【摘 要】
：
主体是人工智能的重要概念,在许多方面得到应用.随着研究深入,人们对主体及系统的性质、功能、特征的理解不断深入.免疫系统是一种具有智能性的生物系统,构成免疫系统的各类分子、细胞等看作兵有特殊功能的主体,免疫系统可以看作是一个复杂的主体系统及网络.免疫系统的组成特性有助于设计新的多主体及系统,多主体也可用于研究免疫系统的功能模型.本文全面回顾了该领域近些年的研究成果,给出了免疫主体的特征及免疫多主体一
【机 构】
：
哈尔滨工程大学水下机器人国防科技重点实验室,150001;哈尔滨工程大学自动化学院模式识别与智能系统研究所,150001
论文部分内容阅读
主体是人工智能的重要概念,在许多方面得到应用.随着研究深入,人们对主体及系统的性质、功能、特征的理解不断深入.免疫系统是一种具有智能性的生物系统,构成免疫系统的各类分子、细胞等看作兵有特殊功能的主体,免疫系统可以看作是一个复杂的主体系统及网络.免疫系统的组成特性有助于设计新的多主体及系统,多主体也可用于研究免疫系统的功能模型.本文全面回顾了该领域近些年的研究成果,给出了免疫主体的特征及免疫多主体一般模型.
其他文献
本文在现有数字家庭解决方案的基础上,提出了一种在VC++6.0平台上采用C++语言开发的虚拟人作为集中管理界面的数字家庭管理系统.该系统采用模块化设计,可以实现对家庭内电灯、空调、摄像头和机器人的统一管理、集中控制和实时监控.我们所开发的虚拟人管理系统改进了传统数字家庭系统中人机交互界面呆板和交互手段生硬等不足之处,使数字家庭环境下的人机交互更加和谐自然.
从对有关可拓学的期刊论文发表情况和博士、硕士学位论文情况的分析出发,结合多年来国家自然科学基金项目资助情况,提出可拓学研究中存在的问题及建议,为从事可拓学研究的学者提供参考.
人群仿真对于了解人类行为十分重要,根据helbing在人群仿真方面的工作和情绪理论,提出了一种人群中个体情绪影响模型.每个个体可以有情绪属性,通过方程来生成不同个体的行为,讨论了个体参与到群体的方法.演示系统采用Microsoft Direct3D实现,结果表明这个模型对于在紧急情况下的人群仿真是有效的.
本文构建了一种智能服务中心,将公共网络和信息服务以智能服务中心为连接点延伸到家庭中的每个家用设备,为数字家庭提供集成的通信、家电控制、安防、家电管理和信息服务等功能.本智能服务中心集成了家庭网关技术、人机交互技术、智能家庭服务机器人技术等.实验结果验证了智能服务中心对数字家庭的的重要性、有效性.
无线传感器网络通常包含多个感知节点,由于各节点携带能量通常有限,在获取必要的信息的同时,如何延长无线传感器网络的生命期是目前的一个研究热点.当对空间物理环境的状态进行监测时,如某个室内环境的温度和湿度,显而易见,某些传感器节点可以在可容忍的误差范围内良好地表征其柞邻较近的传感器的状态.找到这些传感器节点代表,利用这些传感器节点代表的信息,来获知整个网络的状态,将大大减少整个无线传感器网络的通信和能
动漫角色形象的设计往往被认为是美术设计者的工作,由制片商来决定,设计过程缺乏消费者的参与.为了弥补设计师与消费者对于动漫角色形象的认知差异,提出了基于感性意象的动漫角色形象设计评价方法.研究了动漫角色形象感性意象的认知,建立了消费者与设计师的动漫角色形象感性意象认知匹配模型.而动漫角色形象的哪些因素吸引人,分布在哪些维度上,是研究动漫角色形象感性意象的关键.通过问卷调查和焦点小组等实验方法,提取了
显著边界提取是将图像中平滑连续的物体边界自动寻找出来,它是服务于物体识别的一个初级视觉问题.在没有高层反馈及先验知识引导的情况下,自然界本身存在的一些统计特性,即显著性,有助于确定物体边界.狭长、连续、平滑的曲线往往属于能引起后期注意的物体的边界；短、断续、曲折的曲线通常不代表有意义物体.现有显著边界提取算法绝大部分都可纳入脱离区域概念的基于边连接的理论框架.在此框架下提出了一个基于概率图模型的边
粒子群优化(Particle Swarm Optimization,PSO)算法在优化问题中表现出了良好的性能,但目前还缺乏对粒子自身经验信息和群体经验信息的信息加工机制的深入探讨.经典PSO算法对粒子的自身经验信息和群体经验信息采用完全随机线性加权的加工模式,该模式是否是最佳的信息加工模式?针对该问题,本文采用含参数的FGM Copula连接函数研究粒子对自身经验信息和群体经验信息加工的相关性,
阈值法由于其独特的性质被广泛应用于各种类型的图像分割中,其优点是:计算简单有效,且能进行并行处理.基于人工免疫系统中的克隆选择理论,提出了一种新的最佳熵阈值医学图像分割的方法,新方法中以最佳熵作为亲和度函数,把医学图像分割问题变成一个优化问题,利用克隆算子有效的扩大了搜索的范围,保证了所求解的多样性,从而快速找到最优的分割阈值.我们将新算法应用于MRI图像分割这一挑战性的问题,详细叙述了算法机理,
神经网络可以对非线性系统进行精确的建模,并通过神经网络控制器对有控制要求的非线性系统实行控制.但是传统的神经网络学习算法具有收敛速度慢,效率低的缺点.本文提出了将Levenberg-Marquardt (LM)学习算法应用到神经网络模型的训练,特别是神经网络控制器的建立中,形成了基于Levenberg-Marquardt算法的神经网络自适应内模控制方法.通过与传统神经网络控制方法的比较,本文提出的