基于UD和GA的神经网络最经济参数的研究

针对已有的控制系统经济目标函数中分母不变的情况,得出了一种用神经网络进行控制,以收敛性为技术约束的最经济控制参数的确定方法。通过该方法,先用均匀设计法安排神经网络参数试验,进行试验得到性能指标数据,及构造多指标的综合值选取神经网络的性能指标值,然后构造网络参数和多指标之间的映射关系,最后以多指标综合值作为适应度函数,用混合遗传算法求出最经济神经网络结构参数。仿真表明,用该法求得的结果和仿真结果误差在3%以内,说明该方法可以为神经网络最经济控制参数的确定提供有效参考。

砂卵石地层基坑开挖土体本构模型辨识研究

随着基坑工程分布的广泛性,施工过程中会遇到各种复杂的地质条件,其中砂卵石就是一种广泛分布的特殊地层。为了解砂卵石地层中基坑开挖的变形特征,探究砂卵石土体的本构模型,该文首先详细介绍了Harding-Soil模型的理论基础,然后采用均匀设计(UD)与有限元(FEM)计算相结合的方法对本构模型的未知参数进行辨识,均匀设计可以减少计算量并保证试验方案的科学性、准确性,最后结合长沙地区某在建砂卵石地铁深基坑工程进行实例验证Harding-Soil模型描述砂卵石地层开挖行为的适用性。有限元计算结果表明Harding-Soil模型能较准确的描述砂卵石基坑的变形特征,且利用均匀设计(UD)与有限元(FEM)计算相结合的方法对本构模型的未知参数进行辨识是可行的。

人脸识别中基于均匀设计的SVM超参数调节方法

为了有效地解决超高维、多类别人脸识别中支持向量机(SVM,support vector machine)超参数调节计算复杂性问题,提出一种基于均匀设计(UD,uniform design)的SVM超参数调节的人脸识别方法。用UD代替传统的网格(grid)和梯度下降(gradient descent)方法挑选充分均衡分散在整个试验范围内且能得到满意实验结果的特征点,通过最小化k折交叉验证误差界或留一法(LOO,leave-one-out)误差界获取SVM最佳超参数。在UCI模拟数据集(Waveform)及人脸图像库(Yale,PIE)上进行了实验,结果表明,本文方法与传统的SVM超参数调节方法相比,能大大降低超参数调节的时间且能在一定程度上提高人脸分类识别率,使SVM超参数调节方法在解决高维人脸真实数据问题时具有一定的实用价值。