞复杂网络,其模型不确定性仅表现在节点间不确定连接关系上。论文针对此类系统,提出了一种多层神经网络的状态估计器,给出了基于固定神经网络权重、自适应神经网络权重以及具有时变时滞约束条件的自适应神经网络权重的三种估计器参数确定方法;其中参数确定基于构造李雅普诺夫函数和求解线性矩阵不等式实现,从而保证了估计误差的有界性。接着进行了数值仿真,验证了状态估计器的有效性。为了获得更加良好的状态估计效果,论文针对这一类系统,提出了基于概率图神经网络的状态估计器,通过构建李雅普诺夫函数和求解线性矩阵不等式给出了神经网络权重的自适应律以及估计器参数,保证了状态估计器的稳定性。进一步基于所给出的概率图神经网络及基于该神经网络的状态估计器,提出了一种时变时滞复杂网络结构辨识算法,该算法能够辨识出此类系统的真实结构及参数,为获得更好的状态估计奠定了基础。仿真案例验证了所提出的结构辨识算法的有效性。更为复杂的情形是包括时变时滞在内的系统所有环节都存在不确定性,这类系统的模型不确定性通常是由未知时变时滞和未知非线性函数项造成的。论文进一步针对此类系统,提出了一种基于改进长短期记忆神经网络的状态估计器设计方法。该方法首先通过优化长短期记忆神经细胞构建时变时滞非线性系统的长短期记忆神经网络,获得更好的模型不确定性逼近;然后基于李雅普诺夫函数构建及线性矩阵不等式求解,确定神经网络权重更新律以及基于该更新律的估计器参数,保证了状态估计器估计误差的有界性。通过数值仿真验证了状态估计器的有效性。论文还研究了具有因未知时变时滞和未知函数项造成模型不确定性的非线性系统跟踪控制问题。首先针对模型不确定性和系统的非线性问题,基于多层神经网络、非线性函数逼近及反步法提出了一种双权重自适应补偿控制器。该方法通过构造李雅普诺夫函数,设计神经网络权重的自适应更新律以及补偿参数的自适应更新律,理论上保证了系统跟踪误差的有界性。以上提出的控制器虽然能够有效解决模型不确定性和系统的非线性问题但却具有状态依赖性,而实际系统的状态往往很难完全测得,为此论文进一步讨论了基于前述状态估计器的双权重自适应补偿控制器设计。仿真验证了以上自适应补偿控制器的有效性。论文最后针对时变时滞非线性系统的跟踪控制执行器死区问题,提出了一种基于多层神经网络的双权重自适应控制器与死区补偿器,并针对状态可测与不可测两种情形进行了数值仿真,仿真结果验证了控制器的有效性。

关键词：时变时滞非线性系统状态估计结构辨识跟踪控制自适应补偿控制

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：