一种联想记忆网络的研究

外积法是很容易实现的权值学习算法,而且有很好的记忆效果,但是它也存在一些不足.针对这些不足,提出一种结构简单、记忆效果较好的网络.通过对数字海明距离的分析,提出了一种将两个网络互联用于联想记忆的方法,适当的分类能让网络达到最大的容量,仿真结果表明该方法是有效的.

一种改进的多机器人协作实时FastSLAM算法

针对FastSLAM1.0中机器人缺乏自身定位测量修正引起的累积误差和FastSLAM2.0引入测量修正引起算法复杂度增加的问题,提出一种改进的基于辅助测量的多机器人协作实时FastSLAM算法,使用双机器人协同工作,领头机器人负责完成同时定位与地图构建任务,辅助机器人通过静态相对位置测量为领头机器人提供实时定位测量修正.该辅助测量方法不仅为SLAM任务执行机器人提供较准确的定位测量值,同时也避免了FastSLAM2.0算法中额外的算法复杂度问题.实验结果表明算法既可以获得较高的精度,而且方便可行,具有较高实用价值.

融合类无标度粒子群算法的图像检索研究

提出一种融合类无标度网的禁忌粒子群(ST-PSO)算法,并用其优化改进后的图像检索相关反馈过程.该方法通过融合类无标度网的禁忌粒子群算法优化反馈过程,并根据用户的反馈信息引入分辨率来动态调整特征权重以及查询向量.通过实验验证了该方法能够增加粒子种群多样性,避免早熟收敛,增强粒子跳出局部最优解的能力,并且可以检索到更加符合用户需求的图片,有效地提高了检索效率和检索精度.

代数智能辅导系统的开发

描述了代数智能辅导系统(AITS)的模型和开发过程,指出了系统设计的复杂度以及其中开发的难点和重点,利用分类与抽象的思想,依据客观成熟问题自动处理技术解决了在开发代数智能辅导系统中遇到的主要问题。

AHP在制造业信息化产品选型决策中的应用

指出了制造企业信息化中的产品选型是直接影响信息化成败的重要因素,但很多企业对此缺乏正确的方法.分析了目前我国制造业信息化产品选型中存在的问题,提出了产品选型决策的模型,并比较分析了几种决策方法,采用了AHP层次法进行案例分析,为制造企业进行科学有效的信息化产品选型提供了一种思路.

制造业信息化咨询服务能力建设研究

对我国制造业信息化咨询业的发展现状和问题进行了分析,并提出了咨询服务的业务路线图,构建了咨询机构的能力体系结构,从咨询机构的知识结构、咨询顾问的个人素质、信息化评测体系、咨询业务流程与规范等方面提出了具体的建议,采用AHP方法进行案例分析,为咨询机构帮助制造企业进行科学的信息化产品选型提供了一种思路。

智能物流系统的相关理论及技术与应用研究

分析了我国制造业物流发展现状与问题,阐述了智能物流系统实现的基本思路,分析了智能物流的相关理论和技术,剖析了目前智能物流系统的应用案例。

机械设备状态的经验模式分解统计识别方法

采用经验模式分解与基于统计的Mahalanobis-Taguchi system相结合的方法进行机械设备状态识别。利用经验模式分解自适应提取设备状态监测信号的特征,针对机械设备实际运行中存在的大量正常样本和少量异常状态样本的情况,运用统计方法实现对机械设备状态的识别诊断。实验表明,运用经验模式分解与Mahalanobis-Taguchi system方法能有效地识别设备运行状态,提高状态识别的准确性。

智能物流系统自动化技术应用研究

自动化技术在物流行业发展过程中被广泛应用,极大提高了行业服务的整体效率,不仅降低劳动力成本,还大大降低了物流工作中的差错率。从智能物流系统及自动化技术角度,分析自动化技术在智能物流系统的应用及作用。

两阶段混合引导的偏好多目标优化算法

在偏好多目标优化问题求解中,基于偏好点引导方式的优化算法性能易受偏好点具体位置的影响,且不能控制偏好解集大小;而基于偏好区域引导方式的优化算法虽然能控制偏好解集规模,但算法初期收敛效率不够高。针对此问题,提出一种两阶段混合引导的偏好多目标优化算法。算法初期采取偏好点的引导方式,同时引入偏好界限动态调整策略,使得种群快速收敛到偏好区域附近。迭代一定次数后,采用偏好向量引导方式指导算法搜索,达到控制偏好解集范围的目的。与几种经典的偏好优化算法进行实验对比分析,结果表明,所提算法性能不受偏好点位置影响,得到的偏好解集能很好地表征决策者的偏好信息,并且控制了偏好解集范围,便于决策者的最终决策。

基于SPSS软件的心肺复苏机在临床急救中的应用效果评价

心肺复苏机在危重患者急救过程中发挥重要作用,应用Spss软件对心肺复苏机在临床急救中的效果进行评价。应用数学统计分析牡丹江医学院附属红旗医院收治的急诊患者(使用心肺复苏机)100例,分为对照组和观察组,比较两组应用心肺呼吸机的效果。研究表明,观察组患者抢救有效率高于对照组。心肺复苏机在临床急救中效果明显。

基于局部线性重构的主动支持向量机分类器构建方法

针对基于距离的主动支持向量机(Distance-Based Active SVM,DASVM)在选取初始标记样本时采用了随机的策略而影响了分类器学习效率和分类性能的问题,提出了一种基于局部线性重构的主动支持向量机分类器构建方法(CLASVM)。CLASVM在DASVM分类器构建方法的基础上增加了基于类内-类间局部线性重构的训练样本初选策略,该训练样本初选策略以"聚类假设"和"流形假设"的思想为指导,选取若干同时具有最大类间重构误差和最小类内重构误差的样本作为初选样本进行标记。实验表明,CLASVM在样本初选阶段能够选取较多的支持向量,样本标记成本减少,训练效率与分类器性能与其他参与对比的分类器相比有显著提升。

格值一阶逻辑LF(X)中α-广义语义归结方法的相容性

自动推理是人工智能的一个重要研究方向,基于归结原理的自动推理由于其易于在计算机上实现而受到广泛研究。为了提高基于格值逻辑的α-广义归结原理的效率,将删除策略应用于α-广义语义归结方法,研究了格值逻辑中删除策略和α-广义语义归结的相容性。首先证明了带有删除策略的α-广义语义归结的完备性;接着,给出了带有删除策略的α-广义语义归结算法,并证明了该算法的可靠性和完备性。