一种新型的局部连接BP网络模型及应用

局部连接神经网络简化了网络结构,提升了网络收敛速度和减少了网络训练复杂度,可用于函数逼近和系统建模.为了采用直观的建模方式对实际系统网络拓扑逼近,对此文章提出一种新型的局部连接BP网络模型(local BP neural network,LBPNN).该模型的网络结构可以模拟任意前馈型网络拓扑结构,其网络模型中的连接权和神经元与被模拟的网络拓扑中的边和节点一一对应.传统带约束的非线性规划和智能优化算法,其参数辨识受限条件多和算法代价较大,同时提出了与LBPNN模型相应的一种新型的带约束的随机梯度下降法(constrained stochastic gradient descent,CSGD)对其权值参数进行训练.通过算例仿真验证了CSGD训练算法的有效性,稳定性和鲁棒性.     

具有固定初始偏移的线性广义迭代学习控制系统的状态跟踪算法

本文研究线性广义系统存在固定初始偏移时的迭代学习控制问题.利用矩阵奇异值分解的方法,将广义系统转化为微分代数系统,再根据微分代数系统的性质,构建得到一种新的迭代学习控制算法,该算法由部分PD型算法和部分P型算法混合而成.利用压缩映射原理,证明在这种学习算法的作用下,系统的状态跟踪误差渐近收敛于零.为消除固定初始偏移的影响,本文进一步将初始修正策略应用到广义系统上,并由此构建得到相应的学习算法.证明在这种学习算法的作用下,可实现状态轨迹在预定有限时间区间上对期望轨迹的完全跟踪,且与初始偏移量的大小无关.仿真算例验证了算法的有效性.     

有限时间迭代学习控制

针对任意初态情形, 借助于初始修正吸引子的概念,讨论不确定时变系统能够达到实际完全跟踪性能的迭代学习控制方法.闭环系统中含有限时间控制作用, 在预先指定的区间上实现零误差跟踪,且起始段的系统输出轨迹也可预先规划.分别讨论部分限幅学习与完全限幅学习, 证明闭环系统中各变量的一致有界性以及误差序列的一致收敛性. 变量有界性证明得益于提出的限幅学习算法,特别是完全限幅学习算法可确保参数估值的变化范围.     

一类拟变分包含问题带误差的迭代算法

本文研究了一类带误差的拟变分包含问题的迭代算法.利用黏性逼近法,获得了拟变分包含问题的迭代算法的强收敛结果,将最近一些文献的相应结果从迭代算法推广到带误差的迭代算法.     

非参数不确定系统的自适应迭代学习控制

针对一类含非参数不确定的受限非线性系统,提出一种新的自适应迭代学习控制算法.该算法利用神经网络(neural network)逼近系统中的非参数不确定性,神经网络的权值通过迭代轴上的自适应算法进行更新.控制器设计补偿项对神经网络逼近误差上界进行估计以此消除其影响.采用一种新的障碍李雅普诺夫函数(barrier Lyapunov functions)并与组合能量函数(composite energy function)方法相结合,当系统中同时存在非参数不确定性,随机初始误差,及非严格重复外部扰动时,能够保证系统同时满足输入和状态受限要求.将所提出的算法应用于高速列车运行控制系统,仿真结果验证了算法的有效性.     

小微企业信用风险评估的IDGSO-BP集成模型构建研究

针对传统BP神经网络在小微企业信用风险评估实际应用中,随机初始权值和阈值导致网络学习速度慢、易陷入局部解以及运算结果误差较大等缺陷,借助群智能萤火虫(GSO)算法,提出一种基于改进离散型萤火虫(IDGSO)算法的BP神经网络集成学习算法的小微企业信用风险评估IDGSO-BP模型。该模型以BP神经网络为基本框架,在学习过程中引入离散型萤火虫算法,优化设计神经网络的网络结构与连接权值,得到一组相对合适的权值与阈值,再进行新一轮网络训练,以“均平方误差最小”为评价准则,产生网络的输出结果,以此建立小微企业信用风险评估模型。其仿真实验结果表明,该模型在收敛速度及运算精度方面较传统BP神经网络模型、遗传GA-BP模型及连续GSO-BP模型有较明显优势。因此,IDGSO-BP模型可以有效提高小微企业信用风险评估的准确性。     

基于信息压缩矩阵特征值映射的时变系统UD分解辨识算法

在系统辨识领域遗忘因子UD分解算法(一种通过对系统数据矩阵进行UD分解的在线辨识算法)具有对时变系统阶次和参数同步估计的优异性能,但传统的遗忘策略不能从根本上解决信息压缩矩阵数据过饱和问题,为了拓展现有UD分解算法在时变系统的适用范围,同时针对数据空间分布不均匀性,提出一种基于信息压缩矩阵特征值映射的UD分解辨识算法.从理论上分析辨识算法跟踪能力与参数估计矩阵有界性的对应关系,从而构造出一种基于信息压缩矩阵特征值映射的有界函数,特征值映射函数能够根据系统数据传递过程中信息量的大小动态调整遗忘因子,解决了参数辨识过程中数据过饱和及数据分布不均匀问题.仿真结果表明,相比于常规时变遗忘因子策略,带有特征值映射的UD分解算法能够更加准确跟踪系统参数的变化,且能够保证系统不是2N阶持续激励信号的情况下,也能对时变系统参数进行跟踪.     

一类基于输出非线性量测的变量带误差系统的辨识

研究一类基于输出非线性量测的变量带误差系统的辨识.通过对输出量测的截断,在适当的系统假设下,应用扩张截断随机逼近算法给出了系统参数的递推估计,并证明了估计的强一致.辨识算法适用于多种常见的非线性量测.最后给出了一个仿真例子,仿真结果与理论一致.     

非线性时变系统自适应backstepping学习控制

针对含有混合未知参数的高阶非线性系统,利用backstepping方法,提出了一种自适应重复学习控制方法,该方法与分段积分机制相结合,可以处理时变参数在一个未知紧集内周期性快时变的非线性系统,通过构造微分-差分参数自适应律,设计了一种自适应控制策略,使跟踪误差在误差平方范数意义下渐近收敛于零,利用Lyapunov泛函,给出了闭环系统收敛的一个充分条件.实例仿真结果说明了该方法的有效性.     

基于马氏链拟合的一种非负变权组合预测算法及其应用

通过马氏链拟合的方法求取一种新的非负时变权组合预测算法公式.主要工作是:一、对组合预测问题以最小误差为准则给出了马氏链的状态和状态概率初步估计;二、用马氏链拟合状态概率分布时变规律,通过约束多元自回归模型导出了一步转移概率阵的LS解;三、给出一种非负时变权组合预测公式并举一应用实例.     

Non-uniform stabilization of control systems

Aversion of non-uniform in time robust global asymptotic stabilityis proposed and enables us to derive: (1) sufficient conditionsfor the stabilization of uncertain nonlinear triangular time-varyingcontrol systems; (2) sufficient conditions for the solutionof the partial-state global stabilization problem for autonomoussystems. The results are obtained via the method of integratorbackstepping and are generalizations of the existing correspondingresults in the literature.     

需求和采购价格均为时变的易变质物品EOQ模型

基于需求和采购价格均为时变的EOQ模型,进一步考虑物品的变质对库存系统的影响,建立了相应的EOQ模型,并证明了在给定条件下,计划期内的库存总成本是关于服务水平的凸函数.并应用数学软件MATLAB,对该模型进行仿真计算和主要参数的灵敏度分析,结果表明,该模型存在最优解且各主要参数对最优库存控制有不同程度的影响.     

时变t-copula蒙特卡罗模拟的亚洲股指组合风险研究

应用时变条件t-copula函数描述沪市与亚洲主要股票市场指数收益序列之间的时变相依结构.时变条件t-copula模型的难点在于如何设定时变相依参数的演化方程,建立了用于描述包含时变自由度在内的所有时变相依模型参数的演化方程.进而采用蒙特卡洛仿真方法计算了各种指数组合的VaR,分析了沪综指与亚洲主要股指组合风险的演化趋势,并对结果进行后验测试,结果表明,时变条件t-copula函数仿真估计VaR可以覆盖最大损失风险.     

Time-varying parameter auto-regressive models for autocovariance nonstationary time series

In this paper, autocovariance nonstationary time series is clearly defined on a family of time series. We propose three types of TVPAR (time-varying parameter auto-regressive) models: the full order TVPAR model, the time-unvarying order TVPAR model and the time-varying order TVPAR model for autocovariance nonstationary time series. Related minimum AIC (Akaike information criterion) estimations are carried out. This work was supported by the Doctoral Research Fund of the Ministry of Education, China (Grant No. 20040285008), and Grant-in-Aid for Scientific Research (B), the Ministry of Education, Science, Sports and Culture, Japan, 2005 (Grant No. 17300228)     

基于Fuzzy推理的时变系统建模

提出一种基于Fuzzy推理的时变系统建模方法,其基本思想是:对时间维度进行分割,在每个较短的时间间隔内用时不变模型代替时变模型,将这些时不变模型组合在一起,最终获得一个整体非线性时变的微分方程模型.分别研究了输入输出型时变系统和状态空间型时变系统的模型建立方法,除了从理论上保证了所获得的模型对系统的逼近性,还从仿真实验验证了用该方法建立的模型对非线性时变系统有很好的逼近效果.     

Optimal temporal path on spatial decaying networks

We introduce temporal effect to the classical Kleinberg model and study how it affects the spatial structure of optimal transport network. The initial network is built from a regular $d$-dimensional lattice added by shortcuts with probability $p(r_{ij})\sim r_{ij}^{-\alpha} $ , where $r_{ij}$ is the geometric distance between node $i$ and $j$. By assigning each shortcut an energy $E=r \cdot \tau$, a link with length $r$ survives within period $\tau$,which leads the network to a decaying dynamics of constantly losing long-range links. We find new optimal transport in the dynamical system for $\alpha=\frac{3}{4}d$ , in contrast to any other result in static systems. The conclusion does not depend on the information used for navigation, being based on local or global knowledge of the network, which indicates the possibility of the optimal design for general transport dynamics in the time-varying network.     

SUFFICIENT CONDITIONS FOR STABILITY OF NONLINEAR TIME-VARYING DYNAMICSYSTEM

In this paper, some sufficient conditions for the stability of system dx/dt = A(t)x + f(t,x) are given which are based on the assumption of that the eigenvalues of the leading principal submatrix of order r and its complementary submatrix of order m in A(t) all have negative real parts.     

Bounds on the solution of the time-varying linear matrix differential equation P(t) = AH(t) P(t) + P(t) A(t) + Q(t)

^** Email: pagilla{at}ceat.okstate.edu We derive upper and lower bounds for the trace of the solutionof the time-varying linear matrix differential equation (t)= A^H(t) P(t) + P(t) A(t) + Q(t). A practical numerical exampleis given to verify the bounds. The bounds obtained are usefulsince the considered equation is encountered in a number ofapplications in systems and control theory.     

基于时变Copula模型的 基金收益率相依关系的应用研究

基于时变Copula模型,获得预测方差,确定单个基金收益率序列的边缘分布.利用常见的静态Copula和时变Copula模型对基金收益率序列间两两相依关系进行建模并进行对比分析.应用研究表明,基于MCMC方法的时变Copula模型能更有效地度量基金收益率序列的风险.     

Time-Varying Linear-Quadratic Control

This paper discusses the performance of controlled linear dynamic systems that use time-varying feedforward signals and time-varying linear-quadratic (LQ) feedback gains. Such a time-varying LQ controller can bring a dynamic system to a desired final state in roughly half the time required by a time-invariant LQ controller, since it pushes at both ends, i.e., it uses significant control effort near the end of the maneuver, as well as at the beginning, to meet the specified end conditions; there is no overshoot and no settling time. This requires a more complex controller and some care with the high gains near the final time. A MATLAB³ code is listed that synthesizes and simulates zero-order-hold time-varying LQ controllers. The precision landing of a helicopter using four controls is treated as an example.