搜索结果: 76-90 共查到“知识库 信息科学与系统科学”相关记录5231条 . 查询时间(3.785 秒)
体系能力多维度评估建模方法
体系 体系贡献度 多维度评估
2022/3/15
基于多式联运视角的港口补贴机制研究
集装箱运输 支线承运人 港口补贴
2022/3/16
基于规则的建模方法的可解释性及其发展
基于规则的建模方法 可解释性 系统建模 不确定性
2024/1/22
建模方法的可解释性指其以可理解的方式表达实际系统行为的能力.随着实践中对可靠性需求的不断提高,建立出可靠且可解释的模型以增强人对实际系统的认知成为了建模的重要目标.基于规则的建模方法可更直观地描述系统机理,并能有效融合定量信息和定性知识实现不确定信息的灵活处理,具有较强的建模性能.本文从基于规则的建模方法出发,围绕知识库、推理机和模型优化梳理了其在可解释性方面的研究,最后进行了简要的评述和展望。
![](http://www.firstlight.cn/upload/imgfile/20239/3/2023938531050.png)
对于现代复杂控制系统,微小故障往往很难发现.在系统过程干扰和测量噪声未知但有界的前提下,提出了一种新的基于状态集员估计的主动故障检测方法.首先设计全对称多胞形卡尔曼滤波器对系统状态进行估计,并利用全对称多胞形对受未知干扰影响的状态集合进行描述,然后设计辅助输入信号使得加入辅助输入信号后正常模型的状态集合与故障模型的状态集合交集为空,从而实现主动故障检测。
讨论现有基于模型的故障诊断与容错控制方法的局限性,并由此提出一个基于ν-间隙度量来处理故障诊断与容错控制的新框架.并且,讨论了如何在此框架下对故障进行分类和分级以及提出如何进行容错控制的一般性控制结构。
证据推理理论及其应用
证据理论 证据推理 不确定性 评估与决策
2024/1/22
证据理论既能够灵活处理不确定信息,包括随机性、模糊性、不准确性和不一致性,又能够有效融合定量信息和定性知识.目前,证据理论已广泛应用于评估与决策等多个领域中,包括多属性决策分析、信息融合、模式识别和专家系统等.本文从D-S证据理论出发,针对Dempster组合规则存在的“反直觉”问题和组合爆炸,主要围绕置信分布理论系统地梳理了证据理论的发展过程,总结分析了国内外典型文献,最后从实际应用对证据理论进...
鲁棒自适应概率加权主成分分析
主成分分析 加权主成分分析 维数约简 鲁棒性
2024/1/23
主成分分析(Principal component analysis,PCA)是处理高维数据的重要方法.近年来,基于各种范数的PCA模型得到广泛研究,用以提高PCA对噪声的鲁棒性.但是这些算法一方面没有考虑重建误差和投影数据描述方差之间的关系;另一方面也缺少确定样本点可靠性(不确定性)的度量机制.针对这些问题,本文提出一种新的鲁棒PCA模型.首先采用L2,p模来度量重建误差和投影数据的描述方差。
在描述实际系统的非线性和时变特性方面,线性参数变化(Linear parameter varying,LPV)模型有着巨大的优越性,对于使用一些成熟的线性系统控制理论来解决非线性系统的控制问题,提供了良好的手段.文章对LPV系统的模型结构和建模方法,模型参数辨识方法,控制方法以及应用领域等方面的近几年的研究成果,做了比较全面的总结和概括,最后对LPV系统建模和控制的未来研究方向进行了展望。
为解决孪生网络跟踪器鲁棒性差的问题,重新设计了孪生网络跟踪器的分类与回归分支,提出一种基于像素上直接预测方式的高鲁棒性跟踪算法—无锚框全卷积孪生跟踪器(Anchor-free fully convolutional siamese tracker,AFST).目前高性能的跟踪算法,如SiamRPN、SiamRPN++、CRPN都是基于预定义的锚框进行分类和目标框回归.与之相反,提出的AFST则是直...
SGCMGs驱动的挠性航天器有限时间自适应鲁棒控制
单框架控制力矩陀螺群 挠性航天器 有限时间自适应鲁棒控制 不确定性
2024/1/23
针对挠性航天器系统中同时存在单框架控制力矩陀螺群(Single gimbaled control moment gyroscopes,SGCMGs)摩擦非线性、电磁干扰力矩、惯量摄动以及外部干扰等问题,提出了一种有限时间自适应鲁棒控制(Finite-time adaptive robust control,FTARC)方法.针对系统中存在未知参数的情况,分别设计自适应更新律,使得控制器的设计不依赖...
基于相似历史信息迁移学习的进化优化框架
进化优化 迁移学习 粒子群优化 模型匹配
2024/1/23
现有进化算法大都从问题的零初始信息开始搜索最优解,没有利用先前解决相似问题时获得的历史信息,在一定程度上浪费了计算资源.将迁移学习的思想扩展到进化优化领域,本文研究一种基于相似历史信息迁移学习的进化优化框架.从已解决问题的模型库中找到与新问题匹配的历史问题,将历史问题对应的知识迁移到新问题的求解过程中,以提高种群的搜索效率.首先,定义一种基于多分布估计的最大均值差异指标,用来评价新问题与历史模型之...