任意初态下的扰动系统学习控制

针对任意初态下带有扰动的线性定常系统, 提出了相应的控制算法。该算法将受控过程分成无穷个子过程, 系统利用上一子过程的输入输出信息来调节当前过程的输入,以期获得更好的控制效果。在控制过程中, 基于迭代学习控制思想, 借助初始修正手段, 可使系统的跟踪误差达到任意小, 且当系统无扰动时,在指定区间内可实现完全跟踪。最后, 通过仿真算例, 验证了算法的有效性。     

学习系统的重学习收敛性能分析

重学习是指从不只一个初始点开始的学习，本文分析了学习系统的重学习收敛性能，给出了描述重学习的结果优劣和初始点集稠密程度之间关系的定理。并对一个优化问题引出的学习系统做了重学习的仿真，实际结果显示了定理所描述的关系。     

用控制理论探索英语单词学习规律

用控制理论研究探索英语单词的学习方法,提出了一种英语单词的学习方法,建立了这种方法的数学模型,并用该模型对此方法进行了分析,证明了其有效性,为提升英语单词学习类电子产品的功能提供了一个有效的理论及算法.     

迭代学习控制的高阶最优学习律

最优迭代学习控制是学习控制中的一个重要研究方向.对高阶最优学习律的研究具有重要意义.该文根据最优化的必要性条件给出关于离散时间线性系统迭代学习控制的高阶最优学习律,证明了该学习律的收敛性.最后给出了仿真实例.     

带有直接传输项的广义系统的P型迭代学习控制

给出了带有直接传输项的广义系统在P型学习律作用下的迭代学习控制收敛性结果,考虑了直接传输矩阵行满秩或列满秩两种标准情形,并且解决了直接传输矩阵不满秩情形的迭代控制问题,这一结果对时变系统也成立.     

单片机控制下的活动广告系统

由ＰＩＣ１６Ｃ５８单片机控制的活动广告宣传画面,一幅画面可展示多幅图像,可自动翻卷、定格、同步播放对应的文选解说词背景音乐。     

一种新型迭代学习控制律的研究与应用

提出了一种新型迭代学习控制律,对其收敛性进行了严格的数学证明,并将它应用于同步发电机的励磁控制系统。仿真结果表明该方法的有效性,改善了控制器的动态性能,收敛速度得到很大提高,有利于提高电力系统稳定性。     

扰动方程的优化正则解及其收敛阶估计

在扰动方程的正则化求解问题中,解的收敛性估计是十分重要的．针对Wang Y Y等在2001年中所给出的正则化解法结果,给出相应正则解的收敛阶估计．     

不同环境下双量子点初态的保真度

针对初态都为自旋单重态的两对双量子点,数值模拟了不同环境下双量子点初态的保真度随着时间的演化,其中环境包括真空态、福克态、相干态、热态、耗散场以及外加随机磁场。模拟结果表明,在给定参数情况下,当环境为耗散场时,量子点的初态保真度会逐渐降至最低。无论环境是相干态还是热态,当平均光子数达到一定数目时,双量子点初态的退相干效果较显著。     

基于WNSGA-Ⅱ计及磁暴扰动无功补偿优化控制

为了补偿强磁暴导致的电力系统变压器集群无功损耗增高,提出了加权带精英策略非支配排序的遗传算法(WNSGA-Ⅱ).以电压失稳风险最小为目标进行的无功补偿优化,使电网无功潮流分布达到最优,缓解或消除强磁暴对复杂电网的不利影响.采用IEEE6节点算例,结果与人工鱼群算法对比,验证了WNSGA-Ⅱ的有效性.     

强一致收敛下的初值敏感性与等度连续性

首先,举例指出了《Nonlinear Anglgsis》文中定理3.2的条件下并不能使函数序列的初值敏感性遗传至极限函数,并证明了若函数序列的敏感常数的上极限为某一正数,则在强一致收敛下,函数序列的极限函数也具有初值敏感性.其次,证明了在强一致收敛下,序列系统的等度连续性和一致几乎周期性能被极限系统所继承.     

避免导映照求逆的变形Newton迭代的收敛性和误差估计

主要证明了Banach空间中避免导映照求逆的变形Newton迭代在统一判定条件下的收敛性,并给出它和Newton迭代的误差估计,最后给出了两个积分方程算例。     

结合HOG-LBP特征及多实例在线学习的随机蕨目标跟踪方法

提出了通过联合随机蕨与HOG-LBP特征建立目标模型的方法. 首先利用选定目标图像块中的HOG-LBP特征向量完成初始化及在其后的过程中产生新的随机蕨, 该随机蕨用于对兴趣目标的检测和跟踪. 目标模型的更新通过多实例在线学习与更新蕨池实现. 提出的方法在选定6个标准视频序列进行测试, 测试结果与现在较流行的OnlineBoostingTracker、MILTracker等跟踪算法进行了比较和分析. 结果表明, 在各种复杂环境下, 本研究提出的方法具备良好的跟踪鲁棒性, 在抗局部遮挡和光照变化方面具有一定的优势; 同时算法具备一定的抗尺度变化能力; 在抗旋转方面, 该算法仍有一定的可改善空间.     

基于支持向量机泛化误差界的多核学习方法

基于支持向量机（SVM）泛化误差界,提出了一种精确且有效的多核学习方法.首先,应用SVM泛化误差界推导多核学习优化形式,并给出求解其目标函数微分的计算公式.然后,设计高效的迭代算法来求解该优化问题.最后,分析了算法的时间复杂度,并基于Rademacher复杂度给出了算法的泛化误差界,该泛化界在基核个数很大时依然有效.在标准数据集上的实验表明,相对于一致组合方法以及当前流行的单核和多核学习方法,所提出的方法具有较高的准确率.     

出现保障延误时间的可修系统稳态可用度的评定

考虑可修的单元产品在出现故障时,由于种种原因,故障不能得到及时维修,形成了一段保障延误时间.于是这一更新过程为:正常工作(直到出现故障)-保障延误-故障维修-正常工作…….假设工作时间、保障延误时间均服从指数分布,故障维修时间服从对数正态分布,用经典方法和广义p值方法给出了可用度的置信下限.     

寿命服从极值分布的可修系统稳态可用度的置信限

讨论了寿命服从极值分布,修理时间服从对数正态分布情况下,可修系统稳态可用度的广义置信下限．特别是针对极值分布的方差未知的情况,用分组求解法获得了广义P值统计量．     

一族二阶导数计值迭代方法的收敛性

从带一个参数的三阶迭代族(其中包括Halley迭代,Chebyshev迭代和超Halley迭代)出发,推出避免二阶导数计算的带两个参数的迭代族.在Newton-antorovich型的假设条件下,通过用一个递推关系证明了此迭代族的三阶收敛性,并给出了非线性算子方程解的存在惟一性定理.     

2个有限族广义依中心意义的渐近非扩张非自映像公共不动点定理

在任意实的Banach空间中,对于2个有限族广义依中心意义的渐近非扩张非自映像,引入了一种新的带误差修正的广义Ishikawa迭代序列.并在适当条件下,多次巧妙地应用数学归纳法等工具,证明了该迭代序列强收敛于2个映像族的公共不动点.其结果改进和推广了近代许多相关的结果.