AI智能学习系统-多维度学情分析与自适应提分方案

基于多级磁流变阻尼器的操纵面振动半主动抑制——阻尼器设计与试验建模

提出了利用改变磁场作用面积来改变磁流变阻尼器输出力的思想.设计并制造了纯剪切式的磁流变阻尼器,通过改变内部磁场面积而获得分级输出的阻尼力.建立了阻尼器的理论模型并进行了0.5～20 Hz的正弦激励试验.基于试验数据,构造并训练自适应神经网络模型,并且能够很好地在线跟踪阻尼器的动态特性.

Adaptive Backstepping Control for Constrained Systems Using Nonlinear Mapping

In this paper,a novel nonlinear mapping based adaptive backstepping control is presented for nonlinear systems with output constraint to overcome the problems faced by barrier Lyapunov function based backstepping control,such as complex controller structure,small set for initial value of constrained output and extra parameters employment.The constrained output can take any initial value within the output constrained space,so added flexibility is achieved in the control design.By mapping the constrained output into the real number set,the backstepping control design can be directly used for the transformed system,while simultaneously prevent the constraints from being violated.A similar convergence feature is proved between the system and its mapping,so that the stability of the closed-loop system is guaranteed in the sense that all closed-loop signals are uniformly bounded and the tracking error converges to zero asymptotically.Simulation results demonstrate the efectiveness of the proposed control.

基于粒子群优化算法的分形图像压缩编码

针对基本分形图像方法中编码时间过长的问题和提高IFS自适应图像压缩编码方法的适应能力,在按人类视觉对比灵敏度分类的基础上,提出了一种源于鸟群捕食系统模型的粒子群优化算法(PSO)的分形图像IFS自适应压缩编码的新算法,这种自适应编码算法利用图像的自相似性以及应用PSO在分形编码过程中局部迭代函数系统(PIFS)参数的搜索.通过Matlab6.0实验仿真实验结果表明,此方法有效减小了搜索空间,加快了编码速度.基于视觉特性的粒子群分形编码算法明显优于传统的分形块编码算法.

电大理工科课程远程个性化教学探索——计算机绘图课程智能学习系统研究

一、智能学习系统与学习者对E-learning的适应近年来,人工智能(Artificial Intelligent,AI)的发展非常迅猛。智能学习系统的核心就是将AI技术引入到基于E-learning的学习系统中,使之能够根据学习者的特点,合理安排教学内容,合理选择教学方法,以满足个别化教学的需要。

基于水库抽样的高速数据流集成分类器算法研究

数据流挖掘要求算法在占用少量内存空间的前提下快速地处理数据并且自适应概念漂移,但如果需要处理的数据流的流速超过了集成分类器的处理能力,集成分类器无法训练全部最近到达的数据.据此,本文提出了一种改进的水库抽样算法,将该算法与决策树C4.5分类算法进行耦合,设计了基于改进的水库抽样的高速数据流集成分类器算法,该算法为本文的目标算法,是一种亚线性空间算法,可以在有效缩短集成分类器的训练更新时间的同时,使分类器依然保持较高的分类性能.此外,运用随机抽样加权算法与决策树C4.5分类算法进行耦合,设计了对照算法,在hyper-plane人工数据集上与目标算法进行对比,验证了目标算法的优越性.