贝叶斯回归支持向量机的软测量建模方法

提出了一种基于贝叶斯证据框架的回归型支持向量机的参数选择和软测量建模方法。证据框架的第1层推理用来解释支持向量机的训练。证据框架的第2和第3层推理用于自动调整正则化参数和核参数并使其接近最优值。然后,将这种基于贝叶斯证据框架的回归型支持向量机用于估计聚丙烯腈生产过程的质量指标。仿真结果表明了该方法的有效性。     

有色噪声干扰下的一种系统辨识方法

把有色噪声干扰的随机系统看作一类广义输出误差模型,辨识的思想是把过程模型和噪声模型分别用两个有限脉冲响应(FIR)模型逼近,进而得到一个特殊的CARMA模型/ARMAX模型。使用增广最小二乘法估计其参数,最后根据模型等价原理确定原系统的参数估计。仿真结果表明．如果近似的FIR模型有较高的阶次,系统辨识精度满足要求。     

基于TBIC信息准则的小波网络结构设计方法

针对框架小波网络存在的网络结构不易确定的问题．提出一种基于TBIC(Testing Bayesian information criterion)信息准则的网络结构设计方法。该方法权衡网络规模和测试精度两方面因素,得到了在TBIC信息准则下的最优小波网络,达到了优化网络结构的目的。仿真结果表明,用该方法设计得到的小波网络具有较小的网络结构和良好的测试精度。相比于BIC(Bayesian information criterion)准则函数,该准则能更准确地反映出测试精度随网络结构变化的趋势。