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: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:随着人工智能应用领域不断拓展,对经济社会的影响也伴随而来。人工智能与互联网等科技既有相同也有不同,其难以预测、难以解释的特点可能引发较大的社会治理问题,需要提前订立规则,尤其是在产品界定和准入、算法歧视、产品责任、隐私保护等方面。目前,各国均高度重视人工智能治理问题的重要性,不仅纷纷出台国家战略和报告,还在自动驾驶、智能投顾等领域加快了治理规则的探索。我国也于2017年7月发布了《新一代人工智能发展规划》,特别指出了人工智能技术的发展对法律、伦理、隐私、国际规则等方面的影响,提出了重点任务和3个阶段的发展目标。关于人工智能的治理,笔者建议监管者、企业和用户应保持头脑冷静,聚焦真正由人工智能技术带来的治理问题,根据技术发展阶段和路线确定治理思路,加强对经济社会影响的评估,解决当前发展面临最为急迫的障碍,同步考虑未来可能出现的前瞻性问题。