基于鲁棒控制的自适应分数阶梯度优化算法设计

当目标函数是强凸函数时,一般的分数阶梯度下降法不能够使函数收敛到最小值点,只能收敛到一个包含最小值点的区域内或者是发散的.为了解决这个问题,本文提出了自适应分数阶梯度下降法(AFOGD)和自适应分数阶加速梯度下降法(AFOAGD)两种新的优化算法.受到鲁棒控制理论中二次约束和李雅普诺夫稳定性理论的启发,建立了一个线性矩阵不等式去分析所提出的算法的收敛性.当目标函数是L-光滑且m-强凸时,算法可以达到R线性收敛.最后几个数值仿真证明了算法的有效性和优越性.

基于动量梯度下降神经网络的岩爆预测方法

为了弥补现有BP神经网络(传统误差逆传播算法训练的多层前馈网络)岩爆预测模型的不足,选取应力系数(σ_(θ)/σ_(c))、脆性系数(σ_(c)/σ_(t))和弹性能量指数(Wet)为模型预测指标,收集46组实例样本数据集,对传统的BP神经网络进行优化,建立岩爆预测的动量梯度下降(BPM)神经网络模型,总体预测准确率达84.78%,优化效果良好。最后将模型应用于3个实例工程中,预测结果与现场结果吻合。

基于有动量和自适应lr梯度下降法BP神经网络的城市用电量预测技术

文章在标准BP(Back Propagation)神经网络算法的基础上,增加了动量和自适应来进行改进,给出了改进的公式和算法,并应用于城市用电量的预测工作。通过Matlab仿真可知训练效果良好,仿真的数据预测结果具有一定的实用参考价值。

基于动量梯度下降的自适应干扰对消算法

在同时同频收发系统中,发射信号会泄露到接收通道导致有用的接收信号被淹没。针对同时同频收发系统干扰对消的需求,在传统随机梯度算法的基础上,研究动量梯度下降算法。该方法将历史梯度信息进行指数衰减和平滑,再结合当前梯度估计来更新权重系数,可以解决噪声引起梯度估计的大小和方向不准确从而导致收敛速度慢的困难。最后通过仿真证明本方法具有比传统随机梯度算法更好的收敛性能。

基于梯度下降法的自适应模糊控制系统研究

一般的二维模糊控制器的输出控制量是误差和误差变化率的固定函数,对于时变、不确定性被控对象难以取得预期的效果。针对该问题,引入梯度下降学习算法,修正输入输出变量高斯型隶属度函数的均值和方差,使模糊控制系统具有自适应性。同时,澄清了王立新提出的梯度下降学习算法容易引起的一些混淆。给定信号分别选择阶跃信号、斜坡信号、加速度信号和正弦信号,作了仿真研究,仿真结果表明,该控制算法是可行的,有效的。

基于自适应自由变形法和梯度下降法的胸部多模医学图像配准

为了实现胸部多模态医学图像的自动配准,提出了一种基于层次B样条自适应自由变形法和梯度下降法的配准方法。首先采用GVF Snake与Canny算子实现边缘提取,并自动配对特征点;接着,采用矩主轴法对多模医学图像进行全局粗配准;最后,基于层次B样条自适应自由变形法对多模态医学图像进行自动细配准,并且采用梯度下降法以及最大信息熵准则加速求自由变形系数。实验证明该方法不仅效率高,而且配准效果好。

基于变步长动量梯度下降法的姿态解算算法

针对基于MEMS的姿态测量系统因为存在误差而导致姿态解算漂移的问题,提出一种基于变步长动量梯度下降的姿态解算算法。该算法从传感器数据去噪和姿态解算两部分提高姿态解算精度。在传感器数据去噪方面,为了工程实用,降低微处理器计算量,提出一种改进递推限幅均值滤波算法;在姿态解算方面,在梯度下降法的基础上设计自适应步长,使用动量梯度优化每次迭代方向,使得每次迭代后误差最小,同时使用动态限幅滤波抑制角度振荡。静态和动态实验结果均表明了所提算法的有效性和优越性。

一种BP网的学习速率与动量项自适应算法

针对BP网络学习速率和动量项参数较难选取以及学习过程中学习效率较为低下的问题,提出BP网络的改进算法模型—AB网络模型,来选取学习速率和动量项的参数值,即通过一个为给定先验知识的A网,动态调节另一个执行实际应用的B网中的学习速率和动量项的参数值,并以此提高整个网络的学习效率.实验结果表明,通过AB网络自适应调整参数的算法比普通BP算法的学习效率大大提高.在实际应用中,我们可以通过AB网络自适应调节的方法,对学习速率参数和动量项参数进行合适的选取.

基于梯度下降和差分进化的光伏阵列MPPT方法

局部阴影条件下光伏阵列的P-V曲线将呈现多个功率峰值点的特性,而传统光伏阵列最大功率点跟踪算法只能有效跟踪单个功率峰值点。针对局部阴影条件下传统方法多峰寻优失效的问题,现有的研究工作主要以粒子群、差分进化等方法进行多峰寻优跟踪。这些算法具有较好的全局寻优能力,但其局部搜索过程容易出现收敛停滞的问题,因此文章提出了一种基于自适应梯度下降和差分进化相结合的改进算法,该算法在差分进化算法搜索后期使用自适应梯度下降法进行局部搜索优化。仿真实验结果表明,改进算法能准确找到最大功率点,有效解决收敛停滞问题,与粒子群算法和差分进化算法相比,平均总寻优时间分别减少了52.67%和40.05%,收敛速度有进一步提升。

最速下降和共轭梯度混合算法在波束形成中的应用

介绍了一种最速下降法和共轭梯度法的混合算法,并将这种混合算法应用到自适应波束形成中。该方法根据最小均方(LMS)准则推导出代价函数,结合共轭梯度法和最速下降法产生搜索方向,既提高了共轭梯度算法的收敛速度,又解决了最速下降法下降缓慢的问题。计算机仿真表明,混合算法所需迭代次数少于最速下降法,且显著减少计算量,缩短运行时间。

基于梯度下降法的风力机特性模拟研究

建立了风力机运行特性的数学模型,在此基础上创建了风力机模拟系统。通过对比风力机与直流电动机模型的异同以及运行特性的相似性,提出基于BUCK斩波电路的直流电动机电流闭环控制系统的模型,并进行仿真分析。仿真结果表明,采用梯度下降法的自适应PI控制的风力机特性的模拟,比传统PI控制具有更高的精度及更快的响应速度,可方便应用于实验室环境下风力发电技术的研究。

稀疏重构的一种新的加速动量梯度投影法

提出了一种新的应用于稀疏信号重构的加速动量梯度投影法.该方法是把负梯度方向与动量项的凸组合作为搜索方向,步长采取滞后最速下降法(LSD)的步长选取规则.与加速动量梯度投影法取固定的学习速率和动量参数不同,该方法是动态地选取动量参数和步长,从而加速了算法的收敛.数值试验表明,与已有求解大规模l1正则化最小二乘问题的一些方法相比较,本文提出的算法无论是在时间上还是在信号重构的质量上都是有竞争力的.

基于通用化等效模型的飞机系统辨识算法

针对舰载机等复杂动力学系统的高阶时滞模型拟配难题,提出了一种基于通用化等效模型的系统频域辨识算法。建立系统辨识通用化等效模型,引入自适应学习率梯度下降法对模型进行基于样本的迭代学习训练,使模型的频域参数自动收敛,辨识得到复杂系统的高阶时滞模型。以舰载机横航向荷兰滚等效拟配模型进行验证,与传统算法对比,并分析了系统的频域与时域响应,结果表明:所提算法具有较好的辨识效果,解决了高阶时滞模型的直接拟配难题,并通用于广泛的高阶时滞模型拟配。

自适应混合滤波算法在微型飞行器姿态估计中的应用

针对低成本惯性测量单元(IMU)存在漂移和噪声干扰等问题,提出了一种具有自适应参数调节的混合滤波算法。采用四元数法进行系统模型的描述,用梯度下降法对加速度计测得的数据进行处理,再通过互补滤波器将其与陀螺仪测量值进行融合,形成混合滤波算法。同时,考虑到飞行姿态的复杂性,进行参数λ的自适应调节,因而改进后的混合滤波算法,能保证各种飞行姿态变化情况下实时姿态的最优估算。实际系统在线实时性能测试表明,提出的算法简单,估计精度高,易于在嵌入式系统中实现,具有较高推广应用价值。

自组织区间二型模糊神经网络及其自适应学习算法

针对复杂不确定非线性系统的辨识问题,提出一种基于聚类的自组织区间二型模糊神经网络学习算法.首先采用具有两个不同加权参数的FCM算法对输入数据进行划分来获取规则前件的不确定均值,同时结合聚类有效性标准确定模糊规则数目,从而自动完成神经网络的结构辨识和规则前件参数辨识;随后给出了基于梯度下降法和Lyapunov函数稳定收敛定理的规则后件权向量学习速率的自适应学习算法.通过非线性系统辨识实例,验证了该算法与其他方法相比具有更快的收敛速度和更高的逼近精度;并且利用该算法建立了某市电力短期负荷预测模型,结果表明该模型具有较高的预测精度,泛化性能更佳.

一种基于自适应遗传算法的神经网络学习算法

结合遗传算法与梯度下降法优点,提出了一种训练神经网络权值的混合优化算法,同时能够优化网络的结构。首先利用全局搜索能力可靠的遗传算法,采用递阶编码方案和自适应变异概率,同时优化网络的权值和结构,在进化结束时,能够寻到全局最优点附近的点。在遗传算法搜索结果的基础上,利用局部寻优能力较强的梯度下降法,从此点出发,进行局部搜索,最终达到网络的训练目标。与单一的遗传算法或者梯度下降法比较而言,混合优化算法的收敛速度明显提高。

BP小波神经网络自适应调节步长的改进算法

在BP小波神经网络的训练过程中 ,自适应调节步长是对算法效率起重要作用的步骤之一。深入讨论了自适应调节步长的改进算法 ,从而得到更加方便合理的实时步长调整方法 ,进一步提高了局部搜索速度。多种情况下的仿真结果表明 ,该算法能够提高局部搜索速度 ,具有较广泛的应用价值。

数字化变电站交流信号的自适应滤波测量法

在采用合并单元集中控制多台光电互感器完成采样的应用中,大多采用固定采样频率,直接运用传统的交流测量算法计算超差。文中采用梯度下降法设计了一种自适应滤波交流测量法,采用一组自适应滤波器产生拟合于被测交流信号的信号,完成被测信号的测量和分析。仿真结果表明该方法用于稳态信号测量时,自适应滤波器收敛周期小于6个周期,具有测试精确、综合运算量小等优点,可满足远动和计量测量的精度和实时性要求。文中同时给出了高次和非整次谐波信号分析解决方案,该方法在装置设计中已得到实际使用。

基于SVM和sigmoid函数的字符识别自适应学习算法

在SVM算法和sigmoid函数的基础上,提出了一种字符识别自适应学习算法,该算法通过自适应修正sigmoid函数的参数,使sigmoid函数能够较好地拟合自适应数据输出距离的类别后验概率分布,从而提高对自适应数据的识别率。

最速下降与共轭梯度在数字波束形成中的研究

在自适应波束形成技术中,共轭梯度法是求解最优化问题的一种常用方法,最速下降法在不需要矩阵求逆的情况下,通过递推方式寻求加权矢量的最佳值。文中将最速下降法与共轭梯度法有机结合,构造出一种混合的优化算法。该方法在每次更新迭代过程中,采用负梯度下降搜索方向,最优自适应步长,既提高了共轭梯度算法的收敛速度,又解决了最速下降法在随相关矩阵特征值分散程度增加而下降缓慢的问题,具有收敛速度快,运算量低的特点。计算机仿真给出了五阵元均匀线阵的数字波束形成系统实例,分别从波束形成、误差收敛及最佳权值等方面与传统LMS算法进行了比较分析,结果表明了该方法的可行性与有效性。