简介:古人云“以史为鉴”,说的是吸取历史的经验教训,对未来的情况做出预判或者改变。生活中,亦是存在相似的利用历史数据对未来变化趋势进行预测分析的时间序列问题。本文就时间序列一类的问题进行研究,探讨如何更好地根据历史统计数据,对未来的变化趋势进行预测分析。本文基于神经网络,以气象观测历史数据作为研究的对象,建立了气温变化时序预测模型。本模型利用大数据相关技术对数据进行特征处理,通过深度神经网络,学习特征数据和标签数据之间复杂的非线性关系,从而实现对气温变化的趋势预测。实验结果表明,相较其他模型,本文的模型能够更好地进行时序预测,同时也证明了神经网络用于气象预测的可行性。
简介:针对网络态势感知中的预测精度问题,提出了基于广义径向基函数(RBF)神经网络的网络安全态势预测方法。该方法利用K-means聚类算法确定RBF的数据中心和扩展函数,并采用最小均方算法调整权值,得出态势值前后之间的非线性映射关系,并进行态势预测。仿真试验表明,该方法能较准确获得态势预测结果,提高网络安全的主动安全防护。
简介:永磁同步电动机(PMSM)是一个多变量、非线性、强耦合的复杂系统,其伺服系统的控制策略直接影响PMSM的性能指标。文章给出了PMSM在d-q坐标系下的数学模型,分析了空间矢量脉宽调制(SVPWM)的基本原理,针对传统的复杂SVPWM算法,分析了一种基于Kohonen神经网络的SVPWM算法。该算法计算简单,避免了大量的三角函数和求根运算,从而可节省处理器的计算时间。采用的控制方式,在Matlab/Simulink环境下建立PMSM伺服系统三闭环控制仿真模型,仿真结果验证了算法的有效性。
简介:随着控制理论和通信技术的发展,网络化控制系统受到越来越多的关注。时滞采用传统的PID控制已不能获得满意的控制效果,并且网路引入控制系统,使得系统存在时延、数据包的丢失等问题。这些问题严重影响系统的性能。为了改善系统的控制性能,提出了基于单神经元的PID网络化控制系统模型。系统控制器结合了神经网络、PID、Smith预估控制器的优点,并且具有较好的动态性能,与常规的PID控制器相比,过渡过程小,超调量小,输出平稳,并且对信号和时延的变化具有较好的学习能力和自适应能力。
简介:摘要计算机网络技术已经融入到人们的日常生活中,人们对计算机技术也十分依赖。现在,计算机技术更加精进,除了有快速计算、处理数据的能力,在未来必然能代替人力完成任务,解放人的双手,所以,人工智能技术成为全球都非常关注的热点,人工智能是计算机学科的组成部分,两者相互贯通、相互交融,两者结合也有产生良好结果。如今,大数据时代已经到来,我国亟待更新技术,赶上全球科技的发展脚步,所以,将人工智能应用于计算机网络技术当中能够使得计算机技术迈上新台阶。本文首先介绍了人工智能的概念和内容,并为计算机网络技术应用人工智能提出了几点建议,希望能够使得我国网络科技技术取得新的突破。