计算智能在移动机器人路径规划中的应用综述

移动机器人路径规划是建立在机器人定位与避障研究之上,进一步对机器人行为的深入.在给出人工神经网络(ANN)、模糊逻辑(FL)、遗传算法(GA)等计算智能原理性方法的基础上,从一般意义讨论了各类计算智能方法用于路径规划的切入点,研究了各类算法的实现机理与设计思想.最后结合目前的技术发展趋势,对路径规划问题未来可能的研究发展方向进行了探讨.     

智能计算中的热点问题

1 引言人工神经网络研究热潮的再度兴起有其客观的历史背景。50年代以来,以符号机制为代表的经典人工智能形式体系取得了巨大的成功.80年代,当人们对过去30年的成就与问题进行反思时,却不得不承认,智能系统如何从环境中自主学习的问题事实上并未很好地解决。从逻辑的角度讲,以演绎逻辑为基础的算法体系可以发现新的定理,却无法发现新的定律。换句话说,基于符号推理的经典人工智能形式体系在机器定理证明方面的成功和在规则提取方面的失败同属必然。事实上,早在50年代,那些热衷于研究知识发现内在逻辑的人们就已经隐约地意识到,归纳逻辑、尤其是不完全归纳逻辑是通往知识发现的合理途径。Rosenblatt[1957]提出了感知机     

浅探计算智能基本理论及其教育应用

本文从计算智能基本理论出发，探讨其在教育领域中几种应用途径，展现计算智能新的研究价值。     

智能计算主要算法的概述

为了解决传统智能方法无法突破的问题,推进机器智能化的进程,计算智能应运而生。计算智能的兴起引起了机器智能领域广泛的关注。该文系统阐述了几种主要计算智能算法的发展历程,分析了算法的基本原理,并对算法的特点和实际应用做了简单介绍,最后展望了计算智能将来的发展方向。     

智能计算在中医诊断系统中的应用研究

主要讨论智能计算方法在中医诊断中的应用。分析中医诊断的特点。介绍了包括专家系统、人工神经网络、模糊聚类以及集成人工神经网络和专家系统等在内的中医诊断系统实现方案,并讨论了这些方案的优点和不足。     

智能计算在中医诊断系统中的应用研究

主要讨论智能计算方法在中医诊断中的应用。分析中医诊断的特点。介绍了包括专家系统、人工神经网络、模糊聚类以及集成人工神经网络和专家系统等在内的中医诊断系统实现方案,并讨论了这些方案的优点和不足。     

神经网络在智能故障诊断技术中的应用及其发展趋势

介绍了人工神经网络与专家系统相结合的智能故障诊断系统的优点、结构组成、工作原理以及运行过程，并预测了人工神经网络应用的发展趋势。     

GPU通用计算及其在计算智能领域的应用

在日趋复杂的图形处理任务的推动下,GPU已经演化成为具有众多计算核心、计算能力强大的通用计算设备,并被越来越多地应用于图形处理之外的计算领域。GPU具有高并行、低能耗和低成本的特点,在数据并行度高的计算任务中,相比与传统的CPU平台有着显著的优势。随着GPU体系结构的不断演进以及开发平台的逐步完善,GPU已经进入到高性能计算的主流行列。GPU通用计算的普及,使个人和小型机构能有机会获得以往昂贵的大型、超级计算机才能提供的计算能力,并一定程度上改变了科学计算领域的格局和编程开发模式。GPU提供的强大计算能力极大地推动了计算智能的发展,并且已经在深度学习和群体智能优化方法等子领域获得了巨大的成功,更是在图像、语音等领域取得了突破性的进展。随着人工智能技术和方法的不断进步,GPU将在更多的领域获得更加广泛的应用。     

计算智能中若干热点问题的研究与进展

对计算智能中的一些热点问题进行了系统的剖析,重点阐述了前向网络的映射和表达问题、网络的泛化问题、网络的拓扑结构学习问题、网络对于离散点集的全局最优逼近问题、遗传算法和模拟退火算法的研究进展和其中存在的一些共性问题。通过将模拟过程及理论证明过程和真实的生物过程、物理过程及数学逼近过程进行对比分析,揭示了目前引起广泛争议的一些热点问题的产生根源。在提出问题的同时,也提出了一些研究思路和解决方案供研究者     

计算智能方法及应用研究

介绍了4种计算智能方法,即神经网络、模糊计算、遗传算法和免疫算法,通过总结和比较各智能算法的优缺点及其在各个领域的应用,给出了计算智能存在的主要问题及发展趋势。设计了脱机手写签名识别软件,提取签名图像的骨架特征和边角特征,并利用BP神经网络方法有效地识别真、假签名。     

群智能理论及应用研究

群智能是一种由无智能或简单智能的个体通过任何形式的聚集协同而表现出智能行为。它为在没有集中控制且不提供全局模型的前提下寻找复杂的分布式问题求解方案提供了基础。目前,群智能已成为有别于传统人工智能中连接主义、行为主义和符号主义的一种新的关于智能的描述方法。论文对群智能理论的起源背景、发展及应用作了系统阐述,并对群智能与一般演化计算的异同作了深入分析。     

基于数据库的电气设备故障诊断智能系统

文章阐述了电站电气主设备基于数据库技术、模糊理论、人工智能专家系统及神经网络原理构造的故障诊断系统。在系统实现中,用隶属函数反应故障现象特征的模糊性和模糊关系,基于关系数据库进行知识的模糊表达,用模糊性更新传播算法实现基于规则的模糊推理,以人工神经网络实现基于示例的学习,统一以专家系统进行诊断过程管理。并以实例证明了系统的正确性和实用性。     

Signal processing and time series description: A Perspective of Computational Intelligence and Granular Computing

This study provides a general introduction to the principles, algorithms and practice of Computational Intelligence (CI) and elaborates on their use to signal processing and time series. In this setting, we discuss the main technologies of Computational Intelligence (namely, neural networks, fuzzy sets or Granular Computing, and evolutionary optimization), identify their focal points and stress an overall synergistic character, which ultimately gives rise to the highly synergistic CI environment. Furthermore, the main advantages and limitations of the CI technologies are discussed. In the sequel, we present CI-oriented constructs in signal modeling, classification, and interpretation.     

计算智能方法在KDD系统中的应用与研究

该文论述了KDD系统中计算智能方法的性质和特点,并且提出了神经网络和遗传算法技术在具体的数据挖掘过程中的应用模型,另外,从精确性、鲁棒性等方面对算法的优劣进行了比较。     

计算智能及免疫理论在入侵检测中的应用研究

入侵检测是网络和信息系统安全中的重要技术手段。对该技术的发展、主要方法和最近的研究现状进行了综述,总结了两种典型检测模型存在的问题;对目前一些结合计算智能的入侵检测方法作了概括性的分析,并提出了一些新的思路;提出了一种基于人体免疫原理的分布式智能入侵检测系统模型和描述了其工作流程。     

量子计算智能导论教学探索

随着智能信息处理技术的飞速发展,越来越多的学生对量子计算智能导论这门课产生了浓厚的兴趣。我们结合教学实践,将该门课程的教学内容划分为理论型和实践型,注重理论与实际应用相结合,以具体实例引导教学,从而加深学生对理论的理解,进而培养学生的实践能力和科研兴趣。本文介绍了这种教学方法。     

基于粗糙集与计算智能的诊断专家系统研究

在简要介绍粗糙集、计算智能基本概念及其特点的基础上,提出了基于软计算的规则获取方法与推理机制;建立了犬疾病的模糊诊断模型,为研究疾病诊断提供了新的思路,系统的试运行结果表明,该系统可以辅助用户对发生的疾病做出诊断与治疗。     

基于应用案例的计算智能课程教学研究

本文以自动倒车控制为例,阐述常规模糊控制与模糊插值控制的成功应用。从倒车模型的建立,到算法的实现步骤,给出详细的介绍,以期提高案例教学在计算智能课程教学中的比重和易接受性,激发学生的求知探索欲,达到预期教学目的。     

A non-symbolic implementation of abdominal pain estimation in childhood

The abdominal pain is a very common disease in childhood, which lurks complications. Pediatric surgeons have to estimate at least 15 clinical and laboratory factors in order to make a diagnosis and decide about performing a surgical operation of the abdomen. Artificial Neural Networks (ANNs) are particular implementations of Artificial Intelligence (AI) systems and they are used in a wide area of application fields. This study examines the implementation of ANN architectures, using Multi-Layer Perceptron (MLP) neural networks and Probabilistic Neural Networks (PNN) architectures, in order to specify the appropriate ANN structure for abdominal pain estimation in childhood. The architecture with the best performance is a fully interconnected MLP neural network with an input layer of 15 nodes, one hidden layer of 5 neurons and an output layer, with error back-propagation algorithm being used as the learning scheme. In the output layer, the estimation of appendicitis’ stage is reached automatically. The proposed ANN achieved a percentage of 88.5% of correct classification on testing set cases. Further analysis of obtained results, exhibited the ability of ANN for distinguishing the necessity of a case for operative treatment of abdominal pain based on diagnostic features, attaining a percentage of 100% of successful prognosis over the cases of testing set. The aim of proposed MLP neural network is to assist surgeons in appendicitis prediction, avoiding an unnecessary operative treatment.     

Integrating scheduling and control functions in computer integrated manufacturing using artificial intelligence

Proper integration of scheduling and control in Flexible Manufacturing Systems will make available the required level of decision-making capacity to provide a flexibly-automated, efficient, and quality manufacturing process. To achieve this level of integration, the developments in computer technology and sophisticated techniques of artificial intelligence (AI) should be applied to such FMS functions as scheduling. In this paper, we present an Intelligent Scheduling System for FMS under development that makes use of the integration of two AI technologies. These two AI technologies — Neural Networks and Expert Systems — provide the intelligence that the scheduling function requires in order to generate goodschedules within the restrictions imposed by real-time problems. Because the system has the ability to plan ahead and learn, it has a higher probability of success than conventional approaches. The adaptive behavior that will be achieved contribute to the integration of scheduling and control in FMS.