传统人工智能与控制技术的结合

传统人工智能与控制技术的结合张钹（清华大学计算机系北京，１０００８４）随着控制对象、控制器以及控制任务和目标的复杂化，传统控制面临许多新问题，主要有：１）计算复杂性的急剧增加，２）精确建模的困难越来越大，３）输入（传感）信息的多样化和数据量的显著增加...     

概率逻辑神经元网络收敛性的分析

本文以马尔科夫链理论为工具,研究PLN(概率逻辑神经元)网络的定量性质.我们得到的主要结果是,在一给定网络中,给出各状态收敛到稳定状态的概率,平均收敛步数和方差以及一般PLN网络平均收敛步数的上(下)界估计.给出计算机的一个模拟结果,并与理论结论相对比,以验证理论结果的正确性.     

目标级机器人自动程序设计——系统与方法

机器人自动程序设计中的关键技术是自动规划。引用作业级机器人程序设计的思想,本文提出目标级机器人程序设计的思想及其实现方法.它采用一称为目标模型网(GMN)的表示方法来表示机器人最终要达到的目标。借助于目标模型网表示,产生出二种形式的规划序列:串、并行混合与完全串行的规划序列。文章还讨论了由串、并行混合规划序列产生出完全串行的规划序列的问题。     

用吴方法求解可满足性问题(Ⅱ)--实验研究

本文使用随机3-SAT实例模型,对算法变换思想指导下设计的吴方法求解可满足性问题的算法进行了实验,并与语义归结、支持集归结和DP算法进行了对比.     

区间小波神经网络(I)-理论与实现

本文提出了前馈神经网络学习的一种新理论棗区间小波神经网络,不同于以往工作的是本工作的主要特点有:(1) 采用区间小波空间作为神经网络的学习基底空间,克服了以往神经网络基空间与被学习信号所属空间不匹配问题;(2) 由于采用区间小波理论,克服了原来被学习信号为适应神经网基空间而延拓所带来的不光滑性,使神经元数目得以节约,这在高维学习情形效果极为显著;(3) 神经单元所用活性函数不再为同一个函数.     

区间小波神经网络(II)——性质与模拟

证明了区间小波神经网络具有一致及Ｌ２逼近性质，且为相容的函数估计子，其学习收敛速度在ｄ维情形不随ｄ增大而减慢，本质上克服了神经网络高维学习的“维数灾难”问题，模拟实例验证了理论的正确性．     

单层反馈PLN网络的识别复杂性

本文讨论将单层反馈PLN(概率逻辑神经元模型)网络当作联想记忆网络时,其识别的复杂性问题,即其平均识别速度与网络规模之间的数量关系,我们得到的主要结论是,设单层反馈PLN网络N的规模为m,则其识别计算量是m的指数函数,给出识别计算量是m多项式的必要条件。     

求解机械装配规划的新方法

本文提出一个求解机械装配规划的算法,其计算量～O(sN~2),其中s是零件所有可能装配方向的个数,N是工件的零件数(一般s～O(N)).而现行的求机械装配规划的算法,其计算量均随N的增加按指数律增加.     

利用神经网络发现分类规则

神经网络是目前公认的高精度分类器,但它的分类过程却令人难以理解,被称为“黑箱”,从而降低了它的可信度,且使其结果不易应用到其它相关领域。本文提出应用决策树模拟神经网络的隐节点和输出节点的决策过程的思想,在分类精度基本不变的前提下,将训练后的前馈神经网络利用遗传算法进行剪枝,再将其转换为含有若干棵树的森林结构,然后将每棵树看作一个分类器,利用决策树模拟每个分类器的分类过程,最后将决策树结构转化为若干