具有输入约束的自校正推理控制

针对输出可测而扰动不可测的过程，提出了一种过程输入量受到幅值约束的自校正推理控制器设计方案。该方案采用前馈补偿控制方式克服因输入限幅造成系统性能下降的影响。仿真结果表明，采用该法能使自校正推理控制的性能不受输入约束的影响。     

自硬呋喃树脂砂在高铬铸铁生产中的应用

介绍了自硬呋喃树脂在高铬铸铁生产中的实际应用 ,从原材料的选取 ,树脂砂的制备工艺 ,到采用该砂进行造型制芯的操作要点均作了较为详细的阐述。实践证明 ,采用自硬呋喃树脂砂生产高铬铸铁泵类过流件 ,可较好地满足其尺寸精度、表面光洁度要求 ,能有效地克服裂纹等铸造缺陷的产生     

对接接头横向残余应力调控技术

分析了现有消除和调控焊接残余应力的常用措施所依据的原理，认为在不考虑材料相变的前提下，减轻对焊缝金属冷却收缩的制约可以有效地调控实际焊接接头上的残余应力。分析了纵向残余应力和横向残余应力之间的内在关系，在遵循虎史定律和考虑到金属形变时保持体积不变的前提下得出了纵、横向残余应力密切相关的推论，即横向残余应力也会影响纵向残余应力的值。在此基础上提出了减轻焊件自重引起的与焊接平台间的摩擦拘束以调控焊件中的横向残余应力的构想，并以Q235钢板为对象研究了采用该措施后平板对接接头纵、横向焊接残余应力的变化情况。试验结果表明，采取了减轻焊件自重引起的横向拘束的工艺措施后，板厚为8mm的试件上即获得焊接构件上的横向残余应力显著降低的结果。该措施对纵向残余应力亦有较大的影响，即减小横向残余应力的同时，接头上的纵向残余应力亦随之有所下降。     

Toward Self‐Motivated,Cognitive, Continually Planning Agents

We present a flexible initial framework for defining self‐motivated, self‐aware agents in simulated worlds, planning continuously so as to maximize long‐term rewards. While such agents employ reasoned exploration of feasible sequences of actions and corresponding states, they also behave opportunistically and recover from failure, thanks to their continual plan updates and quest for rewards. Our framework allows for both specific and general (quantified) knowledge and for epistemic predicates such as knowing‐that and knowing‐whether. Because realistic agents have only partial knowledge of their world, the reasoning of the proposed agents uses a weakened closed‐world assumption; this has consequences for epistemic reasoning, in particular introspection. The planning operators allow for quantitative, gradual change and side effects such as the passage of time, changes in distances and rewards, and language production, using a uniform procedural attachment method. Question answering (involving introspection) and experimental runs are shown for our particular agent ME in a simple world, demonstrating the value of continual deliberate, reward‐driven planning. Though the primary merit of agents definable in our framework is that they combine all of the aforementioned features, they can also be configured as single or multiple goal‐seeking agents and as such perform comparably with some recent experimental agents.     

自适应小世界粒子群优化算法

提出一种基于小世界网络的自适应拓扑结构。每个粒子都与它的近邻粒子进行交互,其有一定概率通过小世界重置与远方的粒子进行沟通;为粒子群体的每个维度分配一个特定的小世界网络,不同维能够学习不同邻居的历史信息;粒子的邻域大小与小世界重置的概率将在种群收敛状态的基础上进行自适应调整。利用标准函数集对该算法进行测试,测试结果表明,通过该机制,粒子群体具有更好的搜索多样性,能够平衡全局探索与局部开发。     

基于连通度算子的系统漏洞风险评估

为对安全漏洞的风险进行量化评估,提出一种基于连通度算子的漏洞风险评估方法。通过构建的漏洞攻击图对漏洞的利用关系进行定量分析,并提出两种连通度算子,对漏洞间的连通度进行计算,实现对漏洞自身风险和传播风险的量化分析;在此基础上提出风险评估算法VREA-CO,对系统漏洞的全局风险进行评估,评估结果能够帮助管理者确定关键漏洞,提高安全管理的效率。实例分析结果表明,该方法是可行有效的。     

稀疏标签传播:一种鲁棒的领域适应学习方法

稀疏表示因其所具有的鲁棒性,在模式分类领域逐渐得到关注.研究了一种基于稀疏保留模型的新颖领域适应学习方法,并提出一种鲁棒的稀疏标签传播领域适应学习(sparse label propagation domain adaptation learning,简称SLPDAL)算法.SLPDAL通过将目标领域数据进行稀疏重构,以实现源领域数据标签向目标领域平滑传播.具体来讲,SLPDAL算法分为3步:首先,基于领域间数据分布均值差最小化准则寻求一个优化的核空间,并将领域数据嵌入到该核空间;然后,在该嵌入核空间,基于l₁-范最小化准则计算各领域数据的核稀疏重构系数;最后,通过保留领域数据间核稀疏重构系数约束,实现源领域数据标签向目标领域的传播.最后,将SLPDAL算法推广到多核学习框架,提出一个SLPDAL多核学习模型.在鲁棒人脸识别、视频概念检测和文本分类等领域适应学习任务上进行比较实验,所提出的方法取得了优于或可比较的学习性能.     

一种基于EQ规则的组合服务运行时自适应方法

组合服务通常运行在开放、变化和不确定的互联网环境中.动态复杂的运行环境,使得组合服务的执行具有不确定性和不可靠性,从而制约了服务组合技术的实际可用性.针对该问题,面向环境的分析与建模,提出了一种基于EQ规则的组合服务运行时自适应方法.该方法在记载组合服务的执行日志和各备选服务的运行环境数据的基础上,挖掘得到反映“一个备选服务在特定的环境状态下所表现出的质量会如何”的EQ规则库,从而指导组合服务如何响应实时产生的各类环境变化事件,以驱动组合服务的运行时自适应,保障其可靠运行.仿真实验结果表明:该方法能够提高组合服务在动态环境中的服务质量,增强其运行稳定性,是一种有效的组合服务运行时自适应方法.     

自组织映射与流形学习的图像显著度检测

提取反映图像内容的结点以及为这些结点分配初始标签,是半监督学习用于显著度检测的关键问题.通过自组织映射把图像分成多个结点,这些结点不但反映图像内容的颜色特征,还能够反映图像内容的轮廓特征.然后通过把二维结点图嵌入到高维的空间构造带权无向图.由于无向边的对称性,进一步采用流形学习的方法,把无向图和半监督学习结合起来,通过预设边界结点预期的显著度,最终计算出所有结点的显著度.实验结果表明,与近年提出的几种经典的显著度检测算法相比,所提出的方法取得了较好的Precision-Recall性能和较舒服的视觉效果.     

局部证据RBF人体行为高层特征自相似融合识别研究

针对传统人体动作识别算法,往往重点解决某一类行为识别,不具有通用性的问题,提出一种局部证据RBF人体行为高层特征自相似融合识别算法。首先,借用随时间变化的广义自相似性概念,利用时空兴趣点光流场局部特征提取方法,构建基于自相似矩阵的人体行为局部特征描述;其次,在使用SVM算法进行独立个体行为识别后,利用所提出的证据理论RBF（Radial Basis Function）高层特征融合,实现分类结构优化,从而提高分类准确度;仿真实验表明,所提方案能够明显提高人体行为识别算法效率和识别准确率。