针对永磁直线同步电机伺服系统,提出开闭环迭代学习控制器,实现期望直线位置的跟踪控制.分析了永磁直线同步电机的2-D模型及迭代学习直线伺服系统的收敛性.通过减小系统输入误差协方差矩阵迹的方式得到优化的遗忘因子,来修正控制输入的迭代学习律,同时采用零相位FIR数字滤波器对前馈学习控制器中的误差信号进行滤波处理.实验结果表明,带有遗忘因子的滤波器型迭代学习控制器能够保证直线伺服系统在不断的迭代学习中提高性能,有效抑制端部推力波动,系统具有很好的学习收敛速度、动态响应及控制精度

针对一类具有空间不均匀性的辨识和回归问题，提出了基于小波分析的极限学习机方法.从多分辨率分析的思想出发，构造一簇紧支撑正交小波作为隐层激活函数，并利用改进的误差最小化极限学习机训练输出层权重，避免了新加入高分辨率子网络后的重新训练.同时，由一维多分辨分析的张量积构造了二维多分辨小波极限学习机.进而通过脊波变换将小波学习机扩展到高维空间，对脊波函数的伸缩、方向和位置参数进行优化计算.对具有奇异性的函数仿真结果证明，与标准极限学习机相比，小波极限学习机由于其聚微性能在极短的训练时间内更好地逼近目标.一些实际基准回归问题上的测试验证了脊波极限学习机在其中大部分问题上达到更高的训练和泛化精度

主要内容：●教育心理学概述 ●教师心理 ●学习与学习理论极 ●联结派学习理论 ●认知派学习理论 ●学习理论的发展和整合 ●学习理论总结篇 ●学习动机 ●学习的移 品德形成 知识的掌握

一、学习的内涵 学习是生活中非常普遍的现象,学习的概念有广义和狭义之分。 (一)广义的学习 心理学中所讲的“学习”概念属于广义的学习,泛指有机体因经验而发生 的行为的变化

第一部分 说明 I如何使用学习指导书 Ⅱ如何利用各种学习资源 一、课程介绍与性质 二、本课程的地位和作用 三、学习目的与要求 四、本课程的学习方法 第二部分 课程学习指导 第一章: 编组站与调车驼峰 第二章 驼峰调车场的基础设备 第三章 驼峰溜放进路控制系统概述 第四章 驼峰溜放速度自动控制 第五章 推峰机车速度控制系统 第六章 驼峰过程控制系统 第七章 驼峰尾部平面调车几种联锁系统 第八章 编组站综合自动化 第三部分 建议自学进度表

统计学习方法即机器学习方法，是计算机及其应用领域的一门重要学科。本书分为监督学习和无监督学习两篇，全面系统地介绍了统计学习的主要方法。包括感知机、k近邻法、朴素贝叶斯法、决策树、逻辑斯谛回归与最大熵模型、支持向量机、提升方法、EM算法、隐马尔可夫模型和条件随机场，以及聚类方法、奇异值分解、主成分分析、潜在语义分析、概率潜在语义分析、马尔可夫链蒙特卡罗法、潜在狄利克雷分配和PageRank算法等

针对单核学习支持向量机无法兼顾学习能力与泛化能力以及多核函数参数寻优问题，提出了一种基于群体智能优化的多核学习支持向量机算法。首先，研究了五种单核函数对支持向量机分类性能的影响，进一步提出具有全局性质的多项式核和局部性质的拉普拉斯核凸组合形式的多核学习支持向量机算法；其次，为增加粒子多样性及快速寻优，将粒子群优化算法引入了遗传算法中的杂交操作，并用此改进的群体智能优化算法对多核学习支持向量机进行参数寻优。最后，分别采用深度特征与手工特征作为识别算法的输入，研究表明采用深度特征优于手工特征。故本文采用深度特征作为多核学习支持向量机的输入，以交叉遗传与粒子群混合智能优化算法作为其寻优方式。实验选取合作医院数据集对所提算法进行训练并初步测试，进一步为了验证所提算法的泛化能力，选取公开数据集LUNA16进行测试。实验结果表明，本文算法易于跳出局部最优解，提升了算法的学习能力与泛化能力，具有较优的分类性能

该课程是化工类及相近专业一门重要的技术基础课，是进入该课程是化工类及相近专业一门重要的技术基础课，是进入化学工程专业学习的第一步，是化学工程专业学习的第一步，是理科（物理、化学、数学）学（物理、化学、数学）学习转向工科学习的一个桥梁转向工科学习的一个桥梁，为以后专业课的学习打下基础。，为以后专业课的学习打下基础

1. 从Netflix Prize说起 2. 集成学习的基本思想 1. 集成学习为何有效 2. 如何构建不同的基学习器 3. 如何综合多个基学习器 3. Bagging 1. Bagging的基本思想 2. 随机森林以及在R中的实际应用 4. Boosting 1. Boosting的基本思想 2. AdaBoost以及在R中的实际应用 5. Stacking 6. 小结以及实用技巧

目的:了解学习者的学习者准备状态。学习准备:学习者在进行新的学习时,他已有的知识、技能、情感水平和心理发展对新的学习的适合性。新学习的出发点。包括:一般特征;初始能力