-
簡(jiǎn)介:隨著生活水平的提高,人們對(duì)食品質(zhì)量檢驗(yàn)與質(zhì)量控制越來(lái)越重視,不但要求檢測(cè)方法準(zhǔn)確、客觀,而且要求快速、簡(jiǎn)便,因此,引進(jìn)新的檢測(cè)手段并探索其在食品質(zhì)量檢驗(yàn)與質(zhì)量控制中應(yīng)用的可行性具有重要的意義。人工味覺(jué)技術(shù)電子舌即是符合這些要求的一種分析、識(shí)別液體味道的新型分析技術(shù)。人工味覺(jué)領(lǐng)域主要有三個(gè)研究方向傳感器及傳感器陣列的研制、模式識(shí)別方法的優(yōu)化與比較、在各種分析問(wèn)題中的應(yīng)用。除了開(kāi)發(fā)具有優(yōu)良性能的傳感器之外,恰當(dāng)?shù)哪J阶R(shí)別方法對(duì)于電子舌的成功應(yīng)用也是至關(guān)重要的。對(duì)于食品工業(yè)來(lái)說(shuō),人工味覺(jué)技術(shù)的最大優(yōu)勢(shì)是可以輔助、取代甚至超越人類(lèi)的相應(yīng)感覺(jué),而與味覺(jué)相關(guān)的食品質(zhì)量屬性正是應(yīng)該利用人工味覺(jué)技術(shù)進(jìn)行檢測(cè)的方面。本論文的研究范圍主要集中在電子舌模式識(shí)別方法的優(yōu)化與比較、在食品工業(yè)領(lǐng)域中的具體應(yīng)用,從而為開(kāi)辟人工味覺(jué)技術(shù)的應(yīng)用途徑提供理論依據(jù)與數(shù)據(jù)支持。將機(jī)器學(xué)習(xí)領(lǐng)域開(kāi)發(fā)的新興模式識(shí)別工具引進(jìn)電子舌領(lǐng)域解決模式識(shí)別問(wèn)題是非常必要的,以克服通常采用的那些模式識(shí)別方法所具有的缺點(diǎn)。本論文首次將隨機(jī)森林算法引入到人工味覺(jué)技術(shù)的模式識(shí)別中來(lái),考察其在食品樣品分類(lèi)3個(gè)數(shù)據(jù)集和回歸問(wèn)題3個(gè)數(shù)據(jù)集上的性能,并與目前比較流行的算法,BP神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)的性能進(jìn)行了比較。在采用了嚴(yán)格的模型驗(yàn)證方法5重交互驗(yàn)證的情況下,隨機(jī)森林表現(xiàn)出了優(yōu)秀的分類(lèi)性能和預(yù)測(cè)性能,而且是在沒(méi)有經(jīng)過(guò)任何數(shù)據(jù)預(yù)處理和特征選擇提取的前提下獲得的;尤其是對(duì)于不平衡、多類(lèi)別和小樣本的數(shù)據(jù),隨機(jī)森林更是表現(xiàn)出了卓越的分類(lèi)性能,BP神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)和隨機(jī)森林對(duì)三個(gè)分類(lèi)數(shù)據(jù)集交互驗(yàn)證集的整體平均正確分類(lèi)率分別為8335%、5806和9883;對(duì)三個(gè)回歸數(shù)據(jù)集交互驗(yàn)證集的整體平均Q2分別為0886、0353和0913;而且,對(duì)于獨(dú)立測(cè)試集,隨機(jī)森林也給出了令人滿意的預(yù)測(cè)結(jié)果整體平均正確分類(lèi)率和Q2分別為9975和0932,這意味著由電子舌生成的特征結(jié)合隨機(jī)森林所構(gòu)建的模型能夠用于實(shí)際的樣品檢測(cè)。電子舌傳感器電化學(xué)信號(hào)與食品理化指標(biāo)之間具有相關(guān)性是采用電子舌對(duì)食品進(jìn)行分析的基礎(chǔ)。本論文以不同品牌的10橙汁飲料和不同類(lèi)型不同質(zhì)量等級(jí)的食醋為例,以電子舌的測(cè)量結(jié)果結(jié)合能夠反映其感官品質(zhì)味道的主要理化指標(biāo)的測(cè)量結(jié)果,對(duì)樣品進(jìn)行了檢驗(yàn),以考察該技術(shù)在食品質(zhì)量檢驗(yàn)中應(yīng)用的可行性,并為相應(yīng)的感官檢驗(yàn)法味覺(jué)檢驗(yàn)提供可行的輔助手段。結(jié)果表明,電子舌的電化學(xué)信號(hào)與食品的理化指標(biāo)之間具有顯著的相關(guān)性,說(shuō)明可以用電子舌檢測(cè)食品的相關(guān)質(zhì)量,同時(shí)也可以用相關(guān)的理化指標(biāo)來(lái)解釋電子舌的分析結(jié)果;電子舌可以很好地區(qū)分不同品牌的橙汁飲料、不同類(lèi)型的食醋和不同質(zhì)量等級(jí)的食醋;主成分分析時(shí)第一主成分可以解釋為甜度,典型判別分析時(shí),第一、二典型變量分別可以解釋為甜度和糖酸比,而且樣品是近似按照這些指標(biāo)的升序在坐標(biāo)軸正方向上進(jìn)行排列的;并且通過(guò)建立適當(dāng)?shù)哪P腿珉S機(jī)森林分類(lèi)模型電子舌可以預(yù)測(cè)未知樣品的種類(lèi);在對(duì)樣品進(jìn)行區(qū)分時(shí)主成分分析和典型判別分析具有一定的優(yōu)勢(shì),但是,當(dāng)比較模仿競(jìng)爭(zhēng)對(duì)手的同類(lèi)產(chǎn)品時(shí),聚類(lèi)分析和軟獨(dú)立模型類(lèi)別分析具有優(yōu)勢(shì),可以簡(jiǎn)單地初步判斷產(chǎn)品之間在味道上是否具有明顯的差異。這些結(jié)果都表明人工味覺(jué)分析方法可以根據(jù)食品的感官特性味道屬性對(duì)其進(jìn)行質(zhì)量檢驗(yàn),從而證明其在食品質(zhì)量感官檢驗(yàn)中具有應(yīng)用潛力。以人工味覺(jué)技術(shù)為依托,以先進(jìn)的模式識(shí)別方法為手段,提出了人工味覺(jué)結(jié)合隨機(jī)森林的分析方法,在方法學(xué)研究的基礎(chǔ)上進(jìn)行了應(yīng)用型研究,以在食品質(zhì)量控制領(lǐng)域中具有代表性的應(yīng)用案例為例考察該方法的實(shí)際效果。具體應(yīng)用包括食品地理來(lái)源識(shí)別、食品貯藏條件鑒別、食品生產(chǎn)批次質(zhì)量穩(wěn)定性檢測(cè)、食品貯藏期質(zhì)量穩(wěn)定性檢測(cè)、貨架期的確定及貯藏時(shí)間的測(cè)定。結(jié)果表明,人工味覺(jué)技術(shù)結(jié)合不同數(shù)據(jù)處理方法均能夠勝任上述檢測(cè)任務(wù),為其在食品質(zhì)量控制領(lǐng)域中的實(shí)際應(yīng)用提供了基礎(chǔ)研究數(shù)據(jù),同時(shí)為食品研究提供了新的研究方法。并提出了采用主成分繪制質(zhì)控圖、主成分隨時(shí)間演進(jìn)圖來(lái)判斷產(chǎn)品質(zhì)量穩(wěn)定性的方法。
下載積分: 5 賞幣
上傳時(shí)間:2024-03-09
頁(yè)數(shù): 248
大?。?12.73(MB)
子文件數(shù):
-
簡(jiǎn)介:粒計(jì)算由LAZADEH在1997年第一次提出后,即受到世界廣泛關(guān)注,粒度計(jì)算被認(rèn)為是一種看待客觀世界的世界觀與方法論,從某方面考慮粒計(jì)算也是一種模仿人類(lèi)從不同粒層看待問(wèn)題,處理模糊信息的理論,那就與人工智能密切相關(guān),特別是強(qiáng)人工智能。通過(guò)對(duì)粒計(jì)算過(guò)去研究成果的學(xué)習(xí),發(fā)現(xiàn)在現(xiàn)有粒計(jì)算的模型中,對(duì)粒的描述都是對(duì)象實(shí)體的靜態(tài)粒。本文則提出了粒的動(dòng)態(tài)表示結(jié)構(gòu),即粒本身是一種行為操作,我們把這種操作稱(chēng)為反射操作。本文首先討論了粒計(jì)算的研究現(xiàn)狀與主要理論和模型,并介紹了人類(lèi)智能模擬的基本思想包括人類(lèi)智能的各種機(jī)制和人類(lèi)智能的特點(diǎn)。在綜合分析人類(lèi)智能的各種復(fù)雜功能機(jī)制如感情、意識(shí)、思維等等產(chǎn)生的過(guò)程,發(fā)現(xiàn)他們由某些最基本的操作涌現(xiàn)而成的如“反射操作”。論文重點(diǎn)研究了“反射操作”的模擬。本文以“反射操作”作為人工智能模擬實(shí)例,討論了這一操作的思路,通過(guò)計(jì)算機(jī)模擬其過(guò)程,并較為詳細(xì)的描述其編程方法、實(shí)現(xiàn)流程以及其還存在的問(wèn)題。最后,本文在粒度思想的基礎(chǔ)上,結(jié)合此種操作產(chǎn)生結(jié)構(gòu)的性質(zhì)解釋了粒度計(jì)算思想形成的本質(zhì),即人如何做到能從極不同的粒度世界上觀察和分析同一事物,并且能在不同粒度世界中可以來(lái)回轉(zhuǎn)換自如,不受限制。論文主要為人類(lèi)智能的模擬提供一定的思路。
下載積分: 5 賞幣
上傳時(shí)間:2024-03-09
頁(yè)數(shù): 61
大小: 2.19(MB)
子文件數(shù):
-
簡(jiǎn)介:隨著醫(yī)療事業(yè)的發(fā)展,世界上對(duì)各種癌癥發(fā)現(xiàn)和治療的研究越來(lái)越普遍,希望癌癥患者的存活率得到提高。當(dāng)前一般認(rèn)為,早診早治是最終降低病死率的關(guān)鍵。本文成功構(gòu)建了以社區(qū)醫(yī)院為基本篩查單元,以普通人群為對(duì)象,在初級(jí)體檢時(shí)篩查出高危人群為關(guān)鍵步驟的方案。作為對(duì)癌癥“三早”(早期發(fā)現(xiàn)、早期診斷、早期治療)的有效嘗試,本系統(tǒng)的有效研究和設(shè)計(jì)為國(guó)家提供了先進(jìn)案例和應(yīng)用示范。本文在在對(duì)近幾十年有關(guān)此類(lèi)疾病研究文獻(xiàn)的基礎(chǔ)上,通過(guò)薈萃分析,進(jìn)行理論研究,找出致病的關(guān)鍵危險(xiǎn)因素;通過(guò)蘇州大學(xué)第一人民附屬醫(yī)院所研究出的樣本和BP神經(jīng)網(wǎng)絡(luò),訓(xùn)練出具有此類(lèi)判斷功能的經(jīng)驗(yàn)函數(shù),并與目前已得結(jié)果FISHER判別進(jìn)行正確率比較,找出最佳函數(shù)進(jìn)行系統(tǒng)嵌入;最后運(yùn)用服務(wù)器瀏覽器模式對(duì)系統(tǒng)進(jìn)行實(shí)現(xiàn),結(jié)果表明本方案切實(shí)可行,并且已應(yīng)用到婁葑醫(yī)院效果良好。首先采用薈萃分析,又稱(chēng)META分析,方法是對(duì)全國(guó)1995~2010年間公開(kāi)發(fā)表的有關(guān)危險(xiǎn)因素流行病學(xué)及病例對(duì)照研究的文獻(xiàn)資料進(jìn)行定量綜合分析,找出目前中國(guó)人群中肺癌、胃癌和肝癌發(fā)病的主要危險(xiǎn)因素。其次是通過(guò)研究危險(xiǎn)因素和實(shí)驗(yàn)樣本,運(yùn)用人工神經(jīng)網(wǎng)絡(luò)中的BP神經(jīng)網(wǎng)絡(luò)對(duì)實(shí)驗(yàn)樣本進(jìn)行學(xué)習(xí)訓(xùn)練,得出結(jié)論。并與現(xiàn)有訓(xùn)練技術(shù)FISHER判別進(jìn)行對(duì)比分析,結(jié)果表明BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練結(jié)果的準(zhǔn)確率明顯高于FISHER判別。因此在后續(xù)的癌癥篩選系統(tǒng)的軟件設(shè)計(jì)時(shí),采用BP神經(jīng)網(wǎng)絡(luò)判別函數(shù)作為判別函數(shù)進(jìn)行嵌入。最后使用PHPMYSQLWINDOWSAMPSERVE開(kāi)發(fā)平臺(tái)對(duì)系統(tǒng)進(jìn)行實(shí)現(xiàn)。系統(tǒng)采用功能模塊化設(shè)計(jì),整個(gè)軟件架構(gòu)層次清晰,實(shí)現(xiàn)方式獨(dú)立,使系統(tǒng)具備了信息錄入、信息修改、信息查詢和檢測(cè)報(bào)告打印等功能。系統(tǒng)安裝簡(jiǎn)單,使用方法簡(jiǎn)便,整體性能較為優(yōu)良。
下載積分: 5 賞幣
上傳時(shí)間:2024-03-09
頁(yè)數(shù): 72
大小: 2.29(MB)
子文件數(shù):
-
簡(jiǎn)介:最初的電子計(jì)算機(jī)的研發(fā)初衷,是為了將人類(lèi)從簡(jiǎn)單機(jī)械的數(shù)學(xué)運(yùn)算中解脫出來(lái),這樣可以節(jié)省大量的時(shí)間用于其他復(fù)雜的研究,而隨著計(jì)算機(jī)運(yùn)算能力的急速發(fā)展,人們對(duì)計(jì)算機(jī)的要求也越來(lái)越高,希望計(jì)算機(jī)可以做的事情也越來(lái)越多,而人工智能的研究方向就是為了讓計(jì)算機(jī)越來(lái)越“智能”。如今,隨著人工智能的不斷發(fā)展,計(jì)算機(jī)已經(jīng)滲透到了生產(chǎn)生活的各個(gè)方面,成為各個(gè)領(lǐng)域不可或缺的重要部分,將人們帶進(jìn)了一個(gè)嶄新的智能化的時(shí)代,極大的促進(jìn)了社會(huì)的發(fā)展和人類(lèi)文明的進(jìn)步。本課題將圍繞如何開(kāi)發(fā)一個(gè)五子棋程序來(lái)展開(kāi)對(duì)人工智能的討論,并主要完成了以下工作1、根據(jù)中國(guó)棋院于2013年頒布的中國(guó)五子棋競(jìng)賽規(guī)則為基礎(chǔ),設(shè)計(jì)了五子棋程序應(yīng)該包含的基本功能,包括人人對(duì)弈,人機(jī)對(duì)弈,復(fù)盤(pán)以及一些相關(guān)參數(shù)的設(shè)置。2、在設(shè)計(jì)五子棋程序的人工智能算法的時(shí)候,并沒(méi)有采用較為通用的極大極小樹(shù)算法,而使用了在圍棋軟件ZEN中大放異彩的蒙特卡洛算法作為主算法,并結(jié)合五子棋的特性,繼續(xù)完善了算法的細(xì)節(jié)。3、選用SQLITE作為數(shù)據(jù)庫(kù),并設(shè)計(jì)了相應(yīng)的數(shù)據(jù)表,用于存儲(chǔ)程序的設(shè)置,復(fù)盤(pán)的資料以及五子棋的定式。4、使用HASKELL作為編程語(yǔ)言開(kāi)發(fā)了整個(gè)五子棋程序,并在多平臺(tái)上做了測(cè)試,多平臺(tái)包括(WINDOWSFEDAFREEBSDMACOS)。
下載積分: 5 賞幣
上傳時(shí)間:2024-03-09
頁(yè)數(shù): 68
大?。?2.22(MB)
子文件數(shù):
-
簡(jiǎn)介:內(nèi)蒙古農(nóng)業(yè)大學(xué)博士學(xué)位論文非參數(shù)統(tǒng)計(jì)與人工智能技術(shù)在水土空間變異中的應(yīng)用研究姓名劉全明申請(qǐng)學(xué)位級(jí)別博士專(zhuān)業(yè)農(nóng)業(yè)水土工程指導(dǎo)教師陳亞新20091001APPLICATIONOFNONPARAMETRICSTATISTICSANDARTIFICIALINTELLIGENCETECHNOLOGYINSPATIALVARIABILITYOFWATERSOILABSTRACTSPATIALVARIABILITYTHEORYISTHEFOCUSOFATTENTIONINWORLD’SFRONTIERSCIENCEANDTECHNOLOGY,THISPAPERDISCUSSEDTHESPATIALVARIABILITYOFSOILWATERANDSALTSELECTEDTWOTYPICALEXAMPLEWATERSAVINGIRRIGATIONAREAWITHINALARGEIRRIGATIONAREACHINAHETAOIRRIGATIONDISTRICTASEXAMPLE,OPENEDUPTHENEWPRINCIPLESANDNEWMETHODSOFTHEWATERSOILSPATIALVARIATIONTHEMAINRESULTSOFTHISSTUDYAREINORDERTOSOLVETHEMAJORITYOFSMALLSAMPLESIZEISLIMITED,OUTLIERCAUSINGAPARTIALDISTRIBUTIONOFTHESTATISTICALCHARACTERISTICS,THISPAPERINTRODUCEDROBUSTKRIGINGOFRGS,BUTITSTILLHASASIGNIFICANTSMOOTHINGEFFECTMEANWHILESTUDYINGIMPACTPOINTRESULTSSHOWNTHATTHEIMPACTPOINTIDENTIFICATIONMETHODANDSPECIFICIDENTIFICATIONMETHODISCONSISTENT,OULIERIDENTIFICATIONSHOULDBASEDONANALYSISOFTHEIMPACTPOINTTRYTOINTRODUCEDTHEBPNEURALNETWORKTECHNOLOGYOFANNINTOTHEENVIRONMENTALMONITORINGORDEREDNEWMETHODSFORTHESPATIALVARIABILITYOFSOILANDWATERRESEARCHAFTERALARGENUMBEROFEXPLORATORYSTUDIES,ESTABLISHEDBPNEURALNETWORKMODELOFTHESOILSALTTHERESULTSSHOWNTHATBPMETHODCALLOVERCOMETHESMOOTHINGEFFECTOFOK,ITHASNOSTRICTSAMPLINGDISTRIBUTIONANDPARAMETERSREQUIREMENTSFORORIGINALDATATHEISSUEDOESNOTINVOLVEOULIERITISSIMPLEANDPRACTICALBUTBPNEURALNETWORKHASNOASIGNIFICANTSTATISTICALANALYSISOFTESTFEATURESINITIALLYINTRODUCEDTHEMAINMETHODINDICATORKRIGINGABBREVIATEDIKOFNONPARAMETRICGEOSTATISTICSNPGTOMONITORSOILWATERANDSALTANDCARRIEDOUTSIMULATIONANDVALUATIONOFSOILWATERANDSALTSPATIALANDTEMPORALDISTRIBUTIONATTESTAREAOFCULTIVATEDLANDANDWASTELANDOFSALTBEFORESUMMERIRRIGATIONDISCUSSEDINSTRUCTIONSOFTHRESHOLDSELECTIONMETHODTHATTHEREISNOTHEORETICALANALYSIS也EINSTRUCTIONSOFTHESOILWATERANDSALTTHRESHOLDCANBEREFERENCED。EMPHASIZEDONTHEIKMETHODINDICATORKRIGINGMODELANDTHEPARAMETERSOFTHESYSTEMSANALYSIS,AUTHORFOUNDTHATTHEAVERAGEINDICATORKRIGINGPROBABILITYINSTRUCTIONSTHRESHOLD,ANDINDICATINGVARIOGRAMISCLOSELYRELATED,JUSTCONSIDERINGFROMTHEINCREASEDPROBABILITYOFPREDICTIONACCURACYMOISTUREINDICATORTHRESHOLDVALUESHOULDBESMALLERTHANTHEMEDIANTHRESHOLD,THATOFSALTSHOULDBEHIGHERTHANTHEMEDIANIKMETHODHASUNIQUEESTIMATEEFFECT,BUTSTILLHASACERTAINDEGREEOFSMOOTHINGEFFECT,THELARGERESTIMATEVARIANCEOFTHEINDICATORPROBABILITYMEANWHILEUSEDFIRSTLYTHEDISJUNCTIVEKRIGINGABBREVIATEDDKMETHODTOESTIMATESOILWATERANDSALT,CONTRASTEDIK,DKANDPROBABILITYKRIGINGABBREVIATEDPK
下載積分: 5 賞幣
上傳時(shí)間:2024-03-09
頁(yè)數(shù): 98
大?。?6.28(MB)
子文件數(shù):
-
簡(jiǎn)介:隨著計(jì)算機(jī)技術(shù)、網(wǎng)絡(luò)技術(shù)和通信技術(shù)的不斷發(fā)展對(duì)多智能體的研究已經(jīng)成為了人工智能學(xué)科的核心內(nèi)容之一對(duì)多智能體系統(tǒng)的控制問(wèn)題研究也成為了控制學(xué)科的的一個(gè)研究熱點(diǎn)。本文對(duì)基于人工勢(shì)場(chǎng)和虛擬領(lǐng)航者的控制問(wèn)題進(jìn)行了研究。本文的主要研究?jī)?nèi)容如下首先對(duì)傳統(tǒng)的人工勢(shì)場(chǎng)進(jìn)行分析給出圖論的基本理論和李雅普諾夫穩(wěn)定判斷方法為后續(xù)的研究工作奠定基礎(chǔ)。其次通過(guò)對(duì)智能體之間人工勢(shì)場(chǎng)的深入分析設(shè)計(jì)一種能夠滿足智能體之間期望距離的新人工勢(shì)場(chǎng)以及一種既能滿足智能體之間的期望距離又能滿足期望方位角的新人工勢(shì)場(chǎng)。根據(jù)新人工勢(shì)場(chǎng)設(shè)計(jì)相應(yīng)控制器并進(jìn)行仿真實(shí)驗(yàn)。第三給出基于行為的領(lǐng)航者跟隨者隊(duì)形控制方法設(shè)計(jì)相應(yīng)的控制器并進(jìn)行仿真實(shí)驗(yàn)。最后給出一種人工勢(shì)場(chǎng)和虛擬領(lǐng)航者法相結(jié)合的新型隊(duì)形控制方法并對(duì)各個(gè)控制方法進(jìn)行仿真比較分析。
下載積分: 5 賞幣
上傳時(shí)間:2024-03-09
頁(yè)數(shù): 92
大?。?2.1(MB)
子文件數(shù):
-
簡(jiǎn)介:機(jī)器學(xué)習(xí)是當(dāng)前人工智能領(lǐng)域中新興的研究熱點(diǎn),已在機(jī)器視覺(jué)、語(yǔ)音識(shí)別、自然語(yǔ)言處理、網(wǎng)絡(luò)搜索、推薦系統(tǒng)、智能機(jī)器人等復(fù)雜系統(tǒng)中獲得成功應(yīng)用。尤其是近兩年基于人工智能機(jī)器學(xué)習(xí)的自動(dòng)駕駛、深度問(wèn)答技術(shù)問(wèn)世,其在某些方面超過(guò)人類(lèi)智能的操作水平,使得人們開(kāi)始重新思考‘機(jī)器是由人類(lèi)發(fā)明,其智能水平永遠(yuǎn)不會(huì)超過(guò)人類(lèi)’這一觀點(diǎn)。字符集龐大的漢字識(shí)別一直是文字識(shí)別領(lǐng)域的難點(diǎn)問(wèn)題,與由少量字符組成的英文文字不同,很難使用傳統(tǒng)的算法對(duì)其進(jìn)行自動(dòng)識(shí)別。得益于人工智能機(jī)器學(xué)習(xí)的深入發(fā)展,漢字的自動(dòng)識(shí)別錄入已進(jìn)入實(shí)用化階段,不少國(guó)內(nèi)外軟件廠商相繼推出識(shí)別率不錯(cuò)的漢字自動(dòng)識(shí)別系統(tǒng),但依然有較大的改進(jìn)空間。在現(xiàn)有的國(guó)內(nèi)大量文獻(xiàn)中,主要都是針對(duì)少量字符的自動(dòng)識(shí)別研究,很難將其應(yīng)用到大字符集的識(shí)別對(duì)象中,這與機(jī)器學(xué)習(xí)自身結(jié)構(gòu)及學(xué)習(xí)算法特性緊密相關(guān)。當(dāng)前國(guó)外主流的解決辦法是用學(xué)習(xí)器訓(xùn)練出多個(gè)分類(lèi)器對(duì)字符特征向量進(jìn)行分類(lèi),然后對(duì)各分類(lèi)器輸出結(jié)果進(jìn)行投票統(tǒng)計(jì),將得票最多的結(jié)果作為最終輸出。本文以醫(yī)學(xué)病歷單的自動(dòng)識(shí)別錄入為研究對(duì)象。本著多角度識(shí)別、交叉驗(yàn)證的思想,提取字符圖像的多組特征,對(duì)每組特征單獨(dú)訓(xùn)練出分類(lèi)器;最后在一定的容錯(cuò)條件下,將各分類(lèi)器的輸入特征向量與輸出對(duì)應(yīng)于事先保存庫(kù)內(nèi)的典型特征向量進(jìn)行交叉驗(yàn)證,輸出驗(yàn)證匹配最多的結(jié)果。實(shí)驗(yàn)證明,該方法不但可以正確的識(shí)別輸出,還可自我發(fā)現(xiàn)識(shí)別錯(cuò)誤,為實(shí)現(xiàn)文字識(shí)別系統(tǒng)的錯(cuò)誤自發(fā)現(xiàn)和自修正功能打下基礎(chǔ),是本文的一大亮點(diǎn)。另外,本文還對(duì)支持向量機(jī)SVM、BP神經(jīng)網(wǎng)絡(luò)的分類(lèi)性能進(jìn)行了對(duì)比分析,對(duì)文字識(shí)別中學(xué)習(xí)器的選擇具有一定的指導(dǎo)意義。
下載積分: 5 賞幣
上傳時(shí)間:2024-03-10
頁(yè)數(shù): 75
大?。?3.16(MB)
子文件數(shù):
-
簡(jiǎn)介:隨著社會(huì)經(jīng)濟(jì)的快速發(fā)展,人們的生活水平有了很大程度的提高,小汽車(chē)作為一種比較便捷的交通工具備受人們青睞。這樣人們對(duì)于駕考的需求日益增大,原始的駕考方式的弊端也一再顯現(xiàn),路考電子化成為一種必然的趨勢(shì)。目前的電子化路考系統(tǒng)雖然部分實(shí)現(xiàn)了電子化考試,但是只是對(duì)路考進(jìn)行了程序化,考試評(píng)判方法的效率參差不齊,并未實(shí)現(xiàn)真正意義上的智能。駕駛?cè)寺访婵荚囅到y(tǒng)由一系列的評(píng)判項(xiàng)目組成,每一評(píng)判項(xiàng)目需要考察的因素眾多,因此考試評(píng)判規(guī)則的表示非常繁雜、考試評(píng)判算法也很復(fù)雜。人工智能是研究使計(jì)算機(jī)來(lái)模擬人類(lèi)的某些思維過(guò)程和智能行為(如學(xué)習(xí)、推理、思考、規(guī)劃等)的學(xué)科。人工智能中的專(zhuān)家系統(tǒng)能夠很好地表達(dá)現(xiàn)實(shí)世界中的各種復(fù)雜推理規(guī)則(知識(shí)),能夠設(shè)計(jì)出根據(jù)知識(shí)進(jìn)行推理的高效推理機(jī)以實(shí)現(xiàn)邏輯推理。因此人工智能和專(zhuān)家系統(tǒng)能夠很好地解決路考系統(tǒng)的考試評(píng)判規(guī)則表示和考試評(píng)判算法。在駕駛?cè)寺访婵荚囅到y(tǒng)中可以運(yùn)用人工智能和專(zhuān)家系統(tǒng)的技術(shù)建立考試規(guī)則庫(kù),并且通過(guò)推理機(jī)實(shí)現(xiàn)對(duì)于考試項(xiàng)目的評(píng)判,從而在很大程度上降低考試系統(tǒng)的考試評(píng)判規(guī)則的表示難度以及提高考試的評(píng)判效率和質(zhì)量。在這樣的大背景下,本論文旨在設(shè)計(jì)考試評(píng)判規(guī)則的表示方法、具有高效評(píng)判效率的基于人工智能的考試評(píng)判模型,并將之應(yīng)用于實(shí)際的駕駛?cè)寺访婵荚囅到y(tǒng)之中,提高考試評(píng)判效率和質(zhì)量,降低路考系統(tǒng)的復(fù)雜性,支持路考的可移植性。本文建立在對(duì)人工智能技術(shù)和專(zhuān)家系統(tǒng)理論知識(shí)深入研究的基礎(chǔ)之上,運(yùn)用專(zhuān)家系統(tǒng)的方式實(shí)現(xiàn)考試評(píng)判模型的建立。首先通過(guò)領(lǐng)域內(nèi)專(zhuān)家或知識(shí)工程師的智慧和經(jīng)驗(yàn)獲取知識(shí),運(yùn)用產(chǎn)生式規(guī)則法實(shí)現(xiàn)對(duì)于知識(shí)的表示,從而建立知識(shí)庫(kù)運(yùn)用專(zhuān)家系統(tǒng)的推理技術(shù)實(shí)現(xiàn)考試評(píng)判模型的推理機(jī)專(zhuān)家系統(tǒng)的最終實(shí)現(xiàn)通過(guò)PROLOG邏輯編程語(yǔ)言實(shí)現(xiàn),通過(guò)C程序化編程語(yǔ)言實(shí)現(xiàn)可視化人機(jī)交互界面。最終將該考試評(píng)判模型通過(guò)PROLOG和C的編程接口應(yīng)用于駕駛?cè)寺访婵荚囅到y(tǒng)中。本文在對(duì)于人工智能技術(shù)和專(zhuān)家系統(tǒng)理論知識(shí)的研究成果之上,最終建立了基于人工智能的考試評(píng)判模型,并且將該模型應(yīng)用于實(shí)際的駕駛?cè)死锩婵荚囅到y(tǒng)中。該模型不僅大大提高了考試評(píng)判的效率,還提高了系統(tǒng)的可移植性,為在駕駛?cè)寺访婵荚囅到y(tǒng)中的成功運(yùn)用打下了堅(jiān)實(shí)的基礎(chǔ)。
下載積分: 5 賞幣
上傳時(shí)間:2024-03-09
頁(yè)數(shù): 70
大?。?5.59(MB)
子文件數(shù):
-
簡(jiǎn)介:研究人工智能在視頻游戲(VIDEOGAME)上的應(yīng)用和在經(jīng)典游戲(CLASSICGAME)上的應(yīng)用目的是不同的。比如說(shuō)研究經(jīng)典游戲圍棋(GO)的人工智能是為了產(chǎn)生挑戰(zhàn)性最大的對(duì)手智能;而研究視頻游戲的人工智能是為了產(chǎn)生既有挑戰(zhàn)性又令人滿意的游戲智能。本文中游戲的是指視頻游戲。目前大多數(shù)現(xiàn)有的游戲智能是用有限狀態(tài)機(jī)(FSM)實(shí)現(xiàn)的。由FSM實(shí)現(xiàn)的游戲智能有三個(gè)方面的弊端高度依賴開(kāi)發(fā)者的領(lǐng)域知識(shí),不存在元編程的,沒(méi)有規(guī)劃和前瞻。在本文中,作者提出用CI(計(jì)算智能)的方法來(lái)生成既有挑戰(zhàn)性又令人滿意的游戲?qū)κ种悄?,該方法的最終實(shí)現(xiàn)是基于作者提出的“玩家的策略建模及對(duì)手的智能適配”的理論框架。本文使用的CI方法是指MCTS蒙特卡洛樹(shù)搜索(MONTECARLOTREESEARCH)和UCT上界置信的樹(shù)搜索(UPPERCONFIDENCEBOUNDFTREES)2種算法。本文中兩種PREYPREDATOT(獵物和捕食者)類(lèi)型游戲DEADEND和PACMAN被用作測(cè)試平臺(tái)來(lái)驗(yàn)證所提出的理論。該論文的主要貢獻(xiàn)包括游戲智能的整體架構(gòu)、玩家策略建模、對(duì)手挑戰(zhàn)性智能適配、及對(duì)手滿意度智能適配等方面。在游戲智能的整體架構(gòu)的研究方面,提出了“玩家的策略建模及對(duì)手的智能適配”的理論框架,該框架被證明適用于“獵物和捕食者”類(lèi)型游戲DEADEND和PACMAN,并有可能應(yīng)用于未來(lái)游戲的人工智能開(kāi)發(fā)。在游戲玩家策略建模的研究方面,首先提出了在監(jiān)督學(xué)習(xí)情況下對(duì)玩家策略進(jìn)行建模(分類(lèi)或識(shí)別)的方法,其核心步驟包括屬性選擇、樣例數(shù)據(jù)收集、數(shù)據(jù)噪音處理、屬性子集選擇、算法選擇和訓(xùn)練評(píng)估算法。其次,提出了無(wú)監(jiān)督學(xué)習(xí)情況下玩家策略的聚類(lèi)、分類(lèi)識(shí)別和評(píng)價(jià)的方法,其核心步驟包括屬性選擇、樣例數(shù)據(jù)收集、聚類(lèi)算法選擇、數(shù)據(jù)分組,以及用交叉實(shí)驗(yàn)進(jìn)行聚類(lèi)算法的選定。在對(duì)手挑戰(zhàn)性智能適配的研究方面,首先提出了用普通的計(jì)算智能(STRAIGHTCI)來(lái)控制NPC(非玩家角色)生成對(duì)手智能的方法。其突出的優(yōu)點(diǎn)是可以減少人的參與度并降低對(duì)領(lǐng)域知識(shí)的要求;缺點(diǎn)是智能的產(chǎn)生需要在線進(jìn)行,占用大量的資源,故此方法僅適用于單機(jī)游戲。其次,提出了基于知識(shí)的CI(KNOWLEDGEBASEDCI)來(lái)控制NPC生成對(duì)手智能的方法。該方法用普通的CI控制NPC所生成的數(shù)據(jù)來(lái)訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)ANN(ARTIFICIALNEURALWK),從而形成知識(shí),使用經(jīng)過(guò)訓(xùn)練的ANN(人工神經(jīng)網(wǎng)絡(luò))來(lái)控制NPC。其突出的優(yōu)點(diǎn)是離線完成訓(xùn)練、基于知識(shí)、計(jì)算效率高、及占用資源少,因此適用于大型多人網(wǎng)絡(luò)在線游戲。然而該方法要求與“玩家的建模”或“玩家的建模及對(duì)手的智能適配”的框架聯(lián)系起來(lái)。以上提出的挑戰(zhàn)性智能適配的兩種CI方法,要比使用FSM在第一段提到的三個(gè)方面都要優(yōu)越。在對(duì)手滿意度智能適配的研究方面,為了產(chǎn)生令玩家滿意的游戲智能對(duì)手、優(yōu)化玩家的體驗(yàn),可以通過(guò)產(chǎn)生能夠打平局的游戲AI(ARTIFICIALINTELLIGENCE)來(lái)實(shí)現(xiàn)。我們提出了兩種基于CI的動(dòng)態(tài)難度調(diào)整DDA(DYNAMICDIFFICULTYADJUSTMENT,動(dòng)態(tài)難度調(diào)整)方法“基于模擬時(shí)間約束的CI實(shí)現(xiàn)的動(dòng)態(tài)難度調(diào)整”(“DDABYTIMECONSTRAINEDCI”)和“基于知識(shí)的模擬時(shí)間約束的CI實(shí)現(xiàn)的動(dòng)態(tài)難度調(diào)整”(“DDABYKNOWLEDGEBASEDTIMECONSTRAINEDCI”)。因?yàn)楹笳呤腔谥R(shí),計(jì)算的效率比前者高,所以后者更適用于多人在線游戲,而前者僅適用于單機(jī)游戲;然而后者要求與“玩家的建模及對(duì)手的智能適配”的框架緊密聯(lián)系。這兩種方法的性能都優(yōu)于目前現(xiàn)有的動(dòng)態(tài)難度調(diào)整方法(目前的DDH多采用調(diào)整NPC的速度和數(shù)量,這容易使玩家有挫折感),是一種真正的智能調(diào)整方式(因?yàn)檠芯堪l(fā)現(xiàn)CI的模擬時(shí)間的增加會(huì)提高游戲AI的勝率),更容易生成滿足玩家?jiàn)蕵?lè)的智能對(duì)手。這兩種方法的提出是基于以上提到的“對(duì)手挑戰(zhàn)性智能適配”方面的研究成果。
下載積分: 5 賞幣
上傳時(shí)間:2024-03-09
頁(yè)數(shù): 214
大小: 7.33(MB)
子文件數(shù):
-
簡(jiǎn)介:珩磨加工是一種高精度加工方法其中珩磨加工工藝參數(shù)的選擇對(duì)加工精度的影響較大因此如何正確的選取珩磨加工工藝參數(shù)問(wèn)題一直是從事珩磨加工人員研究探討的問(wèn)題之一。傳統(tǒng)的方法是參考相關(guān)珩磨加工工藝手冊(cè)或者根據(jù)工作經(jīng)驗(yàn)而進(jìn)行的。隨著科學(xué)技術(shù)的發(fā)展珩磨技術(shù)的應(yīng)用加工零件的類(lèi)型品種越來(lái)越多加工精度要求越來(lái)越高以及珩磨加工技術(shù)和珩磨工具、珩磨油石材料的發(fā)展珩磨加工工藝參數(shù)選擇的問(wèn)題變得越來(lái)越重要。針對(duì)該問(wèn)題課題利用人工神經(jīng)網(wǎng)絡(luò)對(duì)多目標(biāo)問(wèn)題求解具有收斂速度快、精度高等特點(diǎn)。通過(guò)對(duì)工件材料、油石各參數(shù)對(duì)珩磨加工質(zhì)量影響的分析以及對(duì)人工神經(jīng)網(wǎng)絡(luò)算法的改進(jìn)和對(duì)輸入輸出參數(shù)編碼優(yōu)化構(gòu)建了基于人工神經(jīng)網(wǎng)絡(luò)的珩磨加工工藝參數(shù)智能選擇模型。然后再通過(guò)實(shí)驗(yàn)研究進(jìn)一步驗(yàn)證了本課題構(gòu)建的智能選擇模型的先進(jìn)性、可行性和實(shí)用性為該方法的實(shí)際應(yīng)用奠定了理論和實(shí)驗(yàn)基礎(chǔ)。本文主要研究?jī)?nèi)容如下第一章概論本章先后介紹了課題來(lái)源、國(guó)內(nèi)外研究現(xiàn)狀以及本課題主要研究?jī)?nèi)容。通過(guò)國(guó)內(nèi)外研究現(xiàn)狀的調(diào)查研究對(duì)珩磨工藝技術(shù)的發(fā)展有了新的認(rèn)識(shí)了解為本課題主要研究?jī)?nèi)容的確定奠定了基礎(chǔ)。第二章珩磨加工參數(shù)的分析本章通過(guò)對(duì)相關(guān)典型珩磨加工工藝參數(shù)的分析研究和對(duì)珩磨專(zhuān)家的經(jīng)驗(yàn)調(diào)查和資料的收集初步確立加工材料、加工精度要求與珩磨工藝參數(shù)相互之間的關(guān)系。為人工神經(jīng)網(wǎng)絡(luò)模型的建立和樣本數(shù)據(jù)的實(shí)驗(yàn)做好準(zhǔn)備。第三章珩磨工藝參數(shù)預(yù)測(cè)模型的構(gòu)建本文通過(guò)珩磨加工工藝參數(shù)選擇的要求計(jì)劃通過(guò)多個(gè)人工神經(jīng)網(wǎng)絡(luò)模型來(lái)對(duì)其進(jìn)行分割建模和仿真來(lái)減少單個(gè)神經(jīng)網(wǎng)絡(luò)模型中參數(shù)的種類(lèi)和參數(shù)的數(shù)值范圍。因此本章通過(guò)VB語(yǔ)言設(shè)計(jì)界面把多個(gè)神經(jīng)網(wǎng)絡(luò)串聯(lián)起來(lái)并通過(guò)編程簡(jiǎn)化了模型結(jié)構(gòu)同時(shí)在此基礎(chǔ)上構(gòu)建神經(jīng)網(wǎng)絡(luò)模型初步確定神經(jīng)網(wǎng)絡(luò)模型中的相關(guān)參數(shù)。第四章珩磨實(shí)驗(yàn)及人工神經(jīng)網(wǎng)絡(luò)仿真本章根據(jù)建立的珩磨工藝參數(shù)預(yù)測(cè)界面模型的結(jié)構(gòu)借助專(zhuān)家經(jīng)驗(yàn)和進(jìn)行實(shí)驗(yàn)研究相結(jié)合的方法獲得人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練所需的樣本數(shù)據(jù)。通過(guò)對(duì)BP神經(jīng)網(wǎng)絡(luò)機(jī)理及樣本數(shù)據(jù)特性的研究進(jìn)一步改進(jìn)模型結(jié)構(gòu)優(yōu)化模型參數(shù)。最后通過(guò)測(cè)試及仿真證明了智能選擇模型在技術(shù)上的先進(jìn)性在生產(chǎn)運(yùn)用中的實(shí)用性。它減少了實(shí)驗(yàn)次數(shù)對(duì)一些常用材料的珩磨加工顯著比一般專(zhuān)家經(jīng)驗(yàn)好。第五章總結(jié)本章對(duì)本論文研究的內(nèi)容進(jìn)行了總結(jié)和回顧指出了所做的貢獻(xiàn)和創(chuàng)新點(diǎn)以及存在的問(wèn)題并對(duì)課題的后續(xù)研究進(jìn)行了展望。
下載積分: 5 賞幣
上傳時(shí)間:2024-03-09
頁(yè)數(shù): 80
大?。?2.95(MB)
子文件數(shù):
-
簡(jiǎn)介:自組構(gòu)天線是一種新型的自適應(yīng)智能天線,它可以根據(jù)外部環(huán)境的改變或者信號(hào)的強(qiáng)弱智能地調(diào)節(jié)其自身的結(jié)構(gòu),這種結(jié)構(gòu)的改變不是指天線物理形狀的改變而是指改變天線樣板上的開(kāi)關(guān)序列來(lái)實(shí)現(xiàn)天線電結(jié)構(gòu)的改變,正是由于這一特性,自組構(gòu)天線已成為當(dāng)今智能天線領(lǐng)域一大研究熱點(diǎn)。本文針對(duì)自組構(gòu)天線展開(kāi)了一系列的研究工作,主要體現(xiàn)在以下幾個(gè)方面分析比較了遺傳算法、模擬退火算法和量子遺傳算法這三種算法的優(yōu)缺點(diǎn),提出了一種改進(jìn)的遺傳退火模擬算法,經(jīng)過(guò)測(cè)試函數(shù)的檢驗(yàn),此算法比標(biāo)準(zhǔn)遺傳算法具有更好的全局收斂性。然后在MATLAB平臺(tái)上設(shè)計(jì)了一種利用HFSS計(jì)算自組構(gòu)天線的程序優(yōu)化方案,該方案能夠有效的對(duì)自組構(gòu)天線結(jié)構(gòu)進(jìn)行搜索優(yōu)化計(jì)算。之后利用改進(jìn)的算法分別對(duì)貼片自組構(gòu)天線和矩形環(huán)自組構(gòu)天線進(jìn)行結(jié)構(gòu)搜索計(jì)算。在對(duì)貼片自組構(gòu)天線的研究中,對(duì)其單頻段工作,多頻段工作,寬頻段工作三種工作模式分別進(jìn)行了結(jié)構(gòu)搜索,結(jié)果發(fā)現(xiàn)在單頻段工作時(shí)采用了改進(jìn)算法的搜索方案在全局收斂性上優(yōu)于其他智能算法;同時(shí)采用了基于遺傳算法的多目標(biāo)優(yōu)化算法被應(yīng)用到多頻段和寬頻段工作中,使得貼片自組構(gòu)天線能夠良好的工作在這兩種模式下。在對(duì)矩形環(huán)自組構(gòu)天線的研究過(guò)程中,由于方向圖變化等原因,本文采用了增益連同反射系數(shù)一并優(yōu)化的搜索方案,此方案能在一定程度上保持方向圖原有特性,并且最后還討論了針對(duì)矩形環(huán)自組構(gòu)天線出現(xiàn)的平衡饋電的問(wèn)題。本文應(yīng)用人工智能算法對(duì)貼片自組構(gòu)天線和矩形環(huán)自組構(gòu)天線進(jìn)行結(jié)構(gòu)搜索和性能分析,結(jié)果表明自組構(gòu)天線具備單頻段工作、多頻段工作和寬頻段工作的能力;并且采用多目標(biāo)搜索算法可以使得自組構(gòu)天線在多個(gè)天線性能參數(shù)上分別優(yōu)化。這些結(jié)論對(duì)自組構(gòu)天線的應(yīng)用設(shè)計(jì)和優(yōu)化方法具有指導(dǎo)意義。
下載積分: 5 賞幣
上傳時(shí)間:2024-03-09
頁(yè)數(shù): 74
大小: 2.53(MB)
子文件數(shù):
-
簡(jiǎn)介:隨著信息化時(shí)代的發(fā)展,多源信息融合技術(shù)在諸多領(lǐng)域產(chǎn)生著日漸重要的影響。人工智能則是推動(dòng)信息融合發(fā)展的重要技術(shù)手段,其中人工免疫系統(tǒng)算法是繼人工神經(jīng)網(wǎng)絡(luò)和遺傳算法之后的又一個(gè)智能研究熱點(diǎn)。本文主要研究基于人工免疫系統(tǒng)的智能融合算法。由于信息融合目前還缺乏系統(tǒng)性的基礎(chǔ)理論指導(dǎo),為了探討普遍適用信息融合問(wèn)題的求解模型,本文借鑒多目標(biāo)優(yōu)化的理論和方法,提出了多目標(biāo)融合理論及其統(tǒng)一的模型描述。通過(guò)確立相應(yīng)的優(yōu)化指標(biāo),將信息融合問(wèn)題轉(zhuǎn)換為對(duì)滿足多個(gè)優(yōu)化指標(biāo)結(jié)果的融合過(guò)程。本文的研究工作緊密?chē)@多目標(biāo)融合理論展開(kāi),分為理論方法和應(yīng)用研究?jī)刹糠帧@碚摲椒ò?)人工免疫系統(tǒng)和ICSA研究。在詳細(xì)論述ICSA算法思想及克隆選擇算子的基礎(chǔ)上,實(shí)現(xiàn)了算法流程并證明了其收斂性,通過(guò)理論分析和仿真實(shí)驗(yàn)對(duì)比說(shuō)明免疫算法較進(jìn)化算法機(jī)制更具優(yōu)勢(shì)。2)基于免疫機(jī)制的RBF網(wǎng)絡(luò)設(shè)計(jì)。針對(duì)傳統(tǒng)RBF網(wǎng)絡(luò)學(xué)習(xí)策略存在的不足,提出基于免疫機(jī)制的三級(jí)RBF網(wǎng)絡(luò)學(xué)習(xí)方法采用免疫疫苗的機(jī)理在第一級(jí)得到網(wǎng)絡(luò)隱層節(jié)點(diǎn)數(shù),從而自行構(gòu)建網(wǎng)絡(luò),降低了第二級(jí)搜索空間的復(fù)雜度第二級(jí)采用人工免疫算法多點(diǎn)搜索解空間,尋找全局最優(yōu)的隱層非線性參數(shù)第三級(jí)采用最小二乘法估計(jì)輸出層線性參數(shù),降低了第二級(jí)設(shè)計(jì)空間的維數(shù),提高了算法效率。通過(guò)HERMIT多項(xiàng)式逼近實(shí)驗(yàn)和應(yīng)用實(shí)例皆驗(yàn)證了該方法訓(xùn)練得到的RBF網(wǎng)絡(luò)性能優(yōu)越。應(yīng)用研究包括1)機(jī)車(chē)二系載荷融合調(diào)整方法研究。通過(guò)分析機(jī)車(chē)二系調(diào)簧問(wèn)題的特點(diǎn),引入多目標(biāo)融合理論,設(shè)計(jì)了一種基于IDCMA的兩級(jí)機(jī)車(chē)二系載荷融合調(diào)整方法將調(diào)簧問(wèn)題的先驗(yàn)知識(shí)作為免疫優(yōu)勢(shì)引入算法模型中,并針對(duì)調(diào)簧中優(yōu)化指標(biāo)的偏好設(shè)計(jì)了兩級(jí)結(jié)構(gòu)的免疫調(diào)簧算法。經(jīng)實(shí)車(chē)數(shù)據(jù)驗(yàn)證,該算法較已有算法性能更優(yōu)。2)多傳感器信息融合的軌道衡稱(chēng)重誤差補(bǔ)償研究。通過(guò)詳細(xì)分析軌道衡稱(chēng)重誤差的來(lái)源,建立了軌道衡的稱(chēng)重模型并提出了基于免疫RBF網(wǎng)絡(luò)的多傳感器信息融合軌道衡誤差補(bǔ)償方法。設(shè)計(jì)RBF網(wǎng)絡(luò)并通過(guò)免疫三級(jí)算法訓(xùn)練,實(shí)現(xiàn)了良好的軌道衡誤差補(bǔ)償效果,并通過(guò)與加權(quán)融合的誤差補(bǔ)償方法比較驗(yàn)證了免疫RBF網(wǎng)絡(luò)誤差補(bǔ)償?shù)膬?yōu)越性。以上兩個(gè)應(yīng)用研究成果均具有較高的工程應(yīng)用價(jià)值。
下載積分: 5 賞幣
上傳時(shí)間:2024-03-09
頁(yè)數(shù): 80
大?。?8.04(MB)
子文件數(shù):
-
簡(jiǎn)介:基礎(chǔ)隔震技術(shù)作為一種有效的抗震設(shè)計(jì)手段在我國(guó)得到廣泛的應(yīng)用,為減輕地震災(zāi)害提供了一條合理、有效、安全的新途徑,并在防震減災(zāi)事業(yè)中起到積極的推動(dòng)作用。2008年汶川地震后,隔震結(jié)構(gòu)在地震中表現(xiàn)出良好的抗震性能,使得隔震技術(shù)在我國(guó)得到了更加迅速的發(fā)展。針對(duì)隔震結(jié)構(gòu)發(fā)展迅速且設(shè)計(jì)方法比較復(fù)雜這一現(xiàn)狀,本文利用人工神經(jīng)網(wǎng)絡(luò)建立以隔震設(shè)計(jì)樣本集為基礎(chǔ)的因果關(guān)系網(wǎng)絡(luò),通過(guò)神經(jīng)網(wǎng)絡(luò)反映出上部結(jié)構(gòu)基本參數(shù)與隔震后結(jié)構(gòu)最大層剪力比和隔震支座最大位移之間較強(qiáng)的非線性關(guān)系,提出一種快速、高效的基于BP神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)隔震智能初步設(shè)計(jì)系統(tǒng)。首先,應(yīng)用標(biāo)準(zhǔn)BP人工神經(jīng)網(wǎng)絡(luò),以建筑結(jié)構(gòu)的抗震設(shè)防類(lèi)別、設(shè)防烈度、場(chǎng)地類(lèi)別、地震分組、高寬比、長(zhǎng)寬比、剛度,質(zhì)量和面積為主要影響因子,以隔震后結(jié)構(gòu)的最大層剪力比和支座最大位移為輸出結(jié)果,建立隔震初步設(shè)計(jì)系統(tǒng)。通過(guò)網(wǎng)絡(luò)測(cè)試表明該網(wǎng)絡(luò)的準(zhǔn)確率較高,說(shuō)明基于標(biāo)準(zhǔn)BP神經(jīng)網(wǎng)絡(luò)的隔震初步設(shè)計(jì)系統(tǒng)對(duì)隔震結(jié)構(gòu)減震效果的分析具有一定的可行性,但在網(wǎng)絡(luò)的訓(xùn)練速度、精度等方面還有待進(jìn)一步提高。其次,針對(duì)基于標(biāo)準(zhǔn)BP神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)隔震初步設(shè)計(jì)系統(tǒng)存在的問(wèn)題,對(duì)標(biāo)準(zhǔn)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行改進(jìn),改進(jìn)后的BP神經(jīng)網(wǎng)絡(luò)有效的提高了網(wǎng)絡(luò)的學(xué)習(xí)速度,縮短了訓(xùn)練時(shí)間,提高了網(wǎng)絡(luò)測(cè)試準(zhǔn)確率。說(shuō)明本文采用的改進(jìn)方法是可行的,改進(jìn)后的神經(jīng)網(wǎng)絡(luò)具有良好得推廣價(jià)值和實(shí)際應(yīng)用價(jià)值。最后,應(yīng)用改進(jìn)后的BP神經(jīng)網(wǎng)絡(luò),結(jié)合隔震結(jié)結(jié)構(gòu)設(shè)計(jì)的特點(diǎn),建立了基礎(chǔ)隔震智能設(shè)計(jì)系統(tǒng)。并利用MATLAB75強(qiáng)大的圖形處理功能,設(shè)計(jì)了本系統(tǒng)的操作界面,使整個(gè)基礎(chǔ)隔震智能初步設(shè)計(jì)系統(tǒng)具有良好的實(shí)用性和交互性。通過(guò)工程實(shí)例驗(yàn)證,本文建立的基礎(chǔ)隔震智能初步設(shè)計(jì)系統(tǒng)操作簡(jiǎn)單、使用方便,能夠?qū)⑶叭说脑O(shè)計(jì)經(jīng)驗(yàn)通過(guò)神經(jīng)網(wǎng)絡(luò)儲(chǔ)存并推廣,為基礎(chǔ)隔震設(shè)計(jì)起到輔助的作用。從而極大地提高工程設(shè)計(jì)的質(zhì)量,縮短設(shè)計(jì)周期、加快設(shè)計(jì)進(jìn)程,實(shí)現(xiàn)經(jīng)驗(yàn)共享,提高整個(gè)隔震設(shè)計(jì)效率。
下載積分: 5 賞幣
上傳時(shí)間:2024-03-09
頁(yè)數(shù): 80
大?。?4.44(MB)
子文件數(shù):
-
簡(jiǎn)介:隨著計(jì)算機(jī)技術(shù)及其外設(shè)的普及,傳統(tǒng)的顏色控制方法已經(jīng)融合了先進(jìn)的數(shù)字技術(shù),形成了一個(gè)嶄新的顏色控制方法,即色彩管理技術(shù)。該技術(shù)廣泛應(yīng)用于彩色桌面出版系統(tǒng)、網(wǎng)絡(luò)傳播、紡織印染等領(lǐng)域和行業(yè),以解決顏色在不同介質(zhì)的媒體中正確傳播的問(wèn)題。顏色空間轉(zhuǎn)換模型的研究是色彩管理技術(shù)實(shí)現(xiàn)的核心環(huán)節(jié)之一,顏色值在不同顏色空間之間的轉(zhuǎn)換精度和速度,對(duì)提高色彩管理技術(shù)的整體水平有重要意義。與此同時(shí),人工智能控制理論的發(fā)展已成為計(jì)算機(jī)學(xué)科的一個(gè)分支,并在許多學(xué)科領(lǐng)域得到了廣泛的應(yīng)用,在近三十年來(lái)取得了豐碩的成果。本課題在對(duì)目前常用的顏色空間轉(zhuǎn)換模型進(jìn)行分析的基礎(chǔ)上,將人工智能控制理論中應(yīng)用最為廣泛的神經(jīng)網(wǎng)絡(luò)和模糊邏輯理論,引入到色彩管理技術(shù)中不同顏色空間模型之間的相互轉(zhuǎn)換問(wèn)題,建立了基于模糊理論的顏色空間轉(zhuǎn)換方法和基于神經(jīng)網(wǎng)絡(luò)的顏色空間轉(zhuǎn)換方法,并結(jié)合這兩種顏色空間轉(zhuǎn)換方法的特點(diǎn),建立了基于模糊神經(jīng)網(wǎng)絡(luò)辨識(shí)方法的顏色空間轉(zhuǎn)換模型。在顏色空間轉(zhuǎn)換模糊模型的研究中,采用將輸入顏色空間顏色分量分別劃分為三個(gè)、四個(gè)和五個(gè)模糊子集的方法,通過(guò)建立模糊規(guī)則,進(jìn)行模糊推理,實(shí)現(xiàn)了顏色值在不同顏色空間之間的轉(zhuǎn)換。為了討論模型特點(diǎn),定義了顏色空間轉(zhuǎn)換模型的穩(wěn)定性和魯棒性的概念。研究結(jié)果顯示,顏色空間轉(zhuǎn)換模糊模型雖然具有轉(zhuǎn)換速度快、穩(wěn)定性強(qiáng)等特點(diǎn),但同時(shí)又表現(xiàn)出轉(zhuǎn)換精度不足以及魯棒性較差的特征。在神經(jīng)網(wǎng)絡(luò)顏色空間轉(zhuǎn)換模型的研究中,分別采用BP神經(jīng)網(wǎng)絡(luò)和徑向基網(wǎng)絡(luò)進(jìn)行顏色空間轉(zhuǎn)換,并建立了基于動(dòng)態(tài)子空間自動(dòng)劃分的神經(jīng)網(wǎng)絡(luò)顏色空間轉(zhuǎn)換方法。研究結(jié)果顯示,神經(jīng)網(wǎng)絡(luò)顏色空間轉(zhuǎn)換模型雖然具有自組織、自學(xué)習(xí)、自適應(yīng)的能力,并在局部子空間中具有自適應(yīng)辨識(shí)能力強(qiáng)和精度高等優(yōu)勢(shì),但模型又表現(xiàn)出其穩(wěn)定性和魯棒性不足的特點(diǎn)。論文在對(duì)模糊控制與神經(jīng)網(wǎng)絡(luò)結(jié)合方式的深入研究的基礎(chǔ)上,本文又提出了顏色空間轉(zhuǎn)換模糊神經(jīng)網(wǎng)絡(luò)辨識(shí)方法。該方法結(jié)合了顏色空間轉(zhuǎn)換模糊模型和神經(jīng)網(wǎng)絡(luò)模型各自的特點(diǎn),合理實(shí)現(xiàn)了模糊與神經(jīng)網(wǎng)絡(luò)顏色空間轉(zhuǎn)換算法的優(yōu)勢(shì)互補(bǔ),不僅大大提高了模型的轉(zhuǎn)換精度,而且還有效地提高了模型的魯棒性。研究結(jié)果顯示,基于人工智能的顏色空間轉(zhuǎn)換方法不僅具有自組織、自學(xué)習(xí)、自適應(yīng)的特性,而且其應(yīng)用范圍廣,并可以在較少樣本點(diǎn)的情況下,還具有轉(zhuǎn)化精度高的優(yōu)點(diǎn)。
下載積分: 5 賞幣
上傳時(shí)間:2024-03-09
頁(yè)數(shù): 120
大小: 10.85(MB)
子文件數(shù):
-
簡(jiǎn)介:隨著現(xiàn)代化進(jìn)程的深化,電力網(wǎng)絡(luò)的規(guī)模越來(lái)越大,運(yùn)行也越來(lái)越復(fù)雜,這就對(duì)大規(guī)模的電力系統(tǒng)提出了嚴(yán)峻的考驗(yàn),電力系統(tǒng)應(yīng)當(dāng)能夠保證供電的連續(xù)性和可靠性以及電能質(zhì)量的標(biāo)準(zhǔn)性。電力系統(tǒng)故障診斷的主要目的是快速識(shí)別電力系統(tǒng)中發(fā)生故障的元件和開(kāi)關(guān),以及誤動(dòng)和拒動(dòng)的保護(hù),為調(diào)度員提供可靠依據(jù),以便快速實(shí)現(xiàn)電力系統(tǒng)故障恢復(fù)?,F(xiàn)實(shí)中,由于受到氣候、人為等因素的影響,電力系統(tǒng)發(fā)生故障是在所難免的,尤其是長(zhǎng)期暴露在外的輸電線路,這也可能會(huì)引發(fā)一些其他故障。所以,消除故障的首要任務(wù)是快速并且準(zhǔn)確的定位,只有這樣才能夠確保電力系統(tǒng)安全、穩(wěn)定、有效的運(yùn)行。因此,務(wù)必要建立一套完善的電力系統(tǒng)故障診斷系統(tǒng),以保證電力系統(tǒng)的平穩(wěn)運(yùn)行。電力行業(yè)的發(fā)展關(guān)系著國(guó)家發(fā)展的各個(gè)方面。電力系統(tǒng)一旦發(fā)生故障,就會(huì)危害到經(jīng)濟(jì)的發(fā)展和社會(huì)的進(jìn)步,甚至?xí){國(guó)家的安全。所以調(diào)度員利用故障發(fā)生時(shí)的大量警報(bào)信息,對(duì)事故進(jìn)行及時(shí)處理是至關(guān)重要的。由于傳統(tǒng)的故障診斷存在著諸多問(wèn)題,基于人工智能的電力系統(tǒng)的故障診斷已經(jīng)成為了研究的熱點(diǎn)。本文在研究基于人工智能的電力系統(tǒng)故障診斷國(guó)內(nèi)外研究現(xiàn)狀和故障診斷技術(shù)原理模型基礎(chǔ)上,進(jìn)一步深入研究了模糊PETRI網(wǎng)及其推理方法,并對(duì)模糊PETRI網(wǎng)進(jìn)行了約簡(jiǎn),建立改進(jìn)的模糊PETRI網(wǎng),并且探討了電力系統(tǒng)故障診斷的硬件結(jié)構(gòu)設(shè)計(jì)和軟件設(shè)計(jì)思想,研究MULTIAGENT的體系結(jié)構(gòu)和通信方式,進(jìn)一步基于改進(jìn)的模糊PETRI網(wǎng)和MULTIAGENT的電力系統(tǒng)故障診斷模型,最后通過(guò)選取黑龍江省鶴崗市部分電網(wǎng)的故障進(jìn)行仿真分析,很好的診斷出故障,為進(jìn)一步解決故障問(wèn)題,恢復(fù)電力系統(tǒng)正常運(yùn)轉(zhuǎn)提供了依據(jù)。
下載積分: 5 賞幣
上傳時(shí)間:2024-03-09
頁(yè)數(shù): 67
大?。?2.97(MB)
子文件數(shù):