预测器论文_周震卿,韩立新

导读:本文包含了预测器论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:算法,空战,模型,测量仪,小生境,东盟,自适应。

预测器论文文献综述

周震卿,韩立新^[1]（2019）在《基于TextCNN情感预测器的情感监督聊天机器人》一文中研究指出聊天机器人是自然语言处理的热门研究领域之一。现有的生成式聊天机器人一般基于Sequence-to-Sequence模型实现,即使用循环神经网络将问题编码成高维语义向量,再将该向量解码成回复。但是由于解码只使用单一的语义向量,容易生成普适回复。针对上述问题,提出了基于TextCNN情感预测器的情感监督聊天机器人,利用TextCNN情感预测器,由问题直接获得回复的情感表示,在Sequence-to-Sequence模型中引入更准确的情感特征,并通过情感监督方法学习情感表达方式。实验表明该模型能有效地提高聊天机器人的回复质量。(本文来源于《微型电脑应用》期刊2019年05期）

朱蓉蓉^[2]（2019）在《基于深度Koopman预测器的非线性系统模型预测控制》一文中研究指出非线性系统的分析和控制一直以来都是控制领域的研究要点,但是由于其高维度、强耦合、不确定性等问题,使得非线性系统模型获取和控制面临很大的挑战。目前,绝大部分非线性系统的控制是基于其线性化模型开展,而现有的非线性系统线性化技术需要对系统的精确数学模型有足够的了解,且线性化之后的模型精度不高,不利于非线性系统控制问题的研究。考虑到深度学习方法的非线性函数拟合能力、大数据处理能力和自学习能力,Koopman算子理论具有全局线性化非线性系统的能力,故将两者结合研究非线性系统的分析和控制具有极大的理论价值和实际意义。本论文研究了一种基于深度Koopman预测器的非线性系统模型预测控制。下面是本论文的主要研究工作:·针对自治系统的Koopman算子理论推广到适用于带有输入的一般性非线性系统。利用深度神经网络构造出了获取深度Koopman预测器的网络模型,并给出了网络代价函数的设计原则。在仿真实验中证明提出的深度Koopman预测器的优势。·在深度Koopman预测器的基础上,将模型预测控制算法应用到非线性系统的控制中。证明了本论文提出的线性控制器在模型复杂度上仅与原非线性系统的状态和输入维度相关。以一个非线性系统为模型,设计了基于深度Koopman预测器的模型预测控制,证明了本论文提出的基于深度Koopman预测器的非线性系统线性控制策略可行性和有效性。本论文基于深度学习方法和Koopman算子理论解决了非线性系统模型预测控制问题,有精度高、不依赖系统精确数学模型等优点,因此具有极大的研究价值与意义。(本文来源于《中国科学技术大学》期刊2019-05-01）

李海鹏,张永辉,江雷^[3]（2018）在《基于PD控制器和牛顿预测器的等效前馈复合控制技术》一文中研究指出伺服系统是无线电遥测设备的重要组成部分,随着遥测技术的不断发展,对伺服系统的稳态精度和响应速度有了更高的要求,文章主要针对提高遥测设备伺服系统跟踪控制精度和降低系统动态滞后误差的方法进行研究;文章在遥测设备伺服系统传统的位置环、速度环和电流环叁闭环控制的基础上,通过PD控制器估计目标角速度,利用牛顿预测器对估计的角速度进行一步超前预测,将超前预测的估计角速度馈入速度环路,实现基于目标角速度预测的等效前馈复合控制;在遥测设备伺服系统中进行了测试验证,文章提出的方案正弦测试结果跟踪误差比传统叁闭环方案减少,阶跃跟踪测试调节时间减少;实验结果表明,采用PD控制器和牛顿预测器控制技术的伺服系统能够快速实现对目标的稳定跟踪。(本文来源于《计算机测量与控制》期刊2018年09期）

徐西蒙,杨任农,符颖,赵雨^[4]（2018）在《基于ELM__AdaBoost强预测器的空战目标威胁评估》一文中研究指出目标威胁评估是空战态势感知中的关键问题。针对传统评估方法难以兼具准确性和实时性的缺陷,提出了一种基于自适应推进极限学习机(extreme learning machine__adaptive boosting,ELM__AdaBoost)强预测器的新方法。结合AdaBoost分类算法对ELM算法进行改进,提出了ELM__AdaBoost算法,构造了ELM__AdaBoost强预测器。在空战训练测量仪中选取空战数据,利用威胁指数法构造了目标威胁评估样本数据。构建了基于ELM__AdaBoost强预测器的空战目标威胁评估模型,在一定范围内确定了使算法预测精度相对较好的ELM网络隐含层节点数和弱预测器个数。通过仿真实验分析了评估的精度和实时性,结果表明该方法在保证较高评估精度的同时减少了评估所用时间,可以准确、快速地进行空战目标威胁评估。(本文来源于《系统工程与电子技术》期刊2018年08期）

赵燕宾^[5]（2018）在《基于多预测器并联组合的中国—东盟游客量数据挖掘》一文中研究指出随着中国国民娱乐消费水平呈现上升趋势,东盟地区凭借其丰富的旅游资源和地理优势吸引了大量的中国游客。围绕中国东盟海洋大数据平台旅游挖掘预测需求,对东盟游客量的定量研究与预测,不仅有利于东盟政府机构宏观把控旅游业发展,同时能够提前构建中国-东盟旅游业协作蓝图。现有文献对于东盟地区的旅游预测分析主要还停留在定性的理论分析,且定量研究方法集中在计量经济学和时间序列模型。近年来,人工智能和数据挖掘等技术日趋成熟,在很多领域取得显着的研究成果。因此,本文基于机器学习算法定量研究东盟游客量具有一定的理论意义和广泛的实用价值。本文在东盟地区选取了泰国、马来西亚、新加坡叁个热门旅游国为研究对象。首先分析东盟游客量研究背景和国内外关于游客量预测存在的局限性,并基于游客量属性和数据选取原则,确定采集客源国(中国)人均国民生产总值、客源国人口数量,目的国(新加坡、马来西亚、泰国)人均国民生产总值、SPI(客源国CPI/目的地CPI)、客源国与目的国的汇率五个指标作为影响因子,叁个国家的年度中国游客量作为预测目标值。其次,提出了基于随机森林、BP神经网络和PSO-SVR的游客量预测模型,通过实验数据拟合模型并进行游客量的预测,采用R2、MAE、MSE、MAPE指标对比分析叁个模型的拟合效果和预测准确度,结果显示叁个模型的拟合相关指数均在90%左右,PSO-SVR预测准确度相对比较好。针对单一预测器预测侧重点不同且预测准确度较弱问题,提出了一种基于权值分配的多预测器并联组合模型来优化游客量预测精度。通过比较游客量预测值与真实值,结果表明并联组合模型能够达到更优的预测精度。最后,在分别定量分析叁个国家游客量的基础上,为了挖掘叁个国家之间联动涨跌情况,提出了基于Apriori的东盟国家旅游一体化研究。实验表明新马泰叁个国家之间游客量增长互相影响且存在微弱竞争,其能够为东盟旅游一体化提供数据参考。最后,将本文的研究结果应用到东盟海洋大数据平台滨海旅游模块上,多元化展示旅游数据,实现游客量预测功能,为用户提供数据服务和预测参考。(本文来源于《厦门大学》期刊2018-05-01）

袁其祥^[6]（2018）在《基于复数自适应线性预测器的频率估计技术研究及其在叁相不平衡电压中的应用》一文中研究指出系统频率是电网系统中控制负载均衡的一个重要参数,通过对频率的变化情况进行跟踪,可以有效地监测系统运行状况。所以能够有效摆脱谐波、噪声干扰的频率估计算法对电网系统的稳定运行尤其重要。在此背景下,基于最小化LMS的自适应算法由于其在噪声和谐波环境下的程序简单、计算高效且性能健壮,得到了广泛应用。本文围绕此类算法在电力系统中的应用展开了如下工作:研究了频率估计的理论基础。首先介绍了本文估计算法所用到的复信号模型,介绍了复高斯白噪声。然后根据概率论的相关知识点研究了参数估计的均方误差下限——Cramer-Rao下界,并对复信号模型下的CRLB作了详细推导,以此作为频率估计算法性能的重要参考。然后介绍了非平衡电力系统的概念,说明了电力系统中的常见故障。紧接着介绍了叁相电压到复信号模型的变换——Clarke变换,以及非平衡电力系统中复信号的非圆性描述。研究了两类经典的自适应频率估计算法,包括基于最小二乘以及基于最小均方的自适应频率估计算法。对于LS类算法,首先介绍最基础的RLS算法,由于其估计的有偏性,通过减去该算法的估计偏差,得到带有偏差补偿的BCRLS算法;紧接着介绍RTLS算法,不同于BCRLS,该算法并不需要噪声方差的先验知识;然后对上述叁种算法进行了频率追踪、估计方差的性能仿真;对于LMS类算法,首先介绍基于复数域的CLMS算法,给出频率估计的表达式,由于该算法只是利用单项电压的信息,所以在非平衡电力系统中的频率跟踪特性并不佳;紧接着介绍基于宽线性模型的ACLMS算法,该算法充分利用宽线性模型以及二阶增广统计信息,在非平衡电力系统中依然可以有效地追踪系统频率。研究了基于LMS的复数域直接频率估计算法——CDFE算法。该算法通过最小化修正的均方误差函数,来实现对频率的无偏估计。首先推导出该算法的频率追踪表达式,以及稳态环境下的理论估计公式和方差,紧接着在大幅度频率变化环境下对该算法进行仿真验证,进而验证理论方差和实际均方误差之间的吻合性。并将该算法和前面所述的ACLMS在各种仿真环境下进行估计性能的比较,结果显示,CDFE算法在没有充分利用非圆信号二阶统计特性的情况下,依然能够准确地估计非平衡系统的频率值,在有些方面表现地更加出色,ACLMS算法的缺陷就在于计算量大、计算公式复杂,而这些方面恰是CDFE算法的优势所在。研究了变步长CDFE算法——VSS-CDFE算法。该算法在原始CDFE的基础上,对步长因子进行了改进。该算法利用最速下降法的改进方案得出步长因子的时变表达式,并在此基础上计算出VSS-CDFE算法的稳态方差。由于时变步长因子的值在迭代过程中一直减小,所以和原始CDFE相比,收敛速度上略有下降,但是稳态方差的性能提升却很明显。实验结果表明,VSS-CDFE算法在与CDFE具有相同的估计方差情况下,其收敛速度更快。(本文来源于《东南大学》期刊2018-04-28）

汤嘉立,柳益君,杜卓明^[7]（2018）在《基于多类预测器学习的超分辨率复原算法》一文中研究指出为解决样本学习超分辨率算法的图像样本误匹配和边缘平滑问题,提出一种基于神经网络的非线性多类预测器学习算法,设计神经网络多类预测器,采用小生境基因表达式编程方法优化反向传播神经网络。通过学习样本集对预测器进行训练,学得学习样本中的先验知识,根据从低分辨率图像块提取的特征矢量预测图像高频信息,完成图像超分辨率复原。实验结果表明,相比样本预分类学习的几种算法,该算法的PSNR和SSIM值均有了一定提升,主观上复原结果具有更丰富的细节。(本文来源于《计算机工程与设计》期刊2018年04期）

李维明^[8]（2018）在《“神算子”预测器》一文中研究指出1近来,米多多迷上了预测。他希望自己能成为一名预测大师。想想吧,早晨起床,闭目养神片刻,然后开始预测一天将要发生的事件,或者探寻未来5年到10年间人与事物的变化,这是不是挺有意思?这不,他还真就梦想成真了。那天,他在网上闲逛,突然发现某科学研究所免费提供一种限时试用仪器。这仪器全称为"神算子"预测器。没错,仪器的用途就是对未来事件进行预测。试用者面对全球所有人,说明书有中、(本文来源于《青少年科技博览》期刊2018年03期）

邱萌萌,杨浩,葛鑫,李炜^[9]（2017）在《带状态预测器的多智能小车系统一致性问题研究》一文中研究指出一致性理论作为多智能体间合作协调的基础,受到来自各个领域研究者越来越多的关注。但是,以往的控制律只利用智能个体周围的局部信息,其控制律往往是次优的。本文引入了状态预测器,将带状态预测器一致性理论应用到多智能小车系统速度一致性问题的研究中,给出了智能小车速度一致性算法,分析了多种耦合通信方式对智能小车速度一致性的影响,引入了智能小车状态预测器,最后通过欧拉公式将上述带状态预测器的控制律求解出来,设计出了智能小车的控制器,并从理论上证明了控制器的可行性,与以往的一致性算法相比,加快了智能小车演化到平衡状态的收敛速度。(本文来源于《井冈山大学学报(自然科学版)》期刊2017年06期）

张润驰,杜亚斌^[10]（2017）在《基于粒子群优化聚类算法的多预测器信用评估模型》一文中研究指出经典的加权k均值聚类算法能够有效区分不同属性对聚类过程的影响程度,但同时也易因权值的选取不当导致预测性能较差。本文在其基础上,针对信用评估问题,设计了多预测器粒子群优化加权k均值聚类(MPWKM)模型。MPWKM模型首先对样本数据进行预处理,剔除重要程度较低的属性,接着以粒子群算法搜索加权k均值聚类算法的最优权值组合,解决权值选择问题,进而构建多个基于不同样本空间子集的基预测器,最后根据各基预测器的预测结果组合成完整的预测模型,进一步提升模型的性能。实证研究表明:MPWKM模型与现有的五个成熟模型相比,在预测精度较高的同时,也具有较好的平衡性与稳定性。(本文来源于《系统工程》期刊2017年10期）

预测器论文开题报告

（1）论文研究背景及目的

此处内容要求：

首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。

写法范例：

非线性系统的分析和控制一直以来都是控制领域的研究要点,但是由于其高维度、强耦合、不确定性等问题,使得非线性系统模型获取和控制面临很大的挑战。目前,绝大部分非线性系统的控制是基于其线性化模型开展,而现有的非线性系统线性化技术需要对系统的精确数学模型有足够的了解,且线性化之后的模型精度不高,不利于非线性系统控制问题的研究。考虑到深度学习方法的非线性函数拟合能力、大数据处理能力和自学习能力,Koopman算子理论具有全局线性化非线性系统的能力,故将两者结合研究非线性系统的分析和控制具有极大的理论价值和实际意义。本论文研究了一种基于深度Koopman预测器的非线性系统模型预测控制。下面是本论文的主要研究工作:·针对自治系统的Koopman算子理论推广到适用于带有输入的一般性非线性系统。利用深度神经网络构造出了获取深度Koopman预测器的网络模型,并给出了网络代价函数的设计原则。在仿真实验中证明提出的深度Koopman预测器的优势。·在深度Koopman预测器的基础上,将模型预测控制算法应用到非线性系统的控制中。证明了本论文提出的线性控制器在模型复杂度上仅与原非线性系统的状态和输入维度相关。以一个非线性系统为模型,设计了基于深度Koopman预测器的模型预测控制,证明了本论文提出的基于深度Koopman预测器的非线性系统线性控制策略可行性和有效性。本论文基于深度学习方法和Koopman算子理论解决了非线性系统模型预测控制问题,有精度高、不依赖系统精确数学模型等优点,因此具有极大的研究价值与意义。

（2）本文研究方法

调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。

观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。

实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。

文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。

实证研究法：依据现有的科学理论和实践的需要提出设计。

定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。

定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。

跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。

功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。

模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。

预测器论文参考文献

[1].周震卿,韩立新.基于TextCNN情感预测器的情感监督聊天机器人[J].微型电脑应用.2019

[2].朱蓉蓉.基于深度Koopman预测器的非线性系统模型预测控制[D].中国科学技术大学.2019

[3].李海鹏,张永辉,江雷.基于PD控制器和牛顿预测器的等效前馈复合控制技术[J].计算机测量与控制.2018

[4].徐西蒙,杨任农,符颖,赵雨.基于ELM__AdaBoost强预测器的空战目标威胁评估[J].系统工程与电子技术.2018

[5].赵燕宾.基于多预测器并联组合的中国—东盟游客量数据挖掘[D].厦门大学.2018

[6].袁其祥.基于复数自适应线性预测器的频率估计技术研究及其在叁相不平衡电压中的应用[D].东南大学.2018

[7].汤嘉立,柳益君,杜卓明.基于多类预测器学习的超分辨率复原算法[J].计算机工程与设计.2018

[8].李维明.“神算子”预测器[J].青少年科技博览.2018

[9].邱萌萌,杨浩,葛鑫,李炜.带状态预测器的多智能小车系统一致性问题研究[J].井冈山大学学报(自然科学版).2017

[10].张润驰,杜亚斌.基于粒子群优化聚类算法的多预测器信用评估模型[J].系统工程.2017

论文知识图

标签：算法论文;  空战论文;  模型论文;  测量仪论文;  小生境论文;  东盟论文;  自适应论文;