-
题名实时环境下Agent决策机制研究
被引量:5
- 1
-
-
作者
余腊生
蔡莹皓
-
机构
中南大学信息科学与工程学院
-
出处
《小型微型计算机系统》
CSCD
北大核心
2005年第6期1033-1036,共4页
-
基金
211重点实验室建设项目资助
湖南省科技园入园项目资金资助
-
文摘
随着实时应用的日益广泛,越来越复杂的技术已经被应用到实时系统中.在分析已有Agent模型的基础上,提出了一种新的实时Agent模型.这种模型将Agent的审慎型行为和反应型行为结合在一起,其效率比已有的Agent模型有较大的提高.还讨论了实时Agent的决策机制,提出用感知器算法对特征进行分类和任意时间算法进行决策.
-
关键词
AGENT
任意时间算法
实时
感知器算法
-
Keywords
agent
anytime algorithm
real time
perceptron approach
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
TP273
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名基于脑-机接口的智能车控制算法研究与实现
被引量:1
- 2
-
-
作者
陈东伟
李海芳
相洁
陈俊杰
-
机构
太原理工大学计算机科学与技术学院
北京理工大学珠海学院计算机学院
-
出处
《太原理工大学学报》
CAS
北大核心
2013年第6期739-743,共5页
-
基金
国家自然科学基金资助项目(61170136
61070077)
-
文摘
利用单通道脑电传感器mindset采集脑电波原始数据,并利用小波变换对采集的脑电信号进行分解,以小波变换系数为特征提取方法,首次从脑波节律能量的角度判断大脑注意力状态;另外,通过感知机准则算法,提出以系数加子带能量为特征的新方法,实现以脑波数据检测眼睛眨动情况。通过将大脑注意力状态以及眼睛眨动强度发送给智能车,实现对其速度和方向的精确控制。此算法为智能车控制提供了一种真正的意念控制方法。
-
关键词
脑-机接口
小波变换系数
感知机准则
子带能量
脑电图
意念控制
-
Keywords
brain-computer interface
wavelet transform
coefficients perceptron approach
sub-band energy
electroencephalogram
mind control
-
分类号
TP399
[自动化与计算机技术—计算机应用技术]
-
-
题名实时环境下Agent决策机制研究
被引量:1
- 3
-
-
作者
余腊生
蔡莹皓
-
机构
中南大学信息科学与工程学院
-
出处
《计算机工程》
EI
CAS
CSCD
北大核心
2005年第7期24-26,共3页
-
基金
"211"重点实验室建设项目
湖南省科技园入园项目
-
文摘
在分析已有Agent模型的基础上,提出了一种新的实时Agent模型。这种模型将Agent的审慎型行为和反应型行为结合在一起,其效率比已有的Agent模型有较大的提高。文中还讨论了实时Agent的决策机制,提出用感知器算法对特征进行分类和任意时间算法进行决策。
-
关键词
AGENT
任意时间算法
实时
感知器算法
-
Keywords
Agent
Anytime algorithm
Real-time
perceptron approach
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
TP273
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名基于级联重排序的汉语音字转换
被引量:1
- 4
-
-
作者
李鑫鑫
王轩
姚霖
关键
-
机构
哈尔滨工业大学深圳研究生院计算机应用研究中心
深圳互联网多媒体应用技术工程实验室
移动互联网应用安全产业公共服务平台
-
出处
《自动化学报》
EI
CSCD
北大核心
2014年第4期624-634,共11页
-
基金
国家科技部重大科技专项(2011ZX03002-004-01)
深圳市基础研究重点项目(JC201104210032A
JC201005260112A)资助~~
-
文摘
N元语言模型是解决汉字音字转换问题最常用的方法.但在解析过程中,每一个新词的确定只依赖于前面的邻近词,缺乏长距离词之间的句法和语法约束.我们引入词性标注和依存句法等子模型等来加强这种约束关系,并采用两个重排序方法来利用这些子模型提供的信息:1)线性重排序方法,采用最小错误学习方法来得到各个子模型的权重,然后产生候选词序列的概率;2)采用平均感知器方法对候选词序列进行重排序,能够利用词性、依存关系等复杂特征.实验结果显示,两种方法都能有效地提高词N元语言模型的性能.而将这两种方法进行级联,即首先采用线性重排序方法,然后把产生的概率作为感知器重排序方法的初始概率时性能取得最优.
-
关键词
汉语音字转换
重排序
最小错误学习
感知器方法
-
Keywords
Chinese pinyin-to-character conversion, reranking approach, minimum error learning, averaged perceptron
-
分类号
TP391.1
[自动化与计算机技术—计算机应用技术]
-