【摘 要】
：
基于反馈误差学习模型,模拟小脑运动神经控制和运动神经学习的能力,提出了一种新的在线自适应控制系统及相应的在线学习算法,并将这种控制系统应用于倒立摆平衡控制.该控制系统包括一个常规控制器(CFC)和一个神经网络前馈控制器(NNFC).CFC负责保证系统的稳定性,同时CFC的输出信号和被控对象实际输出误差综合成为NNFC的教师信号.而NNFC通过在线学习自适应地逼近被控系统的逆动态模型,使系统可以跟踪
【机 构】
：
北京工业大学电子信息与控制工程学院,北京,100022
论文部分内容阅读
基于反馈误差学习模型,模拟小脑运动神经控制和运动神经学习的能力,提出了一种新的在线自适应控制系统及相应的在线学习算法,并将这种控制系统应用于倒立摆平衡控制.该控制系统包括一个常规控制器(CFC)和一个神经网络前馈控制器(NNFC).CFC负责保证系统的稳定性,同时CFC的输出信号和被控对象实际输出误差综合成为NNFC的教师信号.而NNFC通过在线学习自适应地逼近被控系统的逆动态模型,使系统可以跟踪指令信号.以倒立摆为控制对象的仿真试验表明,这种在线自适应控制系统和相应的在线学习算法具有良好的控制精度和鲁棒性.
其他文献
本文探讨meta博弈以及meta平衡在MARL中的应用,通过对比meta平衡与Nash平衡在MARL中的特性和作用,提出一种基于meta平衡理论的两agentMARL算法metaQ,并通过试验验证metaQ算法性能优于NashQ算法.
随着网络信息的增长,信息检索技术的重要性与日俱增,与此同时,一些传统的IR技术如向量空间模型很难快速、准确地检索到用户所需的信息.因此,个性化信息检索技术成为研究的热点.个性化信息检索的关键是用户模式的提取(或用户兴趣的获得),由于用户的兴趣是随时间变化的,如何及时地发现用户最新的兴趣就直接影响到返回给用户文档的质量.本文从用户的兴趣入手,提出了一种基于相关反馈和用户模式的个性化信息检索模型.首先
互联网上的海量数据成为人们获取信息的重要来源.本文针对传统的基于关键词的信息拽索方式的不足,探讨了语义Web环境下的基于用户上下文信息本体的个性化智能搜索.本文首先分析了传统的信息搜索方式的缺陷,接着介绍了语义Web以及本体在信息搜索中的应用,然后阐述了基于用户上下文信息本体的个性化搜索,通过构建用户上下文信息本体反映用户兴趣偏好,使得搜索引擎在检索时充分结合用户上下文信息,实现满足用户特定需求的
层次分析法是在网络系统理论和多目标综合评价方法基础上,提出的一种层次权重决策分析方法.它符合人的逻辑判断思维过程,适合于对决策结果难于直接准确计量的场合,能够解决多目标、多准则或无结构特性的复杂决策问题.基于这些特点,层次分析法在企业动态联盟的伙伴选择和虚拟制造的资源配置中被广泛的应用.随着网格技术的迅速发展,层次分析法也开始被用于网格的一些领域中,如它被用于作为制造网格的资源配置算法.由于在目前
BP网络是神经网络里应用最广泛的一种网络,它使用的是反向传播算法(back-propagationalgorithm),该算法采用梯度下降法使得收敛缓慢、训练时间长.本文探讨在神经网络训练下用并行技术解决训练时间长的问题.从BP算法的内部结构分析了BP神经网络算法的并大规模行划分方法,提出了一种动态负载平衡方案.通过在PC集群环境下对并行算法的试验结果表明,这种并行划分提高了加速比,具有现实意义.
本文介绍了一种基于极坐标的聚类方法,提出了一种新的多目标遗传算法(PC-MOEA).通过实验我们将PC-MOEA同目前2个主流多目标遗传算法(NSGA2和SPEA2)进行了性能比较.实验结果表明了PC-MOEA的分布性和收敛性都很不错.
本文介绍了一种新的混合进化算法.它把混沌理论、协进化算法和免疫算法各自的优势相结合,从而形成了基于混沌优化的免疫协进化算法.该算法充分利用混沌理论遍历与内在随机性,生物免疫记忆与免疫多样性以及自然界的协同进化机制,有效地改进遗传算法缺乏有效收敛和易陷入局部最优的缺陷.经过仿真试验,发现该算法能够保证全局最优和收敛速度快.同时仿真结果表明,该文提出的新的混合进化算法较遗传算法、一般的人工免疫算法更有
利用遗传算法的全局搜索能力同时进化设计三层BP神经网络的结构和连接权,并以进化后的网络结构和连接权作为新的神经网络结构和初始连接权,再进行新一轮BP神经网络训练,把训练后的结果采用简单平均集成,以此建立气候预测模型.以广西的月降水量进行实例分析,计算结果表明该方法预报精度高、而且在实际预报中易于操做,是一种具有较高应用价值的预测方法.
语义知识库的构建与不断改进是文本内容理解的基础.本文针对CCD名词概念数据的特点,根据当代中文真实文本信息的词汇特征,提出了CCD名词概念的优化规范以及可行的优化方法,完成了CCD名词概念的初步优化工作,使CCD名词概念中文表示的准确性和完备性得到了显著改善.
ATTEBSC算法是一种基本的通过句子对比较学习翻译模板的方法,它要求事先把句子对改写成一种特定的比较格式,但是对如何获得这种比较格式并朱作严格规定.本文提出了一种利用最长共有子序列(LCS)计算这种特定比较格式的方法,并利用归一化LCS距离筛选相似度较高的句子,然后通过ATTEBSC算法进行模板的自动抽取.实验表明,该方法简单、有效,能够学出许多有价值的模板.