多发性骨髓瘤基因表达谱分析

为了依据肿瘤基因表达谱数据提取出其中蕴含的样本分类规则,以多发性骨髓瘤的基因表达谱为例,提出了一种在基因表达数据中提取分类特征规则的方法．该方法从统计学角度出发,以基因与样本类别问的相关系数作为衡量属性包含样本分类信息量的标准,并利用神经网络进行属性规约找出分类特征属性集,最后利用决策树进行知识提取,给出样本分类的产生式规则．实验结果表明,所提取出的3条规则对实验样本正确分类率达到100％．     

DNA序列与剪接位点的关联性分析

为了进一步研究剪接位点识别算法,提高预测准确率,利用人工神经网络识别方法,选取不同的剪接序列样本进行试验,分析了供体位点邻近序列对于基因剪接的影响,对DNA序列与剪接的关联性进行了深入的研究．研究发现,剪接位点区别于伪剪接位点的特征信息同时存在于剪接位点邻近两侧大约50个碱基范围内的外显子和内含子中,且内含子相对于外显子包含了更多的特征信息．     

基于环境反馈机制的四足机器人运动技能学习

哺乳动物的运动学习机制已得到广泛研究,犬科动物可以根据环境反馈的引导性信息自主地学习运动技能,对其提供更为特定的训练引导可以加快其对相关任务的学习速度.受上述启发,在软演员-评论家算法(SAC)的基础上提出一种基于期望状态奖励引导的强化学习算法(DSG-SAC),利用环境中的状态反馈机制来引导四足机器人进行有效探索,可以提高四足机器人仿生步态学习效果,并提高训练效率.在该算法中,策略网络与评价网络先近似拟合期望状态观测与当前状态的误差,再经过当前状态的正反馈后输出评价函数与动作,使四足机器人朝着期望的方向动作.将所提出算法在四足机器人上进行验证,通过实验结果可知,所提出的算法能够完成四足机器人的仿生步态学习.进一步,设计消融实验来探讨超参数温度系数和折扣因子对算法的影响,实验结果表明,改进后的算法具有比单纯的SAC算法更加优越的性能.     

手眼系统在自动装配生产线上的应用研究

介绍了一种以工业网络视觉传感器为检测核心,以六轴工业机器人为执行机构的手眼系统在自动装配生产线上的应用设计,采用基于图像的视觉伺服控制方式,可实现工件的在线检测和装配,解决了当前柔性生产线复杂工件的识别问题,在实际应用系统中取得了好的效果。     

基于小脑-基底神经节机理的行为认知计算模型

针对智能体的行为认知问题,提出一种小脑与基底神经节相互协调的行为认知计算模型。该模型核心为操作条件学习算法,包括评价机制、行为选择机制、取向机制及小脑与基底神经节的协调机制。初期的学习信号来自于下橄榄体和黑质两部分,在熵的意义上说明该算法是收敛的。采用该学习方法为自平衡两轮机器人建立运动神经认知系统,利用RBF网络逼近行为和评价网络。仿真实验表明该方法改善仅有基底神经节作用的行为-评价算法学习速度慢和失败次数多的问题,学习后期通过温度的不断降低,加快学习速度,震荡逐渐消失,改善学习效果。     

大脑皮层网络连接的计算机仿真

为了研究动物大脑皮层网络连接特征,了解大脑在特定环境下的演化适应性,为机器学习提供新的思路,该文用图表示网络结构,用匹配复杂度表示外界刺激下网络的动力学特性,采用图选择的方法对随机图进行变异和选择,确定系统连接与感觉层间的匹配关系。仿真结果表明：由图选择获得的网络结构,呈现若干密集的神经元群,神经元群间松散连接,特定的结构模式可以使系统与感觉层神经元统计结构问达到最大程度的匹配,这些特征与动物大脑皮层网络连接特征相吻合。     

基于BP神经网络的肿瘤特征基因选取

该文提出基于BP神经网络的灵敏度分析方法,并用于选取肿瘤特征基因。以结肠癌基因表达谱为例,首先定义基因对BP神经网络模型输出函数的灵敏度,递归去除灵敏度较低的若干基因,生成一组嵌套的候选特征基因子集。然后以支持向量机为分类器,检验候选特征基因子集对样本分类的贡献,选取错分率最低的候选特征基因子集为结肠癌特征基因子集。通过实验对比,该特征基因子集的分类结果优于文献给出的其他特征基因子集,表明了该方法的可行性和有效性。     

融合卷积神经网络与VLAD的闭环检测方法

传统的闭环检测方法大多采用人工设计的特征,很容易受到环境的影响。卷积神经网络通过提取层次化特征,更好地应对了光照变化,但忽略了图像的局部空间特性。针对该问题,提出一种融合VGG16与VGG-NetVLAD的闭环检测算法。该网络保留了VGG16的部分结构,并在最后一层引入了基于局部聚合描述符向量(VLAD)思想的池化层NetVLAD,使提取的特征更适用于闭环检测。实验表明,相较于传统的视觉词袋模型及其他几种深度学习方法,该算法具有更强的泛化性,可以在闭环检测中达到更高的准确率并满足实时性的要求。     

基于电磁感应的力矩发生装置研究

为解决独轮机器人、导弹、卫星及航天器等欠驱动系统的欠驱动难题,本文提出一种基于电磁感应的力矩发生装置.该装置是在经典电磁学理论支持下的研究成果,文中详述了装置的原理和具体设计的技术方案,并通过实验进行验证.本文提出的力矩发生装置的显著优势是所提供的力矩大小正比于速度项,方便用伺服电机进行精确控制,而且具有节能、无噪声的优点.在独轮机器人侧向和偏航控制中良好表现,进一步表明本文提出的力矩发生装置是实用和有效的.     

基于AHMRRT的移动机器人路径规划算法

为解决单向快速探索随机树(rapid exploring random tree,RRT)算法路径规划效率低且易陷入局部极小点的问题,提出了一种自适应启发式多快速探索随机树(adaptive heuristic multiple rapid exploring random tree,AHMRRT)路径规划算法.一方面,基于多随机树构建策略的AHMRRT算法可以在起始点、目标点、子目标点生成4棵随机树,同时进行扩展搜索,从而提高路径规划效率;另一方面,通过在单棵随机树生长过程中添加自适应启发式偏置因子,AHMRRT算法可以根据环境中障碍物的情况自适应地改变新节点的生成策略.探索自由空间时,该算法可以在偏置因子的作用下迅速向目标点扩展以提高搜索效率;探索多障碍物空间时,该算法将调用随机采样函数以防止落入局部最优.在仿真实验中,设计了4种环境下AHMRRT算法与随机概率目标快速探索随机树(probability goal RRT,PGRRT)、双向快速探索随机树(bidirectional RRT,BRRT)算法的对比实验,仿真实验结果证明了该算法的可行性和高效性.