受限领域问答系统的中文问句分析研究

对用户所提问句的理解是受限领域问答系统实现的关键,该文提出一种基于本体和问句句型模板规则的中文问句分析方法,研究如何使用问句语义表征来表示问句分析的结果,将该方法应用于某受限领域问答系统中。实验结果表明,使用该方法进行中文问句分析,准确率达90%以上,可以在实际的问答系统中使用该方法。     

钻削高强度钢的硬质合金整体群钻研究与开发

目的开发研究用于钻削高强度钢的整体硬质合金群钻钻型．方法吸收普通群钻钻型的经验,改变内外刃结构形式和参数,通过系统钻削试验优化钻刃结构及其几何参数,分析钻削效果．结果新钻型的钻削力降低１０％－２０％,钻削效率（单位时间钻孔数）提高２－３倍,加工精度和表面质量提高约１级．结论新钻型具有优良的钻削性能     

一种改进的自适应滑模控制及其在航天器姿态控制中的应用

针对刚体航天器的鲁棒姿态控制问题,提出一种改进的自适应滑模控制(ASMC)算法.该算法除了不需要事先知道扰动及系统参数不确定性的上界外,还有效地解决了现有ASMC设计中对切换增益的过度适应问题.该算法具有以下优点:1)自适应的切换增益更接近扰动及参数不确定性的上界,能够产生低抖振的控制信号;2)控制力矩更为平滑,适于工程应用.仿真结果验证了所提出算法的有效性.     

多智能体系统协同控制与优化专刊序言

<正>0引言近年来,随着机器人技术、人工智能技术、无线通信和计算机技术的快速发展,控制系统的规模变得更大,控制任务也变得更加复杂,由此推动了多智能体系统的形成和发展.多智能体系统是由多个具有简单功能的智能体相互关联形成的网络系统,其中每个智能体具备一定的计算、通信、感知、学习和执行能力.这些智能体之间可通过信息交互协同合作完成特定的任务,也可协调解决智能体之间的矛盾和冲突.     

基于光谱的天然气组分定量分析方法研究

对构成组分多、相对浓度差大、化学键相似的混合光谱进行定量分析时,存在各组分光谱谱峰交错重叠严重、高浓度占比组分光谱大量掩盖低浓度占比组分光谱等现象,导致单一组分光谱难以从混合光谱中有效分离解析。针对以上问题,该文以天然气红外光谱作为实验对象,提出一种光谱叠加性原理结合GA-SA算法的定量分析方法对天然气光谱进行解析。算法在全局搜索的基础上结合局部邻域寻优,并通过参数及流程优化,可以有效克服混合光谱求解过程中微量组分光谱寻优性差、易陷入局部极值、不具有重复性等缺点。通过对比实验证明该方法相较于其他光谱分析方法,用于天然气光谱定量分析具备更好的稳定性与重复性,预测光谱与真实光谱相关系数R2大于0.98823。     

基于粒子群算法寻最优属性关联下的零样本语义自编码器

针对零样本图像分类构建共享属性层时造成的信息缺失问题,该文提出一种嵌入属性关联性的补偿方法。通过语义自编码器构建特征到属性的映射,然后以最大后验概率估计在类高斯模型构建的基础上实现零样本图像分类。为弥补SAE对属性关系学习的不足,引入加性因子与乘性因子对属性相关性进行嵌入,并利用粒子群算法搜寻最优的因子参数,实现属性相关性信息的补偿。实验结果表明采取相同映射方法的情况下,基于属性相关性嵌入的零样本图像分类在Pubfig数据集和OSR数据集上的分类效果较之其他方法得到了显著提升。     

多层梯度提升树在药品鉴别中的应用

近红外光谱分析技术高效应用于药品分析领域。针对高维非线性的小规模近红外数据,传统的药品鉴别算法存在特征学习能力不足的缺陷,基于神经网络的方法有局部最优及过拟合等问题,且两者易忽略样本的不均衡性。针对以上劣势,提出一种基于特征选择与代价敏感学习的多层梯度提升树(CS_FGBDT)药品分类方法。首先采用Savitsky-Golay平滑和一阶导数对原始数据进行预处理;其次利用随机森林对预处理光谱自适应提取特征,并由多层梯度提升树进行特征映射;然后结合代价敏感学习机制将样本不均衡性的负效应降到最小。实验结果表明,在胶囊和药片两种不平衡数据集上对算法进行对比评估,该模型具有更高的预测精度和稳定性,是一种有效的药品鉴别方法。     

基于未知动态观测器双惯量伺服系统低频主动谐振抑制

针对双惯量伺服系统存在的机械谐振, 本文提出了一种基于扰动观测器的滑模主动低频谐振控制方法. 利 用可测量的电机端的位置信号, 对其进行滤波操作得到位置的滤波变量, 根据不变流形原理设计未知扰动观测器, 实现对传递力矩的在线估计, 并将估计值融入到控制器设计中对其进行补偿. 为了消除传统滑模存在颤振现象, 基 于正切函数提出了一种新颖滑模面设计方法. 在此基础上, 设计了滑模控制器实现了对期望信号的准确跟踪, 并利 用李雅普诺夫稳定性理论证明了闭环系统稳定性. 最后通过实验对比, 验证了本文提出的控制策略有效性, 此外该 算法建构简单不需要计算电机加速度的信息, 利于在实际中应用.     

慕课授课中的学生听课行为自动分析系统

为了解决在线课程(Massive open online course, MOOC)授课过程中, 缺乏对于学生学习情况的跟踪与教学效果评估问题, 本文依据视频信息对学生行为进行建模, 提出了一种评判学生听课专心程度的行为自动分析算法.该算法能够有效跟踪学生的学习状态, 提取学生的行为特征参数, 并对这些参数进行D-S融合判决, 以获得学生的听课专注度.经过多次实验的结果表明, 本文采用的方法能够有效评判学生在授课期间的专心程度, 在数据融合上, 与贝叶斯推理方法相比, 采用D-S融合方法能有效提高实验结果的准确性和可靠性.