信息权值-特征合成推理在模糊控制算法中的研究

模糊推理的Mamdani方法被广泛应用于模糊控制器设计中,Mamdani方法采取最大-最小运算的合成算子,实践表明,这种运算会对系统所提供的信息量带来损失,而且输入数据需要模糊化处理,对于多个控制变量的控制系统要进行大量的合成运算.本文提出信息权值-特征合成推理方法,采用信息增益来确定控制因素的权重.并将这一方法用于复合模糊PID控制器的设计,仿真结果表明本文所提出的方法可以避免上述所提出的三个缺点,其控制品质性能优于传统模糊控制方法.

不确定规划领域中带权值的观察信息约简

现实的规划问题中,观察信息的获取所需的代价是不同的,并且在规划解执行过程中,并非所有的观察信息都是有意义的,因此为了减少执行过程中的开销而对大量的带权值的观察信息进行约简就显得十分重要。首次针对带权值的观察信息约简问题做出研究,定义了带权值的最优观察集的概念,设计了SOWOS算法。该算法找出所有需要区分的状态对,用贪心的思想使搜索按指定顺序选择观察变量,并在搜索的过程中增加剪枝,减少了大量不必要的搜索,最终求得总花费最小的观察集,达到了减少执行成本的目的。实验结果表明,SOWOS算法可以高效地求得带权值的最优观察集,对减少规划执行中的开销贡献明显。

面向水泥装备制造过程的质量信息管理方法

为了解决水泥装备制造企业质量信息存储与检索难的问题,提出了一种新的质量信息管理方法:采用质量信息树的方法来描述制造过程、产品结构以及质量信息间的关系;提出质量信息编码系统来规范并存储质量信息;提出了XML缓存技术实现质量信息的检索。该方法应用在了辅料悬臂堆料机制造过程中的质量信息管理中,实例表明该方法能够解决水泥装备制造过程中的质量信息管理问题。

基于多尺度深度学习的医院财务系统设计

医院财务系统包括财务能力预测、预算管理和利润计算等功能,对医院的全部财务信息进行分析、归纳和总结。传统设计下的医院财务系统,没有连接财务信息的权值、不具备全互连模式,导致系统并行处理数据后提取的信息参数类别少,因此设计一个基于多尺度深度学习的医院财务系统。系统在硬件设计上,增加了多个传感器,并利用协调器扫描财务数据库中的全部信息。在软件设计上,通过建立数据库表单,设置可以连接同属性财务信息的权值;根据多层感知网络拓扑结构,设计基于多尺度深度学习的全互连模式,实现系统的对数据的深度提取。实验结果表明,与3种传统设计下的系统相比,此次设计的医院财务系统,提取的财务信息参数类别最多,能详细描述财务一级科目中包含的具体内容,可见多尺度深度学习可以提高财务系统的性能。