神经网络系统学习过程初探

本文给出了神经网络系统学习过程的一个随机模型--马尔柯夫模型,从最大熵原理的 观点讨论神经网络系统的学习过程,提出将神经网络系统的学习过程分为两个阶段的想法并 给出学习过程的算法.     

智能控制与相对熵最小化

根据神经行为学和认知心理学观点提出智能控制系统的新构型 ,从相对熵最小化原理构建智能控制理论 .从神经生理学和神经网络理论证明分层智能控制系统的基本原理IPDI(Increasingprecisionwithdecreasingintelli gence) [1,2 ] .从相对熵最小化观点和IPDI原理出发 ,讨论智能系统的智能行为 ,给出关于智能系统学习过程的几个定理和学习算法 .     

一种全方位移动机械手的体系结构设计与分析

首先介绍了我们设计和开发的一种全方位移动机械手系统的硬件体系结构,然后根据硬件平台、应用 环境和任务,设计了全方位移动机械手系统的基于行为的混合式软件体系结构,并通过两个实例进一步分析说明所 设计的体系结构的合理性和可行性,同时指出了下一步研究的方向.􀁱     

智能控制恙相对熵最小化

根据神经行为学和认识心理学观点提出智能控制系统的新构型,从相对熵最小化原理构建智能控制理论。从神经生理和神经网络理论证明分层智能控制系统的基本原理ＩＰＤＩ（Ｉｎｃｒｅａｓｉｎｇ ｐｒｅｃｉｓｉｏｎ ｗｉｔｈ ｄｅｃｒｅａｓｉｎｇ ｉｎｔｅｌｌｉ－ｇｅｎｃｅ）＾［１,２］。从相对熵最小化观点和ＩＰＤＩ原理出发,讨论智能系统的智能行为,给出关于智能系统学习过程的几个定理和学习算法。     

抽象神经自动机的一个极限定理

抽象神经自动机的一个极限定理西广成（中国科学院自动化研究所北京１０００８０）关键词：抽象神经自动机，Ｇｉｂｂｓ分布１引言一旦神经元群以各种形式排列成神经网络，随之也就产生了神经场’‘’．神经网络与神经场的对立统一在人类脑神经系统中形成了广阔的空间通道...     

复杂系统分划的熵方法

本文在给出了反映系统变量(或子系统)之间关系强度的关联度定义之后,证明了关联度 的一个基本性质--上可加性,提出了复杂系统分划的熵方法,并给出了检验复杂系统分划合 理性的准则,最后给出了用随机抽样法所得数据的熵公式和系统分划的框图.     

基于平均场理论逼近的神经网络

本文试图从信息论观点导出平均场理论逼近的神经网络及其退火算法，证明ＡＭＦＴＡ和ＡＢＭ在一定条件下的等价性，既保留传统Ｂｏｌｔｚｍａｎｎ机算法的优点又提出了网络趋于稳态的收敛速度。     

移动机器人体系结构研究进展

本文详细介绍了移动机器人各种典型体系结构的思想起源、结构形式、性能特点及典型的应用实例,同时介绍了这一领域的研究热点,并对未来的研究工作提出了建议.     

一种新的基于神经模糊推理网络的复杂系统模糊辨识方法

针对基于输入输出数据的复杂系统的模糊辨识问题,提出了一种新的神经模糊推理网络及相应的学习算法．学习算法被应用于系统的结构辨识与参数辨识．在结构辨识阶段,介绍了一种新的直接从输入输出数据中抽取和优化模糊规则的学习算法;在参数辨识阶段,提出和推导了一种非监督学习和监督学习相结合的混合式学习算法,实现模糊隶属函数的初步调整和优化．仿真结果表明,本文的方法可以同时满足对辨识精度、收敛速度、可读性和规则数的要求．     

基于相对熵函数准则的BP算法

提出一种改进的BP算法,并对改进算法中的参数选择进行了讨论。改进后的算法用于XOR问题的学习及函数逼近问题。结果表明,改进后的BP算法可显著地提高网络的学习速度和逼近精度。