基于小波神经网络的非线性动态系统辨识

在小波神经网络的基础上提出了一种辨识非线性动态系统的方法．该方法有效地将系统辨识所需要的结构形式与多层神经网络及小波基函数所构成的分辨率信息处理过程相结合,建立了从数据到符号的自适应机制．仿真结果表明,该方法具有收敛速度快、逼近精度高、鲁棒性好等优点．     

移动机器人运动控制系统设计及控制算法研究

提出了一种移动机器人的运动控制系统硬、软件结构 .此控制系统是由工业计算机 ,ADT85 0运动控制卡及相关传感器组成 ;其操作系统采用Windows98,用VC 6 .0开发 ,并应用模块化及Windows线程的多任务处理机制实现控制程序设计 ;根据状态反馈控制理论 ,设计了移动机器人路径跟踪控制算法 .实验论证了此控制系统及控制算法的有效性 .     

基于样本划分的启发式遗传BP算法

遗传算法作为一种模拟生物遗传进化过程的随机搜索算法,具有并行和全局搜索能力、不要求函数可导等特点,在神经网络学习中得到广泛应用.合理选择初始群体和控制搜索的盲目性,有利于提高算法的效率.为此,提出了一种新的神经网络学习算法--基于样本划分的启发式遗传BP算法.该方法对神经网络学习样本进行划分,形成样本子集.初始群体通过在样本集类上训练神经网络而获得.这些初始网络中包含了关于样本子集的有用信息,根据模式定理,能通过遗传算法保留和加强.此外,提出并证明了关于样本集类及其BP训练的几个代数性质,结合子空间划分进行启发式搜索,以克服搜索的盲目性.对上述方法进行仿真实验,迭代次数和误差较小,表明本学习算法是切实可行的.     

粒子群优化的多机器人协作定位方法

针对异质多机器人具有不同的感知能力和处理能力的特点,提出一种基于粒子群优化的多机器人协作相对定位方法.该方法将常规粒子滤波方法与粒子群优化算法有机结合,通过粒子群优化方法对预估粒子进行更新,同时利用多机器人之间的相对观测信息,调整粒子的提议分布和粒子权重,增强多机器人位置预测的有效性,提高多机器人定位的精度.实时数据实验结果表明:该方法正确、可行.     

明斯基的人工智能生涯

 2016年1月24日,国际人工智能会的共同创始人、框架理论的创立者、麻省理工学院人工智能实验室联合奠基人、图灵奖得主、美国国家科学院和美国国家工程科学院院士马文·明斯基(Marvin LeeMinsky)因脑溢血与世长辞,享年88岁。明斯基1927年8月9日出生于纽约市。1946年进入哈佛大学主修物理,后来放弃物理改修数学。1950年本科毕业后进入普林斯顿大学研究生院深造,并于1954年获得博士学位,之后留校任教3年。1958-2016年,他在MIT从事人工智能教学与研究长达近60年。     

一种基于网格技术的HLA分布仿真实现方法

网格为仿真应用、资源共享和执行提供了一个理想服务平台,但只应用网格服务开发分布交互仿真,开发者必须自己创建通信机制来协调仿真执行.基于HLA开发的分布交互仿真存在缺乏动态发现和资源利用率不高等问题.为克服两者存在的问题并发挥各自的优点,提出了一种基于网格技术的HLA分布仿真实现方法.详细阐述了框架构成及网格服务构件和时序流程的设计,实现了仿真资源的动态分配、动态状态监控及任务动态迁移,并通过实验进行了验证.