[1] 高平,张帆,张东,等. 基于SDN的云架构网络高确定性流量控制方法[J]. 计算机工程, 2018,44(12):74-78.
[2] 余世明,张航,何德峰,等. 基于神经网络模型的计量泵远程流量广义预测控制[J]. 高技术通讯, 2019,29(11):1087-1094.
[3] 穆昌. 基于小波变换和极限学习机的网络流量预测模型[J]. 微型电脑应用, 2020,36(1):138-140.
[4] 施树明,李文茹. 城市交通网络运行速度预测模型研究[J]. 东北师大学报(自然科学版), 2019,51(4):78-86.
[5] 赵晓涛,孙虎儿,姚巍. 基于CYCBD和包络谱的滚动轴承微弱故障特征提取[J]. 机械传动, 2020,44(4):165-169.
[6] 朱达,唐亮,谢启伟,等. 基于数据包络分析方法的城市水资源利用效率研究[J]. 生态学报, 2020,40(6):1956-1966.
[7] 代玉梅,郑瑞娟. 采用复合规则约束的多种群自适应进化算法[J]. 数学的实践与认识, 2019,49(9):157-164.
[8] 殷春武. 带物理约束的双环自适应跟踪控制[J]. 控制工程, 2019,26(10):1835-1842.
[9] 曹洁,沈钧珥,张红,等. 优化的BP神经网络短时交通流预测方法[J]. 传感器与微系统, 2020,39(5):58-60.
[10]谢明君,孙彤辉,李姣姣. 一种机载液冷系统的流量分配设计方法[J]. 无线电工程, 2020,50(5):400-404.
[11]杨迪,郭晨,朱玉华,等. 欠驱动船舶神经网络自适应路径跟踪控制[J]. 智能系统学报, 2018,13(2):254-260.
[12]刘文霞,王凌飞,徐艺铭,等. 考虑节点运行风险差异的多端柔性配电网络自适应潮流优化[J]. 电力自动化设备, 2019,39(5):8-13.
[13]吕志鹏,吴鸣,黄红,等. 一种具有网络自适应能力的分布式电源改进下垂控制策略[J]. 电网技术, 2018,42(9):2948-2957.
[14]叶成荫,曹宇,刘琳琳. TCP网络自适应有限时间拥塞控制[J]. 电机与控制学报, 2018,22(12):107-113.
[15]李宁,张琪,杨福兴,等. 土壤墒情预测自适应遗传神经网络算法研究[J]. 计算机工程与应用, 2018,54(1):54-59.
[16]刘将辉,李海阳. 对失控翻滚目标逼近的神经网络自适应滑模控制[J]. 宇航学报, 2019,40(6):684-693.
[17]杨智宇,刘俊勇,刘友波,等. 基于自适应深度信念网络的变电站负荷预测[J]. 中国电机工程学报, 2019,39(14):4049-4060.
[18]曹继平,王赛,岳小丹,等. 基于自适应深度卷积神经网络的发射车滚动轴承故障诊断研究[J]. 振动与冲击, 2020,39(5):97-104.
[19]张思雨,张秋菊,李可. 采用机器视觉与自适应卷积神经网络检测花生仁品质[J]. 农业工程学报, 2020,36(4):269-277.
[20]薛光辉,管健,柴敬轩,等. 基于神经网络PID综掘巷道超前支架支撑力自适应控制[J]. 煤炭学报, 2019,44(11):3596-3603.
[21]李颀,赵洁,杨柳,等. 基于GA-BP神经网络和特征向量优化组合的黄瓜叶片病斑识别[J]. 浙江农业学报, 2019,31(3):487-495.
[22]彭继慎,刘盼,宋立业. 倒立摆的神经网络自适应滑模控制[J]. 控制工程, 2018,25(11):1976-1981.
[23]王巍振,张安琳,黄道颖,等. 一种基于吞吐量变化的OpenFlow网络自适应测量算法[J]. 火力与指挥控制, 2019,44(2):141-145.
|