期刊文献+
共找到57篇文章
< 1 2 3 >
每页显示 20 50 100
基于SEAIQR模型与Dropout-LSTM模型的西安市COVID-19疫情趋势预测
1
作者 马艺菲 许书君 +5 位作者 秦瑶 李建涛 雷立健 贺鹭 余红梅 解军 《中国卫生统计》 CSCD 北大核心 2024年第2期207-212,共6页
目的基于传染病动力学SEAIQR(susceptible-exposed-asymptomatic-infected-quarantined-removed)模型和Dropout-LSTM(Dropout long short term memory network)模型预测西安市新型冠状病毒肺炎(COVID-19)疫情的发展趋势,为评估“动态清... 目的基于传染病动力学SEAIQR(susceptible-exposed-asymptomatic-infected-quarantined-removed)模型和Dropout-LSTM(Dropout long short term memory network)模型预测西安市新型冠状病毒肺炎(COVID-19)疫情的发展趋势,为评估“动态清零”策略防控效果提供科学依据。方法考虑到西安市本轮疫情存在大量的无症状感染者、依时变化的参数以及采取的管控举措等特点,构建具有阶段性防控措施的时变SEAIQR模型。考虑到COVID-19疫情数据的时序性特征及它们之间的非线性关系,构建深度学习Dropout-LSTM模型。选用2021年12月9日-2022年1月31日西安市新增确诊病例数据进行拟合,用2022年2月1日-2022年2月7日数据评估预测效果,计算有效再生数(R_(t))并评价不同参数对疫情发展的影响。结果SEAIQR模型预测的新增确诊病例拐点预计在2021年12月26日出现,约为176例,疫情将于2022年1月24日实现“动态清零”,模型R^(2)=0.849。Dropout-LSTM模型能够体现数据的时序性与非线性特征,预测出的新增确诊病例数与实际情况高度吻合,R^(2)=0.937。Dropout-LSTM模型的MAE和RMSE均较SEAIQR模型低,说明预测结果更为理想。疫情暴发初期,R 0为5.63,自实施全面管控后,R_(t)呈逐渐下降趋势,直到2021年12月27日降至1.0以下。随着有效接触率不断缩小、管控措施的提早实施及免疫阈值的提高,新增确诊病例在到达拐点时的人数将会持续降低。结论建立的Dropout-LSTM模型实现了较准确的疫情预测,可为COVID-19疫情“动态清零”防控决策提供借鉴。 展开更多
关键词 新型冠状病毒肺炎 SEAIQR模型 dropout-LSTM模型 动态清零 预测 对比
下载PDF
Study of University Dropout Reason Based on Survival Model
2
作者 Juan C. Juajibioy 《Open Journal of Statistics》 2016年第5期908-916,共9页
In this paper, we introduce the survival modelling methodology in order to identify some factors which may be influencing the university dropout. By using the data base provided by the Fundación Universidad Aut&#... In this paper, we introduce the survival modelling methodology in order to identify some factors which may be influencing the university dropout. By using the data base provided by the Fundación Universidad Autónoma de Colombia and the semi parametric proportional hazard Cox model, we have been able to identify these risk factors. 展开更多
关键词 dropout Survival models
下载PDF
基于Dropout的改进卷积神经网络模型平均方法 被引量:27
3
作者 程俊华 曾国辉 +1 位作者 鲁敦科 黄勃 《计算机应用》 CSCD 北大核心 2019年第6期1601-1606,共6页
针对深度卷积神经网络(CNN)中的过拟合问题,提出一种基于Dropout改进CNN的模型预测平均方法。首先,训练阶段在池化层引入Dropout,使得池化层单元值具有稀疏性;然后,在测试阶段将训练时池化层Dropout选择单元值的概率与池化区域各单元值... 针对深度卷积神经网络(CNN)中的过拟合问题,提出一种基于Dropout改进CNN的模型预测平均方法。首先,训练阶段在池化层引入Dropout,使得池化层单元值具有稀疏性;然后,在测试阶段将训练时池化层Dropout选择单元值的概率与池化区域各单元值所占概率相乘作为双重概率;最后,将提出的双重概率加权的模型平均方法应用于测试阶段,使得训练阶段池化层Dropout的稀疏效果能够更好地反映到测试阶段池化层上,从而使测试错误率达到与训练的较低错误率相近的结果。在给定大小的网络中所提方法在MNIST和CIFAR-10数据集上的测试错误率分别为0.31%和11.23%。实验结果表明:仅考虑池化层对结果的影响,所提方法与Prob.weighted pooling和Stochastic Pooling方法相比具有更低的错误率,表明池化层Dropout使得模型更具泛化性,并且池化单元值对于模型泛化具有一定帮助,能够更有效避免过拟合。 展开更多
关键词 深度学习 卷积神经网络 dropout正则化 过拟合 模型平均
下载PDF
改进的Dropout正则化卷积神经网络 被引量:13
4
作者 满凤环 陈秀宏 何佳佳 《传感器与微系统》 CSCD 2018年第4期44-47,共4页
针对深度卷积神经网络(CNN)中出现的过度拟合的问题,给出了一种改进的结构,训练阶段采用Dropout正则化,测试阶段采用了模型平均方法且同时考虑了保留概率和池化区域内单元值所占概率。仿真实验表明:在MNIST手写数据库和CMU—PIE的部分... 针对深度卷积神经网络(CNN)中出现的过度拟合的问题,给出了一种改进的结构,训练阶段采用Dropout正则化,测试阶段采用了模型平均方法且同时考虑了保留概率和池化区域内单元值所占概率。仿真实验表明:在MNIST手写数据库和CMU—PIE的部分图像库中,相同迭代次数及CNN结构下新算法均优于其他方法,不仅能够得到更好的识别率而且更能防止过拟合的问题。 展开更多
关键词 深度学习 卷积神经网络 dropout 图像识别 模型平均
下载PDF
改进U-Net模型在遥感影像建筑物提取中的应用
5
作者 俞佳笠 马超 《北京测绘》 2024年第8期1224-1229,共6页
针对传统遥感影像建筑物方法提取背景复杂影像时存在的精度低、图像边缘预测效果差等问题,本文在U-Net模型的基础上提出一种改进模型。首先,为防止过拟合现象产生,向U-Net收缩路径中加入随机失活(Dropout)函数;其次,为提升模型训练速度... 针对传统遥感影像建筑物方法提取背景复杂影像时存在的精度低、图像边缘预测效果差等问题,本文在U-Net模型的基础上提出一种改进模型。首先,为防止过拟合现象产生,向U-Net收缩路径中加入随机失活(Dropout)函数;其次,为提升模型训练速度,向扩张路径中加入批量归一化层;最后,为提升模型的图像边缘预测效果,选择联合损失函数为模型损失函数。通过武汉大学(WHU)建筑物数据集进行实验,结果表明本文模型在建筑物提取完整度、边界分割精度等方面都有不错的表现,尤其是针对较小建筑物的提取效果更好,其中精度指标UIo、AO、Kappa系数分别达到了76.876%、91.413%、81.225%,相比对比模型的精度指标更优,从而验证了本文方法的可靠性。 展开更多
关键词 遥感影像 改进U-Net模型 建筑物提取 联合损失函数 随机失活函数
下载PDF
An Improved Deep Learning Model for Predicting DNA Sequence Function
6
作者 Dongfeng Li Xiao Huang 《Intelligent Information Management》 2020年第1期36-42,共7页
Since a complete DNA chain contains a large data (usually billions of nucleotides), it’s challenging to figure out the function of each sequence segment. Several powerful predictive models for the function of DNA seq... Since a complete DNA chain contains a large data (usually billions of nucleotides), it’s challenging to figure out the function of each sequence segment. Several powerful predictive models for the function of DNA sequence, including, CNN (convolutional neural network), RNN (recurrent neural network), and LSTM [1] (long short-term memory) have been proposed. However, all of them have some flaws. For example, the RNN can hardly have long-term memory. Here, we build on one of these models, DanQ, which uses CNN and LSTM together. We extend DanQ by developing an improved DanQ model and applying it to predict the function of DNA sequence more efficiently. In the most primitive DanQ model, the regulatory grammar is learned by the regulatory motifs captured by the convolution layer and the long-term dependencies between the motifs captured by the recurrent layer, so as to increase the prediction accuracy. Through the testing of some models, DanQ has greatly improved in some indicators. For the regulatory markers, DanQ achieves improvements above 50% of the area under the curve, via the measurement of the precision-recall curve. 展开更多
关键词 BLSTM Convolutional NEURAL Network DanQ model RANDOM dropout
下载PDF
面向长短期混合数据的MOOC辍学预测策略研究 被引量:2
7
作者 杨坤融 熊余 +1 位作者 张健 储雯 《计算机工程与应用》 CSCD 北大核心 2023年第4期130-138,共9页
针对MOOC中学生行为数据的长短期混合特性,为解决辍学预测中的动态类别不平衡问题,提出一种基于深度学习的辍学预测策略。首先建立以天为时间步长、周为学习周期的新型学生行为时间序列,以捕捉每一时间步长下时间序列数据的短期依赖关... 针对MOOC中学生行为数据的长短期混合特性,为解决辍学预测中的动态类别不平衡问题,提出一种基于深度学习的辍学预测策略。首先建立以天为时间步长、周为学习周期的新型学生行为时间序列,以捕捉每一时间步长下时间序列数据的短期依赖关系和相邻学习周期之间的长期模式和趋势。然后结合辍学定义的两种不同表达揭示MOOC辍学预测的动态类别不平衡现象。接着引入基于代价敏感的长短期时间序列深度学习模型,以实现对高辍学风险学生的精准预测。最后在KDD Cup 2015数据集上的实验证明,所提策略能够有效帮助MOOC课程教师和教学管理者追踪课程学生在不同时间步长的学习状态,从而动态监控不同学习阶段的辍学行为。 展开更多
关键词 大规模开放式在线课程(MOOC) 深度学习 辍学预测 时间序列模型 代价敏感性学习
下载PDF
基于有限存储空间的分布式传感器融合估计器 被引量:1
8
作者 韩旭 王元鑫 +1 位作者 程显超 王小飞 《北京航空航天大学学报》 EI CAS CSCD 北大核心 2023年第2期335-343,共9页
研究具有信息传输模型不确定性、随机时间延迟和数据丢包的网络化多传感器分布式融合估计问题。模型的不确定性刻画为系统矩阵中的非高斯非白噪声干扰,在远程处理中心处设置有限长度的存储空间用来存储各个传感器延迟到达的测量值。在... 研究具有信息传输模型不确定性、随机时间延迟和数据丢包的网络化多传感器分布式融合估计问题。模型的不确定性刻画为系统矩阵中的非高斯非白噪声干扰,在远程处理中心处设置有限长度的存储空间用来存储各个传感器延迟到达的测量值。在最小方差原则下设计了一种利用测量值到达变量的最优常增益局部估计器,利用协方差交叉加权方法得到最优分布式融合估计器并推导得到使得估计器有界的条件。最后,通过某电源系统计算实例仿真验证所提融合估计器的有效性。 展开更多
关键词 存储空间 模型不确定性 随机时延和丢包 常增益局部估计器 CI融合估计器
下载PDF
中国远程教育学生流失现状及归因 被引量:7
9
作者 谭明杰 周仲文 +1 位作者 邵培基 李莹 《现代远程教育研究》 CSSCI 2013年第4期67-72,106,共7页
随着计算机和网络的广泛应用,远程教育学生规模不断扩大;与此同时,学生流失问题也日益凸显。较高的学生流失率增加了远程教育机构的生均办学成本,给远程教育机构的社会声誉造成负面影响。因此,研究学生流失规律及影响因素,以降低学生流... 随着计算机和网络的广泛应用,远程教育学生规模不断扩大;与此同时,学生流失问题也日益凸显。较高的学生流失率增加了远程教育机构的生均办学成本,给远程教育机构的社会声誉造成负面影响。因此,研究学生流失规律及影响因素,以降低学生流失率,成为提高远程教学质量很好的切入点。已有研究采用访谈、问卷、描述性统计等方法,对流失率与学习阶段、性别、年龄、专业等的关系进行了探究。按照持续比较法,我国远程教育学生流失的影响因素包括学习者因素、教育机构因素、环境因素3大类和11小类:人口统计学因素、学前准备及技能、学习心理因素、学业表现、专业及课程设计、教育机构支持、交互、工学矛盾、家庭支持、计划外事件和社会支持。降低学生流失率一方面可以基于我国远程教育的现实情景,对学生流失各因素间的相互关系进行研究,在此基础上建立结构化的学生流失模型,对学生流失的决策过程进行清晰的解释;另一方面可以采用数据挖掘方法,利用教务管理系统和学习管理系统数据,建立学生流失预测模型,在流失行为发生前发现潜在的流失学生,以便教育机构可以有针对性的采取挽留措施。 展开更多
关键词 远程教育 学生流失 流失规律 影响因素 流失模型
下载PDF
基于远程开放教育辍学分析与对策的实证研究 被引量:8
10
作者 王晓鸣 李莹 《天津电大学报》 2009年第3期5-10,共6页
本文以天津广播电视大学远程开放教育教务系统数据为依据,研究了远程开放教育的辍学率及辍学呈现的规律特征。依托辍学影响因素模型,提出降低远程开放教育辍学率的对策。本研究有助于远程教育机构采取有效措施降低辍学率,进而提高办学效... 本文以天津广播电视大学远程开放教育教务系统数据为依据,研究了远程开放教育的辍学率及辍学呈现的规律特征。依托辍学影响因素模型,提出降低远程开放教育辍学率的对策。本研究有助于远程教育机构采取有效措施降低辍学率,进而提高办学效益,使更多的社会弱势群体受益于远程开放教育。 展开更多
关键词 远程开放教育 辍学模型 影响因素 分析与对策
下载PDF
分布式控制系统稳定性分析及控制器设计 被引量:3
11
作者 田飞龙 郭迎清 姜彩虹 《航空发动机》 2015年第5期38-42,共5页
针对存在总线通信时延和掉包的航空发动机分布式控制系统,分别进行了时延和掉包情况下的系统建模和稳定性分析;利用增广离散化方法将时延系统转化为增广无时延模型,利用迭代方法将数据掉包建模为一定掉包界内的切换系统;分别提出时延和... 针对存在总线通信时延和掉包的航空发动机分布式控制系统,分别进行了时延和掉包情况下的系统建模和稳定性分析;利用增广离散化方法将时延系统转化为增广无时延模型,利用迭代方法将数据掉包建模为一定掉包界内的切换系统;分别提出时延和掉包条件下系统的稳定性条件,并通过求解线性矩阵不等式确定系统输出反馈控制增益;最后比较了基于保持输入和重构增益的2种掉包补偿措施。研究结果表明:采用基于时延的反馈控制增益设计和重构增益掉包补偿措施,可以保证分布式发动机控制系统的稳定性并获得最佳性能。 展开更多
关键词 分布式控制 时延 掉包 建模 稳定性 线性矩阵不等式 航空发动机
下载PDF
MOOC辍学研究:近20年文献的系统分析 被引量:8
12
作者 常李艳 刘婧 黄崇 《图书馆论坛》 CSSCI 北大核心 2021年第11期38-51,共14页
大规模开放式在线课程(MOOC)在全球高校获得广泛应用,新冠疫情期间成为我国教育系统主推的线上教学模式。MOOC高辍学率备受学界关注。文章分析2008-2020年关于MOOC辍学研究的181篇文献,从MOOC学生辍学的研究主题、研究方法、主要辍学因... 大规模开放式在线课程(MOOC)在全球高校获得广泛应用,新冠疫情期间成为我国教育系统主推的线上教学模式。MOOC高辍学率备受学界关注。文章分析2008-2020年关于MOOC辍学研究的181篇文献,从MOOC学生辍学的研究主题、研究方法、主要辍学因素、辍学预测模型等方面进行编码分析。研究发现,MOOC辍学研究集中在策略研究、辍学影响因素探索和辍学预测3个方面;MOOC辍学研究主要采用定量研究方法;MOOC辍学因素主要涉及个人、课程、社会、心理等方面;MOOC辍学预测主要通过点击流、课程平台的学习行为等数据,利用机器学习算法预测课程的辍学率或MOOC学习者的辍学概率及辍学时间。 展开更多
关键词 大规模开放式在线课 辍学 预测模型
下载PDF
通讯网络影响下自主车队分散式控制 被引量:5
13
作者 岳伟 郭戈 王丽媛 《东南大学学报(自然科学版)》 EI CAS CSCD 北大核心 2011年第B09期144-151,共8页
针对基于网络的自主式车队控制这一重要课题,建立了充分考虑车队间通讯网络限制影响(如:网络量化、延时以及丢包的问题)的交叠式混合车队纵向控制模型.针对该车队系统设计分层式结构的控制器,第一层为反馈线性化控制器,第二层为分散式... 针对基于网络的自主式车队控制这一重要课题,建立了充分考虑车队间通讯网络限制影响(如:网络量化、延时以及丢包的问题)的交叠式混合车队纵向控制模型.针对该车队系统设计分层式结构的控制器,第一层为反馈线性化控制器,第二层为分散式保性能控制器.通过顶层反馈线性化控制器消除车队系统的非线性,进而针对线性交叠系统设计分散式保性能控制器.该分散式保性能控制器解决了车队间通讯网络存在网络量化、延时及丢包的问题,不但实现车队的稳定运行控制,而且使车队控制效果大大改善.并通过仿真试验证明所获得的控制方法的有效性. 展开更多
关键词 交叠式混合模型 量化 延时与丢包 保性能控制
下载PDF
通讯网络影响下自主车队的控制 被引量:10
14
作者 岳伟 郭戈 《控制理论与应用》 EI CAS CSCD 北大核心 2011年第7期1041-1048,共8页
对通信网络影响下自主式车队的控制,建立了车队通讯网络诱导因素影响下的混合车队控制模型,这模型充分学虑了车队与通讯网络诱导因素(如:量化、延时与丢包),在很大程度上完善了现有的车队控制系统模型,在该模型基础上设计可以解决车队... 对通信网络影响下自主式车队的控制,建立了车队通讯网络诱导因素影响下的混合车队控制模型,这模型充分学虑了车队与通讯网络诱导因素(如:量化、延时与丢包),在很大程度上完善了现有的车队控制系统模型,在该模型基础上设计可以解决车队通讯网络影响的保性能控制算法,并进一步设计克服领队车辆干扰的控制器.仿真试验表明,本文获得的控制方法不但可实现车队的稳定运行控制,而且使车队控制效果大大改善. 展开更多
关键词 混合模型 量化 延时与丢包 保性能控制 H∞控制
下载PDF
基于T-S模糊模型的一类非线性网络控制系统故障检测 被引量:2
15
作者 黄鹤 谢德晓 +2 位作者 韩笑冬 张登峰 王执铨 《信息与控制》 CSCD 北大核心 2009年第6期703-710,共8页
针对同时存在网络时延和数据包丢失的网络环境,研究了一类非线性网络控制系统的鲁棒故障检测问题.基于不确定T-S模糊模型描述的非线性网络控制系统模型,完成了网络环境下鲁棒故障检测观测器的设计,使得残差信号对故障敏感而对外部扰动... 针对同时存在网络时延和数据包丢失的网络环境,研究了一类非线性网络控制系统的鲁棒故障检测问题.基于不确定T-S模糊模型描述的非线性网络控制系统模型,完成了网络环境下鲁棒故障检测观测器的设计,使得残差信号对故障敏感而对外部扰动具有鲁棒性.构造Lyapunov-Krasovskii函数,并引入一个积分不等式,给出了使得观测器误差动态系统渐近稳定的充分条件.采用线性矩阵不等式技术将鲁棒故障检测问题转化为具有线性矩阵不等式约束的凸优化问题求解.仿真算例验证了上述方法应用于此类系统的故障检测的有效性. 展开更多
关键词 非线性网络控制系统 故障检测 网络时延 数据包丢失 T-S模糊模型
下载PDF
国内外远程学习者辍学研究综述 被引量:3
16
作者 夏晓 王雨桐 《河北广播电视大学学报》 2012年第1期27-30,共4页
远程开放教育以其开放、灵活的教育形式得到了人们的信赖和认可,然而,远程开放教育中存在的高辍学率问题却不容忽视。国外对远程学习者辍学的研究起步较早,已形成了比较成熟的理论成果;而国内对远程学习者辍学的研究仍处于描述性研究阶... 远程开放教育以其开放、灵活的教育形式得到了人们的信赖和认可,然而,远程开放教育中存在的高辍学率问题却不容忽视。国外对远程学习者辍学的研究起步较早,已形成了比较成熟的理论成果;而国内对远程学习者辍学的研究仍处于描述性研究阶段。国外的研究成果对国内远程学习者辍学研究有很好的借鉴意义。 展开更多
关键词 远程开放教育 辍学 影响因素 理论模型
下载PDF
运用自我决定理论对大学生逃避课外运动行为机制的研究 被引量:6
17
作者 苏煜 《武汉体育学院学报》 CSSCI 北大核心 2008年第9期49-52,共4页
研究目的是建立大学生逃避运动行为的动机模型,并通过调查分析来验证该模型。学校、教师和家长的管理和行为影响学生的能力感和自主感,而这种低自主支持的社会因子降低了学生参与体育运动的自我决定动机,从而导致学生低意图参与体育运动... 研究目的是建立大学生逃避运动行为的动机模型,并通过调查分析来验证该模型。学校、教师和家长的管理和行为影响学生的能力感和自主感,而这种低自主支持的社会因子降低了学生参与体育运动的自我决定动机,从而导致学生低意图参与体育运动,形成逃避运动行为。研究结果支持该模型的成立。 展开更多
关键词 运动心理 动机模型 逃避运动行为 能力感 自主感 自我决定
下载PDF
基于神经网络的车辆交通协调性评价模型 被引量:5
18
作者 陈君毅 陈磊 +1 位作者 蒙昊蓝 熊璐 《同济大学学报(自然科学版)》 EI CAS CSCD 北大核心 2021年第1期135-141,共7页
为了研究自动驾驶汽车交通协调性的主客观映射评价模型,以高速公路匝道汇入为研究场景,首先基于自然驾驶数据的交互样本数据,以自车平均行驶速度、并线时刻侧向速度、并线时刻车头TTC、并线时刻两车相对侧向速度和对手车减速程度等客观... 为了研究自动驾驶汽车交通协调性的主客观映射评价模型,以高速公路匝道汇入为研究场景,首先基于自然驾驶数据的交互样本数据,以自车平均行驶速度、并线时刻侧向速度、并线时刻车头TTC、并线时刻两车相对侧向速度和对手车减速程度等客观指标数据和交通协调性主观评价结果作为模型输入和输出,构建映射评价模型;然后设计2×2交叉对比实验,并分析数据预处理方法及神经网络类型对评价模型效果的影响。研究结果显示,基于线性函数归一化处理的BP神经网络模型和Dropout神经网络模型总精度分别为95.71%和80.00%,基于阶梯函数归一化处理的BP神经网络模型和Dropout神经网络模型总精度分别为94.60%和73.25%。由此可见,模型评价效果较好,所建立的客观表征指标集能够较好地表达专家对车辆交通协调性表现的评价。在建模方法方面,基于BP神经网络的映射评价模型的表现优于Dropout神经网络模型,能够根据客观数据更准确地得到符合专家评判标准的评价结果。在样本数据预处理方法方面,线性函数归一化处理方法能够在消除数据间数量级差异的同时保留客观表征指标集数据在不同样本之间的差异,能提高映射评价模型的评价精度。因此,在小样本数据量下,基于线性函数归一化和BP神经网络的映射评价模型构建方案的评价效果更优。 展开更多
关键词 自动驾驶 交通协调性 映射模型 BP神经网络 dropout 数据预处理
下载PDF
具有多包数据丢失非线性系统的耗散模糊滤波 被引量:4
19
作者 林琼斌 杨富文 王武 《控制理论与应用》 EI CAS CSCD 北大核心 2010年第3期363-368,共6页
研究一类存在多包数据随机丢失非线性滤波系统的模糊滤波器设计问题,采用T-S模糊模型对非线性系统进行建模,并用已知概率分布的二进制切换序列来描述数据多包随机丢失现象.基于线性矩阵不等式方法给出了模糊滤波器存在的充分条件,该条... 研究一类存在多包数据随机丢失非线性滤波系统的模糊滤波器设计问题,采用T-S模糊模型对非线性系统进行建模,并用已知概率分布的二进制切换序列来描述数据多包随机丢失现象.基于线性矩阵不等式方法给出了模糊滤波器存在的充分条件,该条件保证所设计的模糊滤波器使得滤波误差系统均方指数稳定且满足期望的耗散性能指标.最后通过数字仿真例子说明了设计方法的有效性. 展开更多
关键词 多包数据丢失 非线性系统 T-S模糊模型 模糊耗散滤波 线性矩阵不等式
下载PDF
一类异步网络控制系统的分析与建模(英文)
20
作者 项林英 郭戈 赵家黎 《计算机工程与科学》 CSCD 2006年第9期21-24,共4页
针对具有异步时序和状态反馈的异步网络化控制系统,分析了在短时延单包传输、多包传输、单包传输有数据包丢失、多包传输有数据包丢失和长时延单包传输等不同网络条件下网络化控制系统的特点,在此基础上首次提出了各种不同条件下网络化... 针对具有异步时序和状态反馈的异步网络化控制系统,分析了在短时延单包传输、多包传输、单包传输有数据包丢失、多包传输有数据包丢失和长时延单包传输等不同网络条件下网络化控制系统的特点,在此基础上首次提出了各种不同条件下网络化控制系统的统一建模方法。这种包含系统噪声的离散状态空间模型的建立,为网络化控制系统的准确辨识和有效控制奠定了基础。 展开更多
关键词 网络化控制系统 时延 数据包丢失 建模
下载PDF
上一页 1 2 3 下一页 到第
使用帮助 返回顶部