一种基于神经网络的专家系统设计

提出了一种基于神经网络的专家系统设计方案,其核心是作为知识库的人工神经网络(ANN)和基于ANN的正向推理机制。研究了一种表达知识的二元产生式规则及其编码方法,通过编码知识被存储在ANN中。基于ANN的知识库,设计了一种具有正向推理的推理机,并且以动物识别为背景,设计了一个原型系统。     

基于遗传径向基神经网络的声音转换

声音转换技术可以将一个人的语音模式转换为与其特性不同的另一个人语音模式,使转换语音保持源说话人原有语音信息内容不变,而具有目标说话人的声音特点。本文研究了由遗传算法训练的RBF神经网络捕获说话人的语音频谱包络映射关系,以实现不同说话人之间声音特性的转换。实验对六个普通话单元音音素的转换语音质量分别作了客观和主观评估,结果表明用神经网络方法可以获得所期望的转换语音性能。实验结果还说明,与K-均值法相比,用遗传算法训练神经网络可以增强网络的全局寻优能力,使转换语音与目标语音的平均频谱失真距离减小约10%。     

基于蚁群算法的基因联接学习遗传算法

论文提出了一种基于蚁群算法的基因联接学习遗传算法。在该算法中遗传算法的种群对应于蚁群,遗传算法的染色体同时是蚁群算法的一只蚂蚁。在每一次进行交叉或突变操作时,算法首先根据蚁群算法的信息素矩阵计算父代个体的基因间联接强度,然后根据该联接强度选择交叉和突变位点。这样可以避免积木块过多地被遗传操作所破坏,减少遗传算法的搜索空间,并指引寻优的方向。联接学习在该算法中是并行进行的,而在Harik的算法中是串行进行的;该算法的编码长度不会随着等位基因数量的增加而成倍地增加。文章通过有界难度问题和TSP问题的实验研究验证了算法的有效性。     

一种基于递归神经网络的自适应控制方法研究

本文针对快速、多变量、强非线性的复杂系统的控制问题,在强化学习方式的基础上,提出一种新的自适应控制方法.该方法在没有先验知识的条件下,基于递归神经网络并结合强化学习的自调节能力,通过自身神经网络的在线学习,有效控制不稳定的非线性系统.本文以一级倒立摆系统为实验对象,仿真实验结果表明所提出的控制方法具有非常好的控制效果和稳定精度,抗干扰能力强.     

一种基于遗传算法的进化计算模型

提出一种基于遗传算法的进化计算模型(ECM).在ECM的种群中,每个成员都根据其适应度值不同程度地影响着种群的进化.ECM定义了个体对进化的影响因子,并以个体的影响因子为参数定义了个体的形成算子.分析表明,ECM是采用算术交叉算子的两父辈遗传算法以及采用频率扫描交叉算子的多父辈交叉遗传算法的推广,形成操作是父代群体编码的凸组合.实验研究显示,ECM具有比经典遗传算法更强的优化计算功能.     

基于细胞自动机模型的青霉素发酵过程优化控制策略

针对青霉素分批补料发酵过程优化控制问题,提出了一种基于青霉素分批补料发酵过程细胞自动机模型(简称CAPFM)的青霉素分批补料发酵过程优化控制策略设计方法．该方法通过理论分析,将CAPFM等价并转化为一个马尔可夫过程,并构造了基于马尔可夫决策过程的CAPFM迭代优化控制策略,设计了青霉素分批补料发酵过程迭代优化控制的模拟仿真系统．     

基于肿瘤基因表达谱的基因功能模块识别

为了揭示肿瘤发生发展的分子机制,结合基因功能分类体系数据库(gene ontology,简称GO),采用网络分解算法对结肠癌基因表达谱数据进行了研究．研究结果表明,与结肠正常组织基因模块相比,结肠癌基因模块与细胞周期调节、抗细胞程序性死亡、信号转导、细胞增殖等功能类相关,由此推论结肠癌基因功能模块结构的改变导致了结肠癌的发生．     

基于细胞自动机的青霉素菌体生长可视化模型

为了更好地反映出青霉素发酵过程中菌体生长的复杂系统特征,在对青霉素生长分批发酵过程菌体生长机理研究基础上,建立了基于细胞自动机的青霉素分批发酵过程中菌体生长的可视化模型．模型采用二维彩色图案描述了青霉素菌体的生长演化过程;模型演化规则建立在青霉素生产分批发酵过程菌体生长机理及其动力学微分方程模型基础上,更加符合青霉素分批发酵过程菌体生长演化行为的多样性,随机性和不确定性的特点．仿真结果表明,该模型较好地描述了青霉素分批发酵过程中菌体生长的演化行为．     

OCPA仿生自主学习系统及在机器人姿态平衡控制上的应用

针对本质上非线性、强耦合的两轮自平衡机器人复杂动态系统,构造操作条件反射概率自动机(OCPA)仿生自主学习系统。OCPA仿生自主学习系统是一个基于Skinner操作条件反射的概率自动机,主要特征在于模拟生物的操作条件反射机制,具有仿生的自组织功能,包括自学习和自适应功能,可用于描述、模拟、设计各种自组织系统。从理论上分析OCPA学习系统的操作条件反射学习机制的收敛性。应用于两轮机器人姿态平衡控制的仿真和实验结果均表明,设计的OCPA仿生自主学习系统不需要系统的模型,通过模拟生物的操作条件反射机制,自组织地渐进形成、发展和完善其姿态平衡控制技能。     

自组织径向基网络及其混合学习算法

提出了一种自组织径向基人工神经元网络,并赋予该网络非监督子组织和监督续习混合学习算法．该网络既具有非监督自组织功能,又具有监督学习功能．给出了自组织径向基网络应用示例,验证了自组织径向基网络应用示例和自组织径向基网络的函数实现功能及模式分类功能．