相互依赖的不对称性使得多层系统对连锁故障更具鲁棒性

主要讲述电力系统的控制，增强电力系统的稳定性，提高电力系统的抗干扰能力

针对鲁棒Capon波束形成算法中采用牛顿迭代求解对角加载因子时，运算量大且算法旁瓣增益高的问题，提出了一种改进的稳健波束形成算法。首先对干扰协方差矩阵进行重构，然后将重构的协方差矩阵投影到噪声子空间，使期望信号导向矢量在噪声子空间投影最优，最后精确求解对角加载因子。该方法的运算量低于RCB算法中牛顿迭代和最差性能最优（WCPO）算法中凸规划运算，并且提高了加载因子的计算精度。实际仿真结果表明，改进算法有效克服了信号方向估计误差，具有更低且稳定的旁瓣增益，输出信干噪比性能优于现有其他方法。

基于数据驱动的微电网优化规划程序

鲁棒控制经典书籍，尽管不太清晰，需要的可以下载，引文版本

研究一类具有非线性扰动的连续时间时滞系统的鲁棒无源控制问题,系统中的时滞包括时变状态时滞和 时变输入时滞。假设状态时滞不同于输入时滞,并且状态时滞的变化区间及变化率的上界均已知,但输入时滞仅 已知其变化区间;通过构造新的 Lyapunov泛函,并借助于新的技巧,得到鲁棒无源状态反馈控制器存在的时滞依 赖充分条件;数值例子表明了该方法的有效性。

针对无线网络中存在的能耗严重、信道竞争冲突等问题,在控制机制上,重点研究了事件触发控制机制,考虑到被控对象参数的不确定性以及各种强干扰因素,将鲁棒H_∞控制与事件触发控制相结合,对鲁棒H_∞控制器和触发条件进行了共同设计,该控制机制既保证了系统的指数稳定和一定的H_∞抑制水平,又极大地节约了电能和无线网络信道资源。

预算matlab代码DVTSR PyTorch实施“” 相关工作 PyTorch实现上的，sRGB轨道的第二名和Raw-RGB轨道的第三名。 （） PyTorch重新实现了Simon Niklaus的“”。 （） 依存关系 Python 3.6 PyTorch 1.0.0 的MATLAB TensorFlow 张量板TensorBoardX 火炬摘要 数据 我们使用VTSR数据集进行训练。 要生成训练数据，请使用Matlab代码generate_train.m 训练 例如，使用以下命令来使用我们的培训代码 python main_tsr.py --lr 1e-4 --step 2 --cuda True --train_data0 ./train_data0.h5 --train_data1 ./train_data1.h5 --train_label ./train_label.h5 --valid_data0 ./valid_data0.h5 --valid_data1 ./valid_data1.h5 --valid_label ./valid_label.h5 --gpu 0,

em算法matlab代码稳健的期望最大化（REM） 个体在许多实质性方面存在差异，但并不总是通过假定的数据生成模型来捕获。 为了解决这个问题，我们提出了一种基于EM算法的稳健估算程序，该算法称为REM（稳健期望最大化）。 该存储库中的文件包含用于仿真研究的MATLAB源代码，该论文在本文中找到，通过稳健估计来解决潜在变量设置中的异构种群。 有关REM和仿真研究的更多详细信息，请参见此处。 混合物模型 此文件夹包含用于运行模拟的代码，该模拟在模型错误指定下比较高斯混合模型参数的EM和REM估计。 可以从MixtureModel / GMM_sim_main.m运行模拟 可以对来自MixtureModel / GMM_estimates.m的输入p×n数据集X进行估算 因子分析 该文件夹包含用于运行模拟的代码，这些模拟比较了异构种群中因子结构的EM和REM估计。 可以从FactorAnalysis / FA_sim_main.m运行模拟 可以对来自FactorAnalysis / FA_estimates.m的输入p×n数据集X进行估算

这是将压缩感知应用到人脸识别的第一篇也是最经典的英文论文，我精心翻译了大部分，希望对大家有帮助。