传染病动力学的一个细胞自动机模型

由细胞自动机出发提出一个传染病流行的非线性动力学模型，由计算机数值模拟，应用自组织临界理论分析结果，发现发病率和治愈率均为５０％时存在着分界点。在分界点两侧，患病集团分布和传染持续时间分布分别服从指数律和幂律，免疫体的分布具有不同的分数维。     

基于BP神经网络的球杆控制算法设计

针对球杆系统定位控制问题,基于BP神经网络设计了BP神经网络控制器和BP神经网络PID参数自整定两种智能控制器.完成了两种控制器的网络结构与实现方法,并在Simulink环境中仿真.仿真结果显示出BP神经网络PID参数自整定控制器的稳定性优于BP神经网络控制器,将BP神经网络PID参数自整定控制器算法移植到GBB1004球杆系统,实现了对该系统的控制.实验结果显示,该控制器响应快,有一定的抗干扰能力,获得系统调节时间小于16s,稳态误差小于1cm.     

a-C∶H做硅太阳电池AR膜的研究

本文报道了低压气相直流辉光放电沉积a-C:H膜和膜的部分物理、化学性质.这些性质非常接近于硅电池AR膜的最佳要求.在硅单晶太阳电池表面沉积1000(?)左右的a-C:H膜作为AR膜,在部分电池上获得了与SiO AR膜可比的结果.     

集成规划的行动-自适应评价强化学习算法

研究了行动-自适应评价强化学习方法,考虑到行动器所采取的探索策略对学习性能的影响,利用混合探索策略进行探索;分析学习和规划的特点,在评价器中应用集成模型学习和无模型学习的学习方法,在行动器应用新的混合探索策略,提出一种集成规划的行动-自适应评价强化学习算法并进行仿真实验,实验结果表明,新算法有较好的学习效果.     

人脸识别方法综述

对人脸识别技术的研究内容与应用背景作了简单回顾,对基于几何特征、基于统计特征和基于连接机制的三类用于静态正面人脸的表征和识别的方法进行了综述,并分析了人脸识别研究的主要发展方向.     

基于激光诱导时间分辨荧光的原油识别方法研究

在柴油、汽油、重质燃料油等成品油和原油等溢油油源的区分方面,荧光光谱结合模式识别手段得到了广泛的应用。传统的三维荧光光谱分析方法虽然能够获得溢油样品丰富的成分信息,但难以适应现场应用的要求,目前还停留在实验室检测的阶段。发展适用于现场应用的原油识别方法,对于海洋溢油污染的快速响应与处理意义重大。面向激光雷达的需要,发展了一种基于激光诱导时间分辨荧光手段、结合支持向量机（SVM）模型的原油识别方法,从时间和波长两个不同维度出发,通过对时间窗口和波长范围的选取进行优化,获得了理想的油种识别准确率。实验结果表明通过选取ICCD探测延时为54～74 ns可以将分类正确率从全谱线数据的83.3%提高到88.1%。通过选取波长范围为387.00～608.87 nm的谱线数据,可将疑似油种的分类正确率从全谱线数据的84%提高到100%。激光荧光雷达在实际工作中,受波浪、运载平台晃动等因素的影响,探测延时会出现一定的波动。本文介绍的分类识别方法通过时间和波长两个维度的筛选,更加适用于现场探测数据的识别,并进一步凸显了原油时间分辨荧光光谱特征,为疑似油种分类识别过程中数据量的压缩提供了重要依据。     

多步截断行动--评价强化学习算法

研究了行动-评价强化学习方法,通过把多步截断学习引入评价器代替单步学习,并定义一种新的迹来记忆最新的多步学习经验,提出一种新的行动-评价强化学习算法,并进行仿真实验,实验结果表明,新算法的学习效率有明显的提高,而在计算代价上仅多k个单位.     

采用小波神经网络的捷联惯导系统静基座快速初始对准

利用多输入多输出小波神经网络具有结构简单、计算量少的优点，将其应用于静基座捷联惯导系统的初始对准，并利用北向、东向失准角快速估计地向陀螺的失准角，得到小波神经网络的训练样本，对小波神经网络采用随机梯度法进行训练，仿真结果表明该方法收敛速度快，能满足惯导系统实时性的要求。     

一种状态集结因子化SARSA（λ）强化学习算法

提出了一种自适应状态集结因子化SARSA（λ）强化学习算法,在学习的过程中利用Bellman余留数进行状态集结,通过集结,大大减少了状态空间搜索与计算的复杂度,有利于求解大状态空间的MDPs问题,而且,本算法不需要有关状态特征的先验知识,有很好的通用性。     

音乐的分形结构

本文运用多重分形理论，对不同风格的乐曲计算了广义维Ｄ＿ｑ，并使用μ－权重法计算了乐曲的ｆ（α）谱．证实了在音乐中存在着多重分形结构；Ｄ＿ｑ、ｆ（α）能反映出音乐风格；具有相同风格的乐曲，其Ｄ＿ｑ、ｆ（α）谱曲线的很接近，各种不同风格的乐曲其Ｄ＿ｑ、ｆ（α）曲线分布在周期谱和随机谱之间；节奏感强烈、喧泄感情的摇滚乐曲，其Ｄ＿ｑ、ｆ（α）曲线接近随机谱．柔和抒情的古典音乐Ｄ＿ｑ、ｆ（α）谱曲线接近周期谱．