基于双重竞争共振机制的模糊ART神经网络

提出了一种基于双重竞争共振机制的模糊ART神经网络模型．该模型将输入节点的竞争共振机制引入到输出类别节点,采用输入节点和输出节点双重竞争共振机制,形成了一种新的模糊ART结构,解决了传统模糊ART网络记忆不稳定问题．将该模型应用于图像分割,解决了传统模糊ART网络图像分割结果随警戒参数的升高而出现的过度分割．实验结果表明,和原始模糊ART算法相比,新算法具有更好的分类识别性能,在飞机目标识别中平均识别率比原始算法提高3％～5％．     

强拓扑函数空间的一种新刻划及两个协变拓扑空间可乘的一个充分条件

利用协变和反变观点给出了拓扑学中强拓扑函数空间的一个新刻划.同时也给出了两个协变拓扑空间可乘的一个充分条件.     

强拓扑函数空间的一种新刻划及两个协变拓扑空产可乘的一个充分条件

利用协变和反变观点给出了拓扑学中强拓扑函数空间的一个新刻划，同时也给出了两个协变拓扑空间可乘的一个充分条件。     

基于双曲正切特征和双特征融合神经网络的调制方式识别

由于调制方式识别能够在先验知识不足的情况下判断接收信号的调制类型，故而在各类无线通信系统中起到重要作用，许多学者也围绕该问题进行了深入的研究，并在高斯噪声条件下取得了诸多进展.但是，由于自然或人为因素，有时候噪声中会出现尖峰，导致其具有脉冲性.此时，就无法继续采用高斯模型对其进行描述，因为相关的方法会发生严重的性能退化或者完全失效.为了解决该问题，首先借助双曲正切函数提出了两类改进的特征；然后基于注意力机制和门控循环单元等设计了一种双特征融合的深度神经网络作为分类器；最后，在模式识别框架下提出了一种新的调制方式识别方法.实验结果表明，所提方法能够有效抑制高斯和非高斯混合噪声，同时取得良好的调制方式识别结果.     

液压驱动仿生捕蝇草柔性抓手的设计与实验研究

随着科技的发展和生活的需要，柔性抓手因其安全性和柔顺性逐渐成为了研究热点。捕蝇草作为一种能够实现包络抓取的植物，其运动特点对于柔性抓手的抓取运动具有较好的参考性。文中根据软体网格结构和捕蝇草的变形机理，提出了一种由双仿生叶片组成的液压驱动仿生捕蝇草柔性抓手结构。首先基于本构模型提出了完全嵌入式单列网格弯曲角度和压力关系的数学模型，然后基于仿真模型分析了多列网格弯曲角度和压力的关系，确定了柔性抓手0.040 MPa的工作压力。通过分析仿真结果，得出了边缘不完整网格的弯曲角度变化和受力均大于完整网格的结论，证明了不完整网格处是柔性抓手强度的薄弱点。进行了液压驱动和气压驱动仿生叶片的弯曲实验和闭合力实验，证实了在工作压力下液压驱动的性能优于气压驱动，确定了柔性抓手0.010 MPa的准备压力。最后通过适应性实验证明了所设计的柔性抓手能抓取不同形状的物体，证实了最大负载能力达304.3 g。文中设计的液压驱动仿生捕蝇草柔性抓手可以为活体昆虫捕捉和无损采摘提供有效的解决方案，也可为仿生植物机器人的研发提供理论和技术基础。