基于FBFN 的鲁棒仿生学习系统设计及在运动平衡控制中的应用

针对两轮直立式机器人的运动平衡控制问题,结合OCPA 仿生学习系统,基于模糊基函数,设计了一 种鲁棒仿生学习控制方案．它不需要动力学系统的先验知识,也不需要离线的学习阶段．鲁棒仿生学习控制器主要 包括仿生学习单元、增益控制单元和鲁棒自适应单元3 部分．仿生学习单元由模糊基函数网络（FBFN）实现,FBFN 不仅执行操作行为产生功能,逼近动力学系统的非线性部分,同时也执行操作行为评价功能,并利用性能测量机制 提供的误差测量信号,产生取向值信息,对操作行为产生网络进行调整．增益控制单元的作用是确保系统的稳定性 和性能,鲁棒自适应单元的作用是消除FBFN 的逼近误差及外部干扰．此外,由于FBFN 的参数是基于李亚普诺夫 稳定性理论在线调整的,因此进一步确保了系统的稳定性和学习的快速性．理论上证明了鲁棒仿生学习控制器的稳 定性,仿真实验结果验证了其可行性和有效性．     

一种简单有效的算法在肿瘤亚型发现中的应用

本文采用了一种简单有效的肿瘤亚型发现的算法。该算法主要包括三个步骤:首先对数据进行预处理;然后采用定义的信息系数进行信息基因的选择;最后将层次聚类算法与t-检验相结合,完成了肿瘤亚型的发现。以白血病和结肠癌的基因表达谱为例,得出了很好的分型结果,表明了该方法的有效性和可行性。     

一种具有发育机制的感知行动认知模型

针对结构固定认知模型中存在的学习浪费与计算浪费问题, 在具有内发动机机制的感知行动认知模型基础上, 根据操作条件反射学习特性, 借鉴潜在动作原理, 建立起一种具有发育机制的感知行动认知模型D-SSCM (Development-sensorimotor cognitive model), 具体为一个14元组, 包含离散学习时间集、内部可感知离散状态集、可输出动作集、有效输出动作空间集、潜在动作关系集、可输出动作空间探索率集及发育算法等.针对模型发育过程, 分别设计了模型结构扩展式发育方法和算法以及缩减式发育方法和算法, 定义了模型的发育式学习过程.使用两轮机器人自平衡任务对设计的学习模型进行验证, 实验结果表明, 发育机制下的感知行动认知模型D-SSCM具有更快的学习速度及更稳定的学习效果.     

基于神经网络的汉语文法分析专家系统的设计

本文提出了一种基于神经网络的汉语文法分析专家系统的设计方案。知识库采用产生式规则的知识表达方式，并将知识二元化存储在神经网络中。推理机采用神经网络进行推理。在论文的结尾给出了系统的运行实例，说明了该系统的有效性。     

基于神经网络的模型跟随控制方法

提出了一种用于数学模型未知多变量系统的模型跟随神经元控制方案,该方案利用神经网络逼近非线性映射的能力及学习能力实现系统对参考模型的,以达到优化控制的目的.同时,提出了一个模型优化学习控制算法,利用该算法获取作为神经元控制器训练样本的最优模型跟随控制律数值解.将模型跟随神经元控制方法用于一个造纸机网前箱的多变量过程,获得了良好仿真研究结果.     

一种基于遗传算法的DNA多序列比对方法

为了克服遗传算法应用于多序列比对时所遇到的比对序列数受限制以及比对寻优速度慢的缺点,提出了一种基于遗传算法的DNA多序列比对方法(GAMA);针对DNA多序列比对的特点,指出了传统遗传算法中的交叉操作将为序列比对带来沉重的计算负担;避开遗传算法通常所采用的遗传操作算子,设计了独特的遗传算子(插入删除算子和合并分离算子)、基于BLAST相似度评分方法和完全比对块加权的个体适应度值评价函数,采用了便于插入和删除操作以及相似度评分的基于字符和空位矩阵的染色体编码方案。本算法具有操作算子数量少,算子调用机制简明的特点。最后,给出了将GAMA应用于DNA多序列比对的算例,实验结果验证了本算法的可行性。     

基于信号处理的电话语音模拟

针对电话语料比较缺乏的问题,提出了一种完全由软件模拟实现由纯净语音向电话质量语音转换的算法。该算法采用滤波器设计技术来模拟电话线路连接中各种模拟传输设备频率响应特性,并对电话通道环境中各种噪音行为等电话语音现象进行了模拟研究。频谱失真分析和识别实验结果表明,通过模型参数的合理设置和调整,该算法能有效地实现纯净语音向电话质量语音的近似模拟,使用由纯净数据生成的模拟语音可以获得与真实语音同等的识别性能。     

基于PWM伺服控制及LQR的两轮自平衡移动机器人

研究两轮直立式自平衡机器人的系统结构及PWM直流伺服控制系统,加入伺服系统使得电机控制变得容易,机器人的控制也变得更加有效,并对其进行了仿真和机器实验.系统由运动装置、姿态监测传感器和控制器构成,左右车轮由2个带有光电编码器反馈的高精度直流伺服电机分别驱动,采用晶体管脉冲宽度调制(PWM)直流伺服控制系统,姿态监测使用陀螺仪和倾角传感器.建立系统的数学模型,在Matlab环境下设计了状态反馈控制器(LQR),系统具有良好的鲁棒性和稳定性.通过实验验证了系统的稳定性.一种真正的仿人型机器人实现各种灵活的行走控制,表明了系统建模、引入伺服系统和控制器设计的合理性和有效性.     

基于学习自动机的具有内发动机的感知运动系统的建立

以学习自动机为数学模型, 结合斯金纳操作条件反射, 建立一种人工感知运动系统, 称为感知运动自动机(SMA). 该系统包括感知状态集合、动作集合、感知运动取向性映射集合等9 部分. 系统引入好奇心和取向性概念, 设计具有主动学习环境的内发动机机制, 定义并分析了取向性学习过程, 证明了系统熵的收敛性. 通过模拟斯金纳鸽子实验表明了系统的可行性和有效性, 仿真结果表明系统具有较好的自学习和自组织特性, 同时稳定性较高.

     

基于RG B-D数据的自适应局部时空特征提取方法

对于一次学习手势识别,噪声和全局经验运动约束严重影响时空特征的精确与充分提取,为此提出了一种融合颜色和深度( RGB-D)信息的自适应局部时空特征提取方法。首先建立连续两灰度帧和两深度帧的金字塔以及相应的光流金字塔作为尺度空间。然后根据灰度和深度光流的水平与垂直方差自适应提取运动感兴趣区域( motion regions of interest, MRoIs)。接着仅在MRoIs内检测角点作为兴趣点,当兴趣点的灰度和深度光流同时满足局部运动约束时即为关键点,局部运动约束是在每个MRoI内自适应确定的。最后在改进的梯度运动空间计算SIFT-like描述子。 Chalearn数据库上的实验结果表明：提出方法得到了较高的识别准确率,其识别性能优于现已发表的方法。