一种机器翻译系统用词典的设计及其结构

提出了机器翻译系统的词典设计目标，讨论了大型动态词典文件的组织方法，根据汉语词分布不均匀的特点，提出一种扩充的Ｂ＾＋树索引词典文件结构，并给出该词典的查询算法及词典结构的评估。实践证明该词典结构达到了机器翻译系统的要求，其结果是合理的。     

人工鱼高级行为规划和运动模型研究

以生物学理论为依据,从人工智能和人工生命相结合的角度提出了人工鱼的高级行为规划和运动模型.高级行为规划即设计多种行为序列以实现当前意图,使人工鱼能够根据不同的环境条件选择相应的行为策略.运动模型在高级行为规划指导下,将行为序列分解为具体动作来执行,作用于环境.人工鱼的运动由饥饿度、危险度等内部状态驱动,并受体力的影响.仿真实验表明该模型能够更合理、有效地模拟真实鱼类的生命特征和智能行为.     

BP神经网络数值预测方法的研究

人工神经网络作为一个具有高度非线性映射能力的的计算模型,具有广泛的应用前景。在数值预测方面,它不需要预选确定样本的数学模型,仅通过学习样本数据即可以进行预测。本文在对其进行深入研究的基础上,探讨了利用BP神经网络进行数值预测的方法和应该注意的问题,并给出了一些有益的建议。     

气动人工肌肉关节驱动特性实验研究

针对气动人工肌肉柔软的物理特性，设计一种新型的气动人工肌肉实验台，该试验台采用气缸作为气动人工肌肉的负载，自动测量气动人工肌肉的参数；通过对实验数据进行拟合，建立简单实用的静态特性模型；对由一对人工肌肉组成的关节进行静态实验和阶跃实验，实验结果表明，气动人工肌肉关节线性度高，但响应速度低，存在滞环．     

云及其他颠覆性技术趋势对商业经济领域的影响

 技术革命带动社会变革,人类社会发展经历的3次浪潮--从农业革命到工业革命再到信息革命,无一不是当时的“颠覆性技术”带来的巨大变革。如今,从云计算到大数据,到人工智能等,这些颠覆性技术每年都给世界经济甚至世界格局带来巨大影响。世界主要国家对技术预见能力都高度重视,颠覆性技术发展核心技术能力成为各国战略布局的重点。本文阐述了颠覆性技术的8个趋势、2个环境和7层技术模型,并介绍了云计算、人工智能对数字化经济的重要变革作用。     

基于人工神经网络的矿井涌水量预测

应用人工神经网络理论,提出了矿井涌水量预测的新方法,并将其与自回归时序模型进行了比较验证。结果表明,运用神经网络方法进行矿井涌水量预测,精度高,自适应性强,在数据不十分充足的情况下,效果尤其好于自回归模型。     

一种改进的人工免疫算法在模糊Flow—shop调度问题上的应用

为了克服传统的遗传算法和人工免疫算法的不足，提出一种改进的人工免疫算法。此种算法在进行亲合力计算前利用生成的亲和度矩阵排除相似抗体，大大减少运算量。用此种改进的人工免疫算法优化寻优过程，研究了处理时间不确定并且具有不同交货期窗口的Flow-shop的提前／拖期调度问题。最后，仿真实验验证了算法的有效性。     

基于人工免疫算法的旅游突发事件预警研究

对旅游突发事件预警进行了分析,给出了旅游突发事件的人工免疫模型,建立了基于人工免疫模型的旅游突发事件预警系统.应用预警系统对旅游突发事件进行了分类,得出了一种新的旅游突发事件分类方式,可以有效地对旅游突发事件进行预警.     

MC—CDMA系统中分集接收的改进AFSA多用户检测

文章在多载波码分多址（MC—CDMA）系统上行链路的频率选择性信道中,提出了一种使用多天线分集接收的基于改进人工鱼群算法（AFSA）的多用户检测（MUD）方案。为了解决多目标问题,考虑针对不同天线分支代价函数根据Pareto优化准则进行个体选择,使改进后的鱼群算法具有选择行为和交叉行为,同时也独立利用不同天线分支信号携带的有用信息。仿真结果表明,在相同计算复杂度下,基于Pareto优化准则的个体选择机制AFSA—MUD的误码率（BER）性能要远远优于基于代价函数线性合并的个体选择机制;通过与单用户和最优检测仿真结果比较也表明,基于该策略的改进人工鱼群算法的多用户检测是有效的。     

A REAL_TIME SHORT_TERM LOAD FORECASTING SYSTEM BY ARTIFICIAL NEURAL NETWORK *

应用人工神经网络（ＡｒｔｉｆｉｃｉａｌＮｅｕｒａｌＮｅｔｗｏｒｋ—ＡＮＮ）设计短期电力负荷预测（Ｓｈｏｒｔ＿ｔｅｒｍＬｏａｄＦｏｒｅｃａｓｔｉｎｇ—ＳＴＬＦ）系统,利用广州电网的负荷数据进行仿真,分别作出提前１小时和未来２４小时的整点负荷预测,获得比较满意的预测精度,显示出人工神经网络应用于短期电力负荷预测的良好前景．由于建立小时模型、改进了训练样本集的选取办法及采用高效率的ＬＭ（Ｌｅｖｅｎｂｅｒ＿Ｍａｒｑｕａｒｄｔ）训练算法,使ＡＮＮ的训练速度大大加快,形成可以实时训练和预测的ＡＮＮ＿ＳＴＬＦ系统．