IEEE Transactions on Cybernetics-2025年11月-最新在线出版论文...

主要观点总结

本文主要介绍了多个关于智能系统、网络通信、模糊系统等领域的研究论文，包括基于Agent的社交网络动态情感建模方法、具有未知不变矩阵的广义时变参数系统的卡尔曼联合估计、全分布式攻击免疫协议等。

关键观点总结

关键观点1: 基于Agent的社交网络动态情感建模方法

研究引入了一种新的方法，将基于文本的情感识别与传播模型相结合，在个体水平上重建情感传染。该方法在真实世界和无标度网络上的测试表明，能有效预测群体消极情绪的传播，并提供了对个体情绪演化的见解。

关键观点2: 具有未知不变矩阵的广义时变参数系统的卡尔曼联合估计

本文研究了状态空间方法在时变参数系统建模和估计中的应用。基于卡尔曼滤波原理推导了联合状态估计（JSE）算法，旨在减少对不变矩阵先验知识的依赖。通过数值模拟和蒙特卡洛测试，表明所提出的算法在各种随机白噪声下保持了可靠性。

关键观点3: 全分布式攻击免疫协议

本研究旨在解决在有向通信图上运行的一般线性多代理系统（MAS）在规定时间内实现一致性的问题。设计了一种基于周期延迟输出测量的分布式观测器来恢复相对状态信息，并利用重构状态开发了一种线性时变控制协议，以确保在所需时间内达成一致。

关键观点4: 多约束非线性系统次优控制的统一设计方法

针对具有状态、输入和输出约束的未知一般非线性系统，提出了一种统一的次优控制器设计方法。利用松弛函数和Pade逼近将所有不等式约束转化为等式约束，并基于数据提出了一种增广系统积分强化学习求解策略。

关键观点5: 异构多智能体任务分配均衡改进

为了解决多智能体系统中的任务分配问题，提出了一个联盟形成博弈模型，将其表示为一个潜在博弈。建立了任何纳什均衡的效率下界为e/（2e-1）的理论。此外，还引入了一种基于惯性的对数线性学习算法，通过多智能体协作交换机制进行增强，使系统能够摆脱次优均衡，提高全局效用。

关键观点6: 可追溯算法展开网络：一种可解释的机械故障诊断深度稀疏表示模型

提出了一种用于机械故障诊断的可追踪算法展开（TAU）网络。通过展开稀疏编码的迭代算法构造了机制驱动的特征抽取器（FE），并通过胶囊网络的动态路由机制执行基于理论的特征聚类（FC）算法。引入了一种基于耦合矩阵的事后可解释性策略，以提高诊断结果的可信度。

关键观点7: 具有Try-Once-Discard协议的单主多从遥操作系统的事件触发控制与通信

提出了结合一次尝试丢弃（TOD）调度协议和事件触发机制的事件触发控制和通信方案。建立了稳定性准则并实现了主从同步。最后通过实验验证了所提算法的有效性。

关键观点8: 基于知识约束对抗扰动的不确定过程工业鲁棒强化学习控制方法

提出了一种基于知识约束对抗扰动的鲁棒强化学习（RRL）控制方法。通过应用对手扰动观测状态来表征不确定扰动，并建立了反应-气氛-指示剂代理模型来量化固有的不确定度。

关键观点9: 复杂网络的分区集成员融合估计：一种缓冲区辅助策略

研究了复杂网络的分区集员融合估计（SMFE）问题。为了提高测量信息的利用率，每个节点配备用于实时数据存储的缓冲器。通过迭代神经网络的状态方程和采用分区集成员估计技术设计了SMFE算法。