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.     

基于规划规则的激励学习偏差研究

在实际动态系统中,经典无启发知识的激励学习算法收敛非常慢,因此必须采用某种偏差技术加速激励学习的收敛速度．已有激励学习偏差算法,通常先验地给出启发知识,这与激励学习的思想相矛盾．通过在初次激励学习获得的策略知识中,先抽取满足条件的规划知识,然后将规划知识作为启发知识,进一步指导后继激励学习．实验结果显示这种学习技术能有效加快算法收敛速度,并适用于动态复杂环境．     

仿真机器人足球赛中多Agent合作模型

在多Agent系统中,合作机制是成功的关键.如何能够达到令人满意的多Agent合作是目前MAS研究的关键.本文结合仿真组机器人世界杯足球赛领域,在团队行为规划和Teamwork理论基础上提出一种新的合作框架.本模型不完全依赖通讯.     

一种自适应概率规划规则抽取算法

在已知状态迁移条件下，利用传统概率规划技术能够获得确定的规划规则，而强化学习技术能够在未知环境条件下，利用试错和奖赏函数在线学习动态环境的策略知识。因此一种自适应的概率规划规则抽取算法被提出。该算法首先在强化学习获得的最优状态－动作对值函数基础上，通过迭代得到有折扣无奖赏的值函数和无折扣无奖赏的值函数。然后通过子规划剪枝将大于指定规划步数的子规划去除，并得到子规划剪枝后的状态－动作对值函数。最后通过Beam search算法从值函数中抽取满足概率规划条件的规划知识，从而在规划模型变化的条件下。也可以获得确定的概率规划规则。实验证明，这种自适应概率规划规则抽取算法是有效的。     

一个基于知识的彩色肺癌图像理解系统

介绍一个智能识别肺癌细胞的医学图像理解系统，该系统通过图像特征提取和智能图像分析识别两个模块，将图像处理技术和模糊知识表示技术相结合，实现对彩色肺癌细胞切片图像的理解，诊断识别出图像中的肺癌细胞，系统建立一个基于规则的两层模糊知识模型来表示用于肺癌图像理解的领域知识，实验表明，该模型能实现较高的肺癌分析识别准确率，是行之有效的。     

基于决策树构造神经网络的方法及应用

基于知识的神经网络KBNN(Knowledge-Based Neural Network)在提高神经计算性能方面效果显著,其构造方法基于已得的规则.利用决策树对数值数据的分割能力和神经网络准确的逼近收敛能力,提出了一种利用C4.5决策树从数据中自动提取规则生成神经网络的构造方法.该方法易于构造、收敛速度快、精度较高,在高速公路路面破损智能识别系统中使用效果良好.     

基于图像特征的智能肺癌识别

提出一种基于图像特征进行计算机辅助医学诊断的智能算法。该算法使用神经网络技术有效地从彩色细胞切片图像中识别出肺癌细胞。首先，通过图像预处理和图像分割技术提取出切片图像中细胞的形状和颜色特征。接着，将这些图像特征输入训练好的肺癌分类识别神经网络，智能地识别出肺癌细胞。     

迭代函数系统在模板匹配应用中的方法与定理

迭代函数系统在自然景物的建模上所具有的优势,同样可以在模式识别中得到广泛应用。研究了基于ＩＦＳ的模板匹配方法,先根据模式提取ＩＦＳ代码,然后对该代码进行识别。在ＩＦＳ代码的提取过程中,仿射变换矩阵形式是一个主要工具,其理论根据是分形几何中的拼贴定理,从对搜索图中的子图三角形图案提取ＩＦＳ代码的整个过程来看,其ＩＦＳ代码作为模板匹配的特征来提取,具有计算量小,提取方法简单等特点,还给出了根据各迭代函     

基于域理论的自适应谐振神经网络研究

在自适应谐振理论和域理论的基础上提出了一种基于域理论的自适应谐振神经网络算法ＦＴＡＲＴ。该算法将自适应谐振理论和域理论的优点有机结合,采用了独特的解决样本间冲突和动态扩大分类区域的方法,不需人为设置陷层神经元,学习速度快,精度高。此外,还提出了一种从ＦＴＡＲＴ网络中抽取符号规则的方法,即基于统计的产生－测试法,实验结果表明,使用该方法抽取出的符号规则可理解性好、预测精度高,可以很好地描述ＦＴＡＲＴ     

宝钢转炉吹炼控制模拟在线专家系统

介绍了宝钢转炉吹炼控制模拟在线专家系统的结构、功能，并举实例验证。