智能控制的主要方法与研究热点

智能控制作为一门不断发展的综合学科,在人类的生产生活中扮演着越来越重要的角色.专家控制、模糊控制、神经网络控制、分级递阶智能控制、学习控制是智能控制的主要方法.就目前而言,智能控制还有许多问题有待解决.     

非线性系统的复合正交神经网络自适应控制

提出非线性系统的复合正交神经网络自适应控制方法.在非线性系统控制中,这种网络自适应控制不需要辨识系统模型与Jacobian矩阵信息,网络学习算法与被控对象模型无关.仿真结果表明,复合正交神经网络实现的非线性系统控制具有较强的自适应控制能力,证明了控制系统具有良好的跟踪控制性能,为解决非线性系统的控制问题提供了一种方法.     

基于模糊神经网络的可控串补控制策略

目前已运行的可控串补(TCSC)工程都是采用常规的控制策略,采用各种先进控制策略比如非线性控制策略、智能控制策略能使TCSC的作用得到最大限度的利用.设计的TCSC模糊神经网络控制系统采用TCSC当地测量的频率增量及功率增量作为模糊控制的输入,用一种神经网络模拟模糊推理机的知识模型和推理模型,采取误差反传的方法依据输入量的值和系统当前的状态来设计调整神经网络的连接权值以及隶属度函数的参数,从而调整模糊控制规则和量化因子.通过对系统处于不同运行点受到不同干扰下的仿真,表明所设计的TCSC模糊神经网络控制系统具有良好的鲁棒性.     

基于深度强化学习的自适应股指预测研究

基于股指成分股基本面和技术面数据构建了时序股票关联网络，然后利用深度图神经网络学习股票关联网络层次化表征，以端到端的方式获得候选预测信号.在此基础上，提出了一种考虑动作评估反馈的深度强化学习方法(Action Evaluation Feedback based Deep Q-Learning, AEF-DQN),旨在将不同的候选预测信号融入智能体的动作空间，并基于股票关联网络层次化表征、股票市场整体运行状态和历史动作评估反馈学习环境状态；借鉴前景理论中的参照依赖特性估计奖励值函数，从而建立状态、动作与奖励值之间的映射关系.最后，采用沪深300指数、标普500指数、英国富时100指数和日经225指数的成分股历史数据，构造了股指期货交易模拟器，在投资胜率、最大回撤率、阿尔法比率和夏普比率4个回测指标上对股指预测模型展开实证分析.研究结果表明：1)通过层次化聚合股票关联网络的节点属性信息可以动态捕捉不同行业对股指价格波动的影响，进而可提升预测方法的准确率；2)考虑动作评估反馈的深度强化学习结构可智能化选择适用于当前股票市场环境的最优模型结构，进而可提升预测方法的鲁棒性.     

神经网络—维布局算法

研究并提出了一种基于神经计算的集成电路一堆布局的并行优化算法。文中首先将布局问题的限制条件和目标函数映射为一个二次函数,并以该函数为能量函数构造相应的神经网络,然后利用神经网络的并行计算特性求出一堆布局问题的优化解。     

基于商品房销售预测的灰色Bp神经网络方法

应用灰色理论与BP神经网络理论,提出了一种基于灰色BP神经网络(GBPNN)的商品房销售预测方法,并建立了相应的GBPNN模型和求解。结果表明该方法不仅能优化预测精度,而且是一种很好的预测问题的有效方法。     

一类神经网络系统的渐近行为

研究了一类微分方程系统解的渐近行为和零解的稳定性问题;讨论了利用特征值的符号及运用解对初值的连续依赖性和一些变换算法,该算法优点是不需求出解的解析表达式,就能判断方程解的渐近行为和零解的稳定性态,其推理过程较清晰严密并有一定的参考价值。     

基于神经网络的投资基金周净值预测

利用神经网络理论的辨识特性,建立了基金周净值预测的BP神经网络预测模型.通过对具有代表性的投资基金“基金金泰”的实证分析,表明该模型具有很好的非线性反映能力和学习能力,能准确预测基金周净值的变化趋势和上升与下降趋势的转折点,为预测基金净值未来走势提供了一个有效的方法.     

测试产生的神经网络方法及若干问题研究

介绍了在微机上开发的一种基于神经网络的测试生成系统结构，详细讨论了系统中各模块的实现方案。从提高效率的角度，对电路测试生成中神经网络这一方法的发展及今后须解决的问题做了讨论     

煤炭企业可持续发展水平的人工神经网络评价

本文在对目前煤炭企业可持续发展评价方法进行分析的基础上,提出了基于人工神经网络的煤炭企业可持续发展水平评价模型,并建立了三层BP神经网络评价模型,以实现对煤炭企业可持续发展这一复杂系统的评价。评价结果表明,该方法是可行的。