多模态遗传算法研究及其进展

在对多模态遗传算法（MGA）的研究历史和经典算法进行综述的基础上,展望了MGA的研究进展,重点对笔者提出的几种适于多峰值求解的遗传算子及其构成的算法特性进行了分析和比较,指出了多模态遗传算法在工程实践中的重要作用。     

基于多模态优化问题的粒子群算法研究

多模态优化问题包含多个全局最优解或局部最优解,求解多模态优化问题难度较高。为了更有效地求解多模态优化问题,提出用粒子群算法求解多模态问题。研究了星型拓扑结构及环型拓扑结构的算法模型,并引入线性递减惯性权重对两种粒子群算法进行改进,让粒子群算法的惯性权重从一个较大的数值线性递减到一个较小的数值,从而提高种群搜索的多样性和精度。用15个复杂的多模态测试函数对两种粒子群算法进行仿真实验,实验结果表明,引入线性递减惯性权重的环型拓扑结构粒子群算法的搜索能力明显更强,更适用于多模态优化问题的求解。     

一种多模态函数优化的免疫算法

结合免疫系统的研究成果,并基于克隆选择原理和免疫网络理论,设计并实现一种多模态免疫优化算法。算法的主要操作算子包括Baldwin效应设计、克隆选择、超变异及通过免疫网络调整对抗体相似性抑制等。通过对不同的多模态测试函数进行仿真实验,证明了算法具有较强的多模态函数优化能力。     

混和输入整形控制策略快速抑制机器人振动

当多模态系统中各个模态的振动幅度和共振频带宽度差异明显时,正脉冲多模态输入整形器在有效减小残余振动的同时却增加了系统响应时间,而负脉冲混合多模态输入整形方法可解决该问题。介绍了其控制策略的基本原理和一个3-DOF并联机器人,并构造6种减小该机器人前2个模态振动的负脉冲混合输入整形器。使用仿真获得了各种负脉冲混合两模态输入整形器(NHTIS)的振动响应曲线,分析了其响应时间和抑制振动的能力,并分别与正脉冲、负脉冲两模态输入整形器对比。结果表明NHTIS能在减小多模态残余振动的同时提高系统响应速度。     

大学英语口语课堂中的多模态话语分析

从多模态话语分析理论角度.对大学英语口语课堂中的多模态符号进行微观层面的探析,梳理了大学英语口语课堂中包含的多模态因素,提出要通过协调多模态话语因素,最大化教学效果,促进大学英语口语教学的发展.     

两体懒态的几种刻画

通过验证两体量子态算子矩阵表示中的算子元和约化态之间的交换关系,给出一个懒态判据.受非交换性度量的启发,引入一种懒态度量,此度量对应一个非负函数,任意给定的一个两体量子态是懒态当且仅当其对应的度量值为0.类似相对相干度量,定义下相对相干度量,利用它构造了相应的懒态判据.在无限维情形下,找到了一类可分但不是懒态的两体态;此外,研究了懒态和量子失协为0的态之间的关系.     

第Ⅰ种非对称的三态叠加多模叠加态光场的压缩特性

构造了第Ⅰ种强度不等的非对称三态叠加多模叠加态光场ψ(ABC)1〉q.利用多模压缩态理论,讨论了态ψ(ABC)1〉q的第二正交分量即电场分量的高次和压缩(N次方H压缩)特性.结果发现:⑴当各模的强度和初始相位各不相等时,在一定条件下,态ψ(ABC)1〉q的电场分量可呈现出周期性变化的任意等幂次的高次和压缩效应.⑵当各模的强度和初始相位相等时,态ψ(ABC)1〉q的第二正交分量的高次和压缩现象消失,且恒处于N-H最小测不准态.     

线性时不变系统的新集结

本文引进C—型集结和O—型集结的概念,并讨论这两种集结的某些性质。论证了不可控系统可C—型集结为可控系统的充要条件,和不可观测系统可O—型集结为可观测系统的充要条件,给出了若干重要的结果。     

两相同部件并联可修系统正解的存在性

可修系统是可靠性理论研究的主要内容,可修系统包含串联和并联系统,并联系统是指系统中的多个部件有一个完好系统就能正常工作的一类系统.讨论一类两相同部件并联可修系统的数学模型,首先,估计了主算子的预解式;其次,证明了系统的主算子的稠定性;最后,利用强连续算子半群理论证明了并联可修系统的非负解的存在唯一性,并说明了系统的算子生成一个正的强连续算子半群.     

多模态多维信息融合的鼻咽癌MR图像肿瘤深度分割方法

收集421名鼻咽癌患者头颈部水平位T1加权（T1W）、T2加权（T2W）以及T1增强（T1C）三种模态MR图像,并由2名经验丰富的临床医生对图像中的肿瘤区域进行勾画,将其中346位患者的多模态图像及其标签作为训练集,将剩余75位患者的多模态图像及其标签作为独立测试集;分别构建单模态多维信息融合、两模态多维信息融合以及多模态多维信息融合（MMMDF）的卷积神经网络（CNN）,并对模型进行训练和测试;使用Dice、豪斯多夫距离（HD）与面积差占比（PAD）评估3种模型的性能,结果表明,多模态多维融合模型的性能最优,两模态多维信息融合模型性能次之,单模态多维信息融合模型性能最差. 结果证明,多模态二维与三维特征融合的深度卷积网络能够准确有效地分割鼻咽癌MR图像中的肿瘤.     

投影时序逻辑的公理系统与形式验证

为了采用定理证明的方法对并发及交互式系统进行验证,提出了一阶投影时序逻辑的公理系统．利用投影时序逻辑既可描述待验证系统性质和规范,又可描述其实现模型的特点,在同一投影时序逻辑框架可以方便地对待验证系统进行建模和性质描述,并使用公理系统完成系统性质的证明．最后通过一个实例来展示投影时序逻辑及公理系统在系统验证中的应用．     

逻辑全知佯谬

从模态逻辑用于agent和多agent系统研究的实际意义出发，通过对一些学者得出逻辑全知结论所依据的两个基 本前提进行仔细分析和严格逻辑论证后发现，逻辑全知论断是不能成立的．在此基础上，通过严格的逻辑推理得出了与 之不同的结论，那就是模态逻辑用于agent形式化研究并不会带来所谓的逻辑全知问题．得出这一不同结论的意义主要在 于，它彻底排除了影响模态逻辑用于agent或多agent系统形式化研究的一个重大理论障碍．另外还得出，忽视将逻辑理 论用于agent研究的实现意义、忽视意识系统和单纯逻辑系统之间的差异，以及忽视逻辑推理操作实现的过程意义，是上 述不可靠结论的三个最主要的原因．     

论逻辑哲学的两个基本问题——以海德格尔的存在哲学为视角

针对逻辑哲学的基本问题即：逻辑存在本身之所以存在的根据是什么？逻辑存在本身之所以存在的根据是如何可能的？本文以海德格尔的存在哲学为视角,认为哲学就是哲学本身,逻辑哲学不应当研究诸如”什么是逻辑”等逻辑问题。同时认为,逻辑哲学是研究与逻辑有关问题的哲学,哲学逻辑根本就是没有理论意义的。     

一种基于决策层融合的多模态情感识别方法

设计了一种软硬结合的多模态情感识别系统,使用语音和面部表情两个模态,通过梅尔频率倒谱系数与卷积神经网络对情感进行识别和分类,同时将语音情感识别迁移到神经网络计算棒以降低环境负载. 在模态融合时,采用决策层融合的方式来提高识别准确率. 实验结果表明,系统拥有较高的识别准确率,且能够在性能较差的运行环境中保持运行速度.     

模态逻辑S5的表推演系统TS5

进一步讨论关于正规模态逻辑Ｓ５的自动定理证明理论与方法，给出了正规模态逻辑Ｓ５的表推演系统ＴＳ６，证明了该可靠性与完备性。     

基于模糊逻辑的复杂控制系统自适应鲁棒控制器设计

利用模糊逻辑系统具有充分利用语言信息和逼近连续函数的性质，分析设计了复杂大系统的自适应鲁棒控制器和模糊逻辑系统参数估计的自适应律，这种控制器使被控系统的状态及参数估计误差一致终极有界。仿真实例表明，所提出的方法是有效的。     

模态分析在踏板型摩托车振动控制中的应用

采用模态测试方法和数字仿真技术,分析了某型号踏板型摩托车发动机弹性吊挂系统、整车系统等的模态特性,在此基础上,提出并实施了控制该车振动的实验方案.结果表明,摩托车系统动态特性对整车振动有很大的影响,结合模态测试技术和数字仿真的方法,能够有针对性地、快速地发现摩托车振动的根本原因,并能相应地采用有效措施控制整车的振动.     

多Agent交互策略模型检测方法

提出一种基于模型检测的多Agent交互策略验证方法,首先通过责任政策语言建模多Agent的交互策略,基于责任政策语言的操作语义将政策模型转换为模型检测器NuSMV的输入,利用时态逻辑声明表征策略冲突的系统性质,然后利用模型检测器NuSMV自动验证政策模型对性质的可满足性,并根据模型检测器产生的反例分析交互策略中的各种错误。该方法可提高交互策略的验证效率,确保多Agent系统设计的正确性。     

Deep Multimodal Learning and Fusion Based Intelligent Fault Diagnosis Approach

Industrial Internet of Things(IoT) connecting society and industrial systems represents a tremendous and promising paradigm shift. With IoT, multimodal and heterogeneous data from industrial devices can be easily collected, and further analyzed to discover device maintenance and health related potential knowledge behind. IoT data-based fault diagnosis for industrial devices is very helpful to the sustainability and applicability of an IoT ecosystem. But how to efficiently use and fuse this multimodal heterogeneous data to realize intelligent fault diagnosis is still a challenge.In this paper, a novel Deep Multimodal Learning and Fusion(DMLF) based fault diagnosis method is proposed for addressing heterogeneous data from IoT environments where industrial devices coexist. First, a DMLF model is designed by combining a Convolution Neural Network(CNN) and Stacked Denoising Autoencoder(SDAE) together to capture more comprehensive fault knowledge and extract features from different modal data. Second, these multimodal features are seamlessly integrated at a fusion layer and the resulting fused features are further used to train a classifier for recognizing potential faults. Third, a two-stage training algorithm is proposed by combining supervised pre-training and fine-tuning to simplify the training process for deep structure models. A series of experiments are conducted over multimodal heterogeneous data from a gear device to verify our proposed fault diagnosis method. The experimental results show that our method outperforms the benchmarking ones in fault diagnosis accuracy.