一种基于HBase存储引擎的工业大数据前向插值方法

介绍了以HBase为存储引擎的工业大数据存储方案,在此基础上设计并实现了基于HBase过滤器的前向插值算法,使得HBase能够更加方便地应用于工业大数据领域,并在产品开发和项目推广中大量应用。

基于牛顿前向插值公式的联想记忆系统

基于牛顿前向插值公式提出一种对任意阶多维函数可实现无差逼近的新型CMAC联想记忆系统,详细讨论了该系统的原理、插值算法及训练规则,仿真实例表明了系统的可行性与有效性.该系统在信号处理、模式识别及高精度实时智能控制等领域具有广泛的应用价值.

基于NFI-CMAC的系统参数智能辨识

基于牛顿前向插值公式,提出一种对任意阶多维函数可实现无差逼近的新型CMAC神经网络———NFI-CMAC,详细阐述了基本原理、插值算法及训练规则。基于NFI-CMAC,提出了一种快速、高精度的控制系统参数在线智能辨识方案,仿真实例表明了该方案的可行性与有效性。

基于NFI-CMAC的机器人分布式智能控制

基于牛顿前向插值公式提出一种对多维函数可实现任意阶逼近的新型CMAC神经网络———NFI CMAC,详细讨论了其插值算法、训练规则及寻址机制.与传统CMAC相比,NFI CMAC具有学习精度高、学习速度快及占用内存单元少等优点.基于NFI CMAC设计了一种高性能的机器人轨迹跟踪分布式智能控制方案,仿真研究表明了该方案的可行性与有效性.

基于联想记忆系统的注水机组节能优化

基于牛顿前向插值公式提出一种对任意阶多维函数可实现高精度逼近的新型联想记忆系统——NFI-AMS,详细讨论了其基本原理、插值算法及训练规则。利用NFI-AMS良好的非线性逼近能力建立了油田注水机组节能优化模型,实现机组节能优化。仿真结果表明基于NFI-AMS的节能优化策略具有较好的优化效果。