簡介：分類號R9651密級非密UDC610學(xué)校代碼11065碩士學(xué)位論文人工智能在非小細(xì)胞肺癌靶向藥物設(shè)計(jì)和輔助診斷中的應(yīng)用研究人工智能在非小細(xì)胞肺癌靶向藥物設(shè)計(jì)和輔助診斷中的應(yīng)用研究李憲超李憲超指導(dǎo)教師司宏宗教授司宏宗教授高華教授高華教授學(xué)科專業(yè)名稱藥物化學(xué)藥物化學(xué)論文提交日期2015年4月9日論文答辯日期2015年5月31日答辯委員會主席于廣利于廣利GENERALIZEDBNSURFACEAREA）方法對結(jié)合自由能進(jìn)行計(jì)算，其計(jì)算結(jié)果與預(yù)測活性值相符。MMGBSA自由能分解確定了重要的氨基酸殘基，與對接結(jié)果相一致。2、通過統(tǒng)計(jì)學(xué)和ROC曲線分析，確定了CRP、FIB、CEA、CA、MG在非小細(xì)胞肺癌患者組和對照組之間有顯著性差異（P005），并且敏感性較高，通過對這5個(gè)標(biāo)志物進(jìn)行不同的組合，最終建立了兩個(gè)GEP模型，其中一個(gè)包括所有的5個(gè)標(biāo)志物，另一個(gè)不包括CA和MG。兩個(gè)模型都顯示了較高的預(yù)測能力，準(zhǔn)確率分別達(dá)到了91（245270）和89（240270）。結(jié)論結(jié)論3DQSAR、分子對接、分子動力學(xué)等計(jì)算機(jī)輔助藥物設(shè)計(jì)技術(shù)的結(jié)合應(yīng)用，能準(zhǔn)確地分析非小細(xì)胞肺癌相關(guān)靶標(biāo)受體酪氨酸激酶MER及其抑制劑的結(jié)構(gòu)特征，探討受體與抑制劑的相互作用機(jī)制，為非小細(xì)胞肺癌新型靶向藥物的設(shè)計(jì)提供理論指導(dǎo)。GEP是一種應(yīng)用于非小細(xì)胞肺癌診斷中的新的人工智能方法，能夠提高診斷的準(zhǔn)確率，使患者得到及時(shí)治療。碩士研究生李憲超（藥物化學(xué)）指導(dǎo)教師司宏宗教授高華教授碩士研究生李憲超（藥物化學(xué)）指導(dǎo)教師司宏宗教授高華教授關(guān)鍵詞非小細(xì)胞肺癌；受體酪氨酸激酶MER；計(jì)算機(jī)輔助藥物設(shè)計(jì)；關(guān)鍵詞非小細(xì)胞肺癌；受體酪氨酸激酶MER；計(jì)算機(jī)輔助藥物設(shè)計(jì)；肺癌診斷；基因表達(dá)式編程肺癌診斷；基因表達(dá)式編程

簡介：IIHL1ML1ILLLLLLLLIIOLLLBFY3246425罾級★保密期限L造置監(jiān)塞塑鹽洼2尚弘理工大學(xué)ZHEJIANGSCI?！疶ECHUNIVERSITY碩士專業(yè)學(xué)位論文PROFESSIONALMASTERSTHESIS中文論文題目莖王馥迸厶王魚茬簋鎏塑墓越疆動毆置能裂歸魚班塞英文論文題目基堅(jiān)￡￡也Q￡鯉I盥Ⅱ￡IG墊G￡墊地【型量璺￡些Q絲也乜￡壁￡盟△叢I旦盟AE墜壘曼型璺￡墮△12壁D墮坐塹墮呈盟Ⅱ121生旦￡咝墜專業(yè)學(xué)位類別壘目型童些亟專業(yè)學(xué)位領(lǐng)域蟲王皇顯值王垂作者姓名昱熔指導(dǎo)教師韭重堡完成日期2Q』2生且目學(xué)位論文版權(quán)使用授權(quán)書1啊2㈣464㈣25Y3本學(xué)位論文作者完全了解浙江理工大學(xué)有權(quán)保留并向國家有關(guān)部門或機(jī)構(gòu)送交本論文的復(fù)印件和磁盤，允許論文被查閱和借閱。本人授權(quán)浙江理工大學(xué)可以將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進(jìn)行檢索和傳播，可以采用影印、縮印或掃描等復(fù)制手段保存、匯編學(xué)位論文。保密的學(xué)位論文在解密后適用本授權(quán)書學(xué)位論文作者簽名關(guān)廈簽字日期勁九年6月1日導(dǎo)U磴名弘畸簽字日期砌F7年6月E1

簡介：人工智能的發(fā)展趨勢問題從20世紀(jì)80年代在國內(nèi)外就進(jìn)行了非常激烈的辯論。既有認(rèn)為人工智能只能作為人的工具的延長而不可能取代人的大腦的工具論，他們認(rèn)為人工智能誕生的初衷是作為人類工具的延長，其作用從其誕生的那一天就已經(jīng)定性，人工智能只能作為人類智能的附庸和補(bǔ)充，而不可能對人類智能構(gòu)成挑戰(zhàn)，更不可能取代人類智能；也有認(rèn)為人工智能一定會戰(zhàn)勝人類智能的觀點(diǎn)，他們從達(dá)爾文的進(jìn)化論進(jìn)行類比推斷，對比人類智能和人工智能相對發(fā)展的速度和加速度，認(rèn)為人類智能雖然在短時(shí)期內(nèi)還占有絕對的優(yōu)勢，但是從人工智能近些年突飛猛進(jìn)的發(fā)展速度和加速度來對比人類智能對等時(shí)間發(fā)展來看，人工智能戰(zhàn)勝人類智能絕對只是時(shí)間的問題。當(dāng)時(shí)間進(jìn)入21世紀(jì)，計(jì)算機(jī)硬件和軟件更新的速度越來越快，計(jì)算機(jī)這個(gè)以往總給人以冷冰冰機(jī)器的形象也得到了徹底的改變。人機(jī)交互的情況越來越普遍，計(jì)算機(jī)由于需要的緣故被人類賦予了越來越多的智能因素。伴隨著人類把最新的計(jì)算機(jī)技術(shù)應(yīng)用于各個(gè)學(xué)科，對這些學(xué)科的認(rèn)知也進(jìn)入了日新月異的發(fā)展階段，促使大量的新的研究成果不斷涌現(xiàn)。例如“人機(jī)大戰(zhàn)”中計(jì)算機(jī)輕松的獲勝、人類基因組排序工作的基本完成、克隆人理論實(shí)質(zhì)性的突破、人類大腦結(jié)構(gòu)性解密和單純器官性克隆的成功實(shí)現(xiàn)等等。而且隨著計(jì)算機(jī)這個(gè)人類有史以來最重要的工具的能力不斷發(fā)展，伴隨著不斷有新理論的涌現(xiàn)，大量的已經(jīng)似乎應(yīng)當(dāng)蓋棺定論的理論受到了越來越嚴(yán)峻的挑戰(zhàn)，人類必須從全新的角度對它們一一進(jìn)行分析和審視。由于近幾年生物學(xué)和神經(jīng)生理學(xué)許多新的研究成果的出現(xiàn)，對于人工智能與人類智能之間的關(guān)系也有了進(jìn)行再次討論分析的必要。本文通過綜合最新與人工智能相關(guān)的理論和成果對以往的工具論和純進(jìn)化論進(jìn)行分析和探討，并且從馬克思主義哲學(xué)的角度再次去分析人工智能與人類智能的關(guān)系，并嘗試著給出新的結(jié)論人類對人腦的功能會不斷地進(jìn)行認(rèn)識，從而人工智能會不斷的迫近人類智能。但從動態(tài)分析上，即人類智能也在不斷的進(jìn)化和發(fā)展，人工智能作為人類智能主體客體化的產(chǎn)物，其作用和功能受到人類智能的制約所以要低于人類智能。

簡介：市場競爭和消費(fèi)觀念的轉(zhuǎn)變，使得質(zhì)量的內(nèi)涵擴(kuò)展到了產(chǎn)品生命周期的全過程；當(dāng)代自動化生產(chǎn)所進(jìn)行的過程控制要求質(zhì)量控制實(shí)現(xiàn)智能化。本文對產(chǎn)品全生命周期質(zhì)量信息的集成技術(shù)和質(zhì)量過程控制的自動化和智能化的方法進(jìn)行了深入研究，主要工作包括1建立了質(zhì)量信息集成的XML，體系模型。對質(zhì)量信息及其集成性進(jìn)行了系統(tǒng)分析，基于XME，技術(shù)建立了質(zhì)量信息系統(tǒng)的信息流框架、功能框架和技術(shù)框架，為CIMS環(huán)境下產(chǎn)品全生命周期質(zhì)量信息的有效集成建立了支撐平臺。2建立了質(zhì)量控制系統(tǒng)的架構(gòu)和功能模型。研究了基于MESMANUFACTURINGEXECUTIONSYSTEM，制造執(zhí)行系統(tǒng)的質(zhì)量控制系統(tǒng)工作原理，建立了動態(tài)質(zhì)量控制系統(tǒng)的體系結(jié)構(gòu)和功能模型，提出基于SPCSTATISTICPROCESSCONTROL，統(tǒng)計(jì)過程控制的在線質(zhì)量監(jiān)控系統(tǒng)模型，為三層ERPMESPCS企業(yè)集成框架下的質(zhì)量控制提供了技術(shù)支持。3研究了基于BP網(wǎng)絡(luò)的質(zhì)量過程控制模式的識別方法。本文對質(zhì)量過程控制模式建立了數(shù)學(xué)模型，提出了基于BP網(wǎng)絡(luò)的質(zhì)量過程診斷分析系統(tǒng)模型，并對過程數(shù)據(jù)的移動窗采樣算法進(jìn)行了描述，在此基礎(chǔ)上著重研究了基于BP網(wǎng)絡(luò)的質(zhì)量過程控制模式的識別方法，為質(zhì)量過程的智能控制提供了方法。4研究了基于BP網(wǎng)絡(luò)的質(zhì)量過程異常模式的參數(shù)估計(jì)方法。運(yùn)用BP網(wǎng)絡(luò)對質(zhì)量過程異常模式的特征參數(shù)進(jìn)行估計(jì)，可獲得階躍型的幅度、趨勢型的斜率、周期型的波動幅值、振蕩型的振蕩幅度，為進(jìn)一步診斷質(zhì)量過程偏差原因提供了依據(jù)。5研究了基于粗糙集理論的質(zhì)量過程偏差診斷技術(shù)。把粗糙集理論引入質(zhì)量過程偏差的診斷分析，提出基于粗糙集的質(zhì)量過程偏差診斷模型，為質(zhì)量過程的診斷分析提供了新的思路。

簡介：近年來，受生物機(jī)理啟發(fā)的信息處理系統(tǒng)已成為人工智能領(lǐng)域研究的重要內(nèi)容。生物免疫系統(tǒng)因其具有記憶、并行及自適應(yīng)等高智能特性，發(fā)展基于生物免疫系統(tǒng)的智能算法及其工程應(yīng)用已成為當(dāng)前的熱點(diǎn)研究，而作為生物體三大調(diào)節(jié)系統(tǒng)之一的內(nèi)分泌系統(tǒng)也蘊(yùn)含著豐富的信息處理機(jī)制。本文旨在借鑒生物動態(tài)平衡原理、免疫記憶及識別原理、激素調(diào)節(jié)機(jī)理等研究了基于人工智能整合的人工免疫內(nèi)分泌算法，研究內(nèi)容主要包括一、基于生物動態(tài)平衡機(jī)理，提出了一種人工智能整合的思路。通過深入分析生物三大調(diào)節(jié)系統(tǒng)的動態(tài)平衡機(jī)理，聯(lián)系三大系統(tǒng)間相互聯(lián)系及其信息分子、信息存儲及記憶、正負(fù)反饋調(diào)節(jié)等機(jī)制，提出人工智能整合的思想和簡單模型，為開發(fā)智能算法及其工程應(yīng)用提供一種新的研究思路。二、基于免疫應(yīng)答原理和內(nèi)分泌調(diào)節(jié)機(jī)理，提出了一種新的免疫內(nèi)分泌算法。借鑒激素對免疫系統(tǒng)的調(diào)節(jié)機(jī)理，引入抗體濃度和激素濃度的概念，采用個(gè)體適應(yīng)度的矢量距來定量描述抗體濃度，以激素濃度和個(gè)體適應(yīng)度來共同驅(qū)動種群的進(jìn)化過程，用以保證算法快速收斂和有效避免早熟。三、人工免疫內(nèi)分泌系統(tǒng)的算法研究。通過若干典型測試函數(shù)對本算法進(jìn)行了性能測試，結(jié)果顯示其有快速的全局搜索性能。另外通過求解31城市的CTSP組合優(yōu)化問題，顯示出本算法在求解組合優(yōu)化中也具有較好的快速性和全局收斂性。四、基于生物內(nèi)分泌系統(tǒng)的激素調(diào)節(jié)機(jī)理，提出了一種全新的人工激素調(diào)節(jié)模型。通過對激素作用特點(diǎn)及調(diào)節(jié)機(jī)理的深入分析，從分子動力學(xué)的角度模擬內(nèi)分泌腺體分泌激素進(jìn)行調(diào)節(jié)的各個(gè)階段，抽取有用機(jī)理建立模型算法。并對提出的算法進(jìn)行了簡單數(shù)值仿真，驗(yàn)證了算法性能。

簡介：本文對人工智能和虛擬社會進(jìn)行了哲學(xué)研究。文章認(rèn)為，人工智能的飛速發(fā)展帶給人類和社會的變化是深刻的，對人工智能進(jìn)行哲學(xué)思考，能更好指導(dǎo)人類實(shí)踐，使人工智能為人類、為社會創(chuàng)造價(jià)值，積極推動社會的發(fā)展。本文從哲學(xué)的高度與角度對人工智能和虛擬社會進(jìn)行深入思考的結(jié)果表明，人工智能是人類認(rèn)識重心轉(zhuǎn)移、認(rèn)識方法改變、認(rèn)識內(nèi)容深化的歷史必然產(chǎn)物。它進(jìn)一步豐富和發(fā)展了辯證唯物主義，引起了認(rèn)識論的深化，促進(jìn)了辯證法的發(fā)展。同時(shí)，人工智能的發(fā)展為人類創(chuàng)造了一個(gè)新的生存空間虛擬社會，可以把虛擬社會理解為波普爾世界3理論的一種擴(kuò)展與進(jìn)化。虛擬社會對道德建設(shè)創(chuàng)造了前所未有的有利條件也提出了嚴(yán)峻的挑戰(zhàn)，構(gòu)建與社會進(jìn)步相適應(yīng)的虛擬社會道德規(guī)范體系尤為重要和緊迫。只有把社會道德的普遍性與虛擬社會的特殊性結(jié)合起來才能真正使人工智能技術(shù)和虛擬社會成為人類向前發(fā)展的積極動力。

簡介：本文論述了人工智能在數(shù)據(jù)清洗中的應(yīng)用。隨著業(yè)務(wù)的不斷拓展，大量的生產(chǎn)管理、技術(shù)質(zhì)量、財(cái)務(wù)成本等各個(gè)領(lǐng)域的數(shù)據(jù)不斷產(chǎn)生。如何充分利用這些數(shù)據(jù)和系統(tǒng)，提高數(shù)據(jù)的質(zhì)量，為決策支持系統(tǒng)提供正確的數(shù)據(jù)，實(shí)現(xiàn)從數(shù)據(jù)到信息、信息到知識的提煉，從而為企業(yè)的生產(chǎn)經(jīng)營作出正確決策提供服務(wù)，是擺在信息技術(shù)人員面前的一大課題。數(shù)據(jù)清洗，也稱做數(shù)據(jù)凈化，從數(shù)據(jù)中檢測和去除錯(cuò)誤及不一致的數(shù)據(jù)部分以改善數(shù)據(jù)質(zhì)量。針對CATT項(xiàng)目數(shù)據(jù)的數(shù)據(jù)質(zhì)量問題以及用戶的特殊需求，建立了數(shù)據(jù)清洗過程的元數(shù)據(jù)模型，對清洗過程用到的數(shù)據(jù)庫對象和知識庫對象進(jìn)行管理，并創(chuàng)新性的在公司數(shù)據(jù)倉庫項(xiàng)目中引入人工智能方法參與數(shù)據(jù)清洗。在本項(xiàng)目的元數(shù)據(jù)模型中，將知識元數(shù)據(jù)分為邏輯和信息兩大類。邏輯是一種規(guī)則，是加工信息的具體方法，由設(shè)計(jì)人員進(jìn)行具體設(shè)計(jì)和實(shí)現(xiàn)。信息是對現(xiàn)實(shí)世界中具體事物的抽象反映，可以由程序自動更新。對數(shù)據(jù)的清洗操作，利用規(guī)則對清洗后的數(shù)據(jù)進(jìn)行的驗(yàn)證等等都屬于邏輯。而各種數(shù)據(jù)，包括臟數(shù)據(jù)，清洗后的數(shù)據(jù)，驗(yàn)證后的結(jié)果，清洗過程中要用到的數(shù)據(jù)字典等等都數(shù)據(jù)信息范圍。本文中的人工智能模塊采用了貝葉斯文本識別方法，通過樸素貝葉斯分類器識別客戶的特殊需求字段是否符合正確樣本的特征。通過把人工智能模塊整合到整個(gè)的清洗過程中，通過EMAIL提醒來通知維護(hù)人員出現(xiàn)可疑數(shù)據(jù)，從而大大降低了人員維護(hù)的工作量并實(shí)現(xiàn)了項(xiàng)目的需求。通過測試，本文所描述的數(shù)據(jù)清洗方案具有自動化程度高，人為管理少，結(jié)構(gòu)清晰，便于維護(hù)和運(yùn)行效率高等特點(diǎn)。

簡介：點(diǎn)擊查看更多基于人工智能的紗線質(zhì)量預(yù)測及自動配棉優(yōu)化系統(tǒng)的研究.pdf精彩內(nèi)容。

簡介：21世紀(jì)邏輯學(xué)的發(fā)展與計(jì)算機(jī)科學(xué)和人工智能密切相關(guān)。進(jìn)化邏輯就是認(rèn)知科學(xué)、計(jì)算機(jī)科學(xué)和邏輯方法相結(jié)合的產(chǎn)物，是科學(xué)進(jìn)步和科學(xué)發(fā)展的邏輯。它以動態(tài)的發(fā)展邏輯為研究重點(diǎn)，著力于使邏輯反映知識增長的動態(tài)圖景。在進(jìn)化邏輯中，計(jì)算作為一個(gè)哲學(xué)范疇成為認(rèn)知的主要手段。人工智能視野下，進(jìn)化計(jì)算充分體現(xiàn)了計(jì)算哲學(xué)的基本走向。本文主體部分圍繞進(jìn)化邏輯研究問題從以下三方面展開研討首先，對進(jìn)化邏輯的基本概念進(jìn)行解讀。研究進(jìn)化邏輯的基礎(chǔ)概念如突變、革命、選擇、自再生、自創(chuàng)生等，并對進(jìn)化邏輯的理論淵源進(jìn)行梳理，意在通過研究進(jìn)化邏輯產(chǎn)生和發(fā)展的內(nèi)在邏輯來說明進(jìn)化邏輯與人工智能之間相輔相成的關(guān)系。其次，介紹進(jìn)化邏輯的理論體系。重點(diǎn)對自動機(jī)、OL系統(tǒng)、分類符系統(tǒng)和遺傳算法進(jìn)行介紹來探究計(jì)算機(jī)邏輯的實(shí)際應(yīng)用。遺傳算法可以看作是一個(gè)超平面指導(dǎo)的搜索程序，從而可為進(jìn)化遺傳學(xué)系統(tǒng)等自適應(yīng)非線性系統(tǒng)建立嚴(yán)格的邏輯系統(tǒng)和數(shù)學(xué)模型，由此可以得出“遺傳算法為進(jìn)化邏輯理論的發(fā)展奠定了數(shù)學(xué)和邏輯的基礎(chǔ)”的結(jié)論。進(jìn)而引出進(jìn)化計(jì)算的概念。最后，通過分析人工智能邏輯、進(jìn)化邏輯與進(jìn)化計(jì)算的關(guān)系來研究進(jìn)化邏輯的前沿問題和發(fā)展趨勢。通過哥德爾不完全定理探討人工智能是否有邏輯極限的問題。通過研究進(jìn)化邏輯和進(jìn)化計(jì)算的關(guān)系來說明計(jì)算哲學(xué)已成為21世紀(jì)科學(xué)哲學(xué)的新趨向。在此基礎(chǔ)上，對人工智能視野下的進(jìn)化邏輯的認(rèn)知?dú)w省進(jìn)行梳理，得出進(jìn)化邏輯屬于廣義認(rèn)知邏輯的結(jié)論。

簡介：山東大學(xué)碩士學(xué)位論文基于人工神經(jīng)網(wǎng)絡(luò)的智能交通系統(tǒng)檢測與控制姓名秦偉剛申請學(xué)位級別碩士專業(yè)檢測技術(shù)與自動化裝置指導(dǎo)教師賈磊20050520；，些奎叁莖堡圭蘭堡簍圣。；。；。。平臺畫面清晰直觀，參數(shù)設(shè)置方便，得到較為滿意的效果通過建立的預(yù)測模型和智能交通系統(tǒng)仿真平臺，采用離線預(yù)測和在線仿真，并對預(yù)測結(jié)果和仿真曲線進(jìn)行分析，可以看出采用這些模型具有重要的意義，也為下一步將其應(yīng)用于實(shí)際提供了可靠的依據(jù)。關(guān)鍵詞智能交通系統(tǒng)；人工神經(jīng)網(wǎng)絡(luò)；交通流預(yù)測；遺傳算法模糊控制一一

簡介：隨著國民經(jīng)濟(jì)的飛速發(fā)展及對能源需求的日益增大節(jié)能與減少溫室氣體排放已經(jīng)被提到非常重要的高度。如何減少能耗提高能源的有效利用率是關(guān)系到我國經(jīng)濟(jì)可持續(xù)發(fā)展的重要問題。在城市建筑物的能耗中中央空調(diào)系統(tǒng)所占的比重最大。根據(jù)有關(guān)方面的統(tǒng)計(jì)中央空調(diào)部分大概占建筑物總能耗的40％50是城市建筑的主要耗能對象。為了降低空調(diào)系統(tǒng)的能耗本課題以中央空調(diào)系統(tǒng)作為研究對象結(jié)合實(shí)際科研項(xiàng)目采用先進(jìn)的控制算法我們研制出了基于人工智能和專家系統(tǒng)的中央空調(diào)節(jié)能運(yùn)行及故障診斷系統(tǒng)。本論文包括以下內(nèi)容①中央空調(diào)節(jié)能運(yùn)行與中央空調(diào)故障診斷系統(tǒng)的發(fā)展歷史及國內(nèi)外現(xiàn)狀對中央空調(diào)系統(tǒng)的能耗情況進(jìn)行了分析。建立了基于設(shè)備運(yùn)行的節(jié)能技術(shù)框架及節(jié)能目標(biāo)體系。②應(yīng)用計(jì)算機(jī)控制技術(shù)設(shè)計(jì)、安裝實(shí)施了中央空調(diào)節(jié)能運(yùn)行與故障自診斷系統(tǒng)經(jīng)過近兩年的實(shí)際運(yùn)行設(shè)備運(yùn)行情況良好完全達(dá)到預(yù)期的節(jié)能目的與自診斷效果。③作為博士研究生論文的第一個(gè)創(chuàng)新點(diǎn)針對中央空調(diào)系統(tǒng)存在的非線形和大的滯后采用了創(chuàng)新的控制手段在中央空調(diào)系統(tǒng)的運(yùn)行控制中率先提出了先進(jìn)的基于混合神經(jīng)網(wǎng)絡(luò)的非線性預(yù)測函數(shù)控制及SMITH預(yù)估控制算法編制出控制算法軟件并將其應(yīng)用到實(shí)際對象中完全達(dá)到預(yù)期的控制效果經(jīng)過實(shí)際運(yùn)行對比測算其節(jié)電效果達(dá)到30以上產(chǎn)生了良好經(jīng)濟(jì)的效益。④論文的第二個(gè)創(chuàng)新點(diǎn)結(jié)合重慶市建委下達(dá)的科研課題針對中央空調(diào)系統(tǒng)在運(yùn)行中的實(shí)際情況系統(tǒng)地編制了中央空調(diào)系統(tǒng)運(yùn)行故障專家?guī)旖⒘酥醒肟照{(diào)系統(tǒng)運(yùn)行故障自診斷系統(tǒng)系統(tǒng)能夠在運(yùn)行過程中進(jìn)行運(yùn)行狀態(tài)提示、故障預(yù)報(bào)、故障產(chǎn)生原因分析和相應(yīng)的對策提示等。經(jīng)過運(yùn)行實(shí)踐表明其對防止重大事故的發(fā)生提高設(shè)備的有效利用時(shí)間延長其使用壽命都具有良好的效果。該專家?guī)煜到y(tǒng)被評定為國內(nèi)領(lǐng)先并獲得2006年重慶市科技進(jìn)步三等獎(jiǎng)。實(shí)踐證明本論文所研究的基于人工智能和專家系統(tǒng)的中央空調(diào)節(jié)能運(yùn)行和專家診斷技術(shù)對降低中央空調(diào)的運(yùn)行能耗提高運(yùn)行質(zhì)量增加有效運(yùn)行時(shí)間、防止重大事故發(fā)生等方面效果明顯具有很大的推廣價(jià)值。

簡介：專家系統(tǒng)是人工智能領(lǐng)域最為活躍和最富應(yīng)用前景的一個(gè)分支，適用于工程中那些推理性和復(fù)雜性問題的求解。將專家系統(tǒng)應(yīng)用于汽車電噴發(fā)動機(jī)故障診斷方面，可以充分利用診斷專家的領(lǐng)域知識，提高汽車電噴發(fā)動機(jī)的維修效率。本系統(tǒng)匯集了大量的維修領(lǐng)域?qū)＜业闹R和經(jīng)驗(yàn)，從實(shí)用角度出發(fā)，針對汽車電噴發(fā)動機(jī)故障診斷日趨復(fù)雜的特點(diǎn)，模擬專家對汽車電噴發(fā)動機(jī)故障診斷的過程。本系統(tǒng)結(jié)合故障樹的數(shù)據(jù)結(jié)構(gòu)和關(guān)系數(shù)據(jù)庫原理完成知識表示，建立了較完善的知識庫，并實(shí)現(xiàn)了確定性故障診斷所需的推理機(jī)。電噴發(fā)動機(jī)故障診斷專家系統(tǒng)以VISUALC和ACCESS2000作為開發(fā)平臺，主要實(shí)現(xiàn)的功能包括故障碼診斷功能；故障現(xiàn)象診斷功能；傳感器診斷功能；波形分析診斷功能；維修記錄查詢、增加、修改、刪除功能；維修經(jīng)驗(yàn)診斷功能。該系統(tǒng)主要采用功能模塊設(shè)計(jì)方法，這種方法建立的知識庫具有可擴(kuò)展性，可以方便的通過增加模塊的方法對系統(tǒng)的知識進(jìn)行擴(kuò)充，從而可以幫助維修人員能夠更加方便、快速、準(zhǔn)確地對電噴發(fā)動機(jī)的故障進(jìn)行故障定位和診斷。本系統(tǒng)的開發(fā)既提高了維修效率，增加了診斷的可靠性，又降低了維修成本。論文重點(diǎn)對知識庫的建立、產(chǎn)生式規(guī)則診斷機(jī)制的實(shí)現(xiàn)進(jìn)行了分析和介紹，對電噴發(fā)動機(jī)故障診斷方法進(jìn)行了較為全面的闡述和分析，在此基礎(chǔ)上綜合采用了人工智能、數(shù)據(jù)庫和軟件工程技術(shù)，開發(fā)了電噴發(fā)動機(jī)故障診斷專家系統(tǒng)。本系統(tǒng)能夠解決維修過程的實(shí)際問題，同時(shí)具有較強(qiáng)的理論價(jià)值和工程實(shí)用價(jià)值。

簡介：人工神經(jīng)網(wǎng)絡(luò)ARTIFICIALNEURALWK，ANN是對人腦若干基本特性通過數(shù)學(xué)方法進(jìn)行的抽象和模擬，是一種模仿人腦結(jié)構(gòu)及其功能的非線性信息處理系統(tǒng)。BPBACKPROPAGATION網(wǎng)絡(luò)是一種采用反向傳播學(xué)習(xí)算法的神經(jīng)網(wǎng)絡(luò)，對于在任意閉區(qū)間內(nèi)的一個(gè)連續(xù)函數(shù)都可以用單隱層的BP網(wǎng)絡(luò)逼近，一個(gè)三層的BP網(wǎng)絡(luò)就可以完成任意的N維到M維的映射。遺傳算法GEICALGITHM，GA以生物進(jìn)化過程為背景，模擬生物進(jìn)化的步驟，將繁殖、雜交、變異、競爭和選擇等概念引入到算法中，通過維持一組可行解，并對可行解進(jìn)行重新組合，改進(jìn)可行解在多維空間內(nèi)的移動軌跡或趨向，最終走向最優(yōu)解。它克服了傳統(tǒng)優(yōu)化方法容易陷入局部極值的缺點(diǎn)，是一種全局優(yōu)化算法。第一部分將神經(jīng)網(wǎng)絡(luò)應(yīng)用到藥物透過人皮膚的滲透性能預(yù)測研究中。采集兩組數(shù)據(jù)樣本，甩MATLAB自編程序分別建立了預(yù)測藥物經(jīng)皮滲透速率BP網(wǎng)絡(luò)和預(yù)測經(jīng)皮滲透系數(shù)的BP網(wǎng)絡(luò)模型。兩個(gè)模型的輸入變量相同，為藥物的分子量MR，油水分配系數(shù)10GKOW，供氫數(shù)HD和受氫數(shù)HA。輸出變量分別為藥物經(jīng)皮滲透速率LOGJMAX和經(jīng)皮滲透系數(shù)LOGKP。前者模型測試組預(yù)測LOGJMAX與實(shí)際LOGJMAX的相關(guān)系數(shù)平方為0997，回歸直線的斜率為0970。后者模型測試組預(yù)測得到的LOGKP與實(shí)際LOGKP的相關(guān)系數(shù)為095，均方誤差平方根RMSE為037。本研究表明BP神經(jīng)能夠很好地預(yù)測藥物透過皮膚的滲透性能。第二部分旨在建立一個(gè)生物藥劑學(xué)分類系統(tǒng)BCS預(yù)測模型。藥物在BCS中的分類取決于其溶解性和滲透性。故首先建立藥物特征溶解度模型和絕對生物利用度模型。用多元線性回歸和神經(jīng)網(wǎng)絡(luò)建立溶解度的線性模型和非線性模型，通過模型預(yù)測值與實(shí)際值的相關(guān)系數(shù)R、均方誤差平方根RMSE和AIC比較，神經(jīng)網(wǎng)絡(luò)模型比逐步線性回歸模型優(yōu)越。用神經(jīng)網(wǎng)絡(luò)建立兩種預(yù)測藥物口服絕對生物利用度的模型。前者的輸入變量為7個(gè)已能明確解釋的理論參數(shù)，后者的輸入變量有15個(gè)，包括上述變量和用遺傳算法篩選出來的8個(gè)變量。通過比較，后者的預(yù)測效能優(yōu)越。采集16個(gè)BCS分類明確的藥物樣本，用自行建立的溶解度模型和生物利用度模型預(yù)測分類，溶解度預(yù)測準(zhǔn)確度為938％，滲透性預(yù)測準(zhǔn)確度為812％，生物藥劑學(xué)分類系統(tǒng)預(yù)測準(zhǔn)確度為750％。第三部分將神經(jīng)網(wǎng)絡(luò)應(yīng)用到藥動學(xué)參數(shù)的預(yù)測，用BP網(wǎng)絡(luò)預(yù)測新生兒丁胺卡那霉素消除速率常數(shù)。建立梯度下降BP網(wǎng)絡(luò)GDBPNN，貝葉斯標(biāo)準(zhǔn)化BP網(wǎng)絡(luò)BRBPNN和遺傳BP網(wǎng)絡(luò)GBPNN，以23例新生兒靜脈滴注丁胺卡那霉素相關(guān)臨床資料為研究對象，研究新生兒胎齡、日齡和體重對丁胺卡那霉素消除速率的影響，預(yù)測患者的消除速率常數(shù)，并比較三種網(wǎng)絡(luò)的預(yù)測精度和運(yùn)行效率。結(jié)果表明GDBPNN，BRBPNN和GBPNN測試組預(yù)測值和實(shí)驗(yàn)計(jì)算值的相關(guān)系數(shù)分別為092，091和098；測試組均方誤差平方根RMSE分別是0020，0024和0010；相同的預(yù)測精度條件下，GDBPNN，BRBPNN和GBPNN分別運(yùn)行了2000，219和82步。從中可以看出遺傳算法對BP神經(jīng)網(wǎng)絡(luò)權(quán)值和閾值進(jìn)行優(yōu)化，從而克服了BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練速度慢，容易陷入局域極小和全局搜索能力弱等缺點(diǎn)，故GBPNN預(yù)測效果更好。

簡介：人工魚群算法是一種新型的群智能隨機(jī)優(yōu)化算法，本質(zhì)上是一個(gè)復(fù)雜的智能系統(tǒng)，它具有較強(qiáng)的魯棒性、優(yōu)良的分布式計(jì)算機(jī)制、易于和其他方法結(jié)合等優(yōu)點(diǎn)。目前對該算法的研究、應(yīng)用已經(jīng)滲透到多個(gè)應(yīng)用領(lǐng)域，并由解決一維靜態(tài)優(yōu)化問題發(fā)展到解決多維動態(tài)組合優(yōu)化問題。人工魚群算法已經(jīng)成為交叉學(xué)科中一個(gè)非?；钴S的前沿性研究課題。本論文首先簡單闡述人工魚群算法的基本思想、特點(diǎn)和研究現(xiàn)狀，論述對其進(jìn)行改進(jìn)研究的意義；接著討論了多智能體人工魚群算法及其應(yīng)用，其中包括求解組合優(yōu)化問題的改進(jìn)多智能體人工魚群算法及其收斂性證明、基于自適應(yīng)混沌改進(jìn)多智能體魚群算法求解約束優(yōu)化問題、用改進(jìn)多智能體魚群算法求解多級遞階物流中轉(zhuǎn)運(yùn)輸系統(tǒng)優(yōu)化問題和基于多智能體魚群算法的通風(fēng)系統(tǒng)風(fēng)機(jī)定位優(yōu)化方法。本論文對人工魚群算法的改進(jìn)方法進(jìn)行了深入研究和嘗試，改進(jìn)后的人工魚群算法，具有更高的搜索效率和獲取最優(yōu)解的能力。本論文的研究成果對于應(yīng)用人工魚群算法解決實(shí)際優(yōu)化問題具有重要的參考意義，對人工魚群算法的進(jìn)一步深入研究也具有較高的參考價(jià)值。

簡介：點(diǎn)擊查看更多基于遺傳算法與模糊推理的智能DSP控制器及在仿生人工腿中的應(yīng)用.pdf精彩內(nèi)容。