一种广义预测模型的研究

传统的预测方法存在着难以全面考虑影响因素，其中包括算法复杂、精度较差、实时应用等缺点，针对供热、空调、电力、供水等系统的负荷既受到环境因素等模拟量的影响，又受到节假日、上下班等开关量影响的特点，将模拟人脑逻辑思维的模糊技术与模拟人脑自学习的神经网络技术相结合的模糊神经网络引入到负荷的预测中，提出了一种新型的基于模糊神经网络的预测模型，并对输入量的选择进行了详细的分析，既考虑了历史数据的影响，又考虑了突发事件的作用，获得了较快的预测速度和较高的预测精度。     

可识别载波的红外遥控自学习模块研究与设计

介绍了一种红外遥控自学习模块,采用波形复制方法来实现红外遥控信号的载波识别与波形学习。该模块以STC12C5410AD单片机为核心设计,通过单片机的外部中断与定时器的配合使用,实现红外遥控信号的载波识别与波形学习。经过实际测试,该模块能准确学习红外遥控信号的波形,并能准确控制红外设备,具有良好的通用性和宽载波学习范围,可适用于万能遥控和智能家居系统。     

基于分类标引的文件管理系统

随着海量公开信息源的涌现,大容量存储设备进入个人领域,个人拥有庞大的信息已成为现实.与传统的图书信息不同,个人信息源是根据个人的爱好和需要所构建,因此很难像图书一样制定<中图分类法>来管理个人信息,大量的信息搁置在个人的存储设备上,我们已经无法用传统的手段进行有效管理了,比如目录管理.因此,如何有效地管理个人信息成为当...     

基于工业设计原理的机械CAD基础自主学习系统

以往以机械CAD为基础的自主学习系统中较少考虑人性化设计因素。在此,提出一种基于工业设计原理进行机械CAD基础学习系统设计的新思路,从人机界面、色彩设计、文字设计及人机交互等方面进行了详细设计,更多地考虑到学习系统的人性化设计因素。从工业设计原理出发,制作了新的自主学习系统,使学生更乐于接受,系统更易于学习,取得了良好的效果。该新思路同样适用于其他课程学习系统的设计。     

单机架炉卷轧机中变形抗力自学习模型的研究与优化

为改善轧机控制系统中变形抗力的预报精度,提高产品质量,在分析原单机架轧机控制系统数学模型的基础上,选定温度影响项的系数作为修正系数,并将原长期自学习的算法改为渐消记忆的自适应算法。实现了以实测轧制力数据动态校正变形抗力,并运用VC6.0＋＋编程实现。实际应用表明,给出的快速自学习策略优于原来的变形抗力工程计算方法,有效减少了产品的厚度误差,提高了板材的成材率和经济效益。     

一个基于专家知识的不确定性分析推理系统

本文介绍EXDASS系统中进行不确定性分析的推理系统.该系统的工作方式是依据专 家对不确定性作出判断的有关知识信息,通过人机交互的动态过程以实现对决策的支持.专 家知识的量化表示及其推理机制的实现以可能性证据理论为基础.文中描述了系统的设计思 想和工作原理,重点介绍了在知识表示方面的自学习特性,并且给出了应用实例.     

大学生思政教学自主学习平台设计模式探索

文章基于传统的网络自主教学,提出当前智能化条件下新型的移动学习平台,并借助当前校园内使用广泛的Andriod操作系统作为开发平台,通过对系统需求分析,设计出了包括视频学习、思政教学交流、在线考试等在内的自主学习平台,具有很大的实用性。     

神经网络自学习PID控制器的研究

从兼顾人工神经网络控制系统自学习能力和实时性角度出发，通过构建新的人工神经网络自学习PID控制器的结构，控制系统的样本拾取，更新与优化均采用在线学习方式，使控制系统具有较强的自学习能力。在分析了目前广为应用的多层前向神经网络误差反向传播算法(BP)的局限性及原因的基础上，提高了改进的BP算法-自适应动量项BP算法。从而提高了神经网络的收敛速度和收敛精度，并通过实例验证了自学习PID控制器的可行性及改进算法的合理性。图6参4     

矿井通风自学习动态监系统的研究与开发

 将井下风速数速传感器与通风解算技术相结合,能够准确的将风速传感器采集到的实时风速转换为巷道风量,并能根据月风量统计结果进行巷道阻力系数的自动调整,利用准确的实时风量,通过通风解算系统,对全矿井的风网进行反算,从而得到全矿井较准确的实时分风量分布状况。     

Decision learning about production control as machines break down in a flexible manufacturing system

During manufacturing, there are many situations that can affect production performance. Such situations include machine breakdowns, rush orders, order changes, and order delays. When such issues occur, one has to make decisions to try to maintain production efficiency.Human decisions tend to be too late and incomplete in such contingencies. Thus a system that can make better decisions in time to maintain production performance is needed. To achieve this objective, the intelligent decision system described in this paper integrates artificial intelligence, an optimization technique, and simulation to solve such problems. The decision-making logic of the intelligent decision system is described by event graphs. It imitates the manner of human thinking.Self-learning of the decision-making process is used to strengthen the decision quality. In this study, a method of rule induction is applied to build up the self-learning system. There are two subsystems included in this system. One is rule generation and the other is knowledge management. A case for machine breakdowns is presented and discussed. A series of tests designed to validate the self-learning system are presented. These demonstrate that a rule induction method is suitable for constructing the self-learning.