基于低阶条件独立测试的因果网络结构学习方法

基于条件约束的方法可从数据集中学习到变量间的因果关系，并构建出因果网络图.但是在高维数据情况下，基于条件约束方法的缺点是准确率较低且耗时多，从而严重影响此类方法在高维数据中的应用推广.因此，本文提出了一种基于低阶条件独立测试的因果网络结构学习方法，采用低阶条件独立测试来加速构建因果粗糙骨架；利用分裂?合并策略把高维网络分裂成若干个子网络，并进行因果网络结构学习以提高其准确率；最后整合成完整的因果网络图.实验结果均验证了该方法的可行性.     

混合加噪声模型与条件独立性检测的因果方向推断算法

从可观测的变量中推导出潜在的因果关系是人工智能领域的热点研究之一。传统的基于独立性检测的方法是通过检测V结构来确定一组马尔科夫等价类而非最终的因果关系;而加噪声模型算法却只能适应于低维度的因果网络结构。为此,提出一种采取分治策略的混合加噪声模型与条件独立性检测的因果方向推断方法。首先是将一个n维因果网络分解成n个诱导子网络,分别归入三种基本结构（单度结构、非三角结构和存在三角的结构）中的一种,从理论上分别证明其有效性;其次对每个诱导子网络进行基于加噪声模型算法与条件独立性检测相结合的方向推断;最后把所有子网络合并起来构建成完整的因果关系网络。实验表明,该方法比传统的因果关系推断方法更加有效。     

两种基于条件独立性测试的高维数据因果关系推断算法的比较

机器直觉推理与因果模型的研究是AI基础理论体系的重要组成部分之一。针对目前因果关系推断在高维数据情况下,传统的基于条件独立性测试出现消耗时间多和准确率差等现象。本文对两种基于条件独立性测试的高维数据因果关系推断算法进行比较:一种是通过降低条件集维度的方法、另外一种是构建粗糙网络及分裂-合并策略方法,每个算法都有其优缺点。通过分析总结,在今后的工作中,可以根据实际情况选择合适的方法来解决高维数据因果关系推断问题。     

基于FOC和ESP32的柔性软胚机械爪设计

陶瓷产品生产过程中需要将成型的软胚多次搬运，依靠人工搬运费时费力，研究陶瓷异型软坯抓握及搬运的智能化关键技术有很大的应用价值及市场前景，因此提出一种新型的柔性软胚机械爪的设计方法。机械爪的硬件电路结构主要基于Apache2.0开源协议和ESP32 Arduino主控芯片的FOC驱动控制板及无刷电机。建立柔性软胚机械爪的静态及动态模型，通过实验证明该模型的正确性和运行可靠性。设计有助于粤东地区陶瓷企业提高生产自动化水平，促进产业的转型升级。     

老香黄果糕配方的优化

以老香黄为主要风味原料,高酯果胶、刺槐豆胶和卡拉胶为胶体材料制作的一种具有老香黄风味特征的植物型果糕.通过单因素实验,以色泽、组织状态、口感和风味为指标,得出高酯果胶、刺槐豆胶、卡拉胶和老香黄的添加量范围分别为1.0％～1.4％、0.35％～0.65％、0.35％～0.65％和2％～4％.在此基础上,以模糊数学感官评价...     

一种瓦楞纸印刷质量检测方法及实现

随着社会快速发展，瓦楞纸箱成为日常的生活生产中必不可少的包装容器。瓦楞纸箱既轻便又牢固，能起到保护商品的作用，便于运输装卸，属于绿色环保产品，可回收利用，因此得到了广泛应用。但瓦楞纸板在加工、印刷、覆膜过程中，容易产生褶皱、印刷图案划痕破损，以及印刷质量不达标等问题，故对瓦楞纸板的产品质量进行自动化检测很有必要。基于数字图像处理技术，针对瓦楞纸印刷过程产生的划痕、褶皱、墨迹以及印刷偏移等印刷质量问题，提出一种新的瓦楞纸板的印刷质量的检测方法，从而提高瓦楞纸的生产效率和产品的质量。