摘要:近年来,起源于计算神经科学的脉冲神经网络因其具有丰富的时空动力学特征、多样的编码机制、契合硬件的事件驱动特性等优势,在神经形态工程和类脑计算领域已得到广泛的关注.脉冲神经网络与当前计算机科学导向的以深度卷积网络为代表的人工神经网络的交叉融合被认为是发展人工通用智能的有力途径.对此,回顾了脉冲神经网络的发展历程,将其划分为神经元模型、训练算法、编程框架、数据集以及硬件芯片等5个重点方向,全方位介绍脉冲神经网络的最新进展和内涵,讨论并分析了脉冲神经网络领域各个重点方向的发展机遇和挑战.希望本综述能够吸引不同学科的研究者,通过跨学科的思想交流与合作研究,推动脉冲神经网络领域的发展.

摘要:随着机器人技术的飞速发展,传统执行器(如电机、液压驱动等)结构繁冗、体积庞大,越来越难以满足新一代智能机器人对轻质化与柔顺性的需求,具有更高柔顺性、更强安全性的气动人工肌肉日益受到广大学者的关注.气动人工肌肉结构简单、材料轻便、生物适应性好,在医疗康复、航空航天、水下作业、抢险救灾等领域均具有良好的适应性,可方便地用于驱动机器人完成多项复杂任务.然而,气动人工肌肉与生俱来的迟滞、高度非线性、蠕变等特性,为其驱动的柔性机器人精准智能控制带来了挑战.鉴于此,首先对气动人工肌肉的工作原理、优势缺陷、建模与应用现状等进行简要介绍;然后基于气动肌肉的主流模型,对近年来单、多气动人工肌肉驱动的机器人运动控制方法研究现状与最新进展进行重点阐述;最后根据当今研究现状与尚未解决的难题,简要分析气动人工肌肉驱动的机器人未来发展趋势.

摘要:概率犹豫模糊集是在犹豫模糊集的基础上为每个隶属度添加与之相对应的概率值.与犹豫模糊集相比,它可以更加准确和全面地表达专家给出的初始决策信息,因此,基于概率犹豫模糊集的决策理论与方法更加可靠且符合实际.这里对概率犹豫模糊决策理论与方法进行综述.首先介绍其发展过程;然后分别对它的信息融合理论、偏好关系理论以及决策方法等进行阐述;最后展望了概率犹豫模糊决策理论与方法的未来研究方向.

摘要:面向知识服务业中领域专业内容资源的多模态、智能化、精细化、知识化和重组化的碎片性管理需求,如何高效生成和应用专业知识,促进实体经济创新发展,成为共同的战略选择与难题.对此,重点研究八大战略新兴产业内容资源的富关联体系和知识关系标引规范,制定面向服务专业内容资源的一致性富关联关系的描述体系.构建内容资源表示实体(知识、信息、资源、服务、对象)间的富关联模式,满足实体间自动解构、聚合及智能抽取的需求,提出基于领域专业知识的富关联关系提取模型.运用多层注意力机制来凸显重要表征性信息,通过知识图谱设计并优化异构环境中核心源对象与目标对象间元属性.与以往基线模型不同,所提出的模型结构支持在特定领域下端到端的学习,不必显式依赖外部知识.实验结果表明,领域专业知识富关联关系提取方法,可有效提升富关联关系识别精度及专业知识服务效率.

摘要:为解决热电偶传感器在瞬态温度测试过程中因传感器动态性能不足引入动态误差影响测试精度的问题,提出基于改进型灰狼优化算法的热电偶传感器动态补偿方法.通过改变候选解产生策略和引入动态权重因子,对灰狼优化算法(GWO)进行改进,从而进一步提高了热电偶传感器的时间常数.根据热电偶传感器水浴法校准数据寻优获得补偿系统传递函数,并对实测火焰数据进行实验.实验结果表明,水浴法校准数据经补偿后时间常数由0.0685s提升为0.0147s,动态误差减小了近75%.经IGWO寻优获得的动态补偿系统,可有效地改善热电偶传感器的动态特性,减小热电偶传感器的动态误差.

摘要:针对多智能体深度确定性策略梯度算法(MADDPG)学习训练效率低、收敛速度慢的问题,研究MADDPG算法经验优先抽取机制,提出PES-MADDPG算法.首先,分析MADDPG算法的模型和训练方法;然后,改进多智能体经验缓存池,以策略评估函数误差和经验抽取训练频率为依据,设计优先级评估函数,以优先级作为抽取概率获取学习样本训练神经网络;最后,在合作导航和竞争对抗2类环境中进行6组对比实验,实验结果表明,经验优先抽取机制可提高MADDPG算法的训练速度,学习后的智能体具有更好的表现,同时对深度确定性策略梯度算法(DDPG)控制的多智能体训练具有一定的适用性.

摘要:现实世界的人工智能应用通常需要多个agent协同工作,人工agent之间有效的沟通和协调是迈向通用人工智能不可或缺的一步.以自主开发的警员训练虚拟环境为测试场景,设定任务需要多个不同兵种agent小队互相协作或对抗完成.为保证沟通方式有效且可扩展,提出一种混合DDPG(Mi-DDPG)算法.首先,在Actor网络加入双向循环神经网络(BRNN)作为同兵种agent信息交流层;然后,在Critic网络加入其他兵种agent信息来学习多agent协同策略.另外,为了缓解训练压力,采用集中训练,分散执行的框架,同时对Critic网络里的Q函数进行模块化处理.实验中,在不同的场景下用Mi-DDPG算法与其他算法进行对比,Mi-DDPG在收敛速度和任务完成度方面有明显提高,具有在现实世界应用的潜在价值.

摘要:针对主动隔振中输入信号频率成分复杂导致收敛慢、控制失效的问题,提出一种变步长的小波包自适应算法(WPx-LMS).通过小波包变换将输入信号分解到若干互不重叠的带频上,并为每个分解信号设计独立的控制滤波器和迭代步长.对比分析不同小波基对信号的分解结果,基于误差信号设计变步长算法,搭建双层隔振控制实验台架.仿真实验表明,与传统LMS算法相比,所提出的WPx-LMS算法可在输入信号频率成分复杂的双层隔振平台中取得良好的控制效果.

摘要:人机共驾是非自动驾驶迈向全自动驾驶的中间过渡技术,其半实物仿真能显著减少实车的实验消耗.针对不具备四轮车体模型的仿真平台以及传统坐标系转换方法的局限,基于两轮差速移动车体模型和四轮车体模型的位姿状态误差,利用一种非线性反步控制方法,实现对四轮车体模型运动轨迹的有效实时跟踪.通过方向盘和踏板在虚拟现实环境下进行人机共驾模拟,为开发更逼真的人机共驾及模拟辅助驾驶系统提供了参考.以车体前进方向速度和导向轮角度作为系统输入,通过考察两轮差速移动车体和四轮车体的位姿状态误差,分别在数值仿真和半实物仿真实验条件下,对比并验证了所提出方法的有效性,行驶方向上10km的平均累积误差为4.56m.

摘要:提出一种输入约束下一类连续时间非线性系统最优跟踪控制问题的近似求解方法.针对有限时间跟踪性能指标下一类单输入单输出非线性系统,利用所提出的最优跟踪控制方法实现目标系统所对应性能指标近似最优.首先将系统的性能指标沿时间泰勒展开,得到一个近似的性能指标;其次,在系统状态可观测条件下,将该问题进一步转化为以控制输入为决策变量的非线性规划问题;再次,利用神经动态优化方法,求解含不等式约束下的近似最优控制问题并给出相应的递归神经网络模块原理图;进而,针对整个闭环系统进行理论分析,证明在一定条件下闭环系统的稳定性;最后,通过两个实例仿真验证所提出方法的有效性.

摘要:种群多样性和信息交互的深度与方式对混合蛙跳算法的爬山能力、探索能力和开发能力有着深远影响.针对混合蛙跳算法易于陷入局部最优、收敛速度慢和寻优精度差等缺点,提出一种基于解空间反向跳跃和信息交互强化的新型混合蛙跳算法.首先,增加子群次优解与次劣解的信息交互,促进子群内部信息的利用,引入反向跳跃思想改进局部更新机制,降低迭代后期劣解产生概率,提升空间开发能力;然后,借鉴2-opt方法实现局部最优解变异,增加子群的多样性;最后,采用各局部最优解交叉的方式加深子群间的交互深度,同时利用反向跳跃机制防止种群同化.采用23个单峰、多峰和固定维度下的复杂多峰函数作为测试集进行仿真实验,结果表明所提出算法具有更优的搜索性能,能够有效提高种群多样性,防止算法早熟收敛,且能够适应不同类型的函数优化问题.

摘要:针对传统的Gath-Geva(G-G)模糊分段方法需要人为设置参数,对高维时间序列分段效率低的问题,提出一种基于核主元分析(KPCA)和G-G聚类的多元时间序列模糊分段方法.首先,该算法利用KPCA方法对多元时间序列进行特征提取,去除冗余及无关变量的影响;然后,通过近邻传播算法(AP)得到分段数目的上界;最后,将时间信息考虑在内,基于所提出的MDBI有效值指标以及G-G模糊聚类在低维多元时间序列上实现多元时间序列的最佳模糊分段.实验结果表明,所提出算法可以快速有效地检测出时间序列的某种突然和渐近变化的趋势,在准确性和运行效率方面均得到了提升.

摘要:为了提高强化学习的控制性能,提出一种基于分数梯度下降RBF神经网络的强化学习算法.通过评价神经网络和执行神经网络组成强化学习系统,利用神经网络记忆和联想,学会控制倒立摆,提高控制精度,使误差趋于零,直至学习成功,并证明闭环系统的稳定性.通过倒立摆的物理实验发现,当分数阶阶数较大,微分的作用更显著,对角速度和速度的控制效果更好,角速度和速度的均方误差和平均绝对误差较小;当分数阶阶数较小,积分的作用更显著,对倾斜角和位移的控制效果更好,因此倾斜角和位移的均方误差和平均绝对误差较小.仿真实验的结果表明,所提算法动态响应好,超调量小,调整时间短,精度高,泛化性能好.它优于基于RBF神经网络的强化学习算法和传统强化学习算法,能有效地加快梯度下降法的收敛速度,提高其控制性能.在引入适当的干扰后,所提算法能够快速地自我调节并恢复稳定状态,控制器的鲁棒性和动态性能满足实际要求.

摘要:针对滚动轴承振动信号故障特征难以自动提取和故障类别难以自动准确识别的问题,提出一种改进集成深层自编码器(IEDAE)方法.首先,改进自编码器的损失函数并设计3种小波卷积自编码器;其次,利用区分自编码器、小波卷积自编码器等5种自编码器构造相应的深层自编码器,并设计“跨层”连接以缓解深层网络的梯度消失现象,实现对轴承振动信号的无监督预训练和有监督微调;最后,通过加权平均法输出识别结果,以保证诊断结果的准确性和稳定性.实验结果表明,改进集成深层自编码器方法能有效地对滚动轴承进行多种工况和多种故障程度的识别,较好地摆脱了对人工特征提取的依赖,特征提取能力和识别能力优于现有其他方法.

摘要:为降低流水车间能源消耗,引入一种数控机床的超低待机状态,相比于将数控机床待机状态切换为停机状态的节能研究,可在不停机情况下降低数控机床加工间隔状态的功率,避免数控机床频繁启停.针对流水车间加工状态、待机状态及超低待机状态三元调度问题,提出基于工序平移的混合遗传算法,分别定义了不同的工序邻域移动操作,实现数控机床待机状态向超低待机状态和停机状态的转化,形成主动节能调度策略,提升遗传算法求解考虑超低待机状态的流水车间调度问题的优化能力.实验研究表明,启用超低待机状态能够降低流水车间10%以上的能耗,且基于工序平移的混合遗传算法求解考虑超低待机状态的流水车间调度问题性能优于遗传算法.

摘要:传统基于深度学习的复述识别模型通常以关注文本表示为核心,忽略了对多粒度交互特征的挖掘与匹配.为此,建模文本交互空间,分别利用双向长短时记忆网络对两个候选复述句按条件编码,基于迭代隐状态的输出,通过逐词软对齐的方式从词、短语、句子等多个粒度层次推理并获取句子对的语义表示,最后综合不同视角的语义表达利用softmax实现二元分类.为解决复述标注训练语料不足,在超过580000句子对的数据集上利用语言建模任务对模型参数无监督预训练,再使用预训练好的参数在标准数据集上有监督微调.与先前最佳的神经网络模型相比,所提出模型在标准数据集MSRP上准确率提高2.96%,$F_1$值改善2%.所提出模型综合文本全局和局部匹配信息,多粒度、多视角地描述文本交互匹配模式,能够降低对人工特征工程的需求,具有良好的实用性.

摘要:在数据中心的运营中运营商需要考虑如何在利润最大化的同时降低碳排放和提升服务质量,这些目标之间的平衡是一个巨大挑战.针对该问题,建立分布式数据中心负载调度的多目标优化模型,提出一种改进拥挤距离和自适应交叉变异的非支配排序遗传算法(ICDA-NSGA-II).在NSGA-II算法的基础上,通过对拥挤距离的改进能够提高算法的开采和勘探能力,引入正态分布交叉(NDX)算子和自适应变异算子增强种群的多样性,从而保证算法能快速、准确地得到Pareto解集.为了显示改进算法的有效性,对基准测试函数进行求解,仿真结果表明,改进算法相比于典型的NSGA-II和MOEA/D具有更快的收敛速度和精度,在分布式数据中心负载调度优化中,能够快速有效地给出满足利润、碳排放和服务质量等目标的Pareto最优解.

摘要:为解决传统粒子滤波算法重采样时产生的样本退化及样本贫乏带来的机器人定位与建图精度下降问题,提出一种基于改进仿生算法的粒子滤波.该算法将粒子最新时刻的观测与状态信息引入亮度公式,并将萤火虫的优胜劣汰和位置更新机制融入粒子滤波算法,以提高粒子的滤波能力.为保证算法的收敛速度和预测精度,在萤火虫位置更新过程中引入自适应调整步长进行即时修正;基于标准粒子滤波重采样的缺陷,采取分步重采样策略,通过偏差修正指数加权算法制定高效的舍小保大方案,并合理使用剩余大权值粒子完成粒子的复制和添加.仿真验证表明,所提出的改进算法可以明显提高传统粒子滤波的预测精度,且应用到基于移动机器人运动模型的定位与建图时可保持较高的定位精度和较好的稳定性.

摘要:针对一类严格反馈非线性系统,研究固定时间跟踪控制问题.基于反演控制策略及Lyapunov稳定性理论,给出使系统全局固定时间稳定的充分条件和设计步骤.所提出的反演控制方案可以消除控制器存在的奇点问题,保证系统的跟踪误差在固定时间内收敛于原点的一个小邻域内,且收敛时间与系统的初始状态无关.最后,通过一个数值仿真示例验证了所提出设计方案的有效性.

摘要:研究混杂脉冲控制下二阶非线性多智能体系统的双向编队控制问题,以及保性能双向编队控制问题.根据领导智能体、目标编队以及邻居智能体的状态对每个智能体设计双向编队控制的状态反馈控制器及脉冲控制器.基于双向编队的目标,定义适当的误差系统,将双向编队问题转化为误差系统的稳定性问题.利用平均脉冲强度以及平均脉冲区间的定义,给出在混杂的脉冲控制下二阶非线性多智能体系统实现双向编队的充分条件,并分析连续的状态反馈控制器和离散的脉冲控制器对双向编队控制的作用.对于给定的性能函数,给出多智能体系统实现保速度性能双向编队的充分条件.最后,通过两个数值模拟实验验证所得到的理论结果的有效性.

摘要:针对犹豫模糊语言信息下的多属性群决策问题,提出一种基于个体累积共识贡献的自适应共识决策模型.首先,利用犹豫模糊语言得分函数,基于经典的信息熵和相对熵理论,综合考虑同一属性下不同方案间的信息差异,以及各方案分别与正理想方案和负理想方案的信息差异,构建确定属性权重的优化模型;然后,提出个体累积共识贡献测度和全局共识测度,利用全局共识度进行共识控制,依据个体累积共识贡献度对专家权重进行自适应修正,构建一种新的犹豫模糊语言自适应共识过程.该过程的特点是对拥有较少合作的非全共识专家执行专家权重惩罚,而且专家权重的更新引起属性权重的自适应更新,反过来又影响个体共识贡献的累积.最后通过一个应急医疗设施选址的共识决策例子表明方法的可行性和有效性.

摘要:针对多知识粒度粗糙集在条件属性权重计算及约简过程中易忽略单个属性序列产生的等价划分的问题,引入帕累托最优思想,同时考虑基于等价关系的知识依赖分辨度以及属性的重要性程度,将多粒度粗糙集属性约简问题转化为离散多目标优化问题.针对该问题的结构设计具有集群智能优化思想及复杂网络拓扑结构的优化算法,在算法中引入基于个体的非支配解集以平衡局部最优与全局最优的关系,引入基于“均值-方差”的遗传算子增加种群多样性.以UCI中的测试数据集作为算例构建粗糙集决策表进行优化计算,引入多种智能算法进行性能比较,依据约简结果,利用多层感知机对数据集中的对象进行分类,验证约简方法的有效性.研究结果表明:所提出方法具有更强的多目标属性挖掘性能;基于帕累托最优思想的多目标属性约简方法能较好地综合知识分辨度与知识粒度建模方式的优点,提升数据集的分类精度.

摘要:引入个人决策树和社会网络研究个体在利益抗争中的策略问题,并探讨个体进行维权时的期望收益如何受二次决策影响,分析个体的社会网络链接如何影响群策略结果.研究指出,在依法维权失败的情形下,如果亲群体行为的成本较大或该行为成功率较小,则不宜采取亲群体行为;反之,在二次决策时可以采取亲群体行为.进一步地,在满足一定条件下,个体在社会网络环境下可以主动联系其他个体参与维权或接受邀请进行群体维权,且不管个体是否加入亲群体行为,个人意愿与群策略选择存在分离现象,导致个体存在个体策略与群体策略的均衡分离.因此,在社会网络环境下如果想争取的利益越高,则越容易组织群体维权,而成本越高则越不容易组织群体维权.最后,通过精装房维权案例验证研究结果的有效性,并提供相应的政策建议.

摘要:针对多属性决策方法(MCDM)中出现的偏好反转问题,提出一种基于TOPSIS方法改进的MCDM模型.该模型用MAX法代替矢量法对数据进行标准化处理,并根据备选方案的相似距离衡量每个选项的优劣性.这种基于距离计算的综合属性评价方法不仅计算简单,而且可以较好地测度选项间的差异,增强决策结果的准确性.同时,将该模型计算的结果与SAW、AHP、TOPSIS、VIKOR方法进行对比分析,发现只存在原选项时,所提出的模型与SAW、AHP方法的排序结果一致,而当添加或删除某个选项时,SAW、AHP、TOPSIS、VIKOR方法均会产生不同程度的偏好反转现象,而所提出的基于TOPSIS改进的模型可以保持选项的相对顺序不变,表明所提出的模型是有效的,且在避免偏好反转问题时较SAW、AHP、TOPSIS、VIKOR方法具有一定的优越性和可靠性.

摘要:针对目前国内医疗机构普遍以步入病人求诊为主且个别时段密集到达的就诊需求特点,引入负荷均衡的思想,提出一种多目标优化的柔性门诊调度决策方法.根据实际负荷分布,合理利用柔性的预约负荷平衡调整各时段的总负荷,基于多种预约率、预约和排队规则形成方案集,在多目标灰靶决策模型下,优化出各应用场景下的最优调度方案.数值实验表明,所提出模型较其他模型能够有效降低等待时间高达77.2%.在实际应用分析中,所提出模型能够提高有效资源利用率66.7%,降低高空闲时间导致的资源敏感度.

摘要:针对间歇过程批次内扰动影响最终优化效果的问题,提出一种基于互信息操作变量曲线参数化的间歇过程批内修正优化方法.首先根据操作变量与指标变量间互信息和相关系数划分出操作变量曲线上对指标变量作用近似的时段;然后,结合操作变量曲线的形态特征选择有代表性参数建立优化模型,以降低优化模型求解的复杂度.考虑到生产过程噪声干扰影响最终优化效果,在批次内设置决策点,并根据当前工况信息对决策点后未实施的操作变量曲线进行调整,以减弱批次内扰动对最终优化效果的影响.最后,将所提出方法用于某一化工厂双酚A结晶过程的优化研究,通过仿真结果验证了该方法的有效性.

摘要:针对考虑顺序相关准备时间的分布式两阶段混合流水车间调度问题,提出一种改进的蛙跳算法以同时最小化拖后工件数和最大完成时间.该算法通过启发式方法和随机方法对种群进行初始化,采取基于种群和记忆的种群划分方法,同时给出模因组质量评价方法,并根据模因组质量将所有模因组划分为最优模因组、最差模因组和其他模因组,每种类型的模因组分别采取不同的搜索策略,并分配不同的搜索次数,其中最优模因组不参与种群划分.选用一种多目标经典算法和两种近5年提出的算法作为对比算法,并与改进蛙跳算法的变体进行比较以验证模因组搜索新策略的有效性.通过对大量实例的计算实验结果表明,模因组搜索新策略有效,改进蛙跳算法能有效求解分布式两阶段混合流水车间调度问题.

摘要:为解决复杂背景下全景视频中运动小目标检测精度低的问题,提出一种基于复杂背景下全景视频运动小目标检测算法.首先,为降低复杂背景信息的干扰,提高目标检测的精度,采用快速鲁棒性主成分分析(Fast RPCA)算法将全景视频图像的前景背景信息分离,并提取出前景信息作为有效的图像特征;然后,改进更快的基于区域的卷积神经网络(Faster R-CNN)中的区域生成网络(RPN)的候选框尺度大小,使之适应全景图像中的目标尺寸,再对前景特征图进行训练;最后,通过RPN网络和Fast R-CNN网络共享卷积层输出检测模型,实现对全景视频图像中小目标的精准检测.实验结果表明,所提出算法可以有效抑制复杂的背景信息对目标检测精度的影响,并对全景视频图像中的运动小目标具有较高的检测精度.