用于有界噪声时变矩阵计算的终端零化神经网络

为提升零化神经网络(ZNN)求解时变矩阵计算问题时的收敛性能,提出一种具有抗噪能力的终端零化神经网络(TZNN)及其对数加速形式(LA-TZNN)。对误差动态的终态吸引性展开分析,结果表明所提网络在受到有界噪声干扰时仍能在固定时间内使误差归零,其中LA-TZNN可实现对数调节时间稳定,收敛速度相较于TZNN更快。考虑到实际情况中初始误差有界,给出半全局意义上的调节时间上界,并通过设置可调参数,使网络实现预定义时间稳定。将2种模型应用于时变矩阵求逆和PUMA560机械臂重复运动规划问题,仿真结果验证了所提方法相较于传统ZNN设计,调节时间更短,收敛精度更高,并能够有效抑制有界噪声干扰。

用于时变矩阵计算的固定时间递归神经网络及其在重复运动规划中的应用

文中提出了具有对数调节时间的固定时间收敛递归神经网络(Recurrent Neural Network,RNN)模型,用于求解时变矩阵计算问题。设计并详细分析了两个新颖的RNN模型,推导出在给定初始条件下模型调节时间函数的精确表达式;并给出任意初始条件下调节时间函数的上界。相比现有的固定时间收敛的RNN模型,两个新颖的模型具有对数调节时间,其调节时间上界更小,收敛速度更快。考虑到初始误差实际上在一个有界的区域内,给出RNN模型半全局对数调节时间函数,并由此推导出半全局意义上的调节时间函数的上界。采用RNN模型半全局调节时间上界的倒数,提出半全局预定时间收敛到精确解的改进RNN模型,其预定时间是一个可调参数。给出了所提RNN模型对时变Lyapunov方程和时变Sylvester方程求解的仿真结果,并将其应用于具有初始误差的冗余机械臂的重复运动规划,进一步验证了所提RNN模型的有效性。

Hammerstein-Wiener时变系统的带遗忘因子学习辨识算法

针对一类有限区间上重复运行的Hammerstein-Wiener非线性时变系统,将Hammerstein-Wiener系统输出非线性部分进行多项式展开以构造回归模型,采用带遗忘因子迭代学习梯度算法和带遗忘因子迭代学习最小二乘算法,估计系统的时变参数。当系统参数沿时间轴快变、沿迭代轴缓变时,修正遗忘因子提高算法的辨识精度。文中分别给出了2种算法的推导过程并进行仿真对比验证,结果表明,带遗忘因子迭代学习最小二乘算法收敛速度更快、精度更高,达到相同性能指标时所需迭代次数更少,验证了所提学习算法的有效性。

一类Wiener非线性时变系统的迭代学习辨识

针对Wiener非线性时变系统的参数辨识问题,该文提出一种基于重复轴的迭代学习算法来实现对时变甚至突变参数的估计。文中将维纳系统输出非线性部分的反函数进行多项式展开,进而构造了回归模型,未知参数及中间变量用其估计替代,分别给出了采用迭代学习梯度算法和迭代学习最小二乘算法实现时变参数辨识的方法。仿真结果表明,与带遗忘因子的递推算法和迭代学习梯度算法相比,迭代学习最小二乘算法更具有参数估计收敛速度快,辨识精度高,系统输出误差小等优势,验证了所提学习算法的有效性。

哈默斯坦非线性时变系统的加权学习辨识方法

针对有限区间哈默斯坦(Hammerstein)非线性时变系统,该文提出一种加权迭代学习算法用以估计系统时变参数。首先将Hammerstein系统输入非线性部分进行多项式展开,采用迭代学习最小二乘算法辨识系统的时变参数。为了防止数据饱和,采用带遗忘因子的迭代学习最小二乘算法,进而引入权矩阵,采用加权迭代学习最小二乘算法改进系统跟踪误差,以提高辨识精度。该文分别给出3种算法的推导过程并进行仿真验证。结果表明,与迭代学习最小二乘算法和带遗忘因子迭代学习最小二乘算法相比,加权迭代学习最小二乘算法具有辨识精度高、跟踪误差小以及迭代次数少等优点。

关于大众化背景下精英人才精细化培养的思考

精英人才培养是高校对人才培养的科学定位,本文以"精细化培养"新思想和新理念为研究核心,引入企业生产的精细化管理理念,对人才培养进行整体设计,在教育模式、培养过程、评价激励、素质拓展、教师培养培训等环节进行研究,提出切实可行的实践路径。

大学新生始业教育探讨

始业教育即开始学业之前的教育,是大学生思想政治教育的重要内容,对整个大学生涯规划起着举足轻重的作用。本文从入党启蒙教育、理想抱负教育、心理健康教育、职业规划教育等四个模块探讨新生始业教育对大学生生涯规划的作用。

NLOS无线环境中运用最优化原理的定位算法

无线定位已经成为物联网应用的重要研究内容,而非视距(NLOS)误差的存在则会显著降低传统定位算法的精度.因此提出了一种运用最优化原理的定位算法,该算法运用距离加权思想将NLOS环境中的线性位置线(LLOP)定位建模为二次规划问题,最终得到节点的最小二乘位置估计.通过性能分析,发现在基站节点数量较多或者存在视距(LOS)传输基站节点时,所提出的算法可以显著削减定位中NLOS误差的影响.计算机仿真证实了上述分析,结果表明:在NLOS环境下,所提出的算法在精度上要优于现有其他定位算法.

高校独立学院学生管理工作中存在的问题及对策

随着高等教育大众化时代的到来,独立学院规模不断发展壮大。独立学院在发展过程中,依托"母体"优势并借鉴其工作模式和管理方法。然而,由于独立学院与"母体"的生源不同,并且在新的时代背景下学生的观念发生着潜移默化的变化,因此高校独立学院学生管理工作出现了一些新的问题。如何转变观念,以"生"为本,与时俱进,是高校独立学院发展过程中亟待解决的重要课题。

新形势下高校独立学院学生管理工作的问题及对策

由于独立学院与"母体"的生源不同,并且在新的时代背景下学生的观念发生着变化,因此在新形势下,高校独立学院学生管理工作出现了一些新的问题。如何转变观念,以"生"为本,与时俱进,是高校独立学院发展过程中亟待解决的重要课题。

勿忘研究生的社交组织能力培养

研究生社交组织能力的培养往往会被忽视,在社会竞争日渐激烈的今天,研究生不再和过去一样只需要专注于科学研究。文章首先强调了社交组织能力的重要性,然后从学校、导师、社会三方面提出如何培养研究生的社交组织能力。

科研分组的研究生培养方式探讨

在我国研究生教育不断发展的今天,新的培养模式不断涌现,科研分组的培养方式在导师资源不够的今天推动研究生教育走上新的台阶。文章分别阐述了现行的分组科研培养模式的利弊,并针对调查过程中反映的问题提出了相应的完善措施。

家庭经济困难毕业生就业“三线援助”模式的探索——以浙江省为例

基于建立健全经济困难毕业生就业援助长效机制的重要性,本文从当前高校家庭经济困难毕业生就业状况和就业援助的调研入手,提出高校家庭经济困难毕业生就业"三线援助"的模式,以进一步促进经济困难毕业生顺利就业,实现就业公平,维护社会稳定。

多输入单输出时变输出误差模型学习辨识算法

本文考虑了多输入单输出(MISO)时变输出误差系统参数的估计问题。对于多输入单输出时变输出误差系统,识别的难点在于待辨识的模型参量是随着时间而变化的,尤其突变的参数更难辨识。针对这一问题,本文将辅助模型的思想应用到学习算法中,给出了基于辅助模型的迭代学习随机梯度算法和基于辅助模型的迭代学习最小二乘算法的推导过程。最后,提供了说明性的仿真实例来分析所提出的算法,仿真结果表明基于辅助模型的迭代学习最小二乘算法可以快速跟踪突变的参数,获得精准的参数估计,验证了该算法的有效性。

注重大学生民主意识的培养

当代大学生中普遍存在着民主意识淡薄和民主诉求片面的现象,造成这种现状的原因是多方面的,社会、学校、家庭和个人的原因共同影响着大学生的民主意识。作为高校教育工作者,需要不断改进思想政治理论课程的教学方法,并通过无意识教育为学生营造良好的民主氛围。