未知饱和控制系统有穷域最优控制

针对带有饱和执行器且局部未知的非线性连续系统的有穷域最优控制问题,设计了一种基于自适应动态规划(ADP)的在线积分增强学习算法,并给出算法的收敛性证明.首先,引入非二次型函数处理控制饱和问题.其次,设计一种由常量权重和时变激活函数构成的单一网络,来逼近未知连续的值函数,与传统双网络相比减少了计算量.同时,综合考虑神经网络产生的残差和终端误差,应用最小二乘法更新神经网络权重,并且给出基于神经网络的迭代值函数收敛到最优值的收敛性证明.最后,通过两个仿真例子验证了算法的有效性.     

基于HSV颜色模型的图像风格迁移算法

风格迁移是通过使用图像处理方法将图像的内容与其他图像的色彩、纹理、轮廓等信息结合在一起的技术。它在保留图像原有内容的同时,还加入了其他艺术风格,最常使用的风格迁移技术就是深度学习技术。本文提出了一种基于HSV颜色模型的图像风格迁移算法,该算法是对经典的深度学习图像风格迁移算法进行改进。本文提出的算法利用HSV颜色模型在对颜色种类的表示的直观性和方便性的优势,在损失函数中加入内容图像与迁移图像的HSV颜色模型中的H因素的L2距离,并通过实验验证,本算法能够达到在风格迁移的基础上,保留原始内容图像颜色色调的目的。