無線網絡物理層安全的研究 對物理層密鑰提取的被動推理攻擊
上傳時間： 2016-05-16
上傳用戶：lizhuo
本教材在“對潛在目標的跟蹤和識別中多傳感器多目標數據融合技術”這門短期課程，做了一些新的數據融合算法進行解釋和舉例說明。許多讀者對其中三個領域特別感興趣，即貝葉斯推理、人工神經網絡和模糊邏輯。本書正是包含了這些新發展起來的內容，滿足了對這些知識有需求的讀者。
上傳時間： 2017-05-20
上傳用戶：dahui83
可截圖 包含桌面及滑鼠游標 還可編輯
標簽： PicPick
上傳時間： 2017-07-17
上傳用戶：scott
適合模糊學習初學者，模糊學習分為： 模糊化、模糊規則、模糊推理、反模糊這幾個過程。
上傳時間： 2018-08-09
上傳用戶：kinghannah
淋浴器溫度控制調節采用MAT LAB 的附加組件Simulink, 仿真系 統的框圖如圖1 所示。圖中的虛線為模糊控制器, 作為二維模糊控制器機構以水的溫度偏差temp 和 流量偏差f low 為輸入量, 采用模糊推理方法對水 的溫度偏差和流量偏差進行整定, 用來確定冷水閥 門和熱水閥門的開口大小cold 和hot 以便控制冷 熱水的流量, 構成2 輸入2 輸出的一階模糊控制系 統; 模糊推理與去模糊化采用MIN - MAX 法及重 心法, 并用MA TLAB 模糊推理工具箱來編輯模糊 控制器。 圖1
上傳時間： 2018-10-12
上傳用戶：一只蟲蟲
混沌時間序列分析的不錯入門教程，書中對于推理和算法實現都進行了詳述。
上傳時間： 2020-03-07
上傳用戶：晨陽沐土
1.針對一類參數未知的非線性離散時間動態系統，提出了一種新的基于神經網絡的MMAC方法。首先，將系統分為線性部分和非線性部分。針對系統線性部分采用局部化方法逮立多個固定模型覆蓋系統的參數范圍，在此基礎上，建立自適應模型來提高系統性能；針對系統非線性部分建立非線性神經網絡預測模型來邏近系統的非線性。然后，針對每個子模型設計相應的擅制器。最后，設計基于誤差范數形式的性能指標函數對控制器進行硬切換。仿真結果表明，所提出的MMAC方法與傳統的在參數空間均勻分布的MMAC方法相比能顯著提高非線性系統的暫態性能。2針對一類具有參數跳變的非線性離散時間動態系統，提出子一種基才聚類方法和神經網絡的MMAC方法，首先，采用模糊c均值聚類算法對系統先驗數據進行分類處理，再分別對每類數據采用RLS算法建立多個固定模型。在此基礎上，建立兩個白適應模型來提高系統響應速度和控制品質，建立神經網絡預測模型來補償系統非線性。然后，分別針對相應的子模型設計線性魯棒自適應控制器和神經網絡控制器。最后，采用基于信號有界和測量誤差的性能切換指標對控制器進行切換，并證明閉環系統的穩定性。仿真結果表明，所提出的算法能更好地解決非線性系統發生參數跳變問題，使得系統具有良好的控制品質3.針對MMAC方法中的模型庫優化問題，考慮系統實際運行數據，提出了種基于相似度準則和設置最大模型數的動態優化模型庫方法。該方法能對新數據進行綜合考量并判斷是否應該將該數據納入子模型建模，并通過設置最大模型數來確保系統用最少的子模型就能保證系統的控制性能。仿真結果表明，所提出的算法能極大地減少子模型數量且具有較好的控制效果。關鍵詞：非線性系統；多模型方法；自適應控制；模糊聚類；神經網絡
標簽： 自適應控制
上傳時間： 2022-03-11
上傳用戶：
摘要：無線傳感器網絡（Wireless Sensor Networks，wSN是由許多具有低功率無線收發裝置的傳感器節點組成，它們監測采集周邊環境信息并傳送到基站進行處理在某一時刻通過wSN采集的數據量非常大，如何正確、高效地處理這些數據成為當前WSN研究中的一個熱點。傳感器節點一般部署在惡劣環境中，一些偶然因素會使采集的數據中出現不準確的數據，用戶依據這樣的數據很難準確判斷出被測對象的真實狀態。基于模糊理論的決策級數據融合算法能夠很好的解決這個問題本文以國家863研究項目《基于無線傳感器網絡的鐵路危險貨物在途安全狀態監測技術研究》為背景，結合鐵路運輸中棉花在途狀態監測系統的開發，在分析了當前有效的決策級數據融合技術基礎上，提出了基于模糊理論的決策級數據融合算法，該算法通過對采集數據進行處理和分析，以獲得準確的被測對象狀態的描述。本文的主要工作包括：（1）分析了WSN中傳統的決策級數據融合算法，如自適應加權數據融合算法和算術平均數數據融合算法，總結這兩種算法的優缺點和檢測系統的需求，進步明確理想算法應達到的目標。（2）提出了基于模糊理論的兩階段數據融合算法：該算法第一階段利用基于貼近度的數據融合算法進行同類數據的融合校準，這一階段的目的是剔除錯誤的和可信度較差的數據，得到相對更加準確的數據，第二階段利用模糊推理對第個階段得到的異類數據進行融合推理，得到被測對象當前狀態的描述，為決策提供支持（3）結合實測數據仿真本文所提出的算法，結果證明與傳統的融合算法相比，可以更加準確的描述被測對象狀態
標簽： 無線傳感器
上傳時間： 2022-03-17
上傳用戶：
第一章 機器學習革命學習算法入門為何商業擁護機器學習給科學方法增壓10億個比爾·克林頓學習算法與國家安全我們將走向何方第二章 終極算法來自神經科學的論證來自進化論的論證來自物理學的論證來自統計學的論證來自計算機科學的論證機器學習算法與知識工程師天鵝咬了機器人終極算法是狐貍，還是刺猬我們正面臨什么危機新的萬有理論未達標準的終極算法候選項機器學習的五大學派第三章 符號學派：休謨的歸納問題特別說明：僅作為愛好者學習使用（請勿商用）！本文檔由人工智能吧（QQ群 565128329）整理提供并更多學習分享，若覺得不錯請購買印刷版書籍。約不約“天下沒有免費的午餐”定理對知識泵進行預設如何征服世界在無知與幻覺之間你能信任的準確度歸納是逆向的演繹掌握治愈癌癥的方法20問游戲符號學派第四章 聯結學派：大腦如何學習感知器的興盛與衰亡物理學家用玻璃制作大腦世界上最重要的曲線攀登超空間里的高峰感知器的復仇一個完整的細胞模型大腦的更深處第五章 進化學派：自然的學習算法達爾文的算法探索：利用困境程序的適者生存法則性有何用先天與后天誰學得最快，誰就會贏第六章 貝葉斯學派：在貝葉斯教堂里統治世界的定理所有模型都是錯的，但有些卻有用從《尤金·奧涅金》到Siri所有東西都有關聯，但不是直接關聯推理問題掌握貝葉斯學派的方法馬爾可夫權衡證據邏輯與概率：一對不幸的組合第七章 類推學派：像什么就是什么完美另一半維數災難空中蛇災爬上梯子起床啦第八章 無師自通物以類聚，人以群分發現數據的形狀擁護享樂主義的機器人熟能生巧學會關聯第九章 解開迷惑萬里挑一終極算法之城馬爾科夫邏輯網絡從休謨到你的家用機器人行星尺度機器學習醫生馬上來看你第十章 建立在機器學習之上的世界性、謊言和機器學習數碼鏡子充滿模型的社會分享與否？方式、地點如何？神經網絡搶了我的工作戰爭不屬于人類谷歌＋終極算法=天網？進化的第二部分
上傳時間： 2022-05-07
上傳用戶：
PID溫度控制器作為一種重要的控制設備,在化工、食品等諸多工業生產過程中得到了廣泛的應用.但是,一般的PID溫度控制器,必須由工程人員根據經驗,手動調節PID參數.這對于需要經常對PID參數進行調整的用戶十分不方便,限制了控制器的應用.本課題的研究目的在于設計出一種能夠自動整定PID參數、且控制精度高的PID溫度控制器,以滿足工業生產中對高性能溫度控制器的需求.同時,本溫度控制器要能夠與PLC(可編程邏輯控制器)配合使用,由PLC來控制本控制器的工作.本文通過理論分析和編程仿真,設計出一種控制性能優良的PID參數自整定控制算法,并開發了控制器的硬件電路及控制程序.本文的研究內容主要包括以下幾個方面:(1)采用理論分析與公式推導的方法,設計出了基于階躍辨識、基于繼電辨識和基于Fuzzy推理的三種切實可行的PID參數自整定方法.采用Matlab對這三種PID參數自整定方法進行了建模與仿真,選擇了綜合性能最好的一種方法應用于本溫度控制器中,滿足了產品的控制指標要求.(2)通過設計基于單片機的控制電路,實現了本系統的控制功能.(3)通過設計基于CPLD的通訊電路和通訊協議,實現了本溫度控制器與PLC的通訊功能.(4)通過設計數據結構和算法,使溫度控制器控制軟件具有較高的運行效率.本文中通過理論分析與建模仿真設計出了PID參數自整定算法,為以后更高性能的此類算法的開發提供了一條可行的途徑;溫度控制器電路的設計和控制程序的開發,對其它同類產品的開發具有一定的參考價值.
上傳時間： 2022-05-23
上傳用戶：得之我幸78
