神经网络专家系统的状态识别、知识表示和求解策略

将神经网络与人工智能技术相结合,提出了1种新型的知识表示的形式化描述和知识单元。知识通过模式分类导入,并用IMSBP和(B-B)BP调节2种不同类型的权。在此基础上提出了神经网络的双向求解策略。以加热炉控制验证了其可行性。     

适用于制造车间的可重用式智能贴片的研究

为解决传统车间控制的全局优化问题,研制了一种将代理技术和蓝牙技术相结合的智能贴片。该贴片附于设备或工件上即可将车间资源映射为各种代理,如工件代理、资源代理、控制代理等,而代理间的信息交互则采用全新的无线通信方式———蓝牙技术,以替代传统有线电缆。该贴片以蓝牙模块为核心,在相应软件功能模块和外围扩展电路的协调作用下,实现自学习、智能决策、数据通信等功能,并在车间中建立以微微网为基本单元的无线控制网络。经实验验证,该贴片在通信范围内能自动建立无线连接,且抗干扰性强、可靠性好,为实现车间智能控制以及建立车间级的无线控制网络提供了一种新的、低成本的有效手段。     

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。     

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.     

基于神经网络的电力系统控制器的在线自学习研究

分析了现有的基于人工神经网络的电力系统实时控制器设计与训练中存 在的问题,在此基础上提出了一种 新的具有训练样本在线自动生成能力的电力系统实时控制 器设计方案。从理论上论证了该方案的可行性, 并依据这一方案实现了神经网络电力系 统 稳定器的设计。在线训练与控制的仿真结果均充分显示出该方案 的优越性。     

Co-Evolution in the Successful Learning of Backgammon Strategy

Following Tesauro's work on TD-Gammon, we used a 4,000 parameter feedforward neural network to develop a competitive backgammon evaluation function. Play proceeds by a roll of the dice, application of the network to all legal moves, and selection of the position with the highest evaluation. However, no backpropagation, reinforcement or temporal difference learning methods were employed. Instead we apply simple hillclimbing in a relative fitness environment. We start with an initial champion of all zero weights and proceed simply by playing the current champion network against a slightly mutated challenger and changing weights if the challenger wins. Surprisingly, this worked rather well. We investigate how the peculiar dynamics of this domain enabled a previously discarded weak method to succeed, by preventing suboptimal equilibria in a meta-game of self-learning.     

基于自主学习行为的教与学优化算法

针对教与学优化（TLBO）算法收敛精度较低、易于早熟收敛等问题,提出一种基于自主学习行为的教与学优化算法（SLTLBO）。SLTLBO算法为学生构建了更加完善的学习框架,学生在完成常规"教"阶段与"学"阶段的学习行为之外,将进一步对比自己与教师、最差学生的差异,自主完成多样化的学习操作,以提高自己的知识水平,提高算法的收敛精度;同时学生通过高斯搜索的自主学习反思行为跳出局部区域,实现更好的全局搜索。利用10个基准测试函数对SLTLBO算法进行了性能测试,并将SLTLBO算法与粒子群优化（PSO）算法、智能蜂群（ABC）算法以及TLBO算法进行结果比对,实验结果验证了SLTLBO算法的有效性。     

基于深度置信网络的实木板材缺陷及纹理识别研究

针对在现代木材加工企业中,实木板材以缺陷及纹理为主要品质分级要素的需求,提出利用基于局部二值模式、自学习的深度置信网络与softmax分类器组合的深度学习算法,实现对实木板材缺陷及纹理的分类。首先提取实木板材的缺陷及纹理特征,在此基础上利用深度置信网络对经过局部二值化处理的特征进行训练学习,并采用可自学习的学习率算法优化收敛速度、减少训练时间,最后使用softmax分类器获取常见缺陷及直纹、花纹的分类结果。通过与BP神经网络、支持向量机、极限学习机等几种经典算法的比较,采用深度置信网络得到的实木板材缺陷及纹理识别的误差率在3.59%左右,在实木板材缺陷和纹理上取得了更好的识别效果。     

自动厚度控制方法的研究

为了提高轧钢厚度精度,提升产品合格率,本文通过对影响厚度变化因素的分析,对自动厚度控制方法的研究,提出了一种复合控制的方法.该方法不仅包括了传统反馈、前馈的控制策略,还有包含了自学习在内的预测控制,并对其进行了仿真分析,为自动厚度控制方案的优化提供了新的思路.     

一种模糊Petri网分层的新算法

针对模糊Petri网自学习能力差的缺点,在分析研究已有研究成果的基础上,指出了已有模糊Petri网分层算法的不足之处,并提出了一种具有普遍适用性的FPN分层算法。在该分层算法中,同一个库所的输出变迁被置于同一层次结构之中,在必要时可增加相应的虚库所和虚变迁,避免了同一层中变迁触发冲突问题的发生。该分层算法将神经网络理论引入模糊Petri网的研究中,实验验证了其正确性。