摘要：由于微型飞行器(micro aerial vehicles,简称MAVS)能够在人类难以接近的地方收集情报,因此,其吸引了越来越多的关注.以四旋翼飞行器为平台,以实现飞行器姿态和高度控制为目的进行研究.在姿态控制上,采用一种不依赖于具体模型的记忆控制方法设计控制器.在高度控制上,采用一种线性二次高斯(linear quadratic Gaussian,简称LQG)控制方法设计控制器.实际飞行结果表明,设计的控制器具有良好的稳定性和跟踪性.

摘要：基于视频的行为识别技术在计算机视觉领域有广泛的应用.针对当前存在的网络模型不能有效结合视频数据中的时空信息,并且缺乏对不同尺度数据之间的融合信息进行考虑等问题,提出一种结合双流网络以及3D卷积神经网络的多尺度输入3D卷积融合双流模型.首先利用2D残差网以及多尺度输入3D卷积融合网络获取视频中的时空维度信息;然后将2层网络得到的实验结果进行决策相加,有效地提升网络对视频中时空特征提取的能力;最后通过在多尺度输入3D卷积融合网络对不同尺度的数据进行不同策略的融合,提高了网络对不同尺度数据的泛化能力.实验结果表明,文中模型在数据集UCF-101以及HMDB-51的识别准确率分别为90.5%与66.3%;相比于其他方法,该模型能取得更高的识别精度,体现出文中方法的优越性与鲁棒性.

摘要：免疫系统自身具有许多重要的特性,例如:自适应性、鲁棒性、记忆性以及分布式特性等等。这些特性提供给研究人员很多设计新型错误识别分类系统的灵感。在免疫学的基础上提出了一种新型的错误识别分类系统,可以动态的检测和划分受测系统的错误类型。此种错误识别分类系统具有在线学习能力,同时它的分布式特性又可以保证其对特称相似的错误类型进行正确识别和分类。除此之外,此系统还可以在过程中不断自我优化其准确率。最后的计算机模拟证实了这种基于免疫系统的错误识别系统可以很好的识别和分类一种复杂的"香蕉型"错误。