机器人动力学模型的BMAC多网络模拟

采用多个高阶脑模型控制器ＣＭＡＣ，即多个ＢＭＡＣ网络机器人动力学模型；重点讨论了网络结构及其参数Ｍ１和Ｇ的确定，学习样本听产生方法，并在此基础上，研制了计算机仿真软件，对实例进行了成功的仿真实验。     

自适应遗传算法优化模糊小脑模型

首次采用遗传算法（ＧＡ）设计模糊小脑模型神经网络（ＦｕｚｚｙＣＭＡＣ）的隶属函数．提出一个自适应ＧＡ优化算法，并且以优化模糊小脑模型ＦｕｚｙＣＭＡＣ学习正弦曲线．仿真实例表明，采用自适应ＧＡ方法优化的ＦｕｚｙＣＭＡＣ学习精度比标准小脑模型ＣＭＡＣ提高大约三个数量级、比标准ＦｕｚｚｙＣＭＡＣ（三角形隶属函数）提高一个数量级．自适应ＧＡ方法优化的ＦｕｚｙＣＭＡＣ学习速度比普通ＧＡ优化的速度快且进化过程的振荡明显减小，仿真证明该方法比普通ＧＡ优化方法稳定，收敛效果好．     

自适应遗传算法优化模型小脑模型

首次采用遗传算法（ＧＡ）设计模糊小脑模型神经网络的隶属函数，提出一个自适应ＧＡ优化算法，并且以优化模型小脑模型ＦｕｚｚｙＣＭＡＣ学习正弦曲线，仿真实例表明，采用自适应ＧＡ方法优化的ＦｕｚｚｙＣＭＡＣ学习精度比标准小脑模型ＣＭＡＣ提高大约三个数量级，比标准ＦｕｚｚｙＣＭＡＣ（三角形隶属函数）提高一个数量级，自适应ＧＡ方法优化的ＦｕｚｚｙＣＭＡＣ学习速度比ＧＡ优化的速度快且乾化过程的振荡明显减小，仿真     

机器人动力学模型的BMAC多网络模拟

采用多个高阶脑模型控制器ＣＭＡＣ，即多个ＢＭＡＣ网络模拟机器人动力学模型；重点讨论了网络结构及其参数Ｍ１和Ｇ的确定，学习样本的产生方法；并在此基础上，研制了计算机仿真软件，对实例进行了成功的仿真实验。     

基于光纤CSMA/CD局域网的延伸研究

叙述了光纤ＣＳＭＡ／ＣＤ（载波侦听多重访问／碰撞检测）局域网的性能，对星形ＣＳＭＡ／ＣＤ的性能参数进行了分析，通过计算机仿真，得出了网络延伸后对网络特性的影响，为光纤ＣＳＭＡ／ＣＤ局域网的应用提供了理论依据。     

联想记忆系统的学习算法设计(I)

基于牛顿向前插公式设计了一种新的联想记忆系（ＮＦＩ－ＡＭＳ）的学习算法，用以实现任意阶的多变量多项式函数的无误差逼近。该系统与传统类型的ＣＭＡＣ－ＡＭＳ相比，具有学习精度高和记忆空间小的特点；且比多层的ＢＰ网络具有学习算法简单和收敛速度快的特点。数值模拟表明，这种ＮＦＩ－ＡＭＳ在信号处理，模式识别，及高精度的实时智能控制等领域具有很大的应用潜力。     

用于位置误差处理的CMAC神经网络系统

提出一种用ＣＭＡＣ神经网络进行位置误差分析的系统，阐述了特征量提取、数据压缩的方法以及神经元网络学习和数据处理的计算机仿真，讨论了ＣＭＡＣ神经元网络的结构、系统的输出精度、学习速度及步长的关系。     

Fieldbus网络通信模型中的MAC层

针对现场总线网络模型的实时特征，讨论了其ＭＡＣ层中的通信协议问题，包括有ＦＢＣＯＳ／ＭＡＣ协议族的优先决策、实时虚电路和预约协议；ＦＢＣＬＳ／ＭＡＣ协议族的ＭＬＦ窗口协议和虚时间ＣＳＭＡ协议．在此基础上，概括和推广了基于ＭＬＦ窗口协议既支持ＦＢＣＯＳ又支持ＦＢＣＬＳ的统一窗口协议．不但完成了对ＦＢＣＯＳ／ＭＡＣ，而且也完成了对ＦＢＣＬＳ／ＭＡＣ通信协议的实时性、时间确定性和网络开销等通信模型进行了仿真分析，并且给出了数值结果．     

基于高斯基函数CMAC模型的一种快速算法

广义小脑模型（ＣＭＡＣ）在函数泛化能力和函数逼近能力方面优于基本ＣＭＡＣ模型，但算法较为复杂，实时性差．因此，研究广义ＣＭＡＣ模型的快速算法，对于满足实时控制是非常必要的．文中研究了基于高斯基函数的广义ＣＭＡＣ模型的快速算法，定义了包含待学习样本点的一个超立方体子空间，提出了基于该超立方体子空间的快速学习算法．通过算例仿真表明，学习算法收敛速度较快，可以满足实时控制要求．     

宽带MAP／TOP底层技术

针对ＭＡＰ／ＴＯＰ底层技术的研究课提出了ＭＡＰ／ＴＯＰ通信子网的体系结构，ＭＡＰ网络物理层的设计以及ＴＯＰ网络带化的设计思想，为给我国建立低成本ＣＩＭＳ网络打下理论基础，并提供一个切实可行的实用网络模型。     

基于在线学习和ADRC的发电机励磁与汽门系统ANN逆鲁棒控制方法

为提高汽轮发电机组励磁与汽门系统机端电压和功角的控制性能,提出了基于在线学习和自抗扰控制(ADRC)的神经网络逆鲁棒控制方法.首先,将神经网络逆(ANN)与被控励磁汽门系统组成的复合伪线性系统等效为含有扰动的线性系统;然后,基于ADRC,设计了用于在线估计复合伪线性系统状态和扰动的ESO,解决了神经网络逆在线学习时训练样本获取的难题,并在设计的伪控制量中对扰动进行补偿,基于线性系统理论证明了ESO的收敛性并针对励磁子系统和汽门子系统与神经网络逆系统组成的伪线性复合系统分别设计整数阶PID控制器和分数阶PID控制器以实现闭环控制;同时,在离线训练的基础上设计了基于在线梯度方法的神经网络逆在线学习算法,利用李雅普诺夫稳定性理论证明了神经网络逆在线学习的收敛性.最后,以典型的两区域四机系统为例进行数值仿真,与传统的AVR/PSS和基于离线训练的神经网络逆控制方法的比较结果表明所提方法明显提升了电力系统的暂态性能.     

欠控制方向的非线性系统自适应迭代学习控制

针对控制方向未知且具有周期扰动的非匹配非线性系统, 提出了一种自适应迭代学习控制策略. 控制算法具有以下3个特点:不需要控制方向的先验知识; 能够对系统的周期不确定性进行在线学习; 能够克服系统的非匹配不确定性. 随着迭代学习次数的增加, 系统跟踪误差渐近收敛于零. 仿真结果表明了控制算法的可行性和有效性.     

基于深度学习图像分析的晶体特性反馈控制

针对晶体尺寸期望以及标准偏差特性的在线反馈控制问题，提出一种基于深度学习图像分析的在线反馈控制方法.首先，通过基于深度学习神经网络的晶体图像分析方法在线分析晶体的形状与尺寸；然后，对图像分析的结果进行数学统计分析，得到某一批次晶体的尺寸期望与标准偏差；最后，针对晶体尺寸期望和标准偏差控制的欠输入特性设计了一种路径跟踪算法与PID相结合的反馈控制器，以获得具有目标尺寸期望与标准偏差的晶体.通过明矾冷却结晶实验验证了所提方法的有效性和可行性.     

基于小波神经网络的自适应控制器设计

针对一类未知非线性系统,设计了一种基于小波神经网络的自适应控制器,并提出了一种适合在线学习的参数混合训练算法。根据离线和在线学习系统的特性,得到小波神经网络控制器的初始参数,使用混合训练算法在线修正控制律,实现了自适应控制。仿真结果验证了该控制方案的有效性。     

强化学习在城市交通信号灯控制方法中的应用

 悉尼自适应交通控制系统（SCATS）、绿信比-周期-相位差优化技术（SCOOT）及Smooth采用自适应交通信号灯控制方法，对城市道路口的交通信号灯进行了有效控制。随着深圳城市交通流量急剧增长，深圳交警在自主研发Smooth信号控制式基础上，提出实时、分布式、自适应调控要求，联合创新了人工信号控制方案TrafficGo，探索基于深度神经网络的强化学习，通过在线学习各种流量负荷，实时推理计算信控时段、相位、相序、信号周期、绿信比、相位差，进一步优化了交通信号灯的控制模式。介绍了在交通信号灯控制中运用的强化学习模型，实地测评表明，其取得了一定改进效果。     

基于在线网络考试的入侵侦测系统的分析

首先对在线网络考试的发展背景作了总体的阐述,接着对基于在线网络考试的入侵侦测系统的运作模式进行了进一步的分析和讨论,最后就入侵侦测系统的侦测方式作了初步的探究。入侵侦测系统的相关技术除了可以促进在线考试公平性、客观性,还能应用在其他领域,如公司教育训练评估、认证考试、内部管控等领域,可以达到学习评估的效果。     

人工神经网络在红霉素发酵过程状态预估中的应用

探索了动态ＢＰ网络和ＲＢＦ网络在红霉素发酵过程状态预估中的应用,比较了它们的收敛速度和学习能力。结果表明,ＢＰ网络和ＲＢＦ网络都具有相当好的学习能力,但ＲＢＦ网络的收敛速度更快,训练好的神经网络,在红霉素发酵过程中可在线预估出红霉素效价、葡萄糖浓度、ＮＨ２－Ｎ浓度、丙醇浓度和菌体浓度等参数值,并可在进上步的过程优化和控制中应用。     

基于混合学习的“文献检索”网络课程实践研究——以东莞理工学院城市学院图书馆为例

从混合学习的定义及应用模式出发,分析了混合学习模式中课堂教学和网络课程的关系,在此基础上设计并实现了基于传统混合学习模式的"文献检索"网络课程,并提出了推广"文献检索"网络课程建设模式的建议。     

教学督导在网络教育质量监控体系中的定位与作用

构建网络教育质量监控体系,发挥网络教学督导的质量监控和评估作用是保证人才培养质量的重要保障。应以质量保障为核心,构建制度;以督教、督学、督服务、督管理为抓手,完善督导工作机制;加强对网络教学过程的管理、监控和评估,完善督导的信息反馈制度,使之制度化。用好教学督导结论,最后落实到提高教学质量上。     

内模原理在肢体平衡中的模型及应用

为了解决肢体平衡问题时可以保证系统在运动控制过程中的精确性和稳定性,该文在内模原理思想的基础上提出了一种基于预估器的小脑模型(KECFEL)。这种模型由前馈神经网络控制器构成;训练前馈模型中神经网络的教师信号由预估器以及反馈控制器(CFC)的输出来提供,并采用在线学习对网络进行权值更新与网络训练;同时采用比例微分控制器(PDC)作为反馈控制器以确保全局稳定性。通过该模型对倒立摆的仿真实验验证该模型对肢体平衡控制的有效性。