计算机动画的人工生命方法研究--人工鱼的自繁衍模型

该文将人工生命的"自繁衍"特性引入到计算机动画创作中,提出并建立了基于基因控制的人工鱼的一种自繁衍模型,建立了人工鱼的基因模型,给出了人工鱼的遗传规则.提出并建立了基于生物学理论的人工鱼的一种生命历程模型,包括形态生长模型和生理发育模型,使人工鱼具有了更全面的生命特征,为提高人工鱼动画的创作效率和自动化水平打下了基础.     

基于模糊神经网络味觉信号识别的研究

文中提出了一种基于模糊神经网络方法的味觉信号识别模型,利用小波变换实现了对传感器所采集的味觉信号进行数据压缩及特征抽取,以模糊神经网络作为味觉信号的识别工具。     

基于熵聚类模糊神经网络味觉信号识别系统的研究

提出了一种基于熵聚类的模糊神经网络味觉信号识别系统模型,该模型利用聚类方法实现模糊输入空间划分和模糊IF-THEN规则提取,并使用梯度下降法对系统参数进行精炼,系统兼具有良好的可解释性和学习能力,对11种矿泉水味觉信号的识别实验结果表明了该系统的可行性和有效性。     

基于模糊人工势场法的机器鱼路径规划

路径规划是机器人控制领域中的一个热点方向。本文考虑到机器鱼运动特点以及水环境的特点,结合人工势场法的优势,进行机器鱼路径规划。机器鱼受到两种力的作用,分别为吸引力和排斥力。吸引力的作用是为了实现机器人向目标点靠近,排斥力为了更好地防止机器鱼碰撞到运动着的障碍物,而且将障碍物相对于机器人的速度考虑到斥力函数里面。在系统中,机器鱼的控制采用的是离散控制方式,为了最大限度地避免碰撞,我们采用一种简单的预测方法来预测下一个时刻障碍物相对于机器鱼的位置。机器鱼受力后,采用模糊逻辑算法得到机器鱼的控制指令,并在动态障碍物的环境下实验证明该方法的有效性。     

模糊神经网络研究

模糊神经网络作为模糊技术和神经网络的交叉研究领域,已引起了高度的重视。通过对该方面的深入研究,不仅可以改善模糊系统的性能,还可以提高神经网络的学习能力。本文对该领域的发展情况和重要成果进行了综述。     

人工鱼的“叨食物行为”和“的运动规律模型求偶行为”

提出了表现人工鱼的“叨食物行为”和“求偶行为”的局部运动规律模型和模型的随时连续切换方法，使基于这些模型和方法开发的人工鱼社会行为系统，一方面能表现鱼的“叨食物行为”和“求偶行为”，另一方面能无限广义循环运行，有良好的人机交互性能，且系统中鱼的外观、运动和行为在视觉上令人信服、逼真，不会出现动画角色‘突变’、‘突失’、‘跳变’不佳视觉效果。一定程度上解决了动画角色多运动规律模型随时连续切换难题。     

基于模糊神经网络的系统辨识

基于模糊神经网络研究系统辨识问题,提出一种具体的模糊神经网络结构和相应算法,设计了开环系统和闭环系统辨识的结构。针对多个不同的对象进行仿真研究,结果表明用模糊神经网络建模较之传统建模方法能力强。     

基于模糊聚类的模糊神经网络的系统辨识

针对模糊神经网络的系统辨识问题,提出了一种具体的模糊神经网络模型,使用模糊聚类方法确定模糊神经网络的结构。仿真研究证明该方法是有效的和可行的。     

计算机动画的人工生命方法：“人工鱼”的建模和生成

引言 生活在自然界的动物群体是动画创作者面临的“挑战性”难题。为此,我们开发了计算机动画生成的新方法──“人工生命”方法,可以逼真地体现自然生态系统中动物群体的复杂运动和行为,并且可显著地降低动画创作者的劳动强度。 我们的方法是构建“人工动物”,创作自激励的自主智能体,去模拟动物个体的真实外观、运动和行为,及动物群体的社会行为表现模式。用计算机模型描述这些人工动物共有的基本特征──生物力学、运动、感知和行为。 为了证实我们构建的“人工生命”的有效性,我们实现了在虚拟海洋世界栖息着的各式各样的人工鱼…     

基于模糊神经网络的飞机某系统故障诊断研究

提出一种基于模糊神经网络的飞机某系统故障诊断方法。利用改进的模糊C均-值聚类算法进行结构辨识,从而自动获得模糊规则库,并得到模糊模型的初始参数;然后生成与之相匹配的初始模糊神经网络,并通过学习算法训练网络来进行参数辨识,得到一个精确的模糊模型。将该系统地面实测数据作为样本数据,建立起了基于模糊神经网络的飞机某系统故障诊断模型。最后对该模型进行测试与分析,结果表明该方法具有抗噪、抗敏感、诊断准确度高等优点。     

基于神经网络的一种图象细化方法

提出了一种新的细化算法,它利用神经网络的分类辨识特性,对边缘点进行分类识别。实验结果表明这种方法具有速度快,省空间的优点。     

基于WEB的人工神经网络材料设计系统

开发了一个基于WEB的人工神经网络材料设计系统。该系统用DelphiMIDAS技术结合ActiveX技术实现对数据库的维护;利用MATLAB的WEB技术结合其数据库工具箱和神经网络工具箱编写程序,从材料数据库中获得数据进行神经网络计算,并将结果通过WEB服务器返回给浏览器。     

基于人工神经网络的软件失效预测模型研究

在软件开发的早期预测有失效倾向的软件模块,能够极大的提高软件的质量。软件失效预测中的一个普遍的问题是数据中存在噪声,而神经网络具有鲁棒性并对噪声有很强的抑制能力。该文介绍了一种基于人工神经网络的软件失效预测模型,给出了基于反向传播算法的多层前向网络的网络结构。用这种方法对朗讯光网络有限公司开发的SDH通信软件进行了分析,并得到了较高的预测准确率。通过采集通信软件的不同发布版本的测试历史数据,讨论了训练集数据的选择与预测精度之间的关系。     

基于人工神经网络的瓦斯涌出量预测

由于影响瓦斯涌出量的因素很多并且它们之间存在着复杂的非线性关系,用传统方法很难对其进行准确预测,神经网络算法简单,学习收敛速度快,具有线性、非线性逼近精度高等特性,适合对瓦斯涌出量进行建模,针对对波动性较大的数据预测结果不理想的问题,在对监测数据分析的基础上,提出了用数据预处理的方法弱化数据波动性,然后进行神经网络建模的瓦斯涌出量预测模型,试验证明取得到了比较理想的结果。     

基于人工鱼群算法的贝叶斯网络参数学习方法

研究算法改进,提高计算性能,贝叶斯网络是解决不确定性问题的一种有效方法,在很多领域得到了广泛应用。参数学习是贝叶斯网络构建的重要环节,但含隐变量、连续变量的参数学习是非常困难的。为解决上述问题,提出了一种人工鱼群算法的贝叶斯网络参数学习方法,并进一步通过调整人工鱼随机移动速度的方法提高了算法的收敛性能和速度。最后,将参数学习方法在由Noisy-Or和Noisy-And节点组成的贝叶斯网络中进行了仿真,仿真结果表明了参数学习方法,特别是改进后方法的可行性和优越性。     

基于遗传算法的神经网络控制器在导航系统中的应用

目前广泛运用于神经网络中的误差反向传播训练时间较长,且易陷入局部最优。该文首次在遗传算法中使用一种新的个体选择方法,并利用遗传算法和误差反向传播算法相结合训练神经元的连接权值,能够优化控制器性能参数和全局搜索能力,在航向控制系统中的仿真数据显示比单纯误差反向传播算法误差更小。     

人工鱼群神经网络速度辨识器及应用

为实现无速度传感器直接转矩控制,有时采用神经网络转速辨识器,但前馈神经网络结构难以确定,运用BP算法时又极易陷入局部解.将人工鱼群算法和BP算法结合,采用人工鱼群算法优化神经网络的结构及网络初始权值,再利用BP算法对网络权值进行精确调节;将人工鱼群算法与BP算法相结合的AFSA BP算法,实现了人工鱼群算法的全局搜索能力与BP算法的局部寻优性能的互补结合.将所设计的神经网络转速辨识器运用到直接转矩控制系统当中.利用MAT-LAB/SIMULINk实现无速度传感器控制系统的仿真实验结果表明,该算法具有良好辨识效果.     

基于改进人工鱼群算法的神经网络优化

针对人工鱼群算法的寻优速度慢,后期收敛性差等缺陷提出了一种并行运行方式的改进人工鱼群算法(Improvement Artificial Fish Swarm Algorithm,IAFSA)。进而应用IAFSA算法对BP神经网络初始权值进行寻优,以解决BP网络初始权值选取困难且优化过程中容易陷入局部极值的问题。最后,将IAFSA-BP网络混合算法应用于PID参数的优化,从而克服了PID控制参数难以整定的难题。通过仿真实验,结果表明:改进的人工鱼群算法寻优速度更快,优化值更加合理。应用IAFSA-BP混合算法得到的PID控制参数使得系统响应更快,稳态误差更小,系统性能得到提升。     

基于人工神经网络的数字识别系统的研究

在社会生活各领域中,存在着含有大量数字信息的文件,实现计算机对数字的自动识别已经成为当今社会的一种需求。基于此,文中提出了一种神经网络的方法来实现数字识别。经实验结果表明,该系统取得了较好的识别精度。     

基于人工神经网络的CVT的研究

电容式电压互感器(capacitor voltage transformers,CVT)由于其体积小、重量轻、维护工作量少、运行可靠,且兼有高频载波通道耦合设备的复用功能,所以得到大量的应用。但由于其电路固有的特性,在输入信号发生突变时,其二次侧的输出不能很快的跟随一次电压的变化,出现了一个瞬变过程,此瞬变过程能导致继电保护装置误动作。本文基于人工神经网络的方法,提出并建立了用来修正CVT二次侧波形失真的神经网络模型。给出了这一方法详细的设计步骤,通过对模型进行状态检验的结果表明,提出的模型算法是正确的。