车间级IMCS的约束优化决策系统

在车间级智能制造控制系统（ＩＭＣＳ）的总体框架结构下，建立了车间ＩＭＳ约束环境的优化决策系统。该系统用智能专家系统和仿真技术相结合的方法，解决车间级智能制造控制系统的决策分析问题，并为其提供决策依据和性能评估。     

概率相关图推理技术在双向适应机制中的应用研究

针对适应性学习系统应用中“双向适应”的需求,提出了具有双向反馈式机制的个性化学习系统模型.通过构建数字化学习资源数据库作为系统的核心基础,概率相关图技术可作为知识表示的有效方法支撑资源库构建,提供智能推理技术提升系统智能推荐的有效性.设计和开发了双向适应性个性化学习系统,进行了实证研究,并提出了下一步工作方向.     

项目评估智能决策支持系统研究

研究 一个实用的项目评估智能决策支持系统（简称ＰＥＩＤＳＳ）介绍了系统功能ＲＯＭＳ（描述（Ｒｅｐｒｅｓｅｎｔａｔｉｏｎ）操作（Ｏｐｅｒａｔｉｏｎｓ），记忆辅助（ＭｅｍｏｒｙＡｉｄｓ）控制辅助（ＣｏｎｔｒｏｌＡｉｄｓ）系统分析方法，定性，定量互要影响的决策方法，决策技术，三级数据库体系结构，数据库接口技术，参数变动法，多级菜单嵌套法，专家知识表示的规则集法和推理树法。     

基于知识的毛纺产品工艺设计智能模型研究

毛纺产品的生产是一个复杂的工业过程，其工艺设计严重依赖于专家知识和经验，完整准确的数学描述显得十分困难。提出了基于知识的毛纺产品工艺设计智能模型，通过基于案例（CBR）和基于规则的推理（RBR）以及人工神经网络（ANN）等关键技术的引入，提高了系统解决实际问题的能力。实例显示，智能化技术在毛纺工艺设计中具有良好的应用前景。     

一类工业过程的神经元智能控制

研究了基于自适应神经元的一类工业过程控制问题，分析了闭环系统稳定性与神经元控制器参数的关系，给出了闭环系统稳定的充分条件及神经元学习参数初值的一种方法及学习的收敛性证明。理论分析表明，神经元智能过程控制系统有很强的鲁棒性和适应性，仿真结果表明了其优良的性能。     

基于本体的学习内容个性化推荐

语义Web提供了实现对Web异构信息源智能访问和处理的平台,同时也为E-Learning提供了动态异构的学习环境,但共享性和适应性差仍是当前E-Learning应用系统中存在的主要问题。那么如何从语义Web上分布的海量知识中按照用户的需求快速准确的定位目标知识已成为语义Web迫切需要解决的问题。针对此问题,提出了一些解决办法,通过这些方法能把建立良好个性化功能的适应性教育系统和分布的学习资源网络环境进行了有效的结合。     

思维的点线面——论知识的碎片化与整体化问题

 知识的碎片化与整体化问题，也就是专业化与系统化问题，与个人和社会的发展息息相关。1946年后，随着时代的发展和进步，科学技术发生了全面的、根本性变革。科技有如下特征：（1）科学研究主流是专业化，专业越分越细，导致知识的碎片化。（2）信息革命带来了大数据时代，以大数据为基础和以新算法为桥梁的知识创新，推动了所有领域的科技革命。在小数据时代，可以应用简约的方程式建立系统稳态时主要组元的相互作用模型。但是，通过简约的方程式难以描述复杂系统的行为和相变。大数据时代给现代科学的变革带来了新机遇。（3）科学技术的研究路线发生了从寻找普适规律到寻找数据和新算法的巨变。（4）算法研究使机器的学习和思考能力超过了人类的平均水平，人工智能研究的突破可能使人的价值发生贬值。2014年提出的对抗生成算法模拟人类寻找规律的思维，表明智能计算机已经可以代替科学家去找规律，其速度和效率可能打败了大多数科学家。如果科学家不能比智能计算机聪明，只能给机器打工。要与智能计算机比赛，还是准备快乐地给机器打工?     

一类工业过程的神经元智能控制

研究了基于自适应神经元的一类工业过程控制问题，分析了闭环系统稳定性与神经元控制器参数的关系，给出了闭环系统稳定的充分条件及神经元学习参数初值的一种方法及学习的收敛性证明。理论分析表明，神经元智能过程控制系统有很强的鲁棒性和适应性，仿真结果表明了其优良的性能。     

小学高段学生学习适应性与自我控制水平的关系研究

本文通过对313名小学生的测试，比较了《学习适应性测试》（小学生5，6年级用）和《儿童自我控制学生自陈表》这两张量表，并探讨了学习适应性与自我控制的关系。结果表明：（1）学习适应性与自我控制有着密切的关系；（2）《儿童自我控制学生自阵表》可以作为反映小学五，六年级学生学习适应性的一个可靠的简易量表；（3）可以通过训练学生的自我控制以提高学习适应性。     

信息分析中的智能化技术

现代社会随着信息的爆炸式增加，智能化的信息处理技术变得尤为必要。智能信息技术（Intelligent Information Technology）融合了人工智能、统计模式识别、学习理论、数据仓储、数据挖掘、知识发现、网格计算等多方面，为用户对信息进行处理提供了有效的帮助。本书对智能信息技术当前的发展状况作了介绍，着重从理论和应用两方面叙述了智能体（Agent）、数据挖掘和学习理论。     

基于本体的适应性学习系统(OBALS)之系统模型

提出一种基于本体的适应性学习系统,在不改变现有E-Learning系统学习模式的基础上,为学习者提供一个基于广域资源共享的适应性课程学习环境,从而解决现有E-Learning系统中网络课程缺乏个性化支持、已有优质网络教育资源较难重用,以及现有的适应性教学系统研究成果不能普及应用等问题.最后构建了一个系统原型,并提供了适应性学习处理过程.     

基于web的自适应学习系统的研究与设计

目前,基于Web的自适应学习系统是远程教育领域研究的热点。文章在分析了当前远程教学系统存在问题的基础上,探讨了利用Agent、Java、XML等技术来构建自适应学习系统的方法,并设计了一个基于Web的远程自适应学习系统的原型同时给出了该系统的实现方案。     

基于认知诊断的自适应学习材料智能推送算法研究

将认知诊断和自适应学习相结合,利用认知诊断方法先诊断学习者对知识的掌握情况,然后依据遗传算法和多岛遗传算法为每个学习者智能化提供合适的学习材料,提出了基于认知诊断框架下的自适应学习材料智能推送算法.通过Monte Carlo模拟实验考察了新算法的科学性及其效果,研究结果表明:(i)基于认知诊断框架下的自适应学习材料智能推送算法具有较理想的效果;(ii)遗传算法和多岛遗传算法选取的学习材料具有低惩罚函数值和高学习材料匹配的正确率;(iii)遗传算法和多岛遗传算法选取的材料比随机算法更加适合学习者.     

5G基站自适应天馈系统设计与建模

为了提供一个各方面更优的全自动天面自适应调整方案，在降低维护成本的同时实现更优覆盖效果，从5G天面的信号辐射方向调整方法入手，对5G基站自适应天馈系统的智能调节系统设计关键技术进行研究，提出对基于深度强化学习的基站天面自适应调节策略。基于此设计了5G基站自适应天馈系统，可以使用电信公司RSRP信号覆盖地图作为数据源，获取当前状态的观测值并自动分析数据，对天面进行自动调整。在虚拟环境下，对基于强化学习的系统进行了模拟搭建与仿真训练，结果符合预期。     

混联机械臂系统自适应选择迭代学习角同步控制

建立了四自由度混联机械臂系统动力学模型,并根据系统重复运动和具有不确定因素的特点,设计了自适应选择迭代学习同步控制算法(ASILSC),实现了系统的角同步运动,并证明控制算法的收敛性。仿真结果表明,相比于带遗忘因子的迭代学习同步控制,自适应选择迭代学习角同步控制有更好的收敛性和鲁棒性。     

基于动态分类算法的入侵检测系统

为了使分类方法适合网络入侵检测系统在线、实时的特点,根据自适应谐振理论提出了基于联想和竞争学习的动态分类算法。算法采用改进的胜者全得方法训练神经网络,通过估算类别数目方法优化初始系数。该算法能防止分类时丢弃特殊模式,并能对未知类别数量的数据动态进行分类,实验采用相同的数据集训练自适应谐振理论网络和动态分类网络。结果证明,动态分类算法具有良好的收敛性和模式分类能力。将该算法应用于入侵检测系统的网络行为智能学习,其误报率仅为10%左右。     

一个自适应复习模型

复习是有效地保障教学活动高质量完成的重要环节。使用Agent技术构建了一个多Agent自适应复习模型。该模型根据学生的反馈信息,不断地修正复习方案,以适应学生 的个别化学习,达到有效的指导学生复习、提高复习质量的目的。模拟实验表明该模型能解决已有智能教学系统中复习模型的一些不足。     

具有未知侧滑和打滑的WMR强化学习自适应神经网络控制

利用反演设计,提出一种强化学习自适应神经网络轮式移动机器人(WMR)轨迹跟踪控制方法.首先在极坐标下建立WMR的轨迹跟踪误差模型,并基于此设计运动学控制器.然后,针对WMR动力学系统,设计自适应神经网络控制器.结合强化学习机制,同时对系统未知侧滑、打滑和模型不确定性进行优化补偿,并引入鲁棒控制项来消除补偿误差的影响,进一步提高了控制效果.所提控制方法使得闭环系统稳定,且最终一致有界收敛,其有效性通过数值仿真结果得到了验证.     

PMLSM伺服系统的特征模型与自适应迭代学习控制

针对PMLSM伺服系统的位置跟踪控制问题,提出一种基于特征模型的自适应迭代学习控制方案。由分析可知,在"id=0"的控制策略下,该系统是一个六阶线性定常系统。结合特征模型理论,给出了该系统的一阶、二阶和三阶特征模型,其特征参数沿时间轴和迭代轴均是变化的。采用遗忘因子最小二乘迭代学习辨识与最小方差控制方法,给出一种基于特征模型的带饱和限幅自适应迭代学习控制方案。仿真结果表明,提出的学习控制方案能够实现系统输出对期望位置的轨迹跟踪。     

一种基于自学习的智能决策支持系统

关于机器自学习是近年来计算机领域研究的热点问题,本文提出了一种基于机器学习的智能决策支持系统(IDSS),使决策支持系统能够具有一定的适应性和演进能力。最后给出了一个具有自学习能力的智能决策支持系统的实例。