基于先验知识的强化学习系统

针对强化学习算法收敛速度慢的主要原因为强化学习算法所用模型通常都假设系统参数未知、先验知识未知，由此造成该算法从没有任何基础开始搜索最优策略，搜索范围大的问题，提出将强化学习系统建立在先验知识的基础上，既有效利用了前人的工作成果，又加快了算法的收敛速度．通过解决电梯群控问题验证了所提出系统的合理性和有效性．     

测控信号随机时延对迭代学习控制系统的影响

测控信号通过无线网络传输受到的随机时延严重影响迭代学习控制系统的收敛性能. 在一步随机时延模型的基础上,得到包含随机时延影响因子的系统转移矩阵,然后分别针对测控信号发生时延的情况,研究转移矩阵内决定系统收敛速度的特征值,以及决定系统鲁棒收敛性的下三角内其他元素取值的变化情况. 由分析可知,测控信号随机时延不仅会降低系统的收敛速度,而且会影响系统的鲁棒收敛性. 尤其是控制信号随机时延,它对系统鲁棒收敛性的影响明显强于测量信号随机时延的影响. 仿真实验表明了分析结论的正确性.     

基于Mobile Agent的新型分布式入侵检测方法

在分析一般入侵检测方法的基础上，提出了一种新的基于Mobile Agent的入侵检测方法，与AAFID等入侵检测方法相比，新方法提高了系统的抗毁坏性和自恢复能力。     

基于内容管理的LCMS构建技术研究

讨论了学习内容管理系统（LCMS）在现代远程教育系统中的应用.该技术在远程教育教学资源管理、课件编著等方面具有优势.本文在针对内容管理系统（CMS）、学习内容管理系统（LCMS）讨论的基础上,提出了一个构建LCMS的方案,给出了系统功能分析、主要数据模型,并提出了一种创新的四层构架概念,介绍了实现方法.提供了一种基于LCMS的远程教育网络环境建设的途径.     

基于委员会投票选择方法的主动学习的研究

讨论了利用QBC(委员会投票选择)的主动学习方法来学习贝叶斯网络分类器,通过对基于投票熵和基于KL-divergence的QBC算法的研究,指出了两者存在的缺陷;同时提出了基于投票熵与类条件后验最大熵相结合的QBC算法。实验证明,该算法提高了分类器的精度,并使用了较少的训练样本,这有效解决了大数据量训练样本获得困难的情况下分类器建模问题。     

倒立摆的Reinforcement Learning模糊自适应控制

根据Lagrange方程建立了单级倒立摆系统的数学模型，利用模糊自适应控制算法设计了倒立摆系统的控制器，并在Matlab的仿真模块中将倒立摆系统的数学模型和控制器结合起来．对倒立摆控制系统进行了仿真研究。结果表明，对于要求实时性较高的非线性不稳定系统。用模糊自适应控制算法可以按照控制要求在线调节控制参数，在最短的调整时间内取得良好的控制效果。     

网络课程的设计模式和实施方案

网络媒体综合了其它媒体的特点，并具有强大的交互特性。网络课程的设计实施则是网络媒体能否在教育教学中发挥优势的关键。本文在分析网络课程特点的基础上，详细讨论了网络课程的系统设计模式和实施方案，最后给出了网络学习的功能模块。     

基于PD型迭代学习的液压机械手轨迹控制

液压机械手作业系统的任务规划具有重复性,为了对液压机械手作业动作进行有效控制,建立了适合机械手作业系统的迭代自学习控制规律.只要增益Kp、Kd及学习因子α满足一定的条件,则该学习控制就是稳定的.通过对系统数字仿真,结果表明带学习因子的PD型迭代学习控制,较传统的PD控制有更好的动态响应特性,稳态误差小,具有一定的自适应性和鲁棒性.采用这种PD型前向反馈学习控制规律,只要机械手各关节变量的位置锁定,就可在期望的范围内实现抓取和释放动作.因此,该控制算法适合液压机械手系统的控制要求,能对其作业进行有效控制.图6,表1,参8.     

基于机械记忆的词汇学习研究

本文调查了普通高校学生的词汇记忆现象，发现机械记忆单词非常普遍，通过实验研究表明，用机械记忆法记忆与自身水平相当的词汇是可行的，但在记忆难度超出自己水平的词汇时，效果不是太好，所以我们建议采用机械记忆．法时，应该区别词汇难度有选择地记忆单词．     

本科生导师制--学生个性化教育的发展和延伸

导师制是充分发挥学生个性的一种教育管理手段,有利于对学生加强思想政治教育,有助于培养学生的能力、提高学生素质.本文主要探讨了在本科生中实施导师制的必要性和优越性,也对实施中的不足进行了研究,提出了自己的见解.