-
题名基于复杂环境下无人操控压路机仿人工控制研究
被引量：1
- 1
-
-
作者
邵珠枫
朱敬花
吴慧
-
机构
中国矿业大学机械电子工程系
九州职业技术学院
-
出处
《现代信息科技》
2020年第10期89-91,共3页
-
文摘
复杂碾压环境下无人操控压路机速度控制不精准会导致碾压路面损伤,根据反应式导航控制策略,以PID控制算法为基础,研究了仿人工定向反复引导学习方向控制法,通过反复引导学习算法对PID参数进行在线自适应整定。根据操作手预瞄模型制定了路径跟踪速度控制策略,基于最优选择学习路径跟踪速度控制研究策略,实现了对无人操控压路机的平稳控制。
-
关键词
无人操控压路机
PID控制
最优学习算法
仿人工控制
-
Keywords
unmanned control roller
PID control
optimal learning algorithm
artificial control
-
分类号
TP273
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名基于约束优化的联想记忆模型学习算法
被引量：4
- 2
-
-
作者
汪涛
俞瑞钊
何志均
-
机构
浙江大学计算机系
-
出处
《通信学报》
EI
CSCD
北大核心
1992年第5期88-92,共5页
-
文摘
本文提出了一种对称互连神经元网络的学习策略,利用全局约束优化方法确定连接权。优化过程采用了梯度下降技术。这种学习算法可以保证训练样本成为系统的稳定吸引子,并且具有优化意义上的最大吸引域。本文讨论了网络的存储容量,训练样本的渐近稳定性和吸引域大小。计算机实验结果说明了学习算法的优越性。
-
关键词
联想记忆模型
约束优化
学习算法
-
Keywords
Associative memory, Constrained optimal learning algorithm, Gradient descent rule,Asymptotic stability, Basin of attraction.
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名面向可靠性预测的信息系统审计证据定量研究
- 3
-
-
作者
夏志杰
吴忠
-
机构
上海工程技术大学管理学院
复旦大学管理学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2010年第22期9-11,29,共4页
-
基金
上海市科学技术委员会科研计划项目No.09220502900
上海高校选拔培养优秀青年教师科研专项基金No.gjd09006~~
-
文摘
为了深度利用信息系统审计证据中蕴含的信息,并以此指导信息系统运行的事前维护,构建面向系统运行可靠性预测的审计证据定量分析模型。借助Dempster-Shafer理论和信息系统审计框架,将获取的包含不确定信息的定性和定量审计证据转换成统一的形式,通过对若干时刻点系统运行可靠性进行评估后,利用证据推理方法预测未来某时刻系统运行的可靠程度。最后,遗传优化算法和效用理论被分别用于对预测模型中参数的确定和对预测结果的进一步解释。
-
关键词
信息系统
可靠性预测
审计证据
证据推理
遗传优化算法
-
Keywords
information system
prediction reliability
audit evidence
evidential reasoning
generic optimal learning algorithm
-
分类号
TP273
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名异联想记忆模型的优化学习算法
被引量：1
- 4
-
-
作者
汪涛
庄新华
邢小良
-
机构
浙江大学计算机科学与工程系
-
出处
《计算机学报》
EI
CSCD
北大核心
1993年第2期97-105,共9页
-
文摘
本文提出了一种异联想记忆模型的优化学习算法.首先,我们将反映神经元网络性能的标准转化为一个易于控制的代价函数,从而将权值的确定过程自然地转化为一个全局最优化过程.优化过程采用了梯度下降技术.这种学习算法可以保证每个训练模式成为系统的稳定吸引子,并且具有优化意义上的最大吸引域.在理论上,我们讨论了异联想记忆模型的存储能力,训练模式的渐近稳定性和吸引域的范围.计算机实验结果充分说明了算法的有效性.
-
关键词
异联想记忆
模型
优化学习算法
-
Keywords
Bidirectional associative memories, optimized learning algorithm, cost function, global optimization, asymptotic stability.
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于协同进化PSO的分类器学习算法
- 5
-
-
作者
代洪涛
王小平
-
机构
同济大学计算机科学与工程系
-
出处
《计算机应用与软件》
CSCD
北大核心
2006年第3期103-104,107,共3页
-
文摘
微粒群算法是一种简单、随机的进化群体算法,能够有效地解决数学性质比较复杂的优化问题。神经网络分类器能够解决复杂的非线性空间上分类的问题,它的训练学习算法要求更简单有效。文中将微粒群优化算法应用于神经网络分类器的学习,并加入协同进化机制以增强其性能。实例表明协同PSO算法的优越性。
-
关键词
微粒群算法
分类器
学习算法
协同进化
-
Keywords
Particle swarm optimization Classifier learning algorithm Co-evolution
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
TP301.6
[自动化与计算机技术—控制科学与工程]
-
