【摘 要】
：
针对人口与经济系统提出自适应耦合协调度与 自适应协调区间,借助RBF网络学习算法实现了银川和石嘴山两市的人口与经济系统协调发展的预警策略与影响因素分析.首先,通过引入自适应耦合协调度与自适应协调区间,形成人口与经济系统发展关系的预警策略;其次,结合影响人口与经济系统的二级因子、自适应协调度,利用三层网络学习模型,得到影响人口与经济系统耦合协调发展的关键因子并予以分析,在此基础上,对关键因子加以干预和控制;最后,将本文所得方法和结论用于银川、石嘴山两市人口与经济系统的耦合协调分析,验证了本文模型与算法的实用
【机 构】
：
北方民族大学数学与信息科学学院,银川,750021;北方民族大学经济学院,银川,750021
论文部分内容阅读
针对人口与经济系统提出自适应耦合协调度与 自适应协调区间,借助RBF网络学习算法实现了银川和石嘴山两市的人口与经济系统协调发展的预警策略与影响因素分析.首先,通过引入自适应耦合协调度与自适应协调区间,形成人口与经济系统发展关系的预警策略;其次,结合影响人口与经济系统的二级因子、自适应协调度,利用三层网络学习模型,得到影响人口与经济系统耦合协调发展的关键因子并予以分析,在此基础上,对关键因子加以干预和控制;最后,将本文所得方法和结论用于银川、石嘴山两市人口与经济系统的耦合协调分析,验证了本文模型与算法的实用性和有效性.
其他文献
基于观测器的离散马氏跳变系统(D-MJSs)是随机的,但系统待估计的故障是确定性信号,因此很难直接研究该系统的故障估计问题.针对该问题,本文提出一种构造辅助系统方法,通过对随机变量取期望来构造确定性的中间变量,进而建立的中间估计器可以同时估计系统状态和故障.此外,基于一种新的放缩手段,进一步考虑转移概率矩阵(TPM)不确定的情况.所有条件均以线性矩阵不等式(LMIs)给出,并保证状态误差是输入状态稳定的.数值仿真算例验证了所提方法的有效性和优越性.
针对现实应用场景中短时语音和混叠有噪声情况下声纹识别准确性低的问题,本文设计了一种改进的基于深度学习的声纹识别算法,提高了声纹识别模型在短时语音和带噪环境下的鲁棒性,并将该模型部署到了嵌入式设备中.本文主要对声纹识别算法的编码层和损失函数进行改进.对于编码层,本文使用了基于差分编码的NeXtVLAD技术,同时对帧级特征中的静态声纹特征和动态声纹特征进行建模.对于损失函数,本文将基于小样本学习框架的余弦-原型损失函数cosine-Prototypical与附加间隔分类损失函数AM-Softmax进行融合来训
本文研究了 一类随机分布参数切换系统的输入输出有限时间稳定问题.首先,给出了系统在均方意义下输入输出有限时间稳定的概念.其次,通过利用分片Lyapunov-Krasovskii函数、平均驻留时间及线性矩阵不等式等工具,建立了随机分布参数切换系统输入输出有限时间稳定的充分条件;设计一个状态反馈控制器确保相应的闭环系统输入输出有限时间稳定,并以严格的数学推导加以证明.最后,通过两个仿真例子验证了所得结果的有效性.
本文研究了在静态事件触发条件下的时变时滞随机广义Markov跳变系统的镇定性问题.通过构造Lyapunov-Kra-sovskii泛函,利用Jensen不等式以及自由权矩阵技术,提出了系统在静态事件触发条件下的随机容许性条件;在此基础上,设计状态反馈控制器使得相应的闭环系统满足正则、无脉冲且均方意义下随机容许.最后,通过数值算例验证了本文所提方法的正确性和有效性.
针对随机线性离散时间系统,利用Q学习算法求解无限时域的随机线性二次最优追踪控制(SLQT)问题.首先,假设通过命令生成器生成追踪所需的参考信号,并建立一个由原随机系统和参考轨迹系统组成的增广系统,把最优追踪问题转化为最优调节问题的形式.其次,为了在线求解随机系统的最优追踪问题,将随机系统转为确定性系统,并根据增广系统定义随机线性二次最优追踪控制的Q函数,在无需知道系统模型参数的情况下在线求解增广随机代数方程(GSAE).再次,证明了 Q学习算法和增广随机代数方程的等价性,给出了 Q学习算法实现步骤.最后,
时间序列流量的预测问题是近年来机器学习的一个热点问题,通过改变长短期记忆网络(LSTM)层数、网络层神经元的个数、网络层之间的连接方式,特殊网络层的应用等网络结构以及优化器和损失函数的选择可以极大地提高预测的精度.本文提出多层LSTM算法,该算法是在传统LSTM算法上进行改进的单一模型,模型设计的复杂度低,可以提高机器学习的效率.模型采用一个输入层、5个隐藏层、1个输出层,同时包含1个全连接层和1个Dropout层,Dropout层的作用是防止机器学习过拟合.选择adam为模型优化器、mlse为模型损失函
在深度强化学习中,深度Q网络算法存在严重高估动作值问题,使得智能体的表现不尽人意.尽管深度双Q网络和竞争网络结构可以部分缓解高估带来的影响,但引入双Q网络的同时,有时也会低估动作值.本文提出了一种基于权重值的竞争深度双Q网络算法(Weighted Dueling Double Deep Q-Net-work,WD3QN),把改进的双估计器及竞争网络结构结合至深度Q网络中,将学习到的可能动作值进行加权产生最终动作值,有效减少估计误差.最后,将算法应用于Open AI Gym平台上的CartPole经典控制问
针对架空输电线路弧垂在计算过程中易受测量数据(温度、风速、档距等参数)影响的问题,提出了基于数据预处理的PSO-BP神经网络弧垂预测模型.对收集数据中部分样本缺失的情况,使用合成少数过采样技术(SMOTE)对不平衡样本进行合成;构建PSO-BP神经网络用于弧垂预测,使用不同工况条件的数据训练网络,实现弧垂预测的目的,并将网络的性能与传统的BP神经网络性能进行对比.实验结果表明,与传统BP神经网络模型相比,本文提出的模型进行弧垂值预测后所得的误差绝对值显著降低.本文提出的模型可以加快训练速度、提高预测精度.
针对一类有限时间内重复运行的非线性非仿射离散时间系统,本文提出了一种基于遗忘因子的数据驱动最优迭代学习控制方法.首先,引入一种迭代动态线性化方法,将被控非线性系统等效化为线性输入输出增量形式;其次,分析了最优迭代学习控制方法中存在的问题,并针对由历史信息的累积效应所导致的控制输入不能及时响应的问题,设计自适应遗忘因子使算法具有更好的可控性和灵活性.所提出的控制方法是数据驱动的控制方法,设计和分析过程仅依赖于系统的输入输出数据,不包含任何显式模型信息.最后,通过仿真验证了该方法的有效性.
基于企业社会责任的现实背景,首先研究集中式供应链中考虑企业社会责任的情形,然后研究零售商承担企业社会责任下的分散式情形和收益共享契约情形的最优决策.研究结果表明:集中式情形下供应链的最优利润关于企业社会责任关注水平递减.在分散式情形下,零售商的最优利润关于企业社会责任关注水平递减,而制造商的最优利润关于企业社会责任关注水平递增.在收益共享契约情形时,当收益共享系数相对较小或较大时,零售商的最优利润关于企业社会责任关注水平递增,而当收益共享系数在中间的给定区间时,零售商的最优利润关于企业社会责任关注水平递减