针对通过无线通信网络实现远程控制的地面无人系统,分析了地面无人系统在工作的过程中,网络时延对系统的影响。基于网络时延的分布特性,提出了一种贝叶斯算法(Bayesian algorithm,BO)优化的长短期记忆(long-term and short-term memory,...针对通过无线通信网络实现远程控制的地面无人系统,分析了地面无人系统在工作的过程中,网络时延对系统的影响。基于网络时延的分布特性,提出了一种贝叶斯算法(Bayesian algorithm,BO)优化的长短期记忆(long-term and short-term memory,LSTM)神经网络时延预测模型,在Matlab软件中搭建了该模型,并通过网络时延训练集数据对模型进行了训练,在网络时延测试集数据上对训练好的模型进行了测试,最后,就R2、RMSE和MAE评价指标对测试效果和GRU、BO-GRU以及LSTM预测方法进行了对比,结果表明,BO算法优化的LSTM神经网络时延预测模型RMSE和MAE评价结果更低,预测精度更高,预测效果更好,验证了提出的网络时延预测模型的有效性。展开更多
本文研究带有时延的分数阶复值惯性神经网络的有限时间控制问题。首先使用变量代换法将高阶复值系统转化为四个低阶实值系统,然后根据新提出的有限时间稳定性引理,构造李亚普洛夫函数,使得驱动和响应系统可以在设计的非线性控制器下达...本文研究带有时延的分数阶复值惯性神经网络的有限时间控制问题。首先使用变量代换法将高阶复值系统转化为四个低阶实值系统,然后根据新提出的有限时间稳定性引理,构造李亚普洛夫函数,使得驱动和响应系统可以在设计的非线性控制器下达到同步且得到其沉降时间。最后,给出一个数值仿真去检验得到的理论结果的正确性。This paper studies the finite-time control problem of time-delayed fractional-order complex-valued inertial neural networks. Firstly, the higher-order complex-valued system is converted into four lower-order real-valued systems using the variable substitution method. Then, based on the newly proposed finite-time stability lemma, a Lyapunov function is constructed and a nonlinear controller is designed to guarantee that the response system can be synchronized to the drive system in finite time and that the settling time is derived simultaneously. Finally, a numerical example is given to check the correctness of the theoretical results.展开更多
为了满足运行速度快、时延低、性能好、公平性好等特点,提出了多服务器门限服务系统,并利用BiLSTM(Bi-direc-tional Long Short-Term Memory)神经网络对其进行预测分析,使用多服务器接入方式来降低网络时延,改善系统性能。多个服务器调...为了满足运行速度快、时延低、性能好、公平性好等特点,提出了多服务器门限服务系统,并利用BiLSTM(Bi-direc-tional Long Short-Term Memory)神经网络对其进行预测分析,使用多服务器接入方式来降低网络时延,改善系统性能。多个服务器调度时,可以采用同步和异步两种方式。首先,研究多服务器门限服务的系统模型。其次,在单服务器的基础上,利用嵌入马尔可夫链和概率母函数的分析方法对多服务器门限服务的平均排队队长、平均循环周期和平均时延进行求解;同时,利用Matlab进行仿真实验,分别将单服务器系统与多服务器系统的理论值与仿真值进行系统分析,对比多服务器同步和异步两种方式。最后,构建BiLSTM神经网络来预测多服务器系统的性能。实验结果表明,该多服务器系统异步方式优于同步和单服务器系统,多服务器异步系统的性能更好,时延更低,效率更高。综合对比多服务器的3种基本服务系统,在保证公平性的情况下,门限服务系统更加稳定。并且使用BiLSTM神经网络预测算法能够准确预测系统的性能,提高计算效率,对轮询系统的性能评价具有指导意义。展开更多
文摘针对通过无线通信网络实现远程控制的地面无人系统,分析了地面无人系统在工作的过程中,网络时延对系统的影响。基于网络时延的分布特性,提出了一种贝叶斯算法(Bayesian algorithm,BO)优化的长短期记忆(long-term and short-term memory,LSTM)神经网络时延预测模型,在Matlab软件中搭建了该模型,并通过网络时延训练集数据对模型进行了训练,在网络时延测试集数据上对训练好的模型进行了测试,最后,就R2、RMSE和MAE评价指标对测试效果和GRU、BO-GRU以及LSTM预测方法进行了对比,结果表明,BO算法优化的LSTM神经网络时延预测模型RMSE和MAE评价结果更低,预测精度更高,预测效果更好,验证了提出的网络时延预测模型的有效性。
文摘本文研究带有时延的分数阶复值惯性神经网络的有限时间控制问题。首先使用变量代换法将高阶复值系统转化为四个低阶实值系统,然后根据新提出的有限时间稳定性引理,构造李亚普洛夫函数,使得驱动和响应系统可以在设计的非线性控制器下达到同步且得到其沉降时间。最后,给出一个数值仿真去检验得到的理论结果的正确性。This paper studies the finite-time control problem of time-delayed fractional-order complex-valued inertial neural networks. Firstly, the higher-order complex-valued system is converted into four lower-order real-valued systems using the variable substitution method. Then, based on the newly proposed finite-time stability lemma, a Lyapunov function is constructed and a nonlinear controller is designed to guarantee that the response system can be synchronized to the drive system in finite time and that the settling time is derived simultaneously. Finally, a numerical example is given to check the correctness of the theoretical results.
文摘为了满足运行速度快、时延低、性能好、公平性好等特点,提出了多服务器门限服务系统,并利用BiLSTM(Bi-direc-tional Long Short-Term Memory)神经网络对其进行预测分析,使用多服务器接入方式来降低网络时延,改善系统性能。多个服务器调度时,可以采用同步和异步两种方式。首先,研究多服务器门限服务的系统模型。其次,在单服务器的基础上,利用嵌入马尔可夫链和概率母函数的分析方法对多服务器门限服务的平均排队队长、平均循环周期和平均时延进行求解;同时,利用Matlab进行仿真实验,分别将单服务器系统与多服务器系统的理论值与仿真值进行系统分析,对比多服务器同步和异步两种方式。最后,构建BiLSTM神经网络来预测多服务器系统的性能。实验结果表明,该多服务器系统异步方式优于同步和单服务器系统,多服务器异步系统的性能更好,时延更低,效率更高。综合对比多服务器的3种基本服务系统,在保证公平性的情况下,门限服务系统更加稳定。并且使用BiLSTM神经网络预测算法能够准确预测系统的性能,提高计算效率,对轮询系统的性能评价具有指导意义。
