基于天牛须BP神经网络的船舶电动舵机自抗扰控制

将自抗扰控制器(ADRC)引入到智能船舵机控制优化问题中,同时将神经网络嵌入到自抗扰控制,针对电动舵机快响应、非线性的特点提出一种神经网络自抗扰控制。将天牛须搜索(BAS)寻优能力强的特性与BP神经网络中的权值与阈值寻优过程相结合,建天牛须BP神经网络自抗扰控制器,弥补了BP神经网络训练时间较长、收敛速度较慢的问题。以船舶电动舵机系统作为被控对象在该控制器下的舵机系统的控制性能得到了提升,控制精度高无超调同时具有良好的鲁棒性,同时建立的BAS-BP神经网络自抗扰控制器对于实际应用具有指导意义。

基于EMA改进的图像语义分割算法

针对期望最大化注意(EMA)算法参数与图像的语义关联不足以及缺少对通道间信息关注的问题,本文提出一种双重注意力网络EMA+算法。该算法设计了2个模块:空间注意力模块和通道注意力模块。空间注意力模块以EMA算法为主体架构,在责任估计步骤采用特征图作为期望最大化(EM)算法的初始参数,增加参数与特征图语义上的关联。通道注意力模块使用高效通道注意力(ECA),通过使用一维卷积学习通道之间交互信息,避免由于降维操作导致的破坏通道与其权重之间的直接对应关系。EMA+通过融合空间注意力模块和通道注意力模块,显著提高了语义分割任务的性能。实验结果表明,EMA+在PASCAL VOC2012和一些更复杂的数据集上均取得了较EMANet等方法更优的交并比指标,有较好的泛化能力。

环境管理会计的产生与发展——从各利益相关者在环境管理会计的发展中扮演的角色谈起

环境管理会计的产生已经有10余年了,随着环境问题的日益严重以及可持续发展的进一步深入,环境管理会计必将得到更进一步的发展。从政府、会计职业界、学术机构、企业、社会公众5个方面分析了环境管理会计的产生与发展;并对环境管理会计国际合作的主要形式———环境管理会计协会进行了介绍。

基于BP神经网络的水体叶绿素a浓度预测模型优化研究

利用自动监测数据,采用神经网络对水体中叶绿素a含量进行预测,是水体中叶绿素a含量预测的主要手段之一。但受梯度下降法局部搜索的限制,传统BP神经网络模型预测精度和稳定性均存在问题。鉴于此,引入全局搜索的思维进化算法优化BP神经网络权值、阈值,提高叶绿素a预测效率;并采用偏导方法对预测模型输入因子敏感性进行分析,精简模型输入因子。结果表明:在叶绿素a的BP神经网络预测模型中,引入思维进化算法可显著提高网络训练稳定性和精度,预测精度波动范围从[0.364,0.978]提高至[0.917,0.983],平均预测精度从0.950提高到0.968。利用Dimopoulos敏感性分析将模型输入因子从12因子精简为8因子后,平均预测精度从0.968降至0.962,预测精度波动范围从[0.917,0.983]变为[0.921,0.976],预测模型稳定性更好;在输入因子数目均为8条件下,基于Dimopoulos方法敏感性分析结果筛选出的输入因子组合平均预测精度明显高于基于主成分分析法筛选出的输入因子组合。研究可为基于BP神经网络叶绿素a预测模型输入因子优化提供参考,提高模型预测的稳定性。

基于DWNN的机电作动器渐变性故障诊断

飞机飞行控制系统机电作动器(EMA)的渐变性故障很难准确预判,若不能及早发现而任其发展就会影响到飞机的飞行安全性。针对EMA的渐变性故障,提出一种基于动态小波神经网络(DWNN)的故障诊断方法。首先,利用EMA在电机电枢绕组匝间短路、传动装置丝杆和滚珠磨损等多种渐变性故障状态下的运行数据来训练DWNN故障诊断模型;然后,利用训练好的DWNN模型对EMA渐变性故障进行诊断。创新之处在于DWNN模型利用小波分解算法去除了传感器测量信号中高频分量的影响,利用反馈神经网络的记忆能力融合了过去输入的信息和过去预测的信息,提高了对EMA渐变性故障诊断的准确性。通过对某型EMA进行故障诊断实验,仿真结果表明所提出的DWNN方法可以实现对EMA部件渐变性故障的准确诊断。

非线性裂纹转子的振动控制与裂纹延缓的研究

针对裂纹转子的非线性振动问题,以具有非线性恢复力的轴承和电磁执行器的Jeffcott裂纹转子为研究对象,通过仿真和实验分析了系统的振动响应,同时采用神经网络PID控制的电磁执行器,实现对裂纹转子系统的非线性振动的主动控制。并通过对神经网络PID和传统PID控制方法的仿真比较,表明神经网络PID对非线性裂纹转子系统具有更好的控制性能和抗干扰性。其次,基于转子动力学理论,分析了裂纹的开闭特性,用数值方法分析了不同参数对裂纹扩展的影响,提出了有效延缓裂纹扩展的方法。

基于改进对比散度的GRBM语音识别

对比散度作为训练受限波尔兹曼机模型的主流技术之一,在实验训练中具有较好的测试效果。通过结合指数平均数指标算法和并行回火的思想,提出一种改进对比散度的训练算法,包括模型参数的更新和样本数据的采样,并将改进后的训练算法应用于高斯伯努利受限玻尔兹曼机(GRBM)中训练语音识别模型参数。在TI-Digits数字语音训练和数字测试数据库上的实验结果表明,采用改进的对比散度训练的GRBM明显优于传统的模型训练算法,语音识别率能够达到80%左右,最高提升7%左右,而且应用改进算法训练的其他GRBM对比模型的语音识别率也都有所提高,具有较好的识别性能。

基于改进DRNN的机电作动器PI控制方法研究

针对机电作动器(EMA)稳定性和响应速度的要求,提出一种基于对角递归神经网络(DRNN)PI控制的EMA速度环控制方法,在运行过程中动态调整增益参数;针对固定学习率无法兼顾系统稳定性和快速性的问题,设计一种自适应学习率算法,增强了控制器的学习能力。仿真结果表明,相较于传统PI控制、模糊PI控制以及固定学习率方法,采用改进DRNN⁃PI控制方法,提高了EMA速度环的动态响应能力和抗干扰能力,能够有效保证EMA整体系统的稳定性和鲁棒性。

基于特征插值的深度图对比聚类算法

Mixup是图像领域中一种有效的数据增强方法,它通过对输入图像以及标签进行插值来合成新的样本进而扩大训练分布。然而,在图节点聚类任务中,由于图数据拓扑结构的不规则性和连通性以及无监督的场景,设计有效的插值方法成为一项具有挑战性的任务。为了解决上述问题,首先通过设计不共享参数的编码器来获取视图的嵌入特征,有效融合节点的特征和结构信息。然后将视图的嵌入特征及其对应的伪标签进行混合插值,从而将Mixup引入聚类任务中。为了确保伪标签的可靠性,设置了阈值来筛选高置信度的伪标签,并通过EMA的方式更新模型参数,使模型平稳优化的同时考虑了训练的历史信息。此外,设计了一个图对比学习模块,以保证特征在不同视图下的一致性,从而减少信息冗余,提高模型的判别能力。最终,通过在6个数据集上的大量实验证明了所提方法的有效性。

基于EMA的大型网络仿真场景生成技术

在利用计算机仿真技术研究大规模网络的性能时,如何便捷精确地构建网络仿真场景是其中一项关键步骤。该文结合可扩展标记语言(ex tens ib le m arkup language,XM L)和OPNET的外部模块访问(ex terna l m ode l access,EM A)技术,提出了一种网络仿真场景自动生成技术。运用该技术,独立于OPNET平台开发的第三方程序,首先导出数据库中的网络场景数据生成XM L文档,然后通过解析XM L文档,自动生成能够由OPNET进行仿真的标准网络模型。该技术既实现了OPNET资源的多用户共享,又避免了以传统方式构建大规模网络场景时所需要的繁杂的手工操作,具有良好的实用价值。

欧盟药品上市后有效性研究管理制度简介

药品上市后有效性研究旨在探索药品在真实临床环境应用中产生的实际效益,是药品全生命周期监管的重要环节。欧洲药品管理局(European Medicines Agency,EMA)经过多年的探索和改革,构建了较成熟的上市后有效性研究监管体系和完善的组织结构,并将其纳入了药品风险管理计划,作为上市许可授权的考量。主要对EMA的上市后有效性研究管理体系进行系统介绍与分析,并结合中国药品上市后有效性研究现状,从法律法规建设、管理体系的完善和指南文件制定方面提出建议,以期推进我国药品管理体系的完善。