面向匹配决策问题的漏整合神经元稀疏ESN网络

为了对匹配决策问题进行建模与预测,提出了一种具有更多神经生理学特征的稀疏回声状态网络(ESN),并基于在线监督学习方法对网络进行训练.为了评估网络的匹配决策性能,设计了三组测试数据集对网络性能进行测试,并提出了一种基于网络期望输出与实际输出序列最大相关系数的评价方法.仿真结果表明,新模型只需要较少的训练时间即可获得较好的决策性能,且对发放时间间隔、平移和网络噪声具有较好的鲁棒性.     

基于网络结构的并行路径规划算法

算法继承了人工势场法的基本思想，通过寻找路径点的能量函数的极小值点而使路径避开障碍物。势场由排斥场和吸引场叠加而成，在算法中对于排斥场和吸引场的强度引入了一个平衡系数，并引入了模拟退火的思想和一些启发性知识，以避免某些局部极值的情况。算法具有很大的并行性，收敛速度较快，易于从二维空间扩展到三维空间，对人工势场法给予了较大的改进，取得了较好的仿真效果。     

RNA二级结构预测的神经网络方法

针对利用经典的随机上下文无关文法(SCFG)等模型对RNA(R ibonucle ic ac id)二级结构进行预测时,存在计算复杂性问题,该文给出了RNA二级结构的“新二级结构单元标签”(N SSEL)表示,相应提出了一种新的RNA二级结构预测的神经网络方法。这种二级结构的N SSEL表示格式很容易转换成常用的CT格式。基于tRNA数据集的实验表明,在完全相同的训练与测试数据集下,该方法,较之性能最好的B JK与BK 2等SCFG模型,其预测精度与相关系数都有所提高,证明了所提方法的可行性与有效性。由于神经网络启发式方法不存在计算时间复杂性问题,因此可望将此法用于预测SCFG等算法难以处理的大于1 000个碱基的长RNA序列的折叠问题。     

基于全局与局部模型相互制约及具有模型不确定性评估的车道线检测方法

针对无人驾驶车辆,提出了一种新的基于全局与局部模型相互制约及具有模型不确定性评估的车道线检测方法.该方法基于车道线的全局与局部模型,通过它们之间的相互制约与影响,有效地实现了视觉测量噪声的过滤与全局信息的获取.进一步利用对检测结果或全局模型的不确定性程度进行评估,不仅可稳定可靠地检测到车道线,而且还可为多源异构传感器之间的信息融合提供基础支撑.面向高速公路进行了大量的真实道路实验.实验结果表明,利用所提方法获得的预瞄点,其平均侧向偏差小于0.3 m,平均角度偏差小于0.03°,能够满足无人驾驶车辆在高速公路上进行自主行驶的需要.     

机器人运动状态的实时漫游

在机器人化生产系统开发工具软件 (ROBVR)的主要设计目的之一 ,就是旨在开发一个面向机器人化汽车生产线的虚拟构造、布局检验和生产流程动态仿真的软件工具平台。为了在 ROBVR系统中实现在机器人各关节运动的同时做实时的漫游 ,通过一个编译连接器 ,根据事先确定的机器人任务描述文件 ,以便生成仿真时所需要的机器人各关节在每一帧中的位移量 ,从而解决了机器人各关节运动规律的离线计算问题。由于在预处理阶段就完成了大量的计算工作 ,因此利用该方法 ,可大大加快在线仿真时的速度。文中通过一个机器人系统实例的模拟 ,说明了该方法的有效性     

基于立体视觉的三维建模方法

研究了基于立体视觉的三维反向建模方法。该方法利用线状结构光与立体视觉原理,首先测量位于四自由度平面机器人上的三维物体的表面几何信息,然后通过获得的采样数据集,自动构建具有真实纹理的三维几何模型。相应提出了一种新的系统标定方法与自动曲面重构算法,并实现了一个面向虚拟现实应用的三维物体的自动反向建模原型系统。     

基于动态Bayesian网络的基因调控网络建模

为了精确建模与推断基因调控网络,提出一种基于动态Bayesian网络的多数据融合方法(SP-DBN).该方法利用结构期望最大算法进行未知结构学习,基于粒子滤波方法完成参数学习,可有效处理数据缺失与噪声问题,更好地捕捉数据中固有的动态特性,并通过其先验结构,在基因表达数据的基础上,自然地融合转录因子绑定位点等多数据源信息.基于酿酒酵母的真实数据,实验结果表明: 对于仅采用基因表达数据的情况, SP-DBN的敏感度与特异度分别提高到19%和95%;融入绑定位点数据后, SP-DBN的敏感度可从19%进一步提升至20%, 而特异度则仍保持在95%的水平.     

河北省于城铁矿地质特征

白云岩顶垂体与石英二长岩或中细粒花岗岩接触,形成区内广泛而复杂的接触带构造,根据接触带不同部位,将矿区划分为北接触带、西接带、南接触带、东接触带与底部接触带.于城铁矿受接触带构造控制,形成矽卡岩型磁铁矿床.     

基于ESN网络的航天器姿态跟踪鲁棒控制

为了研究具有外部干扰力矩和模型不确定性的多体航天器姿态快速跟踪控制问题,基于逆系统方法和回声状态网络(echo state network, ESN), 设计了鲁棒控制器,并利用Lyapunov稳定性理论证明了控制系统的渐近稳定性.采用"meta-learning"策略离线训练ESN网络,并应用遗传算法优化其主要参数,解决了动态递归神经网络训练困难及网络参数不易确定的问题.控制器的设计过程相对简单,不需要精确的动力学模型.该文还针对航天器中心体与天线同时跟踪不同目标的任务进行了数值仿真,结果表明所设计的鲁棒控制器对外部干扰与模型不确定具有很好的鲁棒性.     

面向语言评价的Takagi-Sugeno模糊再励学习

综合考虑再励学习的两个重要子问题 :连续空间及语言评价问题 ,提出了一种新的学习方法 ,即面向语言评价的 Takagi-Sugeno(T-S)模糊再励学习。该学习智能体构建在 Q-学习方法和 Takagi-Sugeno模糊推理系统的基础上 ,适于处理连续域的复杂学习任务 ,亦可用于设计 Takagi-Sugeno模糊逻辑控制器。以二级倒立摆控制系统为例 ,仿真研究验证了学习算法的有效性