项目研究内容,包括感知特征的自动获取;智能系统的组织与构造。在信息获取上,得到了CMAC神经网收敛性的定量结果,利用该网构造激励学习的算法。前者考虑了网络在批量学习、循环学习以及随机学习等三种方式下,和有噪音与无噪音条件下,网络初始权值,哈布编码等,对收敛性的影响,在激励学习算法上,提出了基于成形思想的激励学习方法。在系统构造上,提出把神经网络的激励学习方法,机器人反射行为的控制,与新的系统体系结构结合,可以构成一个具有现场自学习能力的机器人运动自动规划与控制系统。并通过计算机仿真模拟和实验床实验加以验证。以上成果对於研究开放式的智能系统具有指导和参考价值。
{{i.achievement_title}}
数据更新时间:2023-05-31
基于分形L系统的水稻根系建模方法研究
基于 Kronecker 压缩感知的宽带 MIMO 雷达高分辨三维成像
拥堵路网交通流均衡分配模型
卫生系统韧性研究概况及其展望
基于公众情感倾向的主题公园评价研究——以哈尔滨市伏尔加庄园为例
Internet环境中基于语义Web的开放式决策支持系统关键技术研究
开放式空间刚-柔智能群体机器人基础理论与关键技术研究
智能锚索系统开发中光纤传感关键技术研究
基于混沌理论的智能维护系统关键技术研究