带有开关机制的通用学习网络的参数和时间延迟的学习

研究了一种新的带有开关机制的ULN建模方法 ,不仅对其中的参数而且对时间延迟都进行了调整以适应非线性系统的建模要求 .对非线性系统识别问题的仿真结果表明 ,所提方法具有比仅使用参数优化的传统方法更好的性能 .还用带有开关机制的ULN对网络规模是如何影响动态系统泛化能力的问题进行了研究 .

一种通用学习网络自适应算法及其在预测控制中的应用

针对黑箱过程的辨识与控制,本文提出了一种选择通用学习网络(universal learning network,ULN)节点间延迟时间参数的自适应算法,并将其应用于对控制对象中的纯滞后参数的辨识．将通用学习网络与PID控制器相结合,应用于包含大滞后的系统的模型预测控制(model predictive control,MPC)中．仿真结果证明通用学习网络能够有效地辨识被控对象的纯滞后时间,并能够作为预估器应用于模型预测控制系统中．

基于通用学习网络的pH控制过程辨识

pH控制过程是典型的非线性过程,传统的辨识方法尚不能很好地辨识该过程.利用一种新型的神经网络——通用学习网络对该过程进行辨识,取得了良好的辨识结果,网络训练误差和泛化误差均达到较高精度,网络训练输出曲线与教师信号曲线拟合良好.

基于通用学习网络的预估控制

利用通用学习网络具有所有节点互连,任意两节点之间可以有多重连接,且连接允许有任意延迟时间的特点,对典型非线性、大滞后系统进行了辨识.结合PID控制器对pH中和过程实现了高精度的预估控制.通过与传统的Smith预估控制的比较,证明该网络能有效地应用于大滞后系统,利用该网络进行系统辨识是对未知对象模型控制的一种有效新方法.*

对通用学习网络延迟时间的探索

本文对多重分支神经网络的延迟时间进行优化提出了一种新方法。该方法通过对延迟时间的随机探索 ,寻找一种适合于系统的最优延迟时间。具体思想是利用多重分支神经网络可以具有任意延迟时间的特点 ,在对延迟时间进行探索的同时 ,利用节点之间的开关机构 ,对不必要的分支进行削除。以达到优化结构、优化延迟时间的目的。

具有多重分支的通用学习网络结构优化分析

本文介绍了一种新型的神经网络———通用学习网络 (UniversalLearningNetworks———ULNs) ,这种网络具有如下特点 :(1)节点之间有多重分支 ,(2 )所有节点互连 ,(3)节点之间可具有任意的时间延迟。本文通过学习网络对机器人手臂的实测信号进行系统辨识 ,通过系统仿真验证了具有多重分支的通用学习网络要优于单分支的神经网络。

对新型通用英语网络学习平台下学生自主学习状况的调查研究

新型通用英语网络学习平台在学生的英语学习中起着重要的作用,也是学生在进行英语自主学习中的一项重要资源,但是通过学生在新型通用英语网络学习平台下的自主学习状况的调查中,还是发现了在新型通用英语网络学习平台下学生自主学习中存在的一些问题,本文对这些问题进行研究,提出了提高学生在新型通用英语网络学习平台下自主学习效果的措施。

新型通用英语网络学习平台的建设研究

在如今信息技术的高速发展和网络普及的情况下,对于英语的学习也有了很多和传统不同的的方式,该文主要进行了对新型通用英语网络学习平台这种基于信息计算和互联网的英语学习技术构建的目的、各种系统的构建、构建中要坚持的原则、以及在网络学习中应该要主要研究的问题。

基于改进的通用学习算法非线性预测控制系统设计

传统的PID控制由于对象的非线性,会导致控制系统震荡加剧,而且会造成闭环系统的不稳定,这对于系统的设计与维护造成了很大的困难;为了解决该问题,提出了一种改进的ULN预估非线性预测控制系统设计方案;利用通用学习算法对不同的滞后对象进行训练,在基于对象充分学习的基础上,设计了ULN预估控制器;最后做了多组对比实验,以典型的PH中和控制系统为例,利用通用学习算法对不同的滞后对象进行训练,在基于对象充分学习的基础上,设计了ULN预估控制器;通过仿真实验结果表明,提出的方法比传统的方法具有更好地控制效果,系统具有更强的鲁棒性能。

基于UKF的递归神经网络训练算法研究

本文提出用无先导卡尔曼滤波(UKF)法以取代一阶梯度法和二阶梯度法,用于训练通用学习网络(ULN),提高学习精度和收敛性。通用学习网络为多分支递归网络,结构复杂,其特点是多分支,互联及时间延迟。相比其他方法,UKF具有计算精度高,计算简便等优点。本文将UKF用于网络训练,进行CSTR过程建模和时间序列预测。结果表明UKF用于训练递归神经网络获得很好的效果,验证了所提出方法的可行性和有效性。