基于高斯混合模型的轨迹模仿学习表征参数优化

针对高斯混合模型(Gaussian mixture model,GMM)参数选取效率较低的问题,提出了一种在基于GMM的轨迹模仿学习表征中综合求解GMM参数估计的方法.该方法基于多中心聚类算法中的最大最小距离算法改进kmeans算法,得到最优初始聚类中心,并基于贝叶斯信息准则(Bayesian information criterion,BIC)通过遗传算法优化求解,同时获取GMM的4个重要参数.该方法通过提高划分初始数据集的效率,在优化初始聚类中心基础上确定混合模型个数,有效地避免了因为初值敏感而导致的局部极值问题.通过多组仿真实验验证了该方法的有效性.     

具有操作条件反射机能的人工感觉运动系统

为探索认知机理、模拟认知机能进而提高机器人的认知及智能水平,提出了一种具有操作条件反射机能的人工感觉运动系统.该系统以复现感觉运动系统的方式重现了生物的运动神经认知,实现了从感知到运动的映射关系,同时借鉴了斯金纳的操作条件反射理论,使得该系统具有操作条件反射机能,遵从"刺激-反应-强化"的逻辑形成了感知与运动之间的闭环系统.为验证系统的正确有效性,复现了行为心理学及《控制论》中的两个经典实验.对比实验结果证明,本系统成功地模拟了生物感觉运动系统,使机器人具有类似生物的自学习能力,能自主的认知环境,实现对环境的自适应.     

边介数聚类算法在肿瘤基因表达谱中的应用

基于肿瘤基因表达谱研究了肿瘤相关基因及其功能模块的聚类算法,同时利用模块度评价了算法的有效性.通过与层次聚类算法的比较,证明边介数聚类算法在肿瘤基因功能模块聚类方面具有一定的有效性和实用性.以人结肠癌基因表达谱为研究对象,应用边介数聚类算法将158个从2万多个原始数据中提取的特征基因聚成7种功能类.通过GO数据库检索进一步证明这7类基因具有明确的生物学功能和意义.     

立体匹配算法进展

立体匹配是立体视觉中的重要环节;文章首先根据匹配算法使用的约束信息的不同把匹配算法分为局域算法和全局算法,并分别进行介绍,然后,针对目前各应用领域的要求,分别从准确性和实时性方面对立体匹配算法进行分析,从软件层面和硬件层面分析准确性和实时性要求的发展过程,最后,针对立体匹配算法中兼顾准确性和实时性要求的难题,结合作者的研究,指出了可能的解决途径和进一步研究的问题。     

自平衡机械系统匀速行走模糊控制

针对自平衡机械系统的研究很少着眼于速度控制,设计一种简单的模糊控制器,应用于一级直线倒立摆的匀速行走控制中.对于设定的速度整定值,通过调整几个比例环节的系数,系统具有很好的动态性能指标,而且控制器在有外界扰动时体现了很好的抗扰能力.考虑到实际物理系统中倒立摆行程的限制,设计的自动切换开关实现了倒立摆在一段给定的行程上匀速来回行走的控制目标,通过手动切换开关也能实现倒立摆的位置控制,因而使得该模糊控制器能完成平衡控制、位置控制、匀速行走控制.经多次试验,给出了比例环节系数大小调整与系统动态性能指标之间关系的大致规律,实验结果验证了该控制器的有效性.     

胃癌模糊基因调控网络的构建

基因调控网络的研究是以系统的观点为出发点,从基因之间相互作用的角度揭示复杂的生命现象.生命体通过调节差异基因表达来控制其生长、遗传和变异行为.差异表达基因之间的相互作用是构建基因调控网络的纽带,网络中差异表达的基因可以揭示与癌症相关基因的信息.基因网络模型为深入理解生命本质提供了有益的参考,本文提出了一种新颖的方法来预测基因调控网络,即将模糊理论引入基因网络的构建中,阐述了模糊理论基因调控网络建模的机理并初步建立了胃癌模糊基因调控网络,对研究胃癌的发生和发展机理有重要的理论意义和应用价值.     

基于内发动机机制的移动机器人自主路径规划方法

基于内发动机机制,为移动机器人建立一种新的路径规划方法.将已有内发动机机制中基于状态的好奇心函数扩展为基于动作的好奇心函数,并建立相应的动作选择机制,更符合生物可解释性.设计障碍物分布环境下的移动机器人状态能量函数,用于决定学习的方向.实验结果表明,所建立的方法能够有效地帮助机器人学习环境知识,实现不同初始状态下的避障导航任务.同时,能量函数的设计不依赖于具体环境,即使目标点发生改变,机器人也能通过重新学习到达目标,体现出方法的高度自主性和非任务性.     

基于DSP的倒立摆控制系统设计

设计并实现一种不依赖于PC机的倒立摆实控系统。在分析当前流行的倒立摆控制系统体系结构的基础上,提出了一种基于数字信号处理器(Digital Signal Processor,DSP)的系统设计方案。硬件方面以TMS320F2812 DSP为核心,设计了DSP最小系统及各接口电路,软件方面采用了决策与执行相分离的两层式结构。该系统具有结构简单、算法设计简便等特点。基于该系统,从能量角度讨论并实现了直线一级倒立摆的起摆控制,采用LQR方法实现了稳摆控制。实验证明,该方案工作可靠,能满足系统的实时性要求。     

基于AOCA仿生学习模型的两轮机器人自主平衡学习研究

以两轮机器人的自主平衡学习控制为研究对象,针对传统控制方法无法实现机器人类似人或动物的渐进学习过程,依据斯金纳的操作条件反射理论建立了一种自治操作条件反射自动机（Autonomous operant conditioning automaton,AOCA）模型,设计一种基于AOCA的仿生学习算法,并进行机器人姿态平衡学习实验仿真研究. 实验结果表明,基于AOCA的仿生学习方法能有效地实现机器人的自主平衡学习控制,机器人系统的平衡能力在学习控制过程中自组织地渐进形成,并得以发展和完善.     

基于Boltzmann 机神经网络认知机制的机器人趋光控制

针对移动机器人未知环境下的趋光控制问题,模拟人或动物“感知-行动”认知机制,对具有趋光特性的移动机器人进行设计,提出一种基于Boltzmann机神经网络的趋光控制方法。该方法首先应用知识集对机器人趋光控制器的Boltzmann机神经网络进行趋光训练;然后应用Boltzmann机神经网络的运行机制实现趋光控制。仿真实验表明,该方法能够提高机器人学习的控制精度。