倒立摆控制实验系统中的算法研究

本文介绍了倒立摆实验系统的工作原理，利用一种可以进行结构和参数学习的模糊神经网络成功地控制一级倒立摆。该网络是一种多层前馈网络，它将传统模糊控制器的基本要件综合到网络结构中，使该网络既具备神经网络的低级学习能力，还具备模糊逻辑系统类似人的高级推理能力。     

提高BP神经网络学习速率的算法研究

BP(Back Propagation)神经网络是一种按误差逆传播算法训练的多层前馈网络。本文针对BP神经网络学习速率低、收敛速度慢的问题进行研究,介绍了标准的BP算法和提高收敛速度的动量因子法和变步长法,对比实验结果明显,旨在为研究BP神经网络学习速率提供参考。     

基于电力物联网的高压开关柜状态监测系统设计

采用物联网三层结构,设计了一套由智能电力仪表、数据合并单元、云服务器及深度学习应用模型组成的开关柜状态监测系统.采用LoRa通信对采集节点建立自组织网络,实时采集开关柜的运行数据.通过4G通信网络传输至云端数据库,并建立、改进含多层感知机的前馈深度学习模型,形成集实时状态监测、运行统计分析、故障工况报警、在线故障诊断服...     

基于三容水箱实验装置的网络实验系统的设计与实现

设计并实现了一种基于三容水箱实验装置的网络实验系统,基于实验室的现有条件,提出了网络实验系统的总体框架,包括用户、服务器、控制器和实验装置4部分.采用SQL Server 2005建立了网络实验的管理系统,而采用Modbus协议实现了服务器与控制器的连接.在控制器中还采用DBCom建立了用户自定义控制算法接口.测试了前馈反馈控制等多个实际实验,并给出了典型控制响应曲线.结果表明,该网络实验系统使用方便、性能稳定,还兼容传统实验方式,系统具有较强的通用性.     

高校电子资源综合利用系统的研究

本文通过对目前高校已经建设完成的各种网络资源的分析,提出了一套实用的信息整合方案。高校电子资源综合利用系统以信息集成技术和数据仓库、文本分类、关联规则等信息增值技术为基础,通过网络和相关的子系统,为学生学习提供有效的学习与研究辅助指导。     

高校电子资源综合利用系统的研究

本文通过对目前高校已经建设完成的各种网络资源的分析,提出了一套实用的信息整合方案。高校电子资源综合利用系统以信息集成技术和数据仓库、文本分类、关联规则等信息增值技术为基础,通过网络和相关的子系统,为学生学习提供有效的学习与研究辅助指导。     

基于改进遗传算法的BP神经网络控制器

BP神经网络是一种按误差逆传播算法训练的多层前馈网络,其与遗传算法的结合可以得到一种拥有良好的全局优化搜索和局部时频特性的学习训练途径。针对BP网络的不足,提出了一种基于改进遗传算法的BP神经网络控制器,此方法可以克服基本遗传算法收敛速度慢,容易陷入"早熟"收敛,计算稳定性不好等一系列问题,进一步提高了BP神经网络控制器的性能。最后通过对轧制力模型的预报仿真,证明了控制器的有效性。     

基于神经网络代数算法的电磁环境评价

前馈三层神经网络具有很好的非线性映射能力,而前馈三层神经网络的代数算法能够实现零代价函数的网络精确学习过程,本文将其应用于电磁环境复杂度的评价.首先从时域、空域、频域和能量域四个方面选择电磁环境的评价指标,再建立零代价函数的电磁环境评价模型,进一步说明前馈三层神经网络的代数算法在电磁环境评价上的应用.     

基于区块链技术的学习成果认证管理系统研究

学习成果认证对构建终身学习体系、建设学习型社会具有重要作用。基于此,文章首先对学习成果认证与区块链技术需求进行了分析,接着构建了基于区块链技术的学习成果认证管理系统。随后,文章介绍了系统各层的功能及其实现,包括逻辑层和数据层中复合型区块链账本、成果档案、优化BFT共识算法等创新设计,以及呈现层和应用层中认证管理、智能合约管理和学习成果的查询分析等模块功能。最后,文章阐述了系统在教学中的应用构想。基于区块链技术的学习成果认证管理系统的构建,为解决开放教育环境中学习成果的认证难题、推进以学生为中心的教学提供了一种新的技术方案。     

基于BP神经网络的异常入侵检测方法

提出一种基于BP神经网络的异常入侵检测方法,由于BP神经网络是一种基于误差反向传播算法的多层前馈神经网络,具有对不确定性的学习与适应能力,可以很好的满足入侵检测分类识别的需求.对“KDD Cup 1999 Data”网络连接数据集进行特征选择和标准化处理之后用于训练神经网络并仿真实验,得到了较高的检测率和较低的误报率.仿真实验表明,基于BP神经网络的入侵检测方法是有效的.     

利用前馈神经网络的非线性时变系统的辩识

提出一种将前馈神经网络用于非线性时变系统辩识的学习算法 ,其要点是把网络权值看作时变系统的一个状态 ,用卡尔曼滤波估计此状态 ,于是网络实现了非线性和时变的映射 .文中推导了该算法 ,仿真结果证实了它的有效性     

用于前馈神经网络的一种相继逼近训练算法

本文提出了一种用于前馈神经网络的基于隐单元递增的相继逼近训练算法,利用N维奇偶问题数值实验来比较基于隐单元递增的相继逼近训练算法的BP网络与标准BP网络,结果表明,基于新算法的BP网络是收敛的.     

网络入侵分析关联规则挖掘系统设计

关联规则广泛应用于网络入侵检测,以Access2003数据库为基础,实现了关联规则挖掘apriori算法,成功挖掘出网络数据特征项与入侵类型之间的关联规则,能有效地对网络入侵数据进行关联规则分析。     

基于Hadoop平台的人才发现与推荐系统研究

随着互联网和社交网络的发展,个人信息越来越多地暴露在网络空间中,有效收集和挖掘这些信息可发现所需要的人才信息。设计了一个人才发现与推荐系统,该系统基于Hadoop平台,利用网络爬虫程序寻找网页,通过信息抽取技术获取页面内容,利用lucene的分词器提取文本中的关键词,根据关联规则算法挖掘出关联关键词,采用基于相似项的策略推荐人才。系统为企业提供了一种基于网页数据的技术人才发现和推荐工具,节约了大量时间和成本。     

基于Elman神经网络的空调负荷预测研究

为了更准确对空调系统负荷进行预测,文章在介绍Elman神经网络原理的基础上,对应用在处理动态数据模型上具有优越性的Elman回归型神经网络建立负荷预测模型,讨论了负荷预测模型中隐层神经元数目的选取,并对空调负荷值进行预测.同时也对静态前馈型BP神经网络进行建模和预测,比较两种预测结果,分析其误差,证明了Elman网络在动态预测实验中与BP网络相比较的优势.     

基于粗集的关联规则挖掘模型在网络课程评价中的应用

关联规则的挖掘是数据挖掘中的一个重要问题,在最近几年里被广泛研究.本文将目前广受关注的粗糙集理论及方法引入网络课程评价中,构建了基于粗集的关联规则挖掘模型,并实例探讨了网络课程评价中的关联规则挖掘方法.希望为我们开展网络课程评价的实践提供新的思路与方法.     

学习资源动态语义关联的设计与实现

学习资源是数字化学习生态系统的核心要素,虽然各种媒介形态的资源不断涌现,资源数量持续、快速增长,但是资源之间普遍缺乏关联性.动态建立、发展、挖掘资源之间的各种语义关联,是实现资源关联进化亟需解决的重要问题.该文基于学习元平台(Learning Cell System,LCS),提出一种综合应用语义基因、基于规则的推理、关联规则挖掘等技术实现资源动态语义关联的方法.实验结果表明,该方法在实现资源动态语义关联上能取得理想的结果,具有较高的关联准确性.     

基于所罗门认知风格的Web学习系统的设计与实现

本文以所罗门的认知风格分类作为个性化学习风格分类的基础,构建了个性化e-learning学习系统的模型。采用B/S模式的三层网络编程技术,用JSP来生成服务器端的程序。结合客户端浏览器中表单提交的学习风格测定数据并与数据库关联,通过数据库的操控来实现e-learning环境下个性化学习的过程。     

网上虚拟实验教学系统的开发与应用

随着虚拟技术与网络技术的飞速发展与普遍应用,使基于网络化虚拟技术的实验教学成为可能.针对传统实验教学中存在的教学方法单一、学生缺乏学习主动性和创造性等问题,提出了采用客户层、应用服务层和数据层三层结构的网上虚拟实验教学系统的解决方案,并以过程控制与仪表课程实验为例,详细描述了基于B/S (Browser/Server) 模式的网上虚拟实验系统的工作原理、多层体系结构、系统功能组成及关键技术.实践证明,网上虚拟实验教学系统既能保证教学效果、减少投资,又能丰富实验手段、提升学生实验的自主性和创新能力.     

语言值关联规则分类方法

目前采用的区间划分的关联分类法不能有效地体现出数据的实际分布情况, 并存在划分边界过硬的缺点. 文中首先讨论了通过挖掘最长的语言值关联规则构建分类系统的方法并分析了其不足, 然后给出了通过挖掘短的语言值关联规则构建分类系统的方法. 实验表明, 基于语言值关联规则的分类系统能在精度上优于2种流行的分类方法: C4. 5和关联分类法.