导读:本文包含了混合智能系统论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:智能,系统,神经网络,模糊,算法,粗糙,围岩。
混合智能系统论文文献综述
张沛栋[1]（2018）在《小鼠睡眠检测干预闭环混合智能系统设计与实现》一文中研究指出随着人工智能技术和脑神经科学的发展,脑智能和机器智能融合的混合智能应用和技术已成为交叉学科的热门课题。睡眠作为所有生物必须进行的生理性活动一定有许多秘密等待被挖掘。因此对于睡眠机理的研究在神经科学领域掀起小热潮。海马体的神经回路在生物的学习记忆功能中扮演着很重要的角色。当小鼠在睡眠或半清醒状态下,在小鼠脑区的海马体结构的神经回路中,神经元的局部场电位经常重复着特定的神经振荡活动。为了进一步研究睡眠对于学习记忆功能的影响,首先需要研究睡眠状态下实时检测和干预海马区中那些特定重复的振荡活动的方法。因此本文设计实现了小鼠睡眠检测干预的闭环混合智能系统。本文设计采用Plexon公司的64位神经信号数据采集系统、基于串口通讯的USB脉冲发射器、光控刺激设备共同组成系统的硬件部分,同时基于Juce类库和Open-Ephys开发平台设计开发可视化控制终端作为系统的软件部分,共同组成完整的小鼠睡眠检测干预闭环系统。整个系统具有检测低时延、无人工参与的闭环运行的两大特点。最后系统通过分析小鼠睡眠中Ripple振荡事件发生的频率作为系统检测干预效果的指标。结果表明,系统可以有效检测小鼠睡眠的振荡波并成功干预小鼠睡眠,为进一步研究睡眠和记忆关系提供工具前提。(本文来源于《浙江大学》期刊2018-01-01）
俞一鹏[2]（2016）在《脑机融合的混合智能系统：原型及行为学验证研究》一文中研究指出机器智能和生物智能在不同的应用领域具有各自的优势。机器智能在海量存储、精确计算和快速搜索等方面具有优势,而生物智能擅长复杂环境感知、知识学习和推理想象等。混合智能系统同时包含生物智能和机器智能,旨在综合利用两者各自的优势,以克服单一智能无法解决的难题。随着脑机接口技术的进步,以及认知科学、计算机和材料学等多学科理论与技术的涌入,生物与机器之间的连接将会越来越紧密,智能融合的程度也会越来越深。混合智能系统是脑机接口技术发展的必然趋势,也是实现智能增强的一种新途径。其在医疗康复、生活娱乐、国防安保等领域具有重大的应用潜力。目前对脑机接口的交互范式和脑信号解码算法的研究虽较为普遍,但对脑机融合的混合智能系统的研究还比较缺乏。本文以人、大鼠和机器叁者为研究对象,以我们课题组提出的混合智能的系统框架为指导,通过由机到脑、由脑到机,以及由脑到脑叁种脑-机信息交互方式,逐步构建了四种生物智能与机器智能相互融合的混合智能原型系统,并初步为混合智能的智能增强提供了行为学的验证,具体研究内容包括:(1)由机器到鼠脑:大鼠机器人导航的自动训练大鼠机器人用于导航前需要经过训练。传统的人工训练方法费时费力,且无法实时记录训练数据。我们首先构建了可用于导航的大鼠机器人混合智能系统,接着针对人工训练存在的问题,建立了一个可用于替代人工训练的新型混合智能系统:基于视频监控的大鼠机器人导航的自动训练系统。我们提出一种分层、多模块的自动训练框架来实现机器与生物之间的互适应,该框架包含感知、任务模型、训练评估和自适应调整四个模块。实验结果表明自动训练系统能够以较少的时间训练出可用于导航的大鼠机器人。该混合智能系统的信息交互方式是由机到脑,其将计算机的规划能力、感知能力与大鼠的学习能力、运动能力结合起来,以达到自动训练大鼠机器人的目的。(2)由人脑到机器:人脑头皮脑电控制四旋翼飞行器人脑头皮脑电信号可以体现人的动作意图。我们建立了一种人脑头皮脑电控制四旋翼飞行器的新型混合智能系统。系统将头皮脑电信号的解析结果转化为控制指令,从而遥控四旋翼飞行器在叁维空间内移动。我们采用综合运动想象脑电、眼电和肌电叁种头皮电信号的混合式脑机接口,来实现由脑到机的信息交互。该系统将飞行器的移动能力、感知能力与人的决策能力结合以实现机能增强,对残障人士的生活、娱乐等方面具有辅助的作用。(3)由人脑到鼠脑:人脑头皮脑电控制大鼠机器人在(1)和(2)研究工作的基础上,我们建立了一个由人脑到机器,再由机器到鼠脑的新型混合智能系统。我们采用“运动想象左”对应“左转”,“运动想象右”对应“右转”,以及“眨眼”对应“前进”的脑-脑交互范式。在脑电信号解码方面,我们结合共空域子空间分解算法和线性判别分析算法来构建在线脑控大鼠机器人系统。实验结果表明该系统能够有效完成导航大鼠机器人探索未知环境的任务。该混合智能系统实现了人脑向鼠脑的信息传递,并将人的决策能力、大鼠的运动能力,以及摄像头的感知能力结合起来。(4)混合智能的行为学验证:一个迷宫逃离案例大鼠和计算机在空间搜索方面各有所长。在(1)研究工作的基础上,我们首先设计了一种新型的迷宫逃离实验任务,接着对大鼠、计算机和有计算机辅助的大鼠叁者在该任务上的实验结果进行比较。实验结果表明有计算机辅助的大鼠比单一的大鼠和单一的计算机的效果好,从而初步为混合智能系统的智能增强提供了行为学的验证。所建立的有计算机辅助的大鼠迷宫逃离系统是一种新型的混合智能系统,其结合了大鼠的决策能力、运动能力、感知能力与计算机的规划能力、感知能力。特别地,该项工作真正实现了生物智能和机器智能在多方面的融合。(本文来源于《浙江大学》期刊2016-04-18）
王茂源[3]（2016）在《煤巷锚杆支护设计混合智能系统研究》一文中研究指出锚杆支护是我国煤巷支护的主要形式,诸多学者与工程技术人员在锚杆支护的理论与实践方面进行了大量的研究,积累了丰富的经验。但是,在实际生产过程中,多数情况下现场技术人员仍然首先会尝试惯用的支护参数,而这种支护参数并不一定是当前地质条件下的最优支护参数,可能会在经济上和生产进度上造成损失。目前先进的锚杆支护技术还只被少数煤矿和科研单位所掌握,由于交流平台相对较为缺乏,很多矿井和基层生产单位并不能及时地学习并掌握相关技术。随着计算机技术和人工智能技术的不断发展,很多高校和科研机构将神经网络、专家系统、模糊理论等人工智能技术方法引入到巷道支护设计领域,并开发出相应系统,帮助处理巷道支护设计、优化等方面的问题,并取得了一定进展。但是现有的支护系统多以单独的专家系统、神经网络、或者二者简单的结合作为推理基础,由于技术的局限性以及在知识、参数获取过程中存在着“瓶颈”,现有的支护智能系统在实际使用过程中往往存在着推理性能不高、所需参数难以获取、系统只满足某具体矿井或者矿区的使用需求、而不具备普遍适用性等问题,这些问题制约了系统的推广使用。如何更好的运用人工智能技术和计算机技术帮助更为科学、合理地进行巷道支护设计,是诸多专家学者所关注的热点问题。针对以上情况,本文依托国家自然科学基金项目“大断面巷道快速掘进与支护基础(51134025)”,将混合智能系统技术引入到煤巷支护设计领域,根据煤巷支护设计问题的实际情况,采用原型系统构建、模型推导、数值模拟、实验室试验、现场试验、文献查阅、程序开发、工程应用等手段,研究构建以CBR-RBR集成推理机制为基础,包含有模糊聚类分析、模糊综合评判、专家系统、人工神经网络、灰色关联分析、正交试验、数值模拟计算等诸多技术于一体的煤巷锚杆支护设计混合智能系统(Hybrid Intelligent System on Coal Roadway Bolt Design,CRBD-HIS),帮助更为科学地进行煤巷支护设计与优化。1.对混合智能系统在国内外研究现状进行介绍与分析,认为混合智能系统可以将多种智能(非智能)技术进行有机结合,通过利用不同技术各自的优点,在处理数据时互相优化来改善处理效果;或者根据复杂问题的不同方面特点,选择合适的技术进行处理,并将各自处理的结果进行集合。混合智能技术在处理复杂问题方面具有很大的优势,因此用其帮助解决煤巷支护设计这种复杂问题是值得尝试的。本文从系统的形式化表示出发,对混合智能系统进行形式化表示,并给出了混合智能系统的概念。本文对混合智能系统的联接方式、常用的智能技术以及它们之间的混合研究进行了介绍。结合煤巷锚杆支护设计问题的实际情况,在CRBD-HIS的构建过程中选择基于案例推理、基于规则推理、人工神经网络、专家系统、模糊综合评判、模糊聚类分析、灰色关联分析、层次分析法、修正巷道顶板分级评估系统cmrrc、数值模拟、正交试验等智能(非智能)技术。通过研究cbr-rbr集成推理机制,建立包括案例分类、案例检索、案例重用、案例修正、案例评估和案例学习六个基本环节的新推理模型作为crbd-his的基本推理框架,以混合联接的方式将各智能(非智能)技术进行有机结合,构建crbd-his原型系统。2.对煤巷围岩稳定性分析模型进行研究,提出了“整体-局部”评价模型。通过对工程岩体分类领域传统的单指标法、多指标法以及运用灰色理论、专家系统、人工神经网络、模糊数学等现代数学及人工智能分类方法进行介绍和讨论,选择模糊数学作为主要处理方法,对煤巷围岩稳定性进行分析。选择顶板强度ζt,两帮强度ζc,底板强度ζb,直接顶初次垮落歩距l,顶高比n,煤巷宽度x,最大水平主应力ζh,巷道埋深h等8个指标作为煤巷围岩稳定性评价指标。运用改进的层次分析法,对以上指标进行权重分配。运用基于等价关系的模糊综合聚类分析法,建立了煤巷围岩稳定性分类子模型,并运用c#语言对聚类算法进行编程,得到智能聚类程序。以霍州矿区为背景,应用上述子模型对样本巷道进行聚类分析,成功将样本巷道分为5类,并得到各个类别的聚类中心。通过与经验分类结果进行比较,证明聚类效果满足使用需求。运用模糊综合评判法,选择加权平均型算子m(?,⊕)算子,以上面8个指标作为评判对象因素集:u={顶板强度ζt,两帮强度ζc,底板强度ζb,直接顶初次垮落歩距l,顶高比n,煤巷宽度x,最大水平主应力ζh,巷道埋深h},以聚类中心作为评判模版,设定评语集为v={i类(非常稳定),ii类(比较稳定),iii类(一般稳定),iv类(较不稳定),v类(不稳定)},建立了煤巷围岩稳定性模糊综合评价子模型。对美国矿务局提出的巷道顶板分级评估系统(coalmineroofrating,cmrr)进行介绍,并根据国内煤矿生产的实际情况对cmrr进行修正,研究适用于国内煤矿使用的顶板评估子模型cmrrc,并通过实例应用验证其可行性。3.建立煤巷锚杆支护参数推理模型a-o-f-g(ann-orthogonaltest-flac3d-greyrelationalanalysis),对crbd-his中支护参数自动生成与优化推理关键技术进行研究。选择改进bp神经网络算法进行锚杆参数预测,以煤巷顶板强度、两帮强度、底板强度、直接顶初次垮落步距、巷道埋深、巷道净宽、巷道净高7个指标作为输入层参数,选择锚杆类型、锚杆长度、锚杆直径以及锚杆间排距作为输出层参数,设计煤巷支护参数神经网络预测子模型的结构。通过对科研成果提炼、现场调研、文献查阅、调查问卷等方法收集学习样本,对学习样本进行训练,建立煤巷锚杆支护参数神经网络预测子模型,实现煤巷锚杆支护参数的自动生成。运用c#语言对模型算法进行编程,得到bp神经网络自动训练程序。综合运用正交试验、数值模拟和灰色关联分析等,进行锚杆参数优化推理研究。首先以巷道顶板锚杆长度、直径、间距、排距和两帮锚杆长度、直径、间距、排距作为试验因素,选择8因素3水平正交试验表,以神经网络生成方案为标准方案,通过正交试验设计,得到18个正交试验方案作为比较方案。运用flac3d对18个比较方案支护效果进行数值模拟分析,以巷道顶板移进量、底板移进量、两帮移进量作为评判标准得到3个初步优化方案。再以顶板移近量、两帮移近量、底板移近量、施工难度、支护成本作为评价指标,基于灰色关联分析法建立灰色评价子模型,对前面的3个初步优化方案再进行评价,得到最终的优化方案作为推理结果,实现crbd-his中锚杆参数的自动生成与优化推理。4.针对a-o-f-g模型中的对比方案数值模拟分析步骤,本文进行flac3d智能模块研究。分析flac3d数值模拟软件在对煤矿巷道支护设计问题进行数值模拟过程及步骤,研究运用fish语言对数值模拟运算分析各个阶段命令进行表示,通过建立ini.txt、support.txt和result.txt叁个模版文件来分别代表数值模拟的各个过程。使用c#语言编写接口程序,对各模版文件进行赋值生成可执行脚本,调用flac3d计算程序运行可执行脚本对对比方案的支护效果进行模拟分析。通过对flac3d进行二次开发实现了flac3d的参数化建模和自动模拟计算。5.采用client/server体系结构,以access为数据库,运用c#语言编写算法代码以及调用、接口、赋值等程序,选择.netframework平台windowsform程序实现了对crbd-his原型系统的程序开发。crbd-his系统具有煤巷围岩稳定性分析、支护方案自动生成与优化、flac3d参数化建模和自动模拟计算、案例学习、支护报告自动生成等功能。crbd-his系统不仅具有友好的人机交互界面,操作方便简单,还设置有“控制台”控件。通过“控制台”,不同矿区的用户可以根据所在矿区的具体工程和地质情况,简单方便地对系统进行修正,使系统可以根据该矿区具体情况进行推理设计,改善了以往支护设计智能系统使用的局限性,提高了crbd-his系统推理的准确性并使其具有普遍适用性。另外通过实验室试验、现场试验、文献查阅补充等方式建立了地质力学参数数据库,该数据库包括了我国东部部分矿区的地质力学参数,可以为一线工程技术人员提供一定程度的参考;建立了煤巷支护典型案例库,该案例库可以一定程度上反映我国东部主要产煤大省的煤巷主要支护情况。使用crbd-his系统对叁交河2-5061巷道进行工程实例应用,对2-5061巷道进行支护设计并生成支护设计报告。通过将系统推理结果与2-5061巷道的原支护方案和人工优化方案进行比较,验证了crbd-his系统的实用性,并相对于原方案具有一定程度的优化。通过对李雅庄6031巷道、干河矿2-1121巷道进行工程实例应用,系统设计的支护方案较为合理,可以满足实际使用需要。本文研究成果是国家自然科学基金项目“大断面巷道快速掘进与支护基础”(51134025)的成果之一。CRBD-HIS系统可以帮助现场技术人员快速、方便的进行煤巷支护设计与优化,填补了混合智能系统在煤矿支护领域研究的空白,大幅提高了煤巷支护设计系统的智能性和适用性;可以一定程度上减少因支护强度不足而造成的二次支护或者因支护强度过高而导致的浪费情况,有利于促进我国煤炭资源更加科学、有效的开发利用。(本文来源于《中国矿业大学(北京)》期刊2016-03-24）
吕红光,尹勇,尹建川[4]（2015）在《混合智能系统在船舶自动避碰决策中的应用》一文中研究指出为减少或避免由于人为失误导致的船舶碰撞事故,促进船舶航行安全,船舶自动避碰系统的研究正在逐渐深入,其中船舶自动避碰决策算法是关键.综述了模糊神经网络、混合专家系统、软硬计算混合系统、综合性仿人智能系统在该领域的应用,并对相关研究成果进行分类整理、分析不足,指出混合智能应用于船舶自动避碰决策算法中的研究方向.(本文来源于《大连海事大学学报》期刊2015年04期）
贾玉福,宋莺,吴娇梅,汪波[5]（2014）在《论混合教学模式在智能系统设计类课程教学中的应用》一文中研究指出针对以Android平台为主的智能系统设计课程特点,细化分解课程内容,根据不同的教学内容分别引入传统教学模式、任务驱动/案例、项目引导式等教学模式形成混合教学模式,逐步引导学生自主学习,获得了良好的教学效果。(本文来源于《湖北经济学院学报(人文社会科学版)》期刊2014年10期）
孙妍姑[6]（2014）在《基于混合智能系统的设备故障诊断研究》一文中研究指出为研究和改进人工智能技术在设备故障诊断中的缺点和不足,提高故障诊断的准确率,构建了一种混合智能诊断系统。首先利用小波包分析技术对设备故障进行特征提取和分析;接着对数据进行离散化处理,应用粗糙集对获得的故障特征向量进行约简,删除冗余信息;然后利用免疫遗传算法的全局优化能力去训练BP神经网络的权值,建立免疫遗传-BP神经网络模型;最后把经粗糙集约简后的故障特征向量输入该模型,完成故障识别和智能诊断。通过旋转机械的转子系统的仿真实验,表明基于小波包-混合智能的故障诊断取得了良好的诊断效果。(本文来源于《淮南师范学院学报》期刊2014年05期）
石强[7]（2014）在《基于混合智能系统的遥感影像融合分类》一文中研究指出随着航空航天技术以及传感器技术的发展,人们可以获得多平台、多类型的遥感影像数据,从多尺度效应、几何形状特性、纹理分布特性、多／高光谱特性、红外辐射特性、后向散射特性等多方面多角度地对同一地物进行认知,为尽可能的提高判决决策的准确性与可靠性提供了良好的机遇。然而,由于分类识别过程中一系列因素的影响,会严重降低决策的准确性和可靠性：1)传感器辐射定标的误差、大气条件的不稳定以及地表环境的复杂性等因素影响,会导致最终获取的影像数据中存在自身的粗糙性以及分类信息的模糊性,进而严重影响了决策精度；2)由于噪声的影响,特征之间以及特征与决策之间依赖关系会发生改变,分类精度也随之会改变,例如,如果特征和决策之间相关性越大,那么特征中包含的噪声对其的影响也就越大；3)来自多源遥感影像的高维特征中很有可能包含着冗余特征,这不仅增加了计算的代价,而且影响分类器判决；4)产生式分类模型以及判决式分类模型并没有充分利用特征之间的关系,而在分类识别的决策中,只有充分的利用多源遥感影像特征之间的依赖关系,建立合理的分类模型,才能够进行有效的判决识别。上述这些因素为遥感影像融合决策的发展带来了挑战。现有的多源遥感影像处理方法,大多停留在像素级融合。然而多源遥感影像之间成像的机理性差异,导致影像之间的像素级融合存在根本性的困难；另外,像素级融合的最终结果是将两幅影像迭加,从而突显某些特定的地物目标,这有利于人工判读,然而其对于自动分类识别意义并不突出,难以提高自动分类识别的效率。而特征层和决策层的融合算法中,具体的方法仅仅从某些特性的应用出发,仅仅能解决某方面的问题；而针对遥感影像融合的复杂性问题,包括多类不确定处理、有效特征选择、分类识别模型等,一种方法不足以很好的解决这些复杂性问题。针对影像配准、属性函数估计、多类不确定性条件下的特征选择以及分类决策建模等遥感影像融合决策中的一系列复杂的难题,本文以模糊理论和粗糙集理论为基础,构建了高斯模糊粗糙集模型和直觉模糊粗糙集模型,结合粒子群优化算法、遗传算法、蚁群算法以及贝叶斯网络模型等,建立混合智能系统,形成属性函数估计的混合智能算法、基于高斯模糊粗糙集的混合智能特征选择算法、基于直觉模糊粗糙集的混合智能特征选择算法以及基于贝叶斯网络的混合智能决策算法,实现遥感影像的智能融合决策。本文的主要研究工作可以具体概括如下：1)充分的利用影像中的结构特征,构建了复杂条件下稳健的影像配准算法。针对遥感影像之间存在着的灰度变化以及重复特征等影响配准的难题,本文深入研究形状上下文特征及其改进方法,将其与点特征描述符结合,构建混合特征描述符,能够保证在初始匹配中能够获得稳健的匹配点对；详细研究了基于图形变换匹配(GTM)的特征匹配算法,这种基于点邻域变换不变性的假设,能够保证有效的去除误匹配点。实验表明,在配准的过程中充分的利用结构信息,能够在复杂条件下有效提高配准精度。2)建立了混合智能的属性函数估计方法。论文从模糊集合与高斯核函数的联系出发,定义了模糊概率,建立了模糊条件下的对称不确定性,以此对高斯函数进行评价,并有机的结合数据驱动与智能优化的参数估计方法,形成了混合智能核参数估计方法,该方法能有效的计算出优化的参数,能有效提高分类器的分类性能。3)构建了基于高斯模糊粗糙集的特征选择方法。为了解决数据粗糙性、分类模糊性、特征冗余性、包含噪声等多类不确定条件下的特征选择问题,本文首先利用高斯核函数充分挖掘数据之间的模糊关系,建立具有Tcos传递性的模糊等价关系,构建高斯模糊粗糙集模型；其次充分的考虑冗余性对选择特征子集的影响,同时考虑特征与类别相关性和特征之间冗余性,构建特征评价准则；最终实现多类不确定条件的特征选择,实验证明,该方法能够针对特定分类任务,在保证分类精度的条件下,选择出特征数较少的特征子集。4)提出了基于直觉模糊粗糙集的特征选择方法。为了更全面的对多类不确定建模,本文将高斯模糊关系扩展到具有max-min传递性的直觉模糊等价关系,进而将模糊粗糙集扩展到直觉模糊粗糙集；同时充分考虑分类类别信息,基于决策依赖相关性(Decision Dependence Correlation, DDC)和决策依赖独立性(Decision Independence Correlation, DIC)方法,提出了顾及冗余性及相关性的新特征评价方法；最后在混合智能优化的框架下,实现多类不确定条件下的针对特定分类任务的特征选择。5)形成了基于贝叶斯网络的混合智能决策方法。为了解决这些问题,包括特征维数高、数据粗糙性、分类模糊性、冗余特征等对分类精度及效率的影响,同时充分的利用特征之间的相关性并对其准确建模,本文详细分析了基于贝叶斯网络模型的分类器在网络结构学习和参数学习等方面存在的问题,将直觉模糊粗糙集与贝叶斯网络分类器结合,构建选择性扩展贝叶斯网络分类器模型,并利用SVM后验概率方法估计贝叶斯网络参数,使其能够适用于连续变量,实现高效准确的分类决策。总而言之,本文首先解决了复杂条件下影像配准以及分类识别中属性函数估计等影像融合决策的预处理问题；其次,再针对多类不确定性条件下的高维特征选择问题,从多类不确定性建模、属性特征评价以及智能优化算法等多方面进行细致的研究,建立了多类不确定性条件下的混合智能特征选择方法；最后,本文针对分类建模问题,建立了选择性扩展贝叶斯网络分类器,在提高分类决策精度的同时也提高了计算效率。本文的研究工作涵盖了遥感影像融合的基本过程,能够科学分析多源特征之间的冗余性相关性,可以针对具体分类任务选择出有效的特征子集,并能够对特征相关性建模,提高分类决策的精度,为影像融合决策提供了较好的借鉴。(本文来源于《武汉大学》期刊2014-04-01）
王刚,黄丽华,张成洪[8]（2010）在《混合智能系统研究综述》一文中研究指出混合智能系统作为人工智能研究的一个新兴领域已受到人们越来越多的关注.首先,回顾了混合智能系统的发展历程,并以此为基础重新给出了混合智能系统的定义.接着,从理论和实际应用两个角度对混合智能系统研究现状进行了综述.从理论研究上看,主要综述了混合智能系统的研究动因、类别、构造方法、评价准则,对当前研究现状进行了分析;从应用研究上看,主要对混合智能系统的主要应用领域进行了综述.最后,以目前混合智能系统领域的研究论文为基础,对混合智能系统未来的发展方向进行了预测.(本文来源于《系统工程学报》期刊2010年04期）
伭炜[9]（2008）在《基于人工神经网络的混合智能系统研究及应用》一文中研究指出本次课题的核心内容和研究思路可概括如下：分析舰艇自噪声的非平稳特征,针对ANC系统的弊端探讨解决方案；设计并完善以人工神经网络为框架的自适应噪声抵消系统；引入模糊逻辑推理思想,设计更加智能化的网络结构；借助多分辨率分析的思想,进一步完善网络的逼近能力和自适应性；引入遗传进化理论,结合强有力的局部算法构造自适应混合学习策略；最后通过仿真试验和真实海试数据处理,系统的验证文中结论。目标信号所处的声场环境,决定了ANC系统的非线性特征,针对待抵消信号的非平稳性,我们在传统非线性滤波的研究基础上,设计人工神经网络作为自适应处理器,依靠其强大的与人脑类似的功能,来解决常规滤波模式的固有缺陷。在系统自适应学习中,神经网络将非线性映射的问题转化为求解优化问题,而优化过程依靠其自学习、并行处理等优势,通过简便的学习算法来实现。RBF神经网络的引入,更使得系统求解复杂、高度非线性的能力大大提高。文中所设计的模型为非线性系统问题的解决奠定了良好的基础,且算法计算的复杂程度适中,具有较高的应用价值。本文采用T-S模糊推理模型构建分段线性模型,作为网络系统的基础构架,将输入空间分为若干个模糊子空间。再通过模糊系统和人工神经网络的等价性特征,把该模糊推理模型表现为一个自适应神经网络的形态,使得该网络系统的所有结点和参数都对应实际意义。同时,再将传统T-S模型与多分辨率理论(MRA)相结合,将WNN放入模糊推理后件中,使得模型中每一个模糊规则相当于一个子小波网络。然后引入新的自适应混合遗传算法,用于网络结构和各个参量的学习修正,以提高系统的运行效率和求解质量。数据处理结果证明这种融合了多项新颖设计思想的混合智能系统(HIS),系统进化的思路清晰易懂,并且有效的提高了系统降噪性能。(本文来源于《哈尔滨工程大学》期刊2008-12-01）
王刚[10]（2008）在《混合智能系统及其在商务智能中的应用研究》一文中研究指出自1956年提出人工智能的概念以来,人工智能已经走过了五十多年的研究历程,产生了许多很好的技术和方法,但是这些技术和方法单独应用时还都存在一些问题。针对这一问题,目前研究的焦点很大一部分集中在将多种智能技术综合集成上,也形成了人工智能领域的一个新的研究方向——混合智能系统。另一方面,商务智能的应用需求越来越多,但是商务智能的有效应用却需要综合应用各种人工智能技术及其它数据分析处理技术。本文即以混合智能系统为主要研究对象,提出了基于案例推理的混合智能系统构造方法,并将其引入到商务智能领域,为商务智能的应用提供了有效的技术和方法。本文首先分析了混合智能系统的研究现状。界定了混合智能系统的研究范围和研究层次,并以此为基础给出了混合智能系统的概念,明确了当前的研究热点和未来的研究方向。其次,本文重点研究了混合智能系统的构造方法。以设计科学的思想为基础,提出了混合智能系统的构造流程,给出了混合智能系统的形式化描述,及其五类基本的联接方式。并以基于案例推理的混合智能系统技术选择为核心,依据“从定性到定量综合集成研讨厅”的基本思想,提出了基于案例推理的混合智能系统构造方法。在此基础上,本文对基于案例推理的混合智能系统构造方法进行了实证研究。在对串型、并型、反馈型、内嵌型、混联型混合智能系统的应用特点进行分析的基础上,选取了五个案例,分别从应用背景、总体设计、具体应用等角度对基于案例推理的混合智能系统构造方法进行验证,得到了比较满意的结果。最后,本文将混合智能系统引入到商务智能的应用中。通过对商务智能应用中存在的主要问题的详细分析,提出了基于混合智能系统的商务智能技术架构,和以此为基础的基于混合智能系统的商务智能应用方案。并通过上海烟草工业印刷厂商务智能应用的实际案例,构建了基于混合智能系统的商务智能原型系统,以企业绩效管理和订单成本分析为例,验证了基于混合智能系统的商务智能应用方案的有效性。(本文来源于《复旦大学》期刊2008-04-09）
混合智能系统论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
机器智能和生物智能在不同的应用领域具有各自的优势。机器智能在海量存储、精确计算和快速搜索等方面具有优势,而生物智能擅长复杂环境感知、知识学习和推理想象等。混合智能系统同时包含生物智能和机器智能,旨在综合利用两者各自的优势,以克服单一智能无法解决的难题。随着脑机接口技术的进步,以及认知科学、计算机和材料学等多学科理论与技术的涌入,生物与机器之间的连接将会越来越紧密,智能融合的程度也会越来越深。混合智能系统是脑机接口技术发展的必然趋势,也是实现智能增强的一种新途径。其在医疗康复、生活娱乐、国防安保等领域具有重大的应用潜力。目前对脑机接口的交互范式和脑信号解码算法的研究虽较为普遍,但对脑机融合的混合智能系统的研究还比较缺乏。本文以人、大鼠和机器叁者为研究对象,以我们课题组提出的混合智能的系统框架为指导,通过由机到脑、由脑到机,以及由脑到脑叁种脑-机信息交互方式,逐步构建了四种生物智能与机器智能相互融合的混合智能原型系统,并初步为混合智能的智能增强提供了行为学的验证,具体研究内容包括:(1)由机器到鼠脑:大鼠机器人导航的自动训练大鼠机器人用于导航前需要经过训练。传统的人工训练方法费时费力,且无法实时记录训练数据。我们首先构建了可用于导航的大鼠机器人混合智能系统,接着针对人工训练存在的问题,建立了一个可用于替代人工训练的新型混合智能系统:基于视频监控的大鼠机器人导航的自动训练系统。我们提出一种分层、多模块的自动训练框架来实现机器与生物之间的互适应,该框架包含感知、任务模型、训练评估和自适应调整四个模块。实验结果表明自动训练系统能够以较少的时间训练出可用于导航的大鼠机器人。该混合智能系统的信息交互方式是由机到脑,其将计算机的规划能力、感知能力与大鼠的学习能力、运动能力结合起来,以达到自动训练大鼠机器人的目的。(2)由人脑到机器:人脑头皮脑电控制四旋翼飞行器人脑头皮脑电信号可以体现人的动作意图。我们建立了一种人脑头皮脑电控制四旋翼飞行器的新型混合智能系统。系统将头皮脑电信号的解析结果转化为控制指令,从而遥控四旋翼飞行器在叁维空间内移动。我们采用综合运动想象脑电、眼电和肌电叁种头皮电信号的混合式脑机接口,来实现由脑到机的信息交互。该系统将飞行器的移动能力、感知能力与人的决策能力结合以实现机能增强,对残障人士的生活、娱乐等方面具有辅助的作用。(3)由人脑到鼠脑:人脑头皮脑电控制大鼠机器人在(1)和(2)研究工作的基础上,我们建立了一个由人脑到机器,再由机器到鼠脑的新型混合智能系统。我们采用“运动想象左”对应“左转”,“运动想象右”对应“右转”,以及“眨眼”对应“前进”的脑-脑交互范式。在脑电信号解码方面,我们结合共空域子空间分解算法和线性判别分析算法来构建在线脑控大鼠机器人系统。实验结果表明该系统能够有效完成导航大鼠机器人探索未知环境的任务。该混合智能系统实现了人脑向鼠脑的信息传递,并将人的决策能力、大鼠的运动能力,以及摄像头的感知能力结合起来。(4)混合智能的行为学验证:一个迷宫逃离案例大鼠和计算机在空间搜索方面各有所长。在(1)研究工作的基础上,我们首先设计了一种新型的迷宫逃离实验任务,接着对大鼠、计算机和有计算机辅助的大鼠叁者在该任务上的实验结果进行比较。实验结果表明有计算机辅助的大鼠比单一的大鼠和单一的计算机的效果好,从而初步为混合智能系统的智能增强提供了行为学的验证。所建立的有计算机辅助的大鼠迷宫逃离系统是一种新型的混合智能系统,其结合了大鼠的决策能力、运动能力、感知能力与计算机的规划能力、感知能力。特别地,该项工作真正实现了生物智能和机器智能在多方面的融合。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
混合智能系统论文参考文献
[1].张沛栋.小鼠睡眠检测干预闭环混合智能系统设计与实现[D].浙江大学.2018
[2].俞一鹏.脑机融合的混合智能系统：原型及行为学验证研究[D].浙江大学.2016
[3].王茂源.煤巷锚杆支护设计混合智能系统研究[D].中国矿业大学(北京).2016
[4].吕红光,尹勇,尹建川.混合智能系统在船舶自动避碰决策中的应用[J].大连海事大学学报.2015
[5].贾玉福,宋莺,吴娇梅,汪波.论混合教学模式在智能系统设计类课程教学中的应用[J].湖北经济学院学报(人文社会科学版).2014
[6].孙妍姑.基于混合智能系统的设备故障诊断研究[J].淮南师范学院学报.2014
[7].石强.基于混合智能系统的遥感影像融合分类[D].武汉大学.2014
[8].王刚,黄丽华,张成洪.混合智能系统研究综述[J].系统工程学报.2010
[9].伭炜.基于人工神经网络的混合智能系统研究及应用[D].哈尔滨工程大学.2008
[10].王刚.混合智能系统及其在商务智能中的应用研究[D].复旦大学.2008
论文知识图
