摘要:神经网络模型经线性化后可构建神经预测控制框架,但是,对高阶项的忽略会产生大量未建模动态.本文以回声状态网络(Echo State Network,ESN)为代表,提出基于岭回归的未建模动态补偿方法.以线性化前后ESN内部状态观测的偏差作为表征未建模动态的样本,通过岭回归估计未建模动态与ESN状态变量之间的线性依存关系.将回归得到的补偿项内化为ESN储备池吸引子的平移和旋转,体现了吸引子的吸引力对激活函数边界约束作用的有效补充.两个实例验证了补偿方法对提高控制精度具有积极作用.
摘要:针对模糊Petri网存在隶属度单一的问题,将直觉模糊集理论与Petri网理论相结合,构建直觉模糊Petri网(Intuitionistic Fuzzy Petri Nets,IFPN)模型,用于知识的表示和推理.首先构建了IFPN模型,并将其应用于知识的表示,通过在模型中引入抑止转移弧,解决了否命题的表示问题.其次提出了基于矩阵运算的IFPN推理算法,通过修改变迁触发后token值的传递规则,解决了推理过程中的事实的保留问题;通过修改变迁的触发规则,抑制了变迁的重复触发.最后对推理算法进行了分析,并举例验证了提出的IFPN模型及其推理算法的可行性,结果表明IFPN是对FPN的有效扩充和发展,其对推理结果的描述更加细腻、全面.
摘要:针对物联网感知层对时间同步的需求及节点能量有限的特点,提出一种低能耗时间同步(Low Energy Consumption Time Synchronization,LECTS)的方法,从同步消息量、同步周期和占空比角度研究同步能耗的降低.对网络进行父子群的划分,为每个群选择PS(Pairwise Synchronization)节点,群内节点持续同步,群间节点按需同步;父节点和PS节点间以同步周期和占空比双向交换N次同步消息,群内其他节点侦听同步消息,基于参数抵消的联合极大似然法估计子节点与父节点间的相位偏移和频率偏移,将群内子节点同步到父节点;在给定同步精度下,汇聚节点定期评估网络同步误差,由时间同步控制器调整网络同步周期和占空比.仿真结果表明LECTS算法在保证同步精度的同时,降低了同步能耗、提高了网络的生存周期.