智能系统：人工情感的进化控制系统实现

智能系统：基于人工蜂群算法的贝叶斯网络结构学习

智能系统：一种改进人工势场的UUV动碍航物规避方法

蜜蜂种群行为描述 人工蜂群算法 群体智能产生机理研讨

智能系统：投资组合优化的可行性规则人工蜂群算法

• 智能及其实现 • ANN基础 • Perceptron • BP • CPN • 统计方法 • Hopfield网与BAM • ART

主要内容 ·智能及其实现 ·ANN基础 Perceptron ·BP CPN ·统计方法 · Hopfield网与BAM ART

基于数值模拟和人工神经网络模型以及对智能控制工艺过程的适当简化,为拉伸样模型的注射过程建立了一套智能化控制仿真系统.研究表明,该系统能够根据样品对性能的要求(如密度分布),自动进行注射工艺参数的优化.采用优化后的注射工艺参数重新进行注射过程模拟计算后,发现注射坯密度分布的均匀性较调整前有显著提高,基本符合预期的密度要求,证明智能化控制仿真系统可行

基于人工神经网络( Artificial Neural Network)的控制(ann-based Control)简称神经控制(Neural Control)。神经网络是由大量人工神经元(处理单元)按照一定的拓扑结构相互连接而成的一种具有并行计 算能力的网络系统。它是在现代神经生物学和认识科学对人类信息处理研究的基础上提出来的,具有很强 的自适应和学习能力、非线性映射能力、鲁棒性和容错能力

随着无人工厂、智能安监等技术在制造业领域的深入应用，以视觉识别预警系统为代表的复杂环境下动态识别技术成为智能工业领域的重要研究内容之一。在本文所述的工业级视觉识别预警系统中，操作人员头发区域由于其具有移动形态非规则性、运动无规律性的特点，在动态图像中的实时分割较为困难。针对此问题，提出一种基于SiamMask模型的时空预测移动目标跟踪算法。该算法将基于PyTorch深度学习框架的SiamMask单目标跟踪算法与ROI检测及STC时空上下文预测算法相融合，根据目标时空关系的在线学习，预测新的目标位置并对SiamMask模型进行算法校正，实现视频序列中的目标快速识别。实验结果表明，所提出的算法能够克服环境干扰、目标遮挡对跟踪效果的影响，将目标跟踪误识别率降低至0.156%。该算法计算时间成本为每秒30帧，比改进前的SiamMask模型帧率每秒提高3.2帧，算法效率提高11.94%。该算法达到视觉识别预警系统准确性、实时性的要求，对移动目标识别算法模型的复杂环境应用具有借鉴意义