针对大规模复杂车流的PG强化交通灯控制算法

优化城市道路中的交通信号灯控制是低成本地提升城市交通路网性能的方法之一。该研究提出了一种利用策略梯度(Policy Gradient, PG)强化调优的交通灯控制算法。该算法引入了道路压力项、旅程时间项和黑名单机制项,利用统计方式预测汽车行程轨迹,并采用策略梯度估计的优化算法调整算法中的参数。在数据挖掘国际会议Knowledge Discovery and Data Mining (KDD)组织的算法竞赛KDD Cup 2021城市大脑挑战赛中,获得了冠军的成绩。在该挑战赛提供的城市路网规模复杂车流仿真平台上的实验结果表明,算法具有应用于实际场景的价值。

基于免疫进化算法的径向基函数网络

基于免疫进化算法,提出了一种设计径向基函数(RBF)网络的新算法——免疫径向基函数网络(IRBF)训练算法.该算法通过提取RBF网络核函数宽度的先验知识作为疫苗构成免疫算子,缩小了标准进化算法搜索空间的范围,提高了算法的收敛速度.计算机仿真表明,采用这种算法训练的RBF网络达到了较好的性能.

基于免疫算法的RBF网络在信道均衡中的应用

针对严重非线性失真信道 ,提出了一种基于免疫算法的径向基函数 (RBF)网络自适应均衡器 .这种均衡器引入了判决反馈均衡器的结构 ,并采用免疫算法确定RBF网络隐层 (非线性层 )的结构和参数 .免疫算法具有全局搜索能力 ,它通过引入多样性保持机制和免疫记忆机制提高了算法的优化效率 ,并在一定程度上克服了未成熟收敛现象 .仿真结果表明 ,这种基于免疫算法的RBF网络均衡器性能优良 。

基于免疫算法的前向神经网络学习方法

提出了一种采用免疫算法训练多层前向神经网络的方法。该方法利用免疫算法训练前向神经网络,能够使网络优化过程趋于全局最优。利用基于遗传策略的聚类机制确定前向神经网络的初始权值,增加了网络训练算法收敛于全局最优的概率。将这种神经网络用于雷达模拟调制信号的调制方式识别的仿真结果表明,采用该算法设计的前向神经网络达到了较高的性能。

基于免疫聚类和遗传算法的RBF网络设计方法

基于人工免疫机制和遗传算法,提出了一种训练径向基函数(RBF)网络的混合算法.该算法采用了一种可以实现数据聚类的人工免疫机制根据输入数据集合自适应地确定RBF网络隐层中心的数量和初始位置;采用遗传算法训练RBF网络,能够使优化过程趋于全局最优.将该方法用于多用户检测问题的实验结果表明,采用这种混合算法训练的RBF网络结构精简,具有很好的抗多址干扰的性能.

基于一种新型RBF网络的捷变频雷达频率预测技术

针对捷变频雷达的频率预测问题,提出了基于一种新型RBF网络的频率预测方法。该方法将频率预测问题等效为伪随机序列预测问题,并采用结合人工免疫聚类和进化规划的混合算法确定RBF网络的隐层参数。计算机仿真表明,采用这种方法设计的RBF网络预测器可以准确地预测捷变频码,是一种对抗捷变频雷达的有效方式。

RBF网络雷达天线扫描方式识别系统

采用一种基于免疫算法和最小二乘法的两级学习方法设计径向基函数(RBF)网络,并将其应用于雷达天线扫描方式识别系统。这种RBF网络学习方法通过引入免疫算法的多样性保持机制和免疫记忆机制提高了网络训练算法的优化效率,并在一定程度上抑制了未成熟收敛现象。仿真结果表明,基于这种RBF网络的雷达天线扫描方式识别系统达到了较高的识别精度。

基于新型RBF网络的模拟调制信号识别

对敌方雷达信号调制类型的识别是电子对抗的一个重要方面。采用了一种基于人工免疫聚类和进化规划的混合算法设计径向基函数(RBF)网络,并将其应用于雷达信号调制类型的自动识别。该算法首先利用一种实现数据聚类的人工免疫机制,根据输入数据集合自适应地确定RBF网络初始中心的数量和位置,之后采用进化规划训练RBF网络。仿真实验表明,采用这种方法设计的RBF网络对各种模拟调制信号的调制类型达到了较高的识别精度。

基于改进免疫算法的两级径向基函数网络学习方法

结合改进的免疫算法和最小二乘法,提出了一种设计径向基函数(RBF)网络的两级学习方法.该方法利用免疫算法确定RBF网络隐层的非线性参数,能够有效克服进化算法的未成熟收敛现象.改进的免疫算法针对RBF网络的特点,采用基于矢量距离的亲和度计算方法,克服了原有基于信息熵计算方法存在的计算复杂、参数难于确定的缺陷.将这种方法设计的RBF网络用于Mackey-Glass混沌序列预测的仿真实验证明了该方法的有效性.

结合免疫聚类和免疫进化规划的RBF网络设计方法

提出了一种结合免疫聚类和免疫进化规划的径向基函数(RBF)网络设计方法.该方法采用人工免疫聚类机制根据输入数据集合自适应地确定RBF网络隐层中心的数量和初始位置,并通过提取RBF网络核函数宽度的先验知识作为疫苗构成免疫算子.该算子可以缩小进化算法搜索空间的范围,提高算法的收敛速度.仿真结果表明,采用本方法设计的RBF网络结构精简,具有较强的泛化能力.

通过毕业设计培养学生的科研能力

本科生的毕业设计是培养学生基本科研能力的一个很好的机会 ,对学生未来的学习和工和有着十分重要的意义。近年来 ,我们将自身的科研课题与本科生的毕业设计相结合 ,通过毕业设计有意识地培养学生的基本科研素质。实践表明 ,这种方法能够充分发挥指导教师和学生两方面的积极性 ,为圆满地完成毕业设计创造了良好的条件。并且 ,这种初步的科研经历对学生今后的工作实践和进一步深造有着很大的帮助。

一种基于新型RBF网络的侦察测向系统

针对雷达侦察系统的到达角(AOA)测量问题,提出了一种新型的基于两级径向基函数(RBF)网络的侦察测向系统。根据RBF网络的特点,本文采用了一种基于免疫算法的混合方法确定RBF网络测向系统的参数。该方法利用免疫算法的全局搜索能力优化RBF网络隐层的结构和参数,并采用最小二乘算法计算RBF网络线性输出层的权值。计算机仿真表明,基于这种RBF网络的测向系统达到了很高的精度。

基于进化算法的RBF网络在多用户检测中的应用

将智能信号处理技术中的进化算法和神经网络技术相结合,得到了基于进化算法的RBF网络,并将其应用于多用户检测之中。计算机仿真表明,同一般的BP网络多用户检测器和RBF网络多用户检测器相比,进化RBF网络多用户检测系统的误码率性能有一定提高。

一种新型的网络安全技术——人工免疫系统

讨论了人工免疫系统的原理和发展概况 ,介绍了一种人工免疫系统的模型及其在计算机网络安全中的应用 。

通过“信号与系统”课程培养学生的科研思维能力

本文介绍了"信号与系统"课程的教学方法、教学内容、教学实验、课外实践等教学环节,以引导和培养学生的科研思维能力。教学实践表明,这些方法能够有效提高学生的积极性和主动性,为今后从事相关领域的科研工作打下良好的基础。

基于人工免疫机制的RBF网络混合训练算法(英文)

基于人工免疫聚类机制和免疫进化算法,提出了一种新型的设计RBF网络的混合算法。该方法利用人工免疫聚类机制,根据输入数据集合自适应地确定RBF网络核函数的数量及其中心的初始位置。采用免疫进化算法训练RBF网络,进一步缩小了标准进化算法搜索空间的范围,提高了算法的收敛速度。计算机仿真表明,这种RBF网络结构精简并具有较强的泛化能力。

通过SRTP项目培养学生的创新实践能力

本科生科研训练计划(SRTP)是我校本科生科技创新活动的重要组成部分,对培养学生的科研能力和创新意识起着积极的作用。考虑到参与该项目的学生大多数是首次参与科研活动,本文结合具体实例,讨论了如何从选题设计、项目指导、后续扩展等多个层面入手,帮助学生尽早进入科研状态、培养基本的创新实践能力。

智能信息处理概论课程体系的探索

介绍了在本科生中开设智能信息处理概论课程的思路 ,包括课程体系的安排、课程设置的目标、内容和授课的方式。

一种基于免疫系统的RBF网络在线训练方法

针对径向基函数(RBF)网络和免疫系统的相似性,本文提出了一种基于免疫模型的RBF网络在线学习方法以解决动态问题.该方法借鉴了免疫系统动态调整以对抗不断入侵的抗原的机制,通过免疫初步覆盖、免疫交叉响应和疫苗注射等免疫操作,加速算法效率、提高算法精度和动态性能.通过以上操作使得RBF网络能够根据样本的变化迅速地调整网络结构与参数.计算机仿真研究表明,采用这种方法设计的RBF网络在动态环境下具有优良的精度和泛化能力.

提高相控阵天线波束指向精度的方法

针对相控阵天线波束指向受数字移相器量化相位影响而偏离预定指向的问题,从理论上研究了二可能值法对相控阵天线波束指向的影响,并导出有效实用的理论公式.计算结果表明,本文所给出的理论公式是正确和有效的.