人工智能中的机器学习研究及其应用

机器学习是人工智能研究的中心问题。本文首先介绍了机器学习的背景——人工智能的研究和发展，机器学习的概念。提出了机器学习的研究目标和方法，建立并讨论了一个简单的学习模型。最后指出机器学习的发展必须依靠思维科学的发展，提出了发展机器学习的趋势。     

结构智能的调节器:符号化及示范实现

通过三种控制功能,将调节问题层层归约,并利用拓广了的调节问题归约与或图,来显式地表示出结构智能调节器的逻辑推理和数值计算的细节和过程。整套方法直观形象,避免了逻辑上的冗余性或(和)不完备性,容易理解和分析。     

用人工神经网络定量预测化工基础物性

人工神经网络是人工智能技术的一个分支。本文将人工神经网络技术用于化合物的正常沸点、临界温度和沸点汽化热的定量预测,取得了较好的结果。估算精度好于或相当于文献方法。通过对三种基础物性的试验,表明人工神经网络技术可以用于定量预测,从而为这种技术开辟了一个新的应用领域。     

神经网络的多故障诊断层次模型研究

人工神经网络已成功应用到实际的故障诊断系统中，但大多主要用于单故障诊断情形。实际应用中，多故障同时出现的情况却普遍存在。基于神经网络的方法，构造了一种用于既能诊断单故障，又能诊断多故障的模型。通过实例与传统的诊断模型进行对比，说明了所提出诊断模型的可行性和有效性。     

大型圆柱工件形位误差检测方法

采用三角法测距原理,使用高精度激光CCD位移传感器进行数据采集。针对激光CCD灵敏度高,干扰噪声容易混入测量数据中的问题,提出了一种基于小波分析的误差分离方法--运用谐波分析的思想方法和小波理论中Mallat多频率分析算法进行误差分离,经过误差分离以后的数据用人工免疫算法求出形位误差。以大型高精度油膜轴承为应用对象,研究了圆柱形工件形位误差在线测量方法。实验证明此方法精度高,操作简单,使用方便,具有很高的实用价值。     

人工绿地非使用价值评估

利用条件价值法评估济南市泉城公园旅游资源的非使用价值。研究得出:泉城公园的人均支付意愿值(WTP)为24.0元/a,非使用价值总额为1.0亿元/a,其中选择价值为2 450万元/a,遗产价值为2 230万元/a,存在价值为5 320万元/a。研究表明人工绿地也具有非使用价值,人均支付意愿值和自然绿地差别不大。相关分析表明,职业、文化程度与支付意愿有较强相关性,文化程度和性别较显著影响支付意愿值。     

Multi-ISM联盟的网络安全系统协作模型及算法

针对现有网络入侵检测系统(NIDS)存在智能程度低、自适应能力弱、协同性差、负载不均衡等局限性,引入了免疫软件人(ISM)智能体的理论,提出了一种基于multi-ISM联盟的网络入侵检测与防御系统的分布式社区协作控制模型及其算法.该模型系统采用了部分-全局规划(PGP)策略以及multi-ISM间的协作、协调和协商机制,融合了网络协作模型与层次模型的优点,从性能上改善了当前分布式入侵检测系统(DIDS)难以适应高带宽、大流量的动态网络环境等问题.实验结果表明:该模型系统相比其他的DIDS,在检测性能和误报率等方面具有明显优势,对于服务器系统资源的占用率不是很大,同时它还能够较好地解决网络信任社区内与社区间的协同防御和预警问题.     

基于神经网络的时变时滞系统自适应内模控制

将基于人工神经网络的时变时滞系统参数辨识算法与内模控制相结合,提出了时 滞系统自适应内模控制算法,理论分析及仿真结果表明,该算法能克服时滞及参数的变化,具有鲁棒性好,抗干扰能力的特点。     

混合动力汽车能量管理控制器参数优化

设计了一种新的基于人工免疫网络优化的模糊神经混合动力汽车能量管理控制器．该控制器结合模糊控制和神经网络的优点,利用神经网络的自学习能力,自动生成模糊规则和隶属函数,并不断优化隶属函数的参数,直到达到设计要求．为了避免神经网络的学习过程陷入局部极值点,采用人工免疫网络优化神经网络的参数．仿真结果显示,经过参数优化的模糊神经能量管理控制器的性能比普通能量管理控制器好,能进一步降低HEV的油耗．     

基于人工神经网络的碳/陶瓷复合材料性能预测

利用人工神经网络的BP算法,建立了碳/陶瓷复合材料性能与多组分掺杂含量之间的预测模型.模型由输入层、隐含层和输出层3层神经元组成,用以模拟人脑的结构.以掺杂物的质量分数为输入参数,经石墨化后测得的复合材料的电阻率和抗折强度为输出参数.选取了30组实验数据作为学习样本,任意的7组数据作为"未知样品"对网络进行验证.结果表明,实验值和预测值相比电阻率的最大误差不超过8%,抗折强度的最大误差不超过12%.所建的网络可为碳/陶瓷复合材料设计提供理论指导.