吉林西部盐渍土电导率、可溶性钠与裂纹相关性测量

吉林西部盐渍土的改良,是实现吉林省粮食增产目标的关键。利用激光三维成像技术非接触、无损伤地探测土壤表面形态,计算出土壤开裂的裂纹面积及长度,并探讨其与盐渍土电导率及可溶性钠的相关性。通过对几种人工扰动盐渍土土样的测试研究表明,土壤裂纹面积与电导率和可溶性钠的R2值分别为0.54和0.611 5,土壤裂纹周长与电导率和可溶性钠的R2值分别为0.861和0.918 1,说明裂纹周长与上述两个参数具有较好的相关性。由此可知,土壤的裂纹特征可以反应土壤的电导率和可溶性钠含量,为盐渍土的改良利用提供有效的探测技术。图8,表2,参15。     

基于混合聚类和网格密度的欠定盲矩阵估计

欠定盲矩阵估计是欠定盲源分离的关键技术,其估计结果直接影响源信号的分离精度。针对目前欠定盲矩阵估计算法稳定性差、估计精度不高的缺点,提出了一种基于混合聚类和网格密度的新算法。该算法利用基于人工蜂群算法和K-均值的混合聚类方法对信号数据进行聚类,提高聚类结果的稳定性;利用网格密度法修正每一类的聚类中心,提高混合矩阵的估计精度。实验结果表明,所提算法在稳定性和估计精度方面都比传统欠定盲矩阵估计算法有了明显改善。     

A kind of Generalized Learning Model

1　IntroductionSymboliclearning,connectivelearning,fuzzylearningandevolutionarylearningarethepresentfundamentalmethodsformachinelearning[1～3].Eachofthemhascharacteristicsandadvantages,andcancarryoutmachinelearningtasksincertainregioneffectively.Howe...     

MPI并行矩量法计算二维粗糙面波束电磁散射

通过有限脉冲响应滤波器理论和快速傅里叶变换方法,模拟了二维高斯随机粗糙面。从电场积分方程出发,利用RWG (Rao-Wilton-Glisson)基函数矩量法结合Galerkin方法,在PC集群并行平台上研究了二维导体高斯粗糙面对波束的电磁散射特性。为使得PC集群信息传递接口(message passing interface, MPI) 并行平台上各参与运算的各进程的负载平衡,对整个阻抗矩阵按行分块,并详细讨论了并行共轭梯度法求解矩量法矩阵方程的并行实现过程。最后在PC集群MPI并行平台上进行数值实验,分析了在波束入射条件下,均方根高度、相关长度和极化方式对二维导体高斯粗糙面的电磁散射特性的影响。     

基于势场蚁群算法的机器人路径规划

提出了一种未知环境下机器人路径规划的势场蚁群算法。该算法利用人工势场力和机器人与目标之间的距离构造机器人避障和移动的综合启发信息,并利用蚁群搜索机制在未知环境中寻找机器人从起始位置至目标位置的全局最优路径。所提出的算法将蚁群算法和人工势场法进行有效的结合,提高了常规蚁群算法对最优路径的搜索效率。通过仿真实验表明了所提出的算法用于机器人路径规划的有效性。     

定性仿真与人工智能的关系及计算机化解法体系

定性仿真是采用定性推理方法建立和求解定性代数方程或定性微分方程模型,得到被仿真对象的定性行为和展望的预测过程。定性仿真(QSIM)和基于深层知识的人工智能技术,在其核心内容上看是属于同一科学领域。图论方法是求解复杂定量或定性仿真模型的实用且有效的计算机化方法。提出了有关定量和定性仿真计算机化的解法体系,给出了一种计算机求解实例。     

面向过程再造的企业战略模拟系统研究

依据博弈论的思路并借助于人工神经网络的机理设计并实现了一个面向过程再造的企业战略模拟系统,该系统既为企业的战略制定与实施初步提供了一种无代价的实验手段,又验证了有关企业过程再造的主要理论假设,弥补了其实证研究的不足.并在一家企业得到了应用.     

基于免疫克隆选择算法的多用户检测技术研究

为了解决最佳检测器计算复杂度较高的难题，提出一种精简有效的克隆选择算法。把人工免疫系统和神经网络系统的信息处理机制引入到CSA提出了免疫克隆选择算法。所提ICSA通过使用随机Hopfield神经网络制备疫苗构成新的免疫算子，把新的免疫算子结合到克隆选择算法中，不仅加快了克隆选择算法的收敛速度，并提高了克隆选择算法的全局收敛能力。然后在CDMA系统利用此算法设计了新的多用户检测器。仿真结果证明了ICSA检测器能够快速收敛到全局最优解，并且无论抗多址干扰和抗远近效应能力都优于传统方法和一些应用优化算法的多用户检测器。     

基于前视声呐信息的AUV避碰规划研究

在复杂海洋环境中,利用前视声呐获取的障碍物信息指导自治水下机器人（AUV）进行局部避碰。主要采用强化学习的方法对AUV进行控制和决策,综合Q学习算法、BP神经网络和人工势场法对AUV进行避碰规划。强化学习的方法强调AUV在环境的影响中学习,通过环境对不同行为的评价性反馈信号来改变行为选择策略。并且在环境发生变化时,AUV通过学习来实现对新环境的适应,不断改进其自治能力,进而实现在不确定环境下的避障任务。开发了AUV运动规划的虚拟仿真软件系统,仿真实验证明了算法的合理性与可行性。