一种新型的结构自组织基函数模糊CMAC

为提高CMAC的非线性逼近能力 ,通过引入Gauss基函数和基于相似测量的寻址策略 ,提出一种新的Gauss基函数模糊CMAC网络 (GFCMAC) ,并进一步在对Kohonen的自组织映射算法进行改进的基础上 ,提出了GFCMAC的结构自组织算法 (SOGFCMAC) .仿真结果表明 ,采用Gauss基函数和模糊技术可以显著提高CMAC算法的非线性逼近能力 ,与传统CMAC、广义基函数CMAC和FCMAC等算法相比 ,SOGFCMAC算法在收敛速度、逼近精度和结构自组织等多方面都具有明显的优越性 .     

基于离散泰勒级数的新型联想记忆系统

基于离散泰勒级数提出一种对任意阶多维函数可实现无差逼近的新型联想记忆系统，详细讨论了该系统的插值算法、训练规则及寻址机制，新型联想记忆系统相对于CMAC具有逼近精度更高、占用存储单元较少、学习速度较快等优点，该系统在信号处理、模式识别、过程建模及高精度实时智能控制等领域具有广泛的应用价值，仿真实例表明了系统的可行性与有效性。     

一种单输入/单输出的小脑模型神经网络研究

针对标准小脑模型关联控制器（CMAC）存在的问题,研究了一种单输入单输出（SISO）的CMAC算法.SISO CAMC采用直接地址映射,以输入v的量化值为地址,建立起输入v与权重w的关系,并通过对输入v进行归一化,增强网络的泛化能力.另外,学习采用随机样本,具有学习简单、收敛速度快、函数逼近精度高等特点,可以在单片机上实现.最后,理论证明和仿真试验,验证了该算法的有效性.     

一种改进的B样条CMAC网络概念映射方法

针对CMAC网络在输入维数高、量化间距小、样本数量多的情况下导致虚拟存储空间过大的问题,提出一种改进的基于多维存储结构的B样条CMAC网络概念映射方法,无需增加虚拟空间到物理空间的hash映射,避免了地址碰撞问题,与其他映射方法相比,由于该方法只映射量化空间中少量的有规律的地址单元,使得该映射方法实际所需虚拟地址空间远小于其他方法,从而在存储空间受限情况下,可以显著提高网络的学习精度和泛化能力.仿真试验结果表明,在新的映射方法下,B样条CMAC比常规CMAC学习精度高,学习速度快,泛化能力强,对相同结构的B样条CMAC网络,新的映射方法在存储空间大小、学习能力和泛化能力等方面明显优于现有的其他方法.     

基于CMAC的光电探测系统姿态稳定控制技术研究

将小脑模型关节控制器(CMAC)神经网络应用于动载体光电稳定跟踪控制系统设计,分别构建CMAC学习算法网络和CMAC控制网络,泛化参数取4,采用δ学习算法调整网络权值,为评估所构建的CMAC网络对目标系统的逼近能力,选定一个非线性系统作为对象,以连续方波为输入信号进行仿真。仿真数据显示,输入信号发生跳变经0.15s后输出信号的稳态误差为0。选用直流力矩电机和分辨率为767×10-6 rad的光电编码器构建动载体三轴姿态稳定控制实验装置。结果表明,构建的以CMAC神经网络为核心的控制器在此实验装置上实现的姿态稳定误差为870×10-6 rad。     

基于CMAC神经网络的康复机器人的智能控制技术

康复机器人是目前的热点方向之一.建立了五自由度上肢康复机器人的CMAC神经网络控制模型.在此模型基础上,通过对正常人肌电信号的训练学习,修正了网络的权值,得到了较为理想的控制模型.最后,通过病人的肌电信号,得到了良好的输出结果.仿真实例表明,CMAC方法比其他神经网络方法收敛快,学习精度高,且具有更好的网络泛化能力,可以用于五自由度上肢康复机器人的智能控制.     

基于NFI-CMAC的机器人分布式智能控制

基于牛顿前向插值公式提出一种对多维函数可实现任意阶逼近的新型CMAC神经网络———NFI CMAC,详细讨论了其插值算法、训练规则及寻址机制.与传统CMAC相比,NFI CMAC具有学习精度高、学习速度快及占用内存单元少等优点.基于NFI CMAC设计了一种高性能的机器人轨迹跟踪分布式智能控制方案,仿真研究表明了该方案的可行性与有效性.     

基于CMAC和图像信息测度特征的边缘检测方法及其应用

CMAC(Cerebellar Model Articulation Controller)网络是一种具有线性结构、算法简单的局部化神经网络,由一个固定的非线性输入层和一个可调线性输出层组成,实质为自适应查表算法.由于信息以分布方式存储,CMAC泛化能力强,学习速度快.通过引入信息测度特征反映图像边缘,以CMAC网络为非线性函数映射器,对配电系统中关键绝缘瓷瓶的远程监控作了应用研究,提出一种利用CMAC网络完成瓷瓶图像信息测度至边缘特征的非线性映射方法;并通过边缘检测前后的正常预处理和异常扫描,实现瓷瓶状态的实时监测.仿真和实际应用均表明该方案具有可行性和有效性.     

船舶柴油发电机组双回路系统神经网络控制研究

针对船舶柴油发电机组转速控制与励磁控制,设计了CMAC神经网络与PID控制器相结合的并行控制系统,并分别运用到船舶柴油发电机组系统的2个控制回路中。CMAC神经网络控制算法具有在线学习速度快和局部泛化能力强的特点;在控制中,CMAC神经网络通过对发电机控制的学习,获得了系统广义被控对象的逆动态逼近模型,以此实现对系统的控制。在某大型船舶电力仿真系统的运用中,发电机负载特性测试的结果表明控制系统的2回路之间的协调性好,系统控制质量满足有关船舶规范的要求。     

基于新型CMAC神经网络的复杂系统控制

首先基于离散泰勒级数设计了一种可实现对任意阶多维函数无差逼近的新型CMAC神经网络,给出了其插值算法及训练算法。该系统相对于传统的CMAC神经网络具有学习精度高、收敛速度快、所需内存单元少等优点。并基于新型CMAC神经网络设计了一种复杂系统的高性能实时控制策略。该方案不依赖于系统的数学模型,具有较强的鲁棒性和通用性,仿真结果表明了该方案的可行性与有效性。     

一种面向终端用户的Web服务测试方法

面向终端用户的Web服务(Web Service)测试,是保证Web服务软件系统质量的重要技术手段。文章提出了一种Web服务应用环境下的测试模型和测试覆盖指标,旨在针对Web服务与应用环境进行交互的方式,测试Web服务的操作调用序列,为终端用户提供一种高效验证Web服务行为的方法,以提高基于Web服务软件系统的可靠性;并给出了测试覆盖分析支持工具WSCoverageAnalyzer的设计结构;最后基于一个Web服务Seller的应用案例,说明了所提出的方法。     

基于MDL比值的战场目标个数盲估计算法

由于基于MDL准则的信源数估计算法只适用于估计白噪声条件下非相关源的数目,为了适应战场的实际应用环境,提出了基于改进MDL准则的MDL比值信源数目估计算法,有效地解决了基于传统的MDL准则算法在有色噪声条件下信源数估计失效的问题。为了研究空间噪声相关性对所提算法的影响,建立和推导出了适用于圆阵的空间相关有色噪声模型。通过仿真实验和实测数据的验证试验,验证了所提出算法的有效性和可行性。     

飞机防滑刹车系统的变结构控制研究

对滑模变结构控制方法进行研究,将其应用于飞机防滑刹车系统的控制中。通过对飞机起降过程的分析,简化了系统的外部条件,建立了飞机刹车系统的非线性模型。结合滑模变结构控制的特点,设计出一种飞机刹车系统的变结构控制。仿真结果证明了所提出的滑模变结构控制方法的正确性和有效性。     

一种高速率全分集空时频编码设计方法

基于多输入多输出正交频分复用(MIMO-OFDM)系统提出了一种高速率全分集空时频编码设计方法。该方法利用预编码的基本思想,首先将同一信号样本分配到不同频率的子载波上,再利用空时编码的方法将处理后的数据分配到不同OFDM符号上,就可以得到基于MIMO-OFDM的空时频编码。最后提出了一种利用列交换技术来获得更大分集增益的改进方法。仿真结果表明:提出的方案能在频率选择性瑞利衰落信道下获得最大的空间分集和频率分集增益,且只有较低的解码复杂性。     

小波域正则化遥感图像融合

遥感图像融合过程中,为了在增强空间分辨率的同时减少光谱损失,文章提出了一种改进的强度-色调-饱和度和小波的融合算法,新算法在原算法中,引入正则化技术。以小波域局部高斯模型作为光谱分布先验概率,以全色图小波系数做为空间分布先验概率,以马尔可夫随机场描述空间特征,通过梯度下降法迭代优化,实现了光谱和空间信息总损失最小的图像融合。对美地球资源卫星5的增强专题图像的融合试验证明文中提出的算法可同时提高多光谱及全色图像与融合图像的相关性,有效改善融合效果。     

人工智能在预测支持系统中的应用

提出一种新型预测支持系统,预测分析方法采用基于径向基函数的神经网络方法,所有预测支持系统的数据放在数据仓库,针对不同预测支持子系统,通过在线分析处理（OLAP）及数据开采,从数据仓库中提取综合数据和信息,作为预测输入样本,该方法用于酒店物部预测支持子系统,为部门主管提供预测信息,使其制定出合理的进货计划,保证了物品不短缺的同时也不积压,使宾馆管理系统高效,科学运作。     

基于扩展可靠性的全局灵敏度分析

文章采用自适应核密度估计和正交多项式拟合方法近似估算样本的概率密度函数,建立了基于自适应核密度估计、正交多项式拟合和扩展可靠性的全局灵敏度求解方法.文中在给出所提方法的思路和实现步骤后,采用数值和工程算例对所建立的方法与现有的基于有限混合密度估计、最大熵密度估计的方法进行了比较,结果表明:基于最大熵和基于正交多项式拟合的方法具有较好的计算稳定性.     

数据挖掘中分类算法分析与量化研究

采用交叉验证方法对C4.5、Bayesian置信网络、序贯最小优化(SMO)3种主流数据挖掘分类算法进行了实验分析,分别得出了在相同训练、测试样本数据下3种算法建立模型所需时间、分类准确性、覆盖率及margin曲线。分析了训练样本数量对3种算法的不同影响,为使用者在不同的样本质量下选择相应的分类算法提供理论和实验依据。     

高空低雷诺数二维抗分离叶型研究

在高空、低速、低雷诺数下,进行具有较强抗分离能力的新叶型研究,探索叶型设计的新概念和新方法,并发展相应的低雷诺数压气机叶片二维设计技术是十分关键的。文中进行了低雷诺数条件下二维压气机叶栅流场计算与对比,在探索高空、低速、低雷诺数对压气机叶型性能影响的基础上,以发展适应低雷诺数流动,具有较强抗分离能力的新叶型为最终目标,进行叶型设计新理论和新方法的探索,为最终突破低雷诺数下叶型设计的关键技术提供了可行的途径,并为三维叶片优化造型打下了基础。