摘要：提出一种信息论结合粒子群优化的贝叶斯网络结构学习算法,将约束最大信息熵作为最高评分函数,对网络结构进行复杂度约束,设计了粒子位置和速度向量的操作方法,解决单纯利用KL距离进行搜索的缺陷.在网络结构的搜索空间相对较大的情况下,该优化算法能在较短的时间内收敛,获得更准确的网络结构.仿真实验结果表明,该算法在时间和精度上都具有较好的效果.

摘要：提出将自组织模糊神经网络(SCFNN)应用于网络控制系统(NCS)中的远程控制器的设计。SCFNN的学习过程包括结构学习和参数学习两个阶段。结构学习的目的是对输入空间进行合理的模糊划分并动态地生成一组模糊逻辑控制规则,而参数学习是通过有监督梯度下降法来调整隶属度函数的参数以及模糊规则中结论部分的权值。最初的SCFNN只有输入节点和输出节点,而经过在线学习后逐步生成隶属度函数节点和规则节点。对基于Profibus-DP网络的网络控制系统进行测试,并与采用修正Ziegler-Nichols法设计的控制器的控制效果进行比较,结果表明基于SCFNN思想设计的远程控制器在网络控制系统中能够获得满意的控制效果。

摘要：针对T-S型模糊推理系统的模型参数辨识问题,充分利用模糊推理系统的可理解性与神经网络的学习能力,提出一种自适应T-S型模糊径向基函数网络。为设计满足精度要求的最小结构神经网络,在对网络学习动态进行分析的基础上,给出了网络拓扑结构的动态构造学习算法。在不需要任何先验知识的情况下,能够根据任务复杂度和学习进度进行网络隐层节点的自适应增加、合并和删除操作。将该网络应用于非线性函数逼近问题,取得较好的效果。

摘要：为了实现电网的最优市场结算和可靠的动态运行,需要对电网的运行拓扑情况进行估计.提出了一种新的通用电网拓扑估计框架,利用摆动动力学引起的节点电压相位角的时间序列测量进行拓扑估计.利用多元维纳滤波来分解不同节点电压角波动之间的相互作用,并通过考虑多元维纳滤波器元件的相位响应来识别操作边.在标准IEEE测试用例上的仿真测试结果表明,该学习框架的性能良好,达到了预期的设计目标.

摘要：mmcp(Manhattanville Music Curriculum Program)—曼哈顿维尔音乐课程方案,因始于曼哈顿维尔学院而得名。该项目由美国教育总署艺术人文处资助,历时五年完成(1965—1970),是50年代末起美国科学课程改革潮流影响下的产物,其理论源于当时教育改革领导人布鲁纳的学科结构思想、发现结构学习和螺旋型课程编制模式。本文编自由MMCP主任Ronald B.托马斯执笔的该项目报告,希望对我国音乐课程的改革和研制在考虑学科性质、学生学习和发展及其与课程目标的关系等方面提供一种理论和方法体系,供参考借鉴。——笔者MMCP注重学生角色,学习时间多用于以音乐家身份参与的学生活动。学习动力源于学生需要。

摘要：针对神经网络结构设计的问题与一般结构学习方法的不足,提出了多物种进化遗传算法(SEGA),并以MLP为例给出了基于此算法的神经网络结构进化设计方法。该方法融合了遗传算法与神经网络,具有模型搜索空间广泛、算法适应性强的特点。仿真结果表明该方法是有效的。

摘要：为解决脉冲神经网络训练困难的问题,基于仿生学思路,提出脉冲神经网络的权值学习算法和结构学习算法,设计一种含有卷积结构的脉冲神经网络模型,搭建适合脉冲神经网络的软件仿真平台。实验结果表明,权值学习算法训练的网络对MNIST数据集识别准确率能够达到84.12%,具备良好的快速收敛能力和低功耗特点;结构学习算法能够自动生成网络结构,具有高度生物相似性。

摘要：散列算法已经被广泛应用于视频数据的索引。然而,当前大多数视频散列方法将视频看成是多个独立帧的简单集合,通过综合帧的索引来对每个视频编制索引,在设计散列函数时往往忽略了视频的结构信息。首先将视频散列问题建模为结构正规化经验损失的最小化问题。然后提出一种有监管算法,通过利用结构学习方法来设计高效的散列函数。其中,结构正规化利用了出现于视频帧(与相同的语义类别存在关联)中的常见局部视觉模式,同时对来自同一视频的后续帧保持时域一致性。证明了通过使用加速近端梯度(APG)法可有效求解最小化目标问题。最后,基于两个大规模基准数据集展开全面实验(150 000个视频片断,1 200万帧),实验结果证明了该方法性能优于当前其他算法。

摘要：目前贝叶斯网络缺乏支持结构建立、参数学习、知识推理的一致算法,使知识建立与应用过程无法联接。针对这一现状,通过设计适合于贝叶斯网络学习的遗传算法编码方式、具有调整策略的交叉与变异算子,能进行推理误差反馈的适应函数,实现样本支持下的结构确定、参数学习、推理检验、反馈修正的贝叶斯网络全过程建立。实验结果表明,新算法不仅同步优化网络结构与参数,且可以自适应推理误差的学习修正,有着更满意的知识推理正确率。

摘要：伺服控制直接决定了光电跟踪系统的性能,文章采用模糊神经网络控制算法,具有参数学习和结构学习功能,通过Matlab仿真对比发现无论是动态、静态性能还是鲁棒性方面都要优于传统的PID控制以及模糊控制,表现出很好的准确性和快速性,为光电跟踪系统伺服控制设计提供了一种可行的技术方案。