基于网络一致性的多智能体跟踪控制

基于动态网络一致性理论,研究外部向量场变化情况下的分布式多智能体的队形保持和跟踪控制问题.利用邻近多智能体间共享的信息,智能体以一致协商的合作方式既控制自身运动轨迹,同时又保持了一定的队形.针对多智能体之间形成的最近邻耦合网络拓扑进行分析后,提出了多智能体一致性动态控制律的设计方法,可方便地对系统的极点进行配置.还提出了一种利用分散的队形控制分解中心领航者作用的方法,并给出了系统稳定性的条件.研究结果显示,队形稳定性问题仅受到通讯拓扑结构的影响,可以通过分解降阶的系统解决,而向量场的特性只影响系统跟踪性能.仿真例子显示了方法的正确性.     

物联网技术专业课程体系探索

论述物联网专业设置的必要性和可行性,探讨物联网技术专业的人才培养目标,研究物联网技术专业的课程体系结构,以期研究工作有助于为即将开设该专业的学校提供参考。     

Quantizer design for interconnected feedback control systems

In this paper, we consider the design of interconnected H-infinity feedback control systems with quantized signals. We assume that a decentralized static output feedback has been designed for an interconnected continuous-time LTI system so that the closed-loop system is stable and a desired H-infinity disturbance attenuation level is achieved, and that the subsystems’ measurement outputs are quantized before they are passed to the local controller. We propose a localoutput- dependent strategy for updating the quantizers’ parameters, so that the overall closed-loop system is asymptotically stable and achieves the same H-infinity disturbance attenuation level. Both the pre-designed controllers and the quantizers’ parameters are constructed in a decentralized manner, depending on local information.     

Predictive control and scheduling codesign in network control systems

A codesign approach combining predictive control compensation and network scheduling is presented in this paper to overcome the adverse influences of stochastic time delays and packet losses encountered in network-based real-time control systems. The state estimation and control prediction compensation algorithms are used for the random network delays in the feedback and forward channels, and the stability criteria are analyzed. The proper sampling rate is given with network scheduling to meet the desired system performance, while the network-induced delay is tolerated. Simulations show that the codesign approach works well with the bounded network delay.     

基于半点和多基表示的标量乘法扩展算法

在半点运算和多基表示思想的基础上,结合Extended DBNS方法,提出一种形如 的新标量k的多基表示,其中,d属于一个给定的整数集,并给出相应的多基链的标量乘法。数值实验结果表明,该算法以增加少量的预计算存储为代价,能有效降低标量乘法的计算复杂度和多基链的链长。     

个性化图像推荐及可视化研究

传统图像检索系统中的图像标注与视觉特征存在语义鸿沟现象、未考虑图像标注的潜在语义联系,且检索界面显示效果不佳、个性化程度不高。针对上述问题,提出一种融合图像标注语义与图像视觉特征的个性化图像推荐模型。分析图像标注语义之间的关系,采用双曲空间和庞加莱磁盘模型进行图像可视化。实验结果证明,该模型具有可行性和有效性。     

基于马尔科夫随机场的图像锐化方法

针对常规的反锐化掩膜方法对图像进行增强时会放大噪声的问题,提出一种基于马尔科夫随机场理论的图像锐化方法,将Thin Plate先验能量函数引入到反锐化掩膜方法中。实验结果表明,该方法在突出图像边缘细节的同时,可有效抑制噪声。主观视觉效果和客观评价结果表明,该方法的处理效果较好。     

Windows平台通用个人防火墙的分析与设计

定义个人防火墙系统应具备的主要功能,其核心技术是网络数据包的过滤。给出Windows系统网络协议分层体系结构,在对OSI参考模型和Windows网络体系结构对比分析的基础上给出实现包过滤的不同技术路线。对各技术路线进行评估,选择SPI作为实现方案,给出使用SPI进行包过滤的技术要点,个人防火墙系统的运行表明其具有较快的包过滤处理性能。     

基于自然场景在线学习的跟踪注册技术

三维注册是移动增强现实的关键技术之一,提出了一种在线学习的跟踪注册方法,能够精确地对自然场景进行跟踪注册.该方法首先改进SURF（speeded up robust features）描述符匹配方法,提高初始注册矩阵的正确性;然后,通过对场景进行有效的在线学习,提高注册精度;最后,利用前一帧的注册矩阵快速恢复已丢失的关键点,以提高注册的速度.实验结果表明,该方法能够较为流畅地对视频帧进行跟踪,并能保持较好的注册精度.     

深度学习应用技术研究

本文针对深度学习应用技术进行了研究性综述。详细阐述了RBM（Restricted Boltzmann Machine）逐层预训练后再用BP（back-propagation）微调的深度学习贪婪层训练方法,对比分析了BP算法中三种梯度下降的方式,建议在线学习系统,采用随机梯度下降,静态离线学习系统采用随机小批量梯度下降;归纳总结了深度学习深层结构特征,并推荐了目前最受欢迎的5层深度网络结构设计方法。分析了前馈神经网络非线性激活函数的必要性及常用的激活函数优点,并推荐ReLU （rectified linear units）激活函数。最后简要概括了深度CNNs(Convolutional Neural Networks), 深度RNNs(recurrent neural networks), LSTM(long short-termmemory networks)等新型深度网络的特点及应用场景,并归纳总结了当前深度学习可能的发展方向。