小型金融管理系统的开发与设计外文翻译资料

编辑

基于数据的控制，优化，建模与应用

Dongbin Zhao bull; Yi Shen bull; Zhanshan Wang bull;

Xiaolin Hu

网上发表：二零一三年一月四日

施普林格出版社伦敦2013

我们基于神经网络的第九次国际研讨会（ISNN 2012）2012年7月11日–14日在中国沈阳举行的贡献，荣幸地组织这个特殊的神经问题计算和应用会议。通过ISNN 2012组织者的评价，22篇论文入选，对于其扩展形式进行进一步审查。每篇论文已由三位独立专家在相关研究领域进行了全面检查。我们非常感谢评论家的辛勤工作，这有助于极大地促进这个特殊问题的结果得到改进。最后，20篇论文被接受，下面将具体介绍。

总之，这个特殊问题的贡献可以大致分为三大类：基于数据控制、基于数据的优化和基于数据的建模。在每一类中，不仅是理论基础分析，也有一些前瞻性的应用论证. 在这篇介绍中，我们想借用一些思想的贡献，如等级，和集群作为辅助的范畴理念。

第一类由6篇论文组成基于数据的控制和应用领域，其中最优或接近最优的控制可以直接来自输入输出数据。前4篇论文关注热点研究方向：自适应动态规划强化学习（adprl），而剩下的2篇论文涉及迭代学习控制和优化控制。

柳德容等人开发了基于连续时间最优控制的策略迭代的非线性无穷界系统的在线算法。在该方法中，采用贴现值函数，这是被认为是一个更普遍的情况下的最优控制问题。同时，没有内部系统动力学的知识，该算法可以在线一致收敛到修改后的汉弥尔顿的最优解-雅可比-贝尔曼方程。通过两个神经网络，该算法能够找到合适的近似最优控制和最优成本。双重迭代自适应动态规划的一类时滞离散非线性系统是由青莱伟等人的研究。双迭代ADP算法，得到最佳的解决方案的最佳性能指标函数和控制，在每次迭代中，性能指标函数和系统状态都更新。收敛性分析，以证明性能指标函数达到要求。

D. Zhao（amp;）国家重点实验室的管理和复杂控制系统，

中国科学院自动化研究所，

北京100190，中国

电子邮件：yishen64@163.com

Y. Shen

对于图像处理与智能控制教育部重点实验室，华中科技大学控制科学与工程系，

武汉430074，中国

电子邮件：yishen64@163.com

Z.Wang

信息科学与工程学院，

东北大学，沈阳110004，中国

电子邮件：zhanshan_wang@163.com

X. Hu

智能技术与系统国家重点实验室，

清华大学信息科学与技术国家重点实验室

计算机科学与技术系，

清华大学，北京100084，中国

电子邮件：xlhu@tsinghua.edu.cn

123

神经计算与应用(2013) 23:1839–1842

以上所提出的方法，其中神经网络用于近似的性能指标函数和计算最优控制策略，分别为最佳。

由Tian Lan和Junjie Hu等人研究了电动汽车的充电时间在电力市场环境下的最优控制问题。由于每小时电力价格不同，在市场上，充电成本对于电动汽车在充电时间间隔的选择上一般不同。这个问题被配制成一个最优控制问题，然后提出了一种动态规划方法来解决每个车辆的最佳充电解决方案。智能充电，电动汽车充电期间的最低电价期间，这也是非高峰时间。它自然降低电网过载的高峰负荷小时的可能性。

Lei Zuo and Xin Xu等人提出了一种新的分层强化学习方法，用于轮式移动机器人的最优路径跟踪。在所提出的方法中，基于分层图的拉普拉斯近似策略迭代（ghapi）算法，其基础功能自动构造图Laplacian算子。在GHAPI，一个马尔可夫状态空间划分为几个子空间和在每个子空间上进行近似策略迭代。然后，在跟踪控制策略最优路径可以通过ghapi结合比例微分（PD）得到控制。采用轮式移动机器人P3-AT评估所提出的方法的性能。结果表明，基于PD的控制可以获得更好的近似最优控制政策比以前的方法。

迭代学习控制旨在提高重复任务系统的跟踪性能。几十年来，许多自适应迭代学习控制算法已经研制成功。然而，系统的收敛性和稳定性没有得到圆满解决。在本文中，Xiong xiong He等人针对不确定机器人系统，提出了一种基于边界层的自适应迭代学习控制算法。

滑模变采用结构控制提高扰动和扰动的鲁棒性，采用边界层消除滑模控制的抖振。在迭代域中，未知参数被调谐。利用Lyapunov方法分析了该算法的稳定性和收敛性。

聚合物复合材料在汽车、航空、建筑等行业得到了广泛的应用。他们的生产涉及热固性固化，主要受复杂的动态控制。试验和误差一直是唯一可行的优化方法来改善工艺操作。Kazim Junior Mohammed和Jie Zhang提出的反应性聚合物复合材料的成型工艺采用蚁群优化和引导优化控制研究聚集的神经网络。神经网络被部署到模型反应性聚合物复合成型工艺，而蚁群优化是用来找到最佳的固化温度分布。同时还发现，将模型预测置信区间的优化，可以提高计算出的最优控制策略的可靠性。

另外七个文件是第二类上市，数据库优化及应用。它可以进一步分为两个子类：多智能体合作优化，聚类或分类优化。对于特定的应用程序，它们配制成的优化问题，并解决了新的计算智能算法。

Marco Severini，Stefano Squartini，Francesco Piazza解决问题的任务在位于传感器节点的能量收集源动力的处理器调度。为了实现更高效，更保守的能源资源管理的目的，提出了一种新的改进懒惰调度算法，以减少传统的LSA计算复杂度和最大化的能量可用的任务执行。该方法可以预测发生的任务能量挨饿，允许获得更保守和有效的能源管理相对于原来的LSA。

Quande Yuan和Yi Guan等人。研究多机器人任务分配问题使用合同网协议（CNP）与神经网络。CNP是谈判模型，可以通过分配任务，利用市场机制解决资源冲突的机器人。在CNP的方法，一个决策函数是常用的。然而，它是很难找到一个功能来评估机器人出价时，每个机器人提供了一个以上的出价，以反映其不同的能力。为了克服建立决策函数来评估机器人投标人价格的困难，采用改进的BP神经网络对这些价格进行融合，确定哪个机器人是中标者。实验结果表明，所提出的方法的有效性。

海蓉东等人。调查控制多个移动代理，以保持所需的几何形状的约束环境中的问题。已被认为是在一个给定的约束环境中设计一个基于模糊逻辑控制器的大小和初始速度的多个移动代理的形成控制的效果。通过设计基于模糊逻辑的编队控制律，整个组移动到给定的约束环境作为所需的形状。所有的代理速度渐近接近的领导者的速度值，并在环境边界避免冲突。数值仿真结果表明，所提出的控制器的有效性。

以下4篇论文属于基于数据优化的聚类或分类子类。Thiago H. Cupertino,

Thiago C. Silva, 和 Liang Zhao所研究的是多个观察组通过网络模块化分类问题。提出了一种新的基于网络的多观测集分类方法，该方法利用输入数据的网络表示，利用低维流形之间的拓扑关系。称为模块化的测量数值计算所构建的网络的拓扑特性。仿真结果表明，该方法在手写数字数据库和多视图对象集合中表现良好。

Sanqing Hu, Yu Cao和Qiangqiang Tian的研究采用联合回归模型和分类EEG数据的功率谱在运动图像是运动图像的分类问题。首先，介绍了特定频带的时域特征和频域特征，然后将两个特征组合为一个向量，使得多分类器可以进行分类。从CP3、CP4或C3、C4的标准10 / 20系统电极位置得到的脑电数据集。该算法对数据集从BCI2003 III和对测试数据的80%个学科的90%个训练数据的分类精度。结果优于采用自回归模型。基于部件的模型在静止图像中由于其灵活性和鲁棒性建模对象的相对位置的人的检测越来越流这是很难解决错位的样品，这往往是在实际应用中的情况下。Jefferson Shen, Wankou Yang和Changyin Sun提出了一个hog-cslbp可变粒度特征，结合人体形状信息和局部纹理信息编码在不同粒度空间的关系。新的功能利用的互补性的梯度直方图（HOG）和中心对称局部二值模式（cslbp）特征。然后，提出了一种温柔MILBoost算法，它利用牛顿更新技术得到一个最优弱分类器。这种方法被证明是有效的和数值稳定的。

循环流化床锅炉是一个复杂的控制对象，传统的控制方法无法取得良好的控制效果，成为其推广应用的瓶颈之一。Niu Peifeng和Ma Yunfei等人提出了一种基于动态特性分析的循环流化床锅炉燃烧控制的群集控制方法。这种方法是基于信息融合技术的混合神经网络算法。该方法可以融合和分类的所有传感器采样的数据，并实现相应的控制，通过判断不同的数据的相应的策略空间。在最后一类的论文在于数据为基础的建模领域，利用输入和输出数据，通过几种计算智能方法，针对不同的应用问题。这里没有提供辅助类别，但是，纸张索引的计算智能方法：神经网络，模糊逻辑系统，进化计算算法。周期时滞递归神经网络的多稳态忆阻器问题由Gang Bao和Zhigang Zeng讨论。根据忆阻器的这一特性，用忆阻器RNN的系数是关于时间的周期函数，这种模型可以用来描述一个周期性变化的环境下的生物系统的进化过程。通过状态空间划分和压缩映射一个充分条件定理，得到了多周期性和位于饱和区的周期轨道的局部指数稳定的极限环。径向基函数（RBF）神经网络广泛应用于各种应用场合。不同的参数优化，确定适当的结构RBF神经网络仍然是一个开放的问题。周泉，宋世纪和吴成提出了一种有效的方法结构紧凑的RBF神经网络，命名为核lars-lasso。是有该算法同时进行模型结构和参数优化，以提高网络的泛化性能比以前的approaches.hong-jie兴和辛美望提出了一个正则相关熵判据（RCC）极端学习机（ELM）处理组的噪声或离群的训练，其中高斯核函数来代替欧氏范数的均方误差准则。该算法同时进行模型结构和参数优化，以提高网络的泛化性能比以前的方法。Hong-Jie Xing和Xin-Mei Wang提出了一个正则相关熵判据（RCC）极端学习机（ELM）处理组的噪声或离群的训练，其中高斯核函数来代替欧氏范数的均方误差准则。

该方法使elm-rcc更强大比榆树的噪音。为了进一步提高elm-rcc泛化能力，定期—正则化项添加到目标函数。的意思—同时，所提出的方法的相关命题，算法实现和计算复杂性还提供了对elm-rcc。此外，最佳权重连接隐藏和输出层一起与最佳偏置条款可以迅速获得具有迭代的半二次优化技术的方式。

二型模糊逻辑可以处理高水平的不确定性，无法用经典的模糊逻辑处理（模糊逻辑）。当结合神经网络，称为针对其能力，可以大大提高在复杂系统建模。然而，在许多系统中，确切的物理结构知识是缺乏的，我们只知道是一些定性知识。一个特别的，但常见的定性知识是输入和输出之间的单调性。Chengdong Li,和Jianqiang Yi等人得到了一些充分条件对t2fnns参数以确保输入和输出之间的单调性。本文提出了一种优化的t2fnns参数对热舒适指标预测验证。实验表明利用单调的针对其他的方法。收集在无线传感器网络中的整体传感器测量往往是困难的，由于严格的约束网络资源，频繁的链接，在传感器读数的不确定的变化，和节点故障。Xin Song和Cuirong Wang等人提出了一个分布式的基于线性回归的数据收集—

工程结构在集群无线传感器网络。簇头节点在网络中保持线性回归模型，并使用历史的感官数据进行估计的实际监测测量。他们沟通的模型参数与信宿节点的约束。

建议的框架可以实现感官数据的预测和提取的容忍误差界。此外，它可以实现更多的节能比其他计划。Chao Zhou,和Zeng-Guang Hou等人关注一个有趣的问题：如何使机器鱼向后游。在许多情况下，例如，当机器人工作在密闭的间隙，管道和迷宫的空间太窄，它可以返回，游泳落后是重要的。大多数现有的研究关注对称机器鱼的头部和尾部之间，落后的游泳可以通过交换前与后的运动规律，容易实现。但在这项工作中，作者研究了科机器鱼，具有不对称的身体。通过模仿欧洲鳗鲡的自由游泳的方式提出了寻找一种有效的方法，步态向后游泳。

为了提高故障定位的精度、鲁棒性和速度，Qiuye Sun和Chunling Wan等人提出了一种基于粗糙集与遗传算法和禁忌搜索相结合的智能电网故障诊断方法。连续属性和值的约简是粗糙集的主要应用。通过对长春南变电站及其配电网三种故障分类试验，验证了该算法的有效性。

简要介绍了这一特殊问题的20篇论文。再次感谢作者与我们分享他们宝贵的作品。最后，我们将非常感谢神经计算和应用编辑人员的耐心和宝贵的支持！

摘要

在经济的其他部分，抵押贷款行业已经遇到了同样的数据泄露。现在，监管机构、业务合作伙伴和客户面临着保护客户记录的压力。一种解决方案是根据一些安全专家的方法加密数据，在运输和休息。网络钓鱼仍然是最普遍的问题，抵押贷款和金融服务提供商，根据Art Tyszka，威科金融服务高级产品经理所说， 网络钓鱼中抵押贷款和金融服务仍然是最普遍的问题。Tyszka说，押贷款银行和金融机构需要确保他们管理风险。一些金融机构使用“道德黑客”服务，尝试不同的方案，以妥协的安全，以确定漏洞。

正文

在经济的其他部分，抵押贷款行业已经遇到了同样的数据泄露，这主要是由于丢失的磁带和失踪和被盗的计算机，而不全是彻底的黑客进入数据系统所导致的。<!--

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[141273]，资料为PDF文档或Word文档，PDF文档可免费转换为Word