[机器学习] 结合量子粒子群算法的光伏多峰最大功率点跟踪改进方法

说明： 光伏阵列在局部阴影时的 Ｐ－ Ｕ 曲线呈现多峰特性， 需要设计光伏多峰最大功率点跟踪方 法， 以实现光伏发电最大功率输出， 提高光伏发电效率。相比粒子群优化算法， 量子粒子群优化算 法具有收敛速度更快和全局收敛性等优势。提出了一种基于量子粒子群优化算法的光伏多峰最大 功率点跟踪改进方法。该方法采用量子粒子群优化算法实现最大功率点的全局搜索； 根据光伏阵 列在局部阴影时Ｐ－ Ｕ 曲线上功率极值点的分布特点初始化种群中的粒子总数及其电压； 并根据量 子粒子群优化算法收敛时粒子自身最优位置的特点，
<lc1991224> 上传 | 大小：780kb

[机器学习] 基于改进的量子粒子群 优化小波神经网络的网络流量预测

说明： 为了改善小波神经网络( WNN) 进行流量预测的性能及避免量子粒子群算法( QPSO) 搜索后期的早熟 收敛缺陷，提出了一种改进的 QPSO。该算法定义粒子群聚拢度，改进收缩—扩张系数使其表示为聚拢度的函数 并服从随机分布，以使粒子群具有动态自适应性，避免陷入局部最优， 并通过搜索使用 WNN 待优化参数编码位 置向量的粒子群的全局最优位置来实现目标参数的优化，使用本算法优化 WNN 参数， 建立了基于改进的 QPSO 优化 WNN 的网络流量预测模型。使用真实网络流量通过两组对比实验对其预测
<lc1991224> 上传 | 大小：335kb

[机器学习] 改进量子粒子群算法的模糊神经网络水质评价

说明： 传统的粒子群算法训练神经网络的水质评价模型有学习速度慢， 容易陷入局部最优和精确性不高的缺点。 为了克服模型的缺点， 提出了利用改进的自适应量子粒子群算法训练 T-S模糊神经网络的新模型， 新的自适应量子 粒子群算法通过在算法中引入聚集度的概念， 使得算法可以在迭代中自适应地调整收缩扩张系数， 让算法更具动态 自适应性。新的模型结合了量子粒子群算法和 T-S模糊神经网络的优点， 提高了模型的泛化能力。通过对东江湖流 域站点 2002到 2013年的水文数据进行实验， 结果显示， 该模型比其他神
<lc1991224> 上传 | 大小：1mb

[机器学习] 基于小波包变换及 RBF 神经网络的 继电器寿命预测

说明： 继电器的性能参数时序值为非平稳时间序列，为了对其工作寿命进行准确预测，本文 对小波包变换原理进行了改进，利用改进的小波包变换将具有非平稳特征的继电器超程时间径流 序列进行分解，使其平稳项和随机项分离，对平稳项采用传统的 AR 模型进行预测，对于随机项 则建立基于相空间重构的 RBF（径向基函数）神经网络预测模型进行预测，最后通过小波包重构 方法对两种模型预测结果进行重构，实现对原始非平稳径流序列的预测。该方法通过实例验证具 有较高的精度，是一种可行的方法
<lc1991224> 上传 | 大小：342kb

[机器学习] 基于改进ＰＳＯ 优化 ＲＢＦ神经网络的 温室温度预测研究

说明： 论文以温室内外的气象数据为输入量， 以温室内温湿度等气象因子为输出量， 使用改进 ＰＳＯ 算法优化的 ＲＢＦ 神经网络构建温室内环境温湿度的预测模型。通过实验对预测模型进行仿真测试与性能评估， 验证该方法的可行性和有效 性。该模型数据获取方便、 所需参数少、 模拟精度高， 为温室内极端温度的预测、 调控和管理优化提供了科学依据
<lc1991224> 上传 | 大小：1mb

[机器学习] 基于 PSO 优化 RBF 神经网络的溶解氧预测算法研究

说明： 溶解氧浓度是渔业养殖水质安全的重要指标， 也是影响养殖水产品健康的关键因 素，对其进行实时监测和预测具有重要意义。 溶解氧受环境中pH值等参数影响，针对溶解 氧的变化情况该文采用MI_PSO_RBF（互信息_粒子群_RBF神经网络）算法对渔业养殖环 境溶解氧含量进行预测，首先采用互信息理论MI降低两个随机变量统计的相关性；然后采 用径向基函数RBF神经网络算法对渔业养殖水环境中溶解氧变化趋势进行预测；最后采用 粒子群算法PSO对RBF神经网络的模型参数进行优化，并利用该模型对渔业养殖溶解氧变
<lc1991224> 上传 | 大小：390kb

[机器学习] 基于ＰＦ－ＲＢＦ神经网络的短期风电功率预测

说明： 为了提高风电功率的预测精度， 研究了一种基于粒子滤波（ Ｐ Ｆ） 与径向基函数（ ＲＢＦ） 神经网络相结合的风电功率预测方法。使用 Ｐ Ｆ算法对历史风速数据进行滤波处理， 将处理后的风 速数据结合风向、 温度的历史数据， 归一化后构成风电功率预测模型的新的输入数据； 利用处理后 的新的输入数据和输出数据， 建立 Ｐ Ｆ－ＲＢＦ神经网络预测模型， 预测风电场的输出功率。仿真结果 表明， 使用该预测模型进行风电功率预测， 预测精度有一定的提高， 连续１ ２０ｈ功率预测的平均绝对 百分误差达到８．０
<lc1991224> 上传 | 大小：327kb

[机器学习] 基于 PCA-ＲBF 网络的学生写作成绩预测模型

说明： 为进一步提高学生英语写作成绩预测准确率，提出一种基于主成分分析( PCA) 和径向基函数( ＲBF) 神经网络相结 合的写作成绩预测模型。先用主成分分析对所建立的学生写作评价体系作数据降维处理， 提取前 5 个主成分， 再将这些 主成分作为 ＲBF 神经网络的输入，构建 3 层 ＲBF 神经网络预测模型。实验结果表明，与单一的 ＲBF 神经网络和 BP 神经 网络相比，PCA-ＲBF 预测模型的结构简单，收敛速度快，预测准确率高，泛化能力强，验证了本文提出模型的有效性
<lc1991224> 上传 | 大小：558kb

[机器学习] 基于 GM-RBF 神经网络的光伏发电功率预测

说明： 为了提高光伏发电功率预测的精度，本文在结合灰色预测算法（GM）与神经络预测算法优点的基础上，提出一 种基于灰色径向基函数（Radical Basis Function， RBF）和神经网络光伏发电功率预测模型。 该预测模型综合了灰色预 测算法所需历史数据少以及 RBF 神经网络预测算法自学习能力强的优点。 最后，运用南昌地区夏季和冬季晴天、阴 天、雨天光伏发电历史数据在 MATLAB 应用平台编程实现对 GM-RBF 神经网络预测模型的预测精度进行验证，得出 基于 GM-RBF 神经网络光伏发
<lc1991224> 上传 | 大小：838kb

[机器学习] 基于 ＧＧＡＰ－ＲＢＦ神经网络的多参数纯电动客车蓄电池荷电状态预测

说明： 为了准确预测纯电动客车蓄电池的荷电状态（ ＳＯＣ）， 提出了基于广义生长剪枝径向基函数 （ ＧＧＡＰ－ＲＢＦ） 神经网络的多参数纯电动客车蓄电池 ＳＯＣ 预测模型。首先以蓄电池端电压、 放电 电流、 环境温度和循环次数作为神经网络输入参数建立 ＧＧＡＰ－ＲＢＦ 神经网络蓄电池 ＳＯＣ 预测模 型， 然后以不同放电倍率、 环境温度和循环次数的蓄电池放电试验数据作为样本对模型进行训练， 并建立了蓄电池仿真模型和纯电动客车整车仿真模型， 最后进行了城市道路循环行驶工况（ ＵＤＤＳ 工况） 下单体蓄电
<lc1991224> 上传 | 大小：1mb

[机器学习] Machine Learners Archaeology of a Data Practice pdf

说明： If machine learning transforms the nature of knowledge, does it also transform the practice of critical thought? Machine learning?programming computers to learn from data?has spread across scientific disciplines, media, entertainment, and government
<sinat_41581062> 上传 | 大小：3mb

[机器学习] Machine Learning and Security: Protecting Systems with Data and Algorithms pdf

说明： Can machine learning techniques solve our computer security problems and finally put an end to the cat-and-mouse game between attackers and defenders? Or is this hope merely hype? Now you can dive into the science and answer this question for yourse
<sinat_41581062> 上传 | 大小：6mb