运用马尔可夫链求一类矩阵的逆矩阵

运用马尔可夫链的知识 ,证明了一类矩阵是满秩的 ,并给出求其逆矩阵的方法     

具有跟踪性可扩同胚的链回归集

给出具有跟踪性可扩同胚的链回归集的几个性质 ,指出以往文献中证明链回归集无环性时的错误之处 ,并给出严格的证明 .     

关于平均伪轨跟踪性质

证明了紧致度量空间上具有平均伪轨跟踪性质的同胚只有一个链分支,这个链分支就是全空间。特别的,每个点是链回归的。利用这个结果,给出Sakai新近一个定理的简短证明。     

基于正弦注意力表征网络的环境声音识别

将正弦注意力表征网络引入环境声音识别,首先提取梅尔频率倒谱系数(Mel-frequency cepstral coefficient,MFCC)作为音频识别特征,使用门控循环单元提取MFCC每一帧的特征,根据正弦函数激活每一帧音频得分,并依照每一帧的音频得分为音频重新分配权重,从而将注意力集中在音频重点区域.最后结合全...     

基于虚拟样机的异构双腿机器人联合仿真

阐述了一类新型双足机器人--异构双腿机器人的概念及研究目的.研究用Pro/E、ADAMS和MATLAB/Simulink联合构建异构双腿机器人的虚拟样机,并提出基于虚拟样机的联合仿真策略.为实现对期望步态的动态跟踪,提出了基于对角回归神经网络的自适应PID控制算法.为验证方案的合理性,进行了步态仿真及控制仿真.结果表明,虚拟样机技术可避免复杂的人工建模和求解过程,仿真逼真且接近实际系统,为复杂双足机器人系统提供了良好的研究方法.     

基于动态神经网络的PID参数整定与实时控制

提出了一种基于对角回归神经网络的PID控制器结构,给出了PID参数在线自整定的学习控制算法。为检验控制效果同时还使用了静态BP网络来整定PID参数,并在Matlab环境下,分别建立了基于对角回归神经网络和BP网络的液位实时控制系统。实际的控制效果说明,基于动态网络的PID控制器工作稳定,具有较好的鲁棒性。     

基于神经网络的移动机器人路径规划方法

针对动态环境下移动机器人路径规划,提出了一种基于递归神经网络的实时路径规划方法。利用神经网络表示机器人的工作空间,每个神经元都只有局部侧连接。目标点位置神经元具有全局最大的正活性值,该活性值通过神经元之间的局部侧连接逐渐衰减地传播到整个状态空间,障碍物及其周围区域神经元活性值则被抑制为零。目标点全局地吸引机器人,障碍物局部地将机器人推开实现避障,从而能够在动态环境下产生最优规划路径。仿真结果表明该方法具有较好的环境适应性和实时性。     

关于Diophantine方程x^3＋1=201y^2

本文应用递归数列、同余式证明了丢番图方程x^3＋1=201y^2仅有整数解（x,y）=（-1,0）,（440,±651）．     

具有漏泄时滞和时变区间时滞的递归神经网络新的稳定性准则

研究了具有漏泄时滞和时变区间传输时滞的递归神经网络的渐近稳定性问题.基于Lyapunov-Krasovskii(L-K)稳定性理论.Jensen不等式和互惠凸方法,得到了线性矩阵不等式(LMIs)表示的新的稳定性准则.相对于现存的方法,避免利用保守性较大的中立型变换,且在构造L-K泛函时充分利用了漏泄时滞和传输时滞的关联信息,因此所得准则具有较小的保守性.数值例子验证了所得结果的有效性和较小保守性.     

非游荡集上的逐点伪轨跟踪性

讨论了非游荡集上的逐点伪轨跟踪性,证明了定义在紧度量空间上的连续满射若具有逐点伪轨跟踪性,那么它在非游荡集上的限制具有伪轨跟踪性.