针对常规径向基函数神经网络(radial basis function neural network,RBFNN)的逼近性能对网络结构和初始参数依赖性强的问题,采用最小资源分配网络进行改进,并与单神经元PID控制相结合,提出了一种基于最小资源分配网络的自适应PID控制...针对常规径向基函数神经网络(radial basis function neural network,RBFNN)的逼近性能对网络结构和初始参数依赖性强的问题,采用最小资源分配网络进行改进,并与单神经元PID控制相结合,提出了一种基于最小资源分配网络的自适应PID控制方法。该方法利用最小资源分配网络动态构建RBFNN,实现RBFNN结构和参数的在线优化,并用该RBFNN辨识对象的离散模型,然后由单神经元PID控制器完成PID参数的自适应整定。仿真结果表明,该方法中PID参数能够很好地适应系统输入信号的变化,对非线性系统控制效果较为理想。展开更多
为了在不损坏对已有流服务的前提下,决定是否允许新流进入,同时兼顾实际情况,当网络不能保证任意负载时,产生有效的"忙信号",从基于参数和基于测量两方面,对网络资源分配中接纳控制技术的各种算法进行了定量和定性分析及比对...为了在不损坏对已有流服务的前提下,决定是否允许新流进入,同时兼顾实际情况,当网络不能保证任意负载时,产生有效的"忙信号",从基于参数和基于测量两方面,对网络资源分配中接纳控制技术的各种算法进行了定量和定性分析及比对。在此基础上,提出了多算法混合使用的综合解决方案。研究结果表明,接纳控制技术对提高网络QoS(Quality of Service)、增大网络利用率和解决及时响应等问题提供了理论依据,为研究第二代互联网更加复杂的资源分配方案奠定了理论基础。展开更多
文摘针对常规径向基函数神经网络(radial basis function neural network,RBFNN)的逼近性能对网络结构和初始参数依赖性强的问题,采用最小资源分配网络进行改进,并与单神经元PID控制相结合,提出了一种基于最小资源分配网络的自适应PID控制方法。该方法利用最小资源分配网络动态构建RBFNN,实现RBFNN结构和参数的在线优化,并用该RBFNN辨识对象的离散模型,然后由单神经元PID控制器完成PID参数的自适应整定。仿真结果表明,该方法中PID参数能够很好地适应系统输入信号的变化,对非线性系统控制效果较为理想。
文摘为了在不损坏对已有流服务的前提下,决定是否允许新流进入,同时兼顾实际情况,当网络不能保证任意负载时,产生有效的"忙信号",从基于参数和基于测量两方面,对网络资源分配中接纳控制技术的各种算法进行了定量和定性分析及比对。在此基础上,提出了多算法混合使用的综合解决方案。研究结果表明,接纳控制技术对提高网络QoS(Quality of Service)、增大网络利用率和解决及时响应等问题提供了理论依据,为研究第二代互联网更加复杂的资源分配方案奠定了理论基础。
