自然语言处理的计算模型

本文讨论自然语言处理的计算模型。目前已经存在有各种类型的语言计算模型,如分析模型、概率统计模型、混合模型等,这些模型各具特色,并存在其自身的局限性。自然语言处理作为一个不适定问题,我们将讨论求解这类问题的本质困难,面临的挑战,以及解决这些困难的途径。     

对图形识别具有平移、旋转、伸缩不变性的神经网络

本文讨论如何构造在平面刚体运动和伸缩变换下，具有不变性模式识别能力的神经网络，即建立一个前向多层的神经网络，它具有如下性质，若网络能识别某一样本，同同时也能识别该样本经刚体运动及伸缩之后的任一状态，按文中给出了的构造方法，得到的网络具有如下性质：网络对运动和伸缩变换具有不变性，拓扑结构简单，网络的元件个数为Ｏ（ｎ）连接复杂性低，每个元件的输入端只需Ｏ（ｎ）（其中ｎ是输入向量的维数）学习和识别的速度     

局部搜索多初始点选择的划分策略的性能分析

本文对Wong和Morris提出的一种基于划分搜索空间的局部搜索多初始点选择的新策略--划分策略进行了严格的理论分析.文中定义了划分类的均匀性偏序关系,定义了划分类的平均划分性能和最坏划分性能两个性能标准,证明了对于任一个实例,划分类越均匀,相应的初始点策略性能就越好,给出了作为最优划分策略的均分策略的性能上下界,完整彻底地解决了对划分策略的评价问题.     

发掘多值属性的关联规则

属性值可以取布尔量或多值量.从以布尔量描述的数据中发掘关联规则已经有比较成熟的系统和方法,而对于多值量则不然.将多值量的数据转化为布尔型的数据是一条方便、有效的途径.提出一种算法,根据数据本身的情况决定多值量的划分,进而将划分后的区段映射为布尔量,在此基础上可发掘容易理解且具有概括性的、有效的关联规则.     

一种基于图像灰度的快速匹配算法

在图像模板匹配问题中,基于像素灰度值的相关算法尽管已经十分普遍,并得到广泛的应用,但目前此类算法都还存在有时间复杂度高、对图像亮度与尺寸变化敏感等缺点.为了克服这些缺点,提出一种新的基于图像灰度值的编码表示方法.这种方法将图像分割为一定大小的方块(称为R-块),计算每个R-块图像的总灰度值,并根据它与相邻R-块灰度值的排序关系进行编码.然后通过各个R-块编码值的比较,实现图像与模板的匹配新算法中各个R-块编码的计算十分简单;匹配过程只要对编码值进行相等比较,而且可以采用快速的比较算法新算法对像素灰度的变化与噪声具有鲁棒性,其时间复杂度是O(M²log(N)).实验结果表明,新算法比现有的灰度相关算法的计算时间快了两个数量级.     

实时环境问题求解框架*

实时环境下的问题求解是近年来规划问题研究感兴趣的话题.在讨论了实时规划算法同传统离线规划算法之间的不同之后,提出了一个实现实时规划的统一框架,同时具体阐述了框架中的各个模块.通过框架构造出的调度系统可以适应实际环境的需要,在规定时间内解决系统提出的要求,并能较好地解决不确定性.此外,在框架模型指导下构造了智能装配机器人实时调度系统,并给出了实验结果.最后,给出结论,并且简单地讨论了实时规划算法求解问题的策略以及今后的发展方向.     

具有模糊分割的动态神经网络控制

提出了一种具有模糊分割的动态神经网络（ＤＮＮＦＰ）。给出了网络的拓扑结构,得到了该网络在监督学习与再激励学习方式下的学习算法,并将其成功地应用于ｐＨ中和过程这一典型的连续时间非线性动态系统的控制。该文的研究表明,这种动态模糊神经网络综合了模糊逻辑、ＣＭＡＣ网络以及再激励学习的有关结果,不仅具有明确的物理意义,而且无需以任何显式方式建立被控对象的数学模型。由此获得的动态学习控制系统结构简单、鲁棒性强     

调度问题的HPN模型研究

本文介绍了层次Ｐｅｔｒｉ网模型（ＨＰＮ）的概念。层次Ｐｅｔｒｉ网的特点在于它不仅可以在某一层次上模拟系统的局部行为，而且还可以通过一定的关联机制来表现系统的整体特性。本文还通过研究调度问题的ＨＰＮ模型，探讨了如何应用ＨＰＮ来分析调度问题，为进一步研究调试方法提供了基础。     

基于反射的规划方法

本文针对机器人在实际环境中执行任务时所面临的不确定性和实时性提出了一种基于反射的规划方法．该方法在较好地利用全局信息的基础上，充分发挥出机器人自身的能动的反射作用．我们首先讨论该方法的基本原理，然后着重讨论它在移动机器人规划和导航中的应用．