簡(jiǎn)介：隨著計(jì)算機(jī)軟硬件系統(tǒng)的發(fā)展，尤其是3D圖形技術(shù)的發(fā)展，計(jì)算機(jī)游戲軟件的畫面表現(xiàn)力得到了極大地增強(qiáng)，使得在游戲軟件中相對(duì)滯后的人工智能，成為制約游戲性提高的瓶頸。采用大量的游戲人工智能（ARTIFICIALINTELLIGENCEAI）是使一款游戲鶴立雞群的重要手段之一。高質(zhì)量的游戲AI已經(jīng)不再是為提高游戲運(yùn)行速度才予以考慮的東西，它現(xiàn)在已是和圖形或聲音一樣，成為游戲設(shè)計(jì)過程中的極為重要的一個(gè)部分，它還是影響阻礙游戲產(chǎn)品暢銷的一個(gè)決定性因素。本文在概括介紹了游戲引擎的軟件體系結(jié)構(gòu)之后，首先對(duì)游戲中經(jīng)常使用但沒有文檔化的一些人工智能方法進(jìn)行了總結(jié)和針對(duì)游戲軟件的擴(kuò)展和優(yōu)化，討論了其與游戲軟件其它模塊的整合方法；其次，對(duì)于這些人工智能方法討論了具體的實(shí)現(xiàn)方法和改進(jìn)；最后開發(fā)了一款環(huán)境游戲，在虛擬投資過程中形象的說明了保護(hù)環(huán)境的重要性，在游戲中使用了本論文討論的關(guān)鍵技術(shù)，并在游戲中對(duì)算法的有效性進(jìn)行了檢驗(yàn)。

簡(jiǎn)介：該文首先分析了INTER時(shí)代CAD系統(tǒng)的發(fā)展方向研究了基于WEB的CAD遠(yuǎn)程設(shè)計(jì)中的主要理論和關(guān)鍵技術(shù)包括網(wǎng)絡(luò)技術(shù)、基于BROWSERSERVER的三層體系結(jié)構(gòu)、ASP開發(fā)技術(shù)以及利用COMDCOM原理為基礎(chǔ)的ACTIVEX組件實(shí)現(xiàn)遠(yuǎn)程程序調(diào)用的方法其次該文討論了基于實(shí)例的設(shè)計(jì)在機(jī)械領(lǐng)域中的應(yīng)用著重研究了其中的實(shí)例表示、實(shí)例檢索、實(shí)例修改和實(shí)例存儲(chǔ)的關(guān)鍵技術(shù)最后在融全以上關(guān)鍵技術(shù)的基礎(chǔ)上以WINDOWSNT作為操作系統(tǒng)、IIS50為服務(wù)器、SQLSERVER2000為后臺(tái)數(shù)據(jù)庫利用VISUALBASIC60、VISUALINTERDEV60和DREAMWEAVER40為開發(fā)工具初步設(shè)計(jì)了一個(gè)基于實(shí)例設(shè)計(jì)的減速器設(shè)計(jì)系統(tǒng)構(gòu)建了一個(gè)減速器遠(yuǎn)程設(shè)計(jì)網(wǎng)站來驗(yàn)證以上理論

簡(jiǎn)介：點(diǎn)擊查看更多智能割草機(jī)器人工程化過程中的安全性問題的研究.pdf精彩內(nèi)容。

簡(jiǎn)介：螋必圳圄學(xué)授代碼LT0184分類號(hào)L法學(xué)碩士學(xué)位論文人工智能技術(shù)應(yīng)用發(fā)展中的人權(quán)倫理問題1II究RESEARCHONHUMANRIGHTSETHICSINTHEAPPLICATIONOFARTIFIC隊(duì)LINTELLIGENCETECHNOLOGY焦鏡竹思想政治教育廷邊大學(xué)JIIIIIIIIIIIIIIIIIIIIFY3269879分類號(hào)密級(jí)～UDC學(xué)號(hào)2014010156延邊大學(xué)碩士學(xué)位論文人工智展中的人權(quán)倫研究生姓名焦鏡竹培養(yǎng)單位延邊大學(xué)指導(dǎo)教師姓名、職稱安豐軍副教授學(xué)科專業(yè)思想政治教育研究方向應(yīng)用倫理學(xué)論文提交日期2017年5月14日發(fā)究用研應(yīng)題術(shù)問技理能

簡(jiǎn)介：本次課題的核心內(nèi)容和研究思路可概括如下分析艦艇自噪聲的非平穩(wěn)特征，針對(duì)ANC系統(tǒng)的弊端探討解決方案；設(shè)計(jì)并完善以人工神經(jīng)網(wǎng)絡(luò)為框架的自適應(yīng)噪聲抵消系統(tǒng)；引入模糊邏輯推理思想，設(shè)計(jì)更加智能化的網(wǎng)絡(luò)結(jié)構(gòu)；借助多分辨率分析的思想，進(jìn)一步完善網(wǎng)絡(luò)的逼近能力和自適應(yīng)性；引入遺傳進(jìn)化理論，結(jié)合強(qiáng)有力的局部算法構(gòu)造自適應(yīng)混合學(xué)習(xí)策略；最后通過仿真試驗(yàn)和真實(shí)海試數(shù)據(jù)處理，系統(tǒng)的驗(yàn)證文中結(jié)論。目標(biāo)信號(hào)所處的聲場(chǎng)環(huán)境，決定了ANC系統(tǒng)的非線性特征，針對(duì)待抵消信號(hào)的非平穩(wěn)性，我們?cè)趥鹘y(tǒng)非線性濾波的研究基礎(chǔ)上，設(shè)計(jì)人工神經(jīng)網(wǎng)絡(luò)作為自適應(yīng)處理器，依靠其強(qiáng)大的與人腦類似的功能，來解決常規(guī)濾波模式的固有缺陷。在系統(tǒng)自適應(yīng)學(xué)習(xí)中，神經(jīng)網(wǎng)絡(luò)將非線性映射的問題轉(zhuǎn)化為求解優(yōu)化問題，而優(yōu)化過程依靠其自學(xué)習(xí)、并行處理等優(yōu)勢(shì)，通過簡(jiǎn)便的學(xué)習(xí)算法來實(shí)現(xiàn)。RBF神經(jīng)網(wǎng)絡(luò)的引入，更使得系統(tǒng)求解復(fù)雜、高度非線性的能力大大提高。文中所設(shè)計(jì)的模型為非線性系統(tǒng)問題的解決奠定了良好的基礎(chǔ)，且算法計(jì)算的復(fù)雜程度適中，具有較高的應(yīng)用價(jià)值。本文采用TS模糊推理模型構(gòu)建分段線性模型，作為網(wǎng)絡(luò)系統(tǒng)的基礎(chǔ)構(gòu)架，將輸入空間分為若干個(gè)模糊子空間。再通過模糊系統(tǒng)和人工神經(jīng)網(wǎng)絡(luò)的等價(jià)性特征，把該模糊推理模型表現(xiàn)為一個(gè)自適應(yīng)神經(jīng)網(wǎng)絡(luò)的形態(tài)，使得該網(wǎng)絡(luò)系統(tǒng)的所有結(jié)點(diǎn)和參數(shù)都對(duì)應(yīng)實(shí)際意義。同時(shí)，再將傳統(tǒng)TS模型與多分辨率理論MRA相結(jié)合，將WNN放入模糊推理后件中，使得模型中每一個(gè)模糊規(guī)則相當(dāng)于一個(gè)子小波網(wǎng)絡(luò)。然后引入新的自適應(yīng)混合遺傳算法，用于網(wǎng)絡(luò)結(jié)構(gòu)和各個(gè)參量的學(xué)習(xí)修正，以提高系統(tǒng)的運(yùn)行效率和求解質(zhì)量。數(shù)據(jù)處理結(jié)果證明這種融合了多項(xiàng)新穎設(shè)計(jì)思想的混合智能系統(tǒng)HIS，系統(tǒng)進(jìn)化的思路清晰易懂，并且有效的提高了系統(tǒng)降噪性能。

簡(jiǎn)介：作為一種新型微波芯片技術(shù)，射頻微機(jī)電系統(tǒng)RADIOFREQUENCYMICROELECTROMECHANICALSYSTEMS，RFMEMS器件因其具有損耗低、體積小、重量輕以及與其它加工工藝相兼容等特點(diǎn)，已經(jīng)越來越廣泛地應(yīng)用在在相控陣?yán)走_(dá)、微波通信、衛(wèi)星通信以及微波測(cè)量等領(lǐng)域，其工作穩(wěn)定性、可靠性以及射頻性能在應(yīng)用系統(tǒng)中起著關(guān)鍵作用。伴隨著RFMEMS器件的的廣泛應(yīng)用，其射頻性能建模問題一直是人們關(guān)注的焦點(diǎn)之一。在設(shè)計(jì)過程中，由于模型的復(fù)雜性，特別是若干物理結(jié)構(gòu)參數(shù)的相互關(guān)聯(lián)性和射頻性能參數(shù)的非線性大大增加了它的設(shè)計(jì)難度，其準(zhǔn)確性與計(jì)算量、存儲(chǔ)量、計(jì)算效率以及運(yùn)行時(shí)間成正比。本文通過分析KA波段RFMEMS器件設(shè)計(jì)過程中現(xiàn)有建模方法存在的問題，提出采用人工神經(jīng)網(wǎng)絡(luò)對(duì)毫米波器件的S參數(shù)以及設(shè)計(jì)參數(shù)進(jìn)行建模，并對(duì)該方法的原理及運(yùn)算過程進(jìn)行深入的研究。首先，對(duì)KA波段RFMEMS移相器S參數(shù)神經(jīng)網(wǎng)絡(luò)建模過程進(jìn)行研究。使用的模型為分布式RFMEMS移相器，以移相器的幾何參數(shù)，即周期布置的橋間距、橋墩高度、絕緣SI3N4層厚度及指定頻率點(diǎn)作為模型輸入。以移相器的SLL和S21參數(shù)幅值相相角作為模型輸出。設(shè)置了三個(gè)幾何參數(shù)的樣本空間范圍，使用HFSS軟件進(jìn)行仿真獲得訓(xùn)練樣本。研究結(jié)果表明與HFSS軟件仿真結(jié)果相比，采用網(wǎng)絡(luò)結(jié)構(gòu)為4304的BP神經(jīng)網(wǎng)絡(luò)經(jīng)過69MIN的訓(xùn)練收斂后可獲得S參數(shù)幅值誤差平均值小于00671DB，S參數(shù)幅角誤差平均值小于253610的建模性能。針對(duì)BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練易陷入局部極小而難以收斂這一問題，使用免疫算法和遺傳算法對(duì)BP算法進(jìn)行改進(jìn)，實(shí)驗(yàn)結(jié)果顯示兩種改進(jìn)方法針對(duì)不同數(shù)目的訓(xùn)練樣本縮短了BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練時(shí)間1030％不等。其次，對(duì)KA波段LIGA濾波器S參數(shù)神經(jīng)網(wǎng)絡(luò)建模進(jìn)行研究。以KA波段LIGA濾波器為研究目標(biāo)，在分析了LIGA工藝特點(diǎn)及基本模型的基礎(chǔ)上，獲得其幾何參數(shù)對(duì)于S參數(shù)的影響。確定了影響S參數(shù)的四個(gè)幾何參數(shù)，即第二、三帶條長(zhǎng)度及間隔。依據(jù)81X51組訓(xùn)練樣本和36X51組隨機(jī)樣本，分別使用BP神經(jīng)網(wǎng)絡(luò)和RBF神經(jīng)網(wǎng)絡(luò)建立了四個(gè)幾何參數(shù)與S參數(shù)幅值的模型。與CST軟件仿真對(duì)比，采用520402層間結(jié)構(gòu)的BP神經(jīng)網(wǎng)絡(luò)對(duì)S參數(shù)幅值建模的平均誤差小于01031DB。使用訓(xùn)練1100次、41分鐘收斂（傳播常數(shù)01），隱層為1100個(gè)神經(jīng)元的RBF神經(jīng)網(wǎng)絡(luò)S參數(shù)幅值建模的平均誤差小于00214DB。之后，使用了支持向量回歸機(jī)對(duì)KA波段RFMEMS器件的S參數(shù)進(jìn)行建模研究。以支持向量機(jī)理論為基礎(chǔ)，將其使用于回歸領(lǐng)域，構(gòu)建RFMEMS器件的建模方法，解決S參數(shù)建模過程中模型精度與樣本數(shù)目的過分依賴這一問題。以RFMEMS移相器和LIGA濾波器為研究目標(biāo)，以支持向量機(jī)優(yōu)良的小樣本泛化能力，分別對(duì)不同訓(xùn)練樣本（21、51和101點(diǎn)取樣）的建模性能進(jìn)行研究。結(jié)果表明，對(duì)于同樣的樣本數(shù)目，SVR建模精度相對(duì)于BP神經(jīng)網(wǎng)絡(luò)提高了50。最后，對(duì)KA波段RFMEMS器件設(shè)計(jì)參數(shù)進(jìn)行了人工神經(jīng)網(wǎng)絡(luò)建模研究。結(jié)合人工神經(jīng)網(wǎng)絡(luò)建模過程，提出間接和直接設(shè)計(jì)參數(shù)兩種建模方法，建立了各種常用設(shè)計(jì)參數(shù)從S曲線中提取的方法。對(duì)RFMEMS移相器的幾何參數(shù)和諧振頻率、LODB帶寬、諧振頻率處插入損耗／反射損耗和諧振頻率處“開”／“關(guān)”態(tài)相移變化量分別使用BP神經(jīng)網(wǎng)絡(luò)、RBF神經(jīng)網(wǎng)絡(luò)及多層前向網(wǎng)絡(luò)進(jìn)行建模研究。結(jié)果表明，對(duì)設(shè)計(jì)參數(shù)的直接建模性能要優(yōu)于間接建模50左右的提高，建模時(shí)間也僅為間接建模的20。對(duì)于LIGA濾波器的中心頻率和3DB帶寬兩個(gè)設(shè)計(jì)參數(shù)進(jìn)行建模，結(jié)果表明對(duì)濾波器中心頻率和3DB帶寬的建模平均誒差分別小于00512DB和00658DB。

簡(jiǎn)介：隨著網(wǎng)絡(luò)技術(shù)和信息科學(xué)的日益發(fā)展與廣泛深入，網(wǎng)絡(luò)安全管理的重要性日益顯現(xiàn)出來。其中，網(wǎng)絡(luò)異常檢測(cè)和和更為泛化的安全管理是網(wǎng)絡(luò)安全管理領(lǐng)域的重要研究課題。近年來，基于人工智能理論的網(wǎng)絡(luò)異常檢測(cè)方法和信任管理模型的研究引起了科學(xué)家、政府部門和工業(yè)界的密切關(guān)注。世界上許多國(guó)家和地區(qū)的政府和工業(yè)界都非常重視并積極投資這兩個(gè)方向的研究，其進(jìn)展不僅將促進(jìn)科學(xué)與技術(shù)的進(jìn)步，而且會(huì)對(duì)各國(guó)的國(guó)力和國(guó)防產(chǎn)生一定的影響。本文對(duì)異常檢測(cè)方法和信任管理模型中的若干問題進(jìn)行了深入研究，主要成果及創(chuàng)新體現(xiàn)在以下幾個(gè)方面1針對(duì)目前異常檢測(cè)方法中存在的檢測(cè)率低、誤報(bào)率高以及K均值算法對(duì)初始化敏感并易陷入局部極值的不足，提出一種基于克隆選擇算法的無監(jiān)督模糊聚類的異常入侵檢測(cè)方法。首先應(yīng)用結(jié)合了進(jìn)化搜索、全局搜索、隨機(jī)搜索和局部搜索特點(diǎn)的克隆算子快速得到全局最優(yōu)聚類，然后應(yīng)用模糊檢測(cè)算法檢測(cè)網(wǎng)絡(luò)中的異常行為模式。該方法的優(yōu)點(diǎn)是不需要人工對(duì)訓(xùn)練集進(jìn)行分類，并且可以檢測(cè)出未知的攻擊。通過KDDCUP99數(shù)據(jù)集的檢測(cè)試驗(yàn)表明該方法不但能檢測(cè)出未知的攻擊，而且具有較高的檢測(cè)率和較低的誤報(bào)率。2針對(duì)信息融合中沖突證據(jù)的組合問題和DEMPSTER及其改進(jìn)的證據(jù)組合規(guī)則的缺陷，提出兩種基于交補(bǔ)分擔(dān)準(zhǔn)則的證據(jù)組合新方法。首先分析原始DEMPSTER證據(jù)組合規(guī)則及其改進(jìn)組合規(guī)則的優(yōu)勢(shì)和劣勢(shì)，然后利用均衡交補(bǔ)信度分配原則合成新的MASS函數(shù)，最后通過數(shù)值試驗(yàn)表明新組合方案不但保持了原始DEMPSTER組合規(guī)則的優(yōu)勢(shì)，而且彌補(bǔ)了其存在的ZADEH悖論、一票否決、魯棒性和公平性等不足。3針對(duì)目前P2P系統(tǒng)不能有效處理惡意節(jié)點(diǎn)攻擊、基于推薦的信任模型在匯聚推薦信息時(shí)不能有效處理不確定性信息以及強(qiáng)行組合矛盾推薦信息引起的性能下降等問題，提出一種新的基于信度平均交補(bǔ)分擔(dān)證據(jù)組合規(guī)則的P2P信任管理模型。該模型考慮到節(jié)點(diǎn)的動(dòng)態(tài)行為影響信任度計(jì)算的不確定性，通過推薦證據(jù)預(yù)處理和改進(jìn)證據(jù)合成規(guī)則，使得融合來自不同證據(jù)源的不一致信息性能明顯增強(qiáng)。仿真結(jié)果表明，新模型相比已有的一些信任模型較大程度地提高了系統(tǒng)成功交易率，能夠抑制詆毀、合謀欺詐、策略攻擊等各類惡意節(jié)點(diǎn)行為，同時(shí)模型也很好地評(píng)估了P2P系統(tǒng)中節(jié)點(diǎn)的信任度。

簡(jiǎn)介：人工智能作為一門學(xué)科誕生于20世紀(jì)50年代，在其后短短的20多年里得到了飛速的發(fā)展，取得了令人驚嘆的成就。然而在以后的發(fā)展中遇到了前所未有的困難，也產(chǎn)生了很多的爭(zhēng)論。機(jī)器能否思維人工智能能否具有真正意義上的智能很多哲學(xué)家和科學(xué)家對(duì)這些問題進(jìn)行了深入的理論探討和工程學(xué)實(shí)踐，但至今仍無定論。近些年來，一些哲學(xué)家把人工智能觀點(diǎn)大致分為兩類強(qiáng)人工智能（強(qiáng)AI）和弱人工智能（弱AI）。作為強(qiáng)人工智能的代表人物圖靈和作為弱人工智能的代表塞爾分別提出了兩種截然不同的人工智能標(biāo)準(zhǔn)。圖靈通過他的“模擬游戲”提出只要機(jī)器通過測(cè)試就說明能思維，能思維就是具有智能。塞爾則認(rèn)為意向性才是智能的標(biāo)準(zhǔn)。在與人工智能有關(guān)的諸多哲學(xué)問題中，意向性是最重要的方面之一。之所以這樣，是因?yàn)橐庀蛐允侨斯ぶ悄艹蔀檎嬲闹悄鼙仨毦邆涞臈l件。塞爾認(rèn)為，意向性是一種自然或生物現(xiàn)象，是自然生命史的一個(gè)組成部分，所以自稱他的理論為“生物學(xué)的自然主義”。而要造出人工大腦，只仿造輸入輸出過程是不行的，而要仿造意識(shí)過程，而意識(shí)又是意向性的基礎(chǔ)。由此可以看出，要想達(dá)到人類智能的水平，解析意向性是極其關(guān)鍵的一環(huán)。塞爾認(rèn)為意向性可以分為內(nèi)在的和派生的意向性兩類，只有人才具有內(nèi)在的意向性，其它非人系統(tǒng)所具有的只是派生的或隱喻的意向性。而意向性是自然進(jìn)化的結(jié)果，人的意向性更是具有內(nèi)在的特性，即使承認(rèn)某些機(jī)器具備意向性，而這類意向性在塞爾看來也只是派生的或隱喻的意向性。由此可見，人工智能的發(fā)展要想達(dá)到智能的層次，就必須要解析意向性，搞清楚意向性的起源、本質(zhì)特征及其實(shí)現(xiàn)條件等問題，而要解決這一問題，就必須要向大自然這一最好的導(dǎo)師學(xué)習(xí)、取經(jīng)，才能最終跨越人工智能的意向性鴻溝，達(dá)到真正意義上的智能。

簡(jiǎn)介：該文主要論述了針對(duì)鞍鋼10高爐開發(fā)研制的含硅量預(yù)測(cè)系統(tǒng)的總體設(shè)計(jì)方案及具體實(shí)現(xiàn)過程含硅量預(yù)測(cè)系統(tǒng)采用具有TDTEMPALDIFFERENCES時(shí)差算法的神經(jīng)元網(wǎng)絡(luò)模型結(jié)構(gòu)來預(yù)報(bào)高爐鐵水含硅量同時(shí)為了適應(yīng)實(shí)時(shí)性要求研究人員還每二十分鐘進(jìn)行一次周期計(jì)算來實(shí)時(shí)預(yù)測(cè)高爐鐵水含硅量所謂TD算法就是利用相繼時(shí)刻對(duì)未來同一時(shí)刻的預(yù)測(cè)值之差來驅(qū)動(dòng)系統(tǒng)運(yùn)作TD算法的主要優(yōu)點(diǎn)就是它能更加有效地利用以往經(jīng)驗(yàn)并且能漸進(jìn)計(jì)算因此預(yù)測(cè)結(jié)果理更為準(zhǔn)確試驗(yàn)結(jié)果比較令人滿意因此研究人員滿意因此研究人員希望在剛剛到來的二十一世紀(jì)該系統(tǒng)能在全國(guó)得到推廣

簡(jiǎn)介：點(diǎn)擊查看更多基于Petri網(wǎng)與人工神經(jīng)網(wǎng)絡(luò)的宏觀經(jīng)濟(jì)系統(tǒng)智能分析研究.pdf精彩內(nèi)容。

簡(jiǎn)介：中南大學(xué)碩士學(xué)位論文基于80C196KC的人工氣候智能控制系統(tǒng)控制性能及可靠性研究姓名何鵬申請(qǐng)學(xué)位級(jí)別碩士專業(yè)控制理論與控制工程指導(dǎo)教師梁昔明張?zhí)┥?0070521ABSTRACTWITHTHEQUICKDEVELOPMENTOFSCIENCEANDTECHNOLOGYTHEINDUSTRIALPROCESSESBECOMEMOREANDMORECOMPLEXTHECONTROLSYSTEMWHICHHASMULTIINPUTANDMULTIOUTPUTHASCHARACTERISTICSINCLUDINGTHESTRONGCOUPLINGNONLINEARANDTIMEVARYINGPARAMETERSNEKNOWLEDGEANDINFORMATIONGAINEDFROMTHEPLANTOFSYSTEMREDUCECORRESPONDINGLYANDTHEDEMANDSOFPERFORMANCEISONTHEINCREASE111EDEVELOPMENTOFINTELLIGENTCONTROLTECHNOLOGYISSTUDIEDINTHETHESIS，SUCHASFUZZYCONTROL，EXPERTSYSTEM，ANDSOONSOMESIMULATIONANDAPPLICATIONRESEARCHESINTHETEMPERATUREOFTHEARTIFICIALWEATHERROOMAREFMISHED111ERESULTSOFSYSTEMOPERATIONPROVEDTHATTHEFUZZYCONTROLLERBASEDONTHERULESOFEXPERTSISEFFECTIVEONTHENONLINEARINDEFMITEANDINERTIALSYSTEMTHETHESISMAINLYDISCUSSESTHEHARDWAREDESIGNOFCOMPUTERCONTROLSYSTEMBASEDON80C196KC，THEDEVELOPMENTOFSOFTWARE，THEREALIZATIONOFFUNCTIONSANDTHESCHEMEOFSOLVINGPROBLEMINTHESCENESOMEMETHODSIMPROVINGTHESYSTEM’SSTABILITYANDRELIABILITYAREDISCUSSED，ANDASELFTUNINGFUZZYCONTROLLERBASEDONTHERULESOFEXPERTSISRESEARCHEDTOOANEWTYPEOFLCDINTERFACECIRCUITISDESIGNEDWHICHCALLMAKEDISPLAYPARTMORERELIABLETOSOLVETHEINFLUENCETHATTHENONLINEARTEMPERATURESENSORSBRII培TOTHESYSTEMACCURACYNONLINEARFITTINGMETHODOFTHESENSORSBYUSINGOFMATLABISINTRODUCEDINTHETHESIS，ANDTHEFITTINGRESULTSARENOTABLEANDSIGNIFICANTLYWHICHCALLGREATLYIMPROVETHEACCURACYOFTEMPERATURECONTR01USINGTLLEFEEDFORWARDCONTROLTOSOLVETHEBADEFFECTSRESULTEDFROMTHETEMPERATUREDIFFERENCEANDTHEHIGHPOWERSODIUMLAMPSINDIFFERENTSEASONS，ITCALLEFFECTIVELYSOLVETHEPROBLEMOFCOUPLINGWHICHINCLUDESINDOORTEMPERATUREOUTDOORTEMPERATUREANDILLUMINATIONOFSODIUMLAMPS，ALSOIMPROVETHESYSTEMOFANTIINTERFERENCECAPABILITY111EDEBUGGINGANDRUNNINGRESULTSINDICATETHATTHESYSTEMHASCHARACTERISTICSSUCHASHIGHOPERATINGRELIABIL姆，900DTRACKINGPROPERTY，HIGHPRECISIONSMALLOVERSHOOTANDOPERATINGCONVENIENTLY，WHICHCANPROVETHATTHECONTROLSCHEMEISREASONABLE，ANDTHEALGORITHMISEFFECTIVEKEYWORDSARTIFICIALWEATHERTEMPERATURE，EXPERTFUZZYCONTROL玨

簡(jiǎn)介：隨著目前變電站無人值班和狀態(tài)檢修工作的開展，遠(yuǎn)方實(shí)時(shí)監(jiān)測(cè)電氣設(shè)備狀況非常重要，安裝容性設(shè)備在線監(jiān)測(cè)裝置應(yīng)該是一個(gè)很好的解決手段。但是由于現(xiàn)場(chǎng)的工作環(huán)境和裝置本身的一些原因，其最能反映設(shè)備絕緣狀態(tài)的介質(zhì)損耗因素的數(shù)據(jù)波動(dòng)較大，目前所投入運(yùn)行的裝置都存在此問題。因此通過何種方法解決，使介質(zhì)損耗因素值能不受或少受外部原岡的干擾，從而較準(zhǔn)確的實(shí)時(shí)反映設(shè)備絕緣狀態(tài)就顯得尤為重要。在分析研究國(guó)內(nèi)外已有的優(yōu)化容性設(shè)備在線監(jiān)測(cè)的硬件和軟件的基礎(chǔ)上，提出了實(shí)用及改進(jìn)方法。首先，從應(yīng)用較廣的容性設(shè)備在線監(jiān)測(cè)的機(jī)理角度，分析了諧波分析法的算法原理，總結(jié)了其引起數(shù)據(jù)誤差的原因，提出了可能的解決方法。然后，給出了人工神經(jīng)網(wǎng)絡(luò)的一般描述，以及在MATLAB中的實(shí)現(xiàn)方法，提出了人工神經(jīng)網(wǎng)絡(luò)在容性設(shè)備在線監(jiān)測(cè)中應(yīng)用的具體實(shí)現(xiàn)，即利用人LT神經(jīng)網(wǎng)絡(luò)米建立模型預(yù)測(cè)容性設(shè)備介質(zhì)損耗因素，并利用MATLAB工具進(jìn)行仿真。最后，結(jié)合MATLAB工具和實(shí)際數(shù)據(jù)對(duì)所提出的診斷分析模型進(jìn)行了分析驗(yàn)證。

簡(jiǎn)介：浙江大學(xué)博士學(xué)位論文數(shù)據(jù)挖掘和人工智能理論在短期電力負(fù)荷預(yù)測(cè)中的應(yīng)用研究姓名馮麗申請(qǐng)學(xué)位級(jí)別博士專業(yè)電氣工程、電力系統(tǒng)及其自動(dòng)化指導(dǎo)教師邱家駒20050301數(shù)據(jù)挖掘和人工智能理論在短期電力負(fù)荷預(yù)測(cè)中的應(yīng)用研究影響短期電力負(fù)荷預(yù)測(cè)的因素眾多，如何有效的判斷和選擇這些相關(guān)因素是改善電力負(fù)荷預(yù)測(cè)的關(guān)鍵。本文提出了一種基于粗糙集理論的新型負(fù)荷預(yù)測(cè)模型，它利用粗糙集理論的屬性約簡(jiǎn)算法來剔除不必要的冗余屬性，并根據(jù)粗糙集決策規(guī)則的形式來確定神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和初始連接權(quán)。由于神經(jīng)網(wǎng)絡(luò)中應(yīng)用了領(lǐng)域知識(shí)，使獲得的負(fù)荷預(yù)測(cè)模型具有更為清晰和透明，從而有效改善了電力負(fù)荷預(yù)測(cè)的性能。通過仿真試驗(yàn)證明本文提出的算法是合理、有效的，并且具有重要的實(shí)用價(jià)值。關(guān)鍵詞短期電力負(fù)荷預(yù)測(cè)，數(shù)據(jù)挖掘，人工智能，信息理論，聚類分析，分類，關(guān)聯(lián)規(guī)則挖掘，粗糙集理論，遺傳優(yōu)化算法，模糊分類系統(tǒng)，模糊神經(jīng)網(wǎng)絡(luò)11

簡(jiǎn)介：在電子游戲的設(shè)計(jì)和開發(fā)中，隨著硬件性能的不斷升級(jí)，游戲的音效和視覺效果都得到了極大的提高和改善。但人工智能技術(shù)的研究和應(yīng)用還相對(duì)落后，因而游戲中非玩家角色的行為表現(xiàn)就顯得很單調(diào)笨拙，嚴(yán)重影響游戲的品質(zhì)。因而近年來人工智能漸漸成為改善和提高游戲質(zhì)量的熱門研究課題，非玩家角色的行為既要聰明智能又要豐富多樣。在游戲軟件中，人工智能是一個(gè)重要而又復(fù)雜的模塊，而尋路算法是人工智能運(yùn)用于電子游戲中的最基本問題之一。在當(dāng)今游戲工業(yè)界，A算法是被大家最廣泛使用的人工智能尋路算法，也是最有效的最短路徑搜索算法。A算法實(shí)際上是一種基于廣度優(yōu)先搜索基礎(chǔ)上的啟發(fā)式搜索算法，通常采用估價(jià)函數(shù)FNGNHN對(duì)當(dāng)前的搜索位置進(jìn)行評(píng)估。A算法最緩慢的部分是在開啟列表中尋找F值最低的節(jié)點(diǎn)，二叉堆方法通過對(duì)開啟列表進(jìn)行快速排序等，極大的優(yōu)化了開啟列表內(nèi)節(jié)點(diǎn)元素的查找以及增刪速度，一般在大多數(shù)場(chǎng)合會(huì)加快2～3倍，并且隨著路徑長(zhǎng)度增加，搜索速度呈幾何級(jí)數(shù)提升10倍以上。在大地圖上，只用一種網(wǎng)格密度進(jìn)行尋路，通?；蛘吆苈蛘咦呗凡粔蛘鎸?shí)。分層尋路方法可極大地加快了A搜索速度，它先在整個(gè)地圖范圍內(nèi)使用低密度網(wǎng)格的宏觀尋路方法，直至靠近目標(biāo)對(duì)象后，再切換到高密度網(wǎng)格的微觀尋路方法，一般游戲地圖越大，A搜索速度提高地越明顯。通過將A搜索算法應(yīng)用于掌機(jī)游戲GAUNTLET的人工智能尋路系統(tǒng)后，實(shí)際驗(yàn)證和測(cè)試了改進(jìn)和優(yōu)化后的A搜索極具時(shí)間效率和空間效率。

簡(jiǎn)介：本文對(duì)國(guó)內(nèi)外刀具監(jiān)控技術(shù)進(jìn)行了研究，著重研究了人工神經(jīng)網(wǎng)絡(luò)在刀具監(jiān)控技術(shù)中的應(yīng)用。神經(jīng)網(wǎng)絡(luò)因其極強(qiáng)的非線性映射能力，特別適合于復(fù)雜模式識(shí)別，所以成為刀具狀態(tài)識(shí)別廣泛而強(qiáng)有力的工具。本文結(jié)合檢測(cè)系統(tǒng)的三大部分，即信號(hào)檢測(cè)、特征提取、模式識(shí)別對(duì)刀具狀態(tài)檢測(cè)進(jìn)行了具體的研究。本文的主要研究工作如下首先分析了刀具切削狀態(tài)監(jiān)控技術(shù)的發(fā)展及國(guó)內(nèi)外研究的現(xiàn)狀，確定了本課題研究的意義。通過對(duì)刀具磨損監(jiān)測(cè)方法的研究，確定了間接監(jiān)測(cè)信號(hào)方法的實(shí)施，并對(duì)刀具加工過程中的各種傳感器進(jìn)行研究，對(duì)各種檢測(cè)信號(hào)進(jìn)行比較，最后選擇了電機(jī)電流信號(hào)，為成功研究刀具的狀態(tài)奠定了堅(jiān)實(shí)的基礎(chǔ)。對(duì)所選信號(hào)進(jìn)行分析并提取信號(hào)特征，分別在時(shí)域，頻域及時(shí)頻域中對(duì)信號(hào)進(jìn)行分析，提出用小波理論分析電機(jī)電流信號(hào)，有效的提取了刀具的信號(hào)特征，為刀具狀態(tài)的診斷提供可靠依據(jù)。結(jié)合了人工智能神經(jīng)網(wǎng)絡(luò)對(duì)BP網(wǎng)、RBF網(wǎng)和小波神經(jīng)網(wǎng)絡(luò)進(jìn)行研究，并在MATLAB中進(jìn)行仿真，比較了各種網(wǎng)絡(luò)在刀具狀態(tài)模式識(shí)別決策中的應(yīng)用。最后結(jié)合本課題的結(jié)論，提出了改進(jìn)意見和方案。