摘要：针对一类含有未知函数的非线性时滞系统,提出了一种自适应模糊跟踪控制器的设计方案。在自适应反向递推设计方法的基础上,采用模糊逻辑系统在线辨识非线性未知函数,采用自适应边界技术估计辨识误差上界。Domination方法和构造合适的Lyapunov-Krasovskii泛函相结合抵消了非线性时滞项对系统的影响。证明了闭环系统为半全局一致最终有界,通过调节设计参数可以实现任意的跟踪精度。实例仿真说明了方案的可行性。

摘要：针对一类含有未知函数的非线性时滞系统,提出了一种自适应模糊控制方案.在自适应Backstepping设计方法的基础上,采用模糊逻辑系统辨识非线性未知函数,采用自适应边界技术估计辨识误差上界.通过Domination方法和构造合适的Lyapunov-Krasoviskii泛函相结合,抵消了非线性时滞项对系统的影响.证明了闭环系统为半全局一致本质有界,通过调节设计参数可以实现任意的跟踪精度.实例仿真说明了该方案的可行性.

摘要：针对含完全未知时滞的不确定非线性系统的控制问题,提出了一种自适应模糊动态面控制方案。首先采用模糊逻辑系统逼近系统的未知时滞函数,进而用参考信号代换逼近器输入中的未知时滞信号,取消了对未知时滞常作的假设,摆脱了控制器构造对时滞假设条件的依赖性。模糊逼近和时滞代换产生的误差则采用自适应边界技术处理。基于Lyapunov-Krasovskii泛函,证明了闭环系统所有信号半全局一致最终有界,通过调节设计参数可以实现任意的跟踪精度。仿真实例进一步说明了该方案的可行性。

摘要：2020年6月,经住房和城乡建设部批准,北京市成为全国第6个建筑师负责制试点城市。随着2021年低风险工程建设项目纳入试点范围、2022年中小规模科教文卫项目纳入试点范围,北京市试点项目呈现逐年增长的态势。历经三年试点,截至2023年9月,北京市已有试点项目101个,覆盖北京市所有行政区,涉及28家设计企业,吸引了百余名责任建筑师团队参加试点项目实践。这些试点项目主要包括以下三种:一是社会面主动申请项目约占50%;二是高标准商品住宅项目约占25%;三是政府主导工程建设项目约占25%。

摘要：针对高分辨距离像(HRRP)可分性低和维数高的问题,提出一种新的雷达自动目标识别(RATR)方法:dLDA&SVM。先采用直接线性判别分析在HRRP的幅度谱空间进行特征提取,然后在子空间中采用角域均值模板库训练one-against-all支撑向量机(SVM)多类分类器进行目标识别。并设计了最短距离分类器与SVM分类器比较。基于外场实测数据的实验结果表明,与LDA幅度谱子空间法,幅度谱原空间法相比,dLDA&SVM可显著降低数据维数并提高识别性能。

摘要：提出了用于设计模糊支持向量机(FSVM)的统计型模糊权重函数,该函数基于模式分类思想为每个训练数据建立一个分类面,数据的模糊权重根据分类面对2类数据的识别率来计算.靠近分类间隔的疑似噪声/离群点将获得相对较小的模糊权值,其作用受到抑制;而远离间隔区域的数据不容易受到盲目抑制.该方法能够有效识别噪声/离群点,降低它们对分类器的影响.实验验证了所提方法的合理性和有效性.统计型模糊权重函数对于含噪情况未知的训练数据尤其显得重要,因为数据含噪情况可以籍由函数分类功能得到恰当的估计.

摘要：目前的许多分类器设计方法,如多层感知器网络(MLP)、支持向量机(SVM)、相关向量机(RVM)、径向基函数网络(RBF)等,实际是非线性映射加线性分类的方法,即将输入空间的非线性可分问题经非线性映射到另一空间,在那一空间实现线性分类.本文则开拓性的运用脉冲耦合神经网络神经元的点火捕获的思想,提出了一种基于耦合神经元点火捕获/抑制特性的分类器设计方法,使一类样本对应神经元总是较其它类样本对应神经元先点火以实现对样本的有效分类.所设计的分类器可实现对样本空间中任意复杂分布训练样本的非线性稳健分类,特别是有效实现复杂混叠模式的模式稳健分类,大量复杂混叠模式分类问题的仿真实验验证了本文方法的有效性和可行性,并应用于微波暗室实测一维距离像数据的自动目标识别中.

摘要：提出一种元学习定义,从偏差/方差分解角度对元学习中学习算法的选取机制进行研究,得出了元级选用错误率低且偏差小的学习算法、基级学习算法按照错误率及方差从低到高排列的结论。鉴于标准数据集不能充分评估关联对元学习性能的影响,设计了一种模拟算法以产生模拟数据集。在UCI标准数据集和模拟数据集上的实验表明,同常用的多数投票等组合方法相比,基于算法选择机制的元学习表现出优良的性能,且分类器之间的负关联有助于性能的改进。

摘要：以往的自学习控制系统都是通过实际输出与理想输出之差来修正控制器参数的,但输出是系统的外部,只部分地反映了系统的本质,只有状态才能全面地反映系统的本质,为此,文中提出了一种基于状态修正的自学习控制思想,并给出了完整的系统结构,对系统中的各个环节进行了详细的描述,在已知系统理想响应的情况下,将被控对象的准状态与模拟系统的理想状态之差作为对控制系统性能评价的依据,并利用性能评价的结果,以优化策略实现对控制器参数的自动调整和学习,由于在设计中充分考虑了自学习的收敛性问题,并且在相当宽的选择范围内控制器参数能保证良好的收敛性,所以该文提出的这种控制系统结构是一种完全可行的结构,最后,还给出了仿真实验的结果.

摘要：针对复杂疾病致病单核苷酸多态性位点识别中单一方法的片面性问题,提出了基于富集分析的致病单核苷酸多态性位点识别方法.通过富集分析机制设计了一种集成学习框架,可将不同的方法有机结合以提升学习性能.基于此组合框架,将ReliefF和CA趋势检验进行了集成,在识别单个致病位点的同时兼顾位点之间的交互作用.在模拟数据集和真实数据集上进行了实验研究,结果表明所提出的方法能显著地提升致病单核苷酸多态性位点的识别性能,且所设计的组合框架具有良好的扩展性,可为其他方法的组合研究提供借鉴.