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.     

以热流率作为补偿的智能PID控制

本文以电加热流动热力系统为例，提出了一种以静态模型为基础．以热流率作为补偿的智能ＰＩＤ控制处理动态模型的方法．较好地解决了由于热流率的变化而引起的温度波动，在应用中得到了满意的结果．     

全球化环境下主导企业寿命的自适应能力

文章提出了企业自适应能力的概念，分析了企业自适应能力的特征及企业自适应能力与企业寿命的关系，建立了企业自适应能力结构模型，探讨了企业自适应能力的形成机理，在此基础上论述了企业自适应能力的协同原理。     

智能结构设计技术与应用

给出了智能结构的定义,分析了智能结构的组成、特性,以及在航天、航空、机械制造加工系统、汽车工业、机器人技术及其他领域中的应用.并对智能结构的研究内容作了展望,为今后进一步开发研究奠定了基础.     

离散频谱分析的一种新校正方法

提出了一种对幅值谱进行校正的新方法,用以解决离散频谱当谱峰没有对正峰顶,有能量泄漏所带来的误差,并讨论了矩形窗、汉宁窗、海明窗和高斯窗四种窗函数的修正方法,校正的频率、幅值和相位的精度可达细化100倍以上的效果。     

频率捷变信号的频率／方向联合估计

提出一种利用并行阵列数据联合估计频率捷变信号（ＦＡＳ）的频率和ＤＯＡ算法。这种算法能同时估计频率和ＤＯＡ，并自动地将它们配对，从而识别不同的ＦＡＳ。计算机模拟结果表明这种算法是有效的。     

计算机智能自适应预测系统分析及应用

提出了一种工业生产过程中的智能自适应预测控制算法,并介绍了其在生物制品发酵过程中的应用.     

一种用于Optical Crossbar的自适应分组汇聚算法

在对现有分组汇聚机制进行深入分析的基础上,考虑不同网络环境下的流量特性不同,提出了一种动态网络流量自适应分组汇聚算法。理论分析及仿真实验表明,该算法可自适应网络流量特性的变化,通过优化汇聚分组长度解决连续阻塞问题、提高汇聚分组利用率,同时兼顾时间门限,使之在低流量负载下也能最大程度保证汇聚时延,较好地弥补传统算法的不足,保证了Optical Crossbar网络对于实时流量的低时延和高传输效率．