基于进攻关键区域的RoboCup2D球队防守策略的优化

在RoboCup仿真2D足球比赛中,防守模型是关键技术之一,加强在对方进攻关键区域上的防守可以有效阻止对手进球,针对RoboCup仿真2D球队防守策略难以优化的问题提出一种基于球队进攻关键区域优化防守策略的方法;方法通过对比赛过程中的日志文件进行解析,使用数据挖掘方法提取动作链和传球热力图解释了球队进攻有侧重点的合理性,利用比赛过程中球的位置分布对球场进行了更合理的动态的离散划分,在每个离散区域中采用自适应参数的密度聚类算法来计算球队进攻关键区域,并且依据这些区域和进攻过程中的重点球员设计了防守策略;实验部分依据防守策略优化了底层代码,结果表明:对进攻关键区域进行重点防守能有效阻止对方的进攻,同时也验证了进攻关键区域计算的正确性。     

Robocup中截球模块的设计

RoboCup是一个标准问题,通过它可以来评价各种理论、算法和框架等。在RoboCup仿真组的比赛中,截球动作做为防守的基础,具有非常重要的地位和作用。本文通过将跑位和截球动作结合,设计出较为有效的截球模块。     

Robocup中截球模块的设计

RoboCup是一个标准问题,通过它可以来评价各种理论、算法和框架等.在RoboCup仿真组的比赛中,截球动作做为防守的基础,具有非常重要的地位和作用.本文通过将跑位和截球动作结合,设计出较为有效的截球模块.     

机器人足球策略的研究

RoboCup是研究动态不可预测环境中的多智能体系统的典型平台．在RoboCup仿真比赛中,机器人整体团队协作和局部对抗规划都是比赛成功的关键．对于团队协作,应用面向对象的方法分析了机器人足球队员的角色特点,部署了不同队员的踢球策略．在射门对抗规划中,分析了球员射门时几个关键性的影响因素,并参考这些因素设计和应用一个关键性的射门函数．实践证明了在实时比赛环境中,整体结构和局部策略的有效性．     

RoboCup2D日志文件数据挖掘研究及应用

机器人世界杯足球赛Robo Cup是近年发展迅速的一种国际学术竞赛项目,Robo Cup仿真2D项目是影响面最大的项目之一,通常情况下,开发者多使用基于工程化的思想开发球队代码,基于数据挖掘技术可以快速开发出质量更高的球队代码。文中将数据挖掘技术应用到仿真2D球队的开发中,选取比赛中产生的日志文件作为数据源。通过对日志文件进行数据挖掘分析,将得到的隐含的有趣模式应用于球队的进攻跑位策略设计中。仿真比赛证明使用日志文件数据挖掘的方法能够有效提高仿真2D球队的开发效率。     

RoboCup视听信息处理策略中粒子滤波定位法的应用

在RoboCup仿真组比赛中,仿真模型引入了真实世界的很多复杂特性,使得智能体在场上执行动作时受到限制.首先分析了视觉信息特征和视觉感知噪声模型,在这个基础之上给出了一种视觉信息处理策略,即基于视觉噪声的粒子滤波定位法,最后进行了实验模拟.通过对实验数据的对比分析可以看出,这种视觉信息处理策略能够在Agent内部维护一个相对更为精确的比赛场上的全局模型.     

基于多Agent的RoboCup仿真足球比赛通信

足球机器人比赛系统需要机器人团队的合作 .但RoboCup仿真组比赛所提供的通信系统模型是一个低带宽、不可靠通信系统 .为了更好的利用这有限的通信能力 ,提出了对应的解决通信问题的方法 .最后举例说明了若干个在团队合作中使用通信系统的应用 .     

一种改进的强化学习方法在RoboCup中应用研究

基于CMAC(cerebella model articulation controller)提出一种动态强化学习方法(dynamic cerebellamodel articulation controller-advantage learning,DCMAC-AL)。该方法利用advantage(λ)learning计算状态-动作函数,强化不同动作的值函数差异,以避免动作抖动;然后在CMAC函数拟合基础上,利用Bellman误差动态添加特征值,提高CMAC函数拟合的自适应性。同时,在RoboCup仿真平台上对多智能体防守任务(takeaway)进行建模,利用新提出的算法进行学习实验。实验结果表明,DCMAC-AL比采用CMAC的advantage(λ)learning方法有更好的学习效果。     

运动员技战术模式识别特征及神经机制研究进展

在体育运动中,一个完整的技术动作其实质就是一个完整的信息结构模式,运动员对动作的判断,实际上就是对运动信息结构模式的识别.运动员之所以能够对动作进行准确、快速的识别、预判、决策和反应,是因为他们在长期的运动训练和比赛过程中形成了专门化的知识结构(组块或模板).通过综述运动员技战术模式识别特征及神经机制的研究进展情况,为体育运动领域模式识别的研究提供新的研究方法和思路,进而丰富和发展运动认知心理学的理论模型.     

模糊决策树在RoboCup仿真组“二对一决策”中的应用

在RoboCup(机器人足球世界杯)仿真组比赛中供决策的信息大多数为连续变量,同时对决策的精度要求较高,而一般的决策树是对离散信息进行分类,抗干扰能力差,难以处理此类问题.模糊决策树把模糊理论与一般的决策树相结合,采用该方法学习RoboCup仿真组比赛中“二对一决策”规则,并在决策树截断条件中引入了最优化指标,通过对4000组样本进行学习和检验,决策正确率达到86%以上,验证了该方法的有效性.同时模糊决策树的决策结果较一般决策树提供了更多的选择方案,便于进行有针对性的取舍从而达到最优的决策效果.     

基于GA-PID神经网络的板形模式识别方法

针对传统板形模式识别方法存在抗干扰能力差和识别精度有限等缺点,提出了基于遗传算法(GA)优化的PID神经网络板形模式识别方法.PID神经网络不仅具备传统多层前向网络的特点,而且其隐含层具有动态特性,可以直接用于动态系统辨识.GA具备良好的并行设计结构,具有全局优化的特点,利用GA对网络权值进行优化,克服了传统BP算法易陷于局部极小的不足.仿真结果表明:GA-PID神经网络的板形模式识别方法能够识别出常见的板形缺陷,提高了板形模式识别精度,可以满足板带轧机高精度的板形控制要求.     

基于模糊划分的神经网络集成

基于模糊聚类思想,提出了一种神经网络集成方法.由训练数据的模糊聚类结果,把训练数据划分成相交子集,基于各子集生成集成的个体神经网络.由于各子集所包含的数据和数据的类别各不相同,因而个体神经网络性能和结构存在差异.子集个数确定集成中个体神经网络个数.另外,基于隶属度函数计算公式,提出了个体神经网络输出结论结合方法.理论分析和实验结果表明,此方法对模式分类能取得较好的效果.     

Star pattern recognition method based on neural network

Star sensor is a sensitive instrument for determina-tion of a spacecraft attitude with high accuracy. The in-strument can determine the spacecraft 3-axis attitude through the recognition of observed stars. It measures star magnitude and star coordinates in the spacecraft coordi-nate frame. The measures are then compared with a refer-ence star catalog to obtain the attitude information of the spacecraft[1,2]. The purpose of star pattern recognition is to identify the corresponding relations bet…     

基于深度神经网络的手写数字识别模拟研究

当前图像识别大多采用基于特征提取的传统机器学习方法与卷积神经网络的方法,但传统图像识别技术需要手动提取图片特征,而卷积神经网络对硬件要求高,训练时间长等。针对以上问题,本文提出基于深度神经网络模型的手写体图像识别方法,让机器自动学习特征,并在此基础上,通过改进成本函数,加入dropout防止过拟合,来提高手写数字识别的识别率。仿真实验对比结果表明,基于深度神经网络模型的方法比当前传统算法的识别率提高了3.41%,有效解决了人工识别费力耗时问题,对手写数字的研究具有重要意义。     

一种物联网中元策略学习传输模式识别技术研究

分析了一种物联网中元策略学习传输模式识别方法 .采用阶段式元学习（ML）神经网络构成元学习器,利用数据增强（DA）技术对图像进行预处理,决策验证等多个模块被用于协作识别,能够有效地抵抗恶劣环境对信号造成的影响.理论分析和仿真结果证明了该调制模式识别方法的有效性.     

基于ROLS的径向基函数神经网络实现数字调制自动识别

针对径向基函数(RBF)神经网络和统计模式识别的特点,提出利用递归正交最小二乘法(ROLS)的RBF神经网络实现数字信号调制样式的自动识别。仿真结果表明,利用ROLS算法很好地实现了RBF神经网络权值的确定和中心的选择,从而大大减少了网络的训练样本数和训练时间,提高了网络的识别性能。     

基于神经网络的手写电气元件符号识别系统

神经网络模式识别在现代数字图像处理中的应用,是数字图像处理技术的一次革 命．以神经网络模式识别技术在电气元件符号图形识别中的应用为对象,着重于手写电气元 件符号自动识别系统的研究,介绍了整个系统的结构和功能,给出了相应的数据流图和主要数 据结构,提出了一种基于神经网络的模式识别方法,并对系统的实际应用作了验证,为进一步 的研究奠定了基础．     

具有S-分布延时和脉冲控制的一类神经网络的鲁棒同步

具有脉冲的神经网络作为一种典型的混合系统在图像处理、模式识别、优化控制等实际工程中有广泛的应用.在这些应用中,要求神经网络具有鲁棒同步性质.因此,神经网络的鲁棒同步性研究受到许多学者的关注.本文将不确定非线性耦合函数引进到一般类神经网络中,通过构造适当的Lyapunov函数和运用一些不等式分析技术,研究了具有S-分布延时和脉冲控制的神经网络的鲁棒同步性质,得到了保证网络具有一般脉冲鲁棒同步的一个实用条件.     

煤灰熔融性测定的神经网络方法研究

研究测量煤灰熔融性的方法.通过神经网络进行图像分析,实现煤灰熔融性的自动测定.首先建立神经网络模型,然后采用数字图像处理和模式识别技术对采集的图像进行分析,最后获取煤灰的熔融性.该方法具有很高的精度,实时性好,完全可以替代原来由人眼完成的任务,实现了煤灰熔融性试验控制的自动化.