摘要：延时估计偏差通常会严重影响射频(RF)功率放大器预失真技术的性能.通过对预失真技术中延时估计偏差的理论分析,发现若要保证存在延时估计偏差时预失真器仍能实现放大器的线性化,则设计的预失真器应是理论上理想预失真器的一个延时版本;并提出一种记忆多项式模型用于放大器的预失真.仿真结果表明,采用记忆多项式模型比一般多项式模型对延时估计偏差有更强的鲁棒性.

摘要：人工智能(AI)旨在模拟人脑中信息存储和处理机制等智能行为,使机器具有一定程度的智能水平。随着互联网、大数据、云计算和深度学习等新一代信息技术的飞速发展,目前AI领域的研究和应用已经取得重要进展。本文将深入分析与AI密切相关的计算机科学、控制科学、类脑智能、人脑智能等学科或领域之间的交融与历史演进;指出神经科学、脑科学与认知科学中有关脑的结构与功能机制的研究成果,为构建智能计算模型提供了重要的启发,并从逻辑模型及系统、神经元及网络模型、视觉神经分层机制等方面,分别阐述智能的驱动与发展;最后从互联网的计算理论、AI的演算和计算的融合、类脑智能的模型和机理、AI对神经科学的推动作用、反馈计算的算法设计与控制系统的能级五个方面,对AI的发展趋势进行了展望。

摘要：在面向道路交通监控的嵌入式智能摄像头中引入动态角色和分布控制的思想,设计实现了一种摄像头自主协同目标跟踪模式。在本模式中摄像头之间能够动态组织对异常车辆目标的协同跟踪,跟踪过程由前端摄像头自主控制完成。这种分散控制模式能够有效减缓交通监控系统中后端服务器的工作压力,并降低大量实时视频数据在路网中传输对道路信息网络带宽的要求,同时又使监控系统具有较强的灵活性和容错能力。

摘要：本文提出一种自适应和神经动力学相结合的轮式移动机器人路径跟踪控制方法.首先,设计运动学控制器用来获得机器人期望速度;其次,考虑机器人动力学模型参数的不确定性,利用模型参考自适应方法来设计动力学控制规律,使得机器人实际速度渐近逼近期望值;再次,为克服速度和力矩的跳变,加入神经动力学模型对控制器进行优化,并且通过Lypunov理论来证明整个控制系统的稳定性;最后仿真结果表明该控制方法的有效性.

摘要：随着GPS设备(如智能手机、GPS导航仪、GPS记录仪等)的广泛应用,其产生的位置信息也越来越多。基于位置的社交网络(Location-Based Social Networks,LBSNs)推荐系统受到了更多的关注。旅游行程推荐是LBSNs中非常热门的研究课题之一,但是现有研究主要侧重向单个用户推荐旅游行程,缺乏向群体推荐行程的工作。因此提出了一种LBSNs中的群体行程推荐方法。该方法首先根据用户的签到记录,使用K-means和谱聚类方法挖掘用户群体及其偏好;然后综合考虑群体对行程的时间和价格的约束,设计了行程推荐算法向群体用户推荐符合其偏好的旅游行程;最后,使用新浪微博用户的真实签到记录进行实验分析,结果表明所提出的群体行程推荐方法具有良好效果。

摘要：针对交通信号灯实时控制问题,设计了一种以最小化车辆等待时间为目标的数学模型,并给出了一种能求解该模型最优解的启发式搜索第法。仿真结果显示启发式搜索算法存在求解时间长,求解效率不稳定等问题。因此在原算法基础上加入了多阶段决策优化方法,并且在各个阶段中采用了限时搜索,使得算法能在固定时间内得到结果,保证了算法的稳定性和实时性。通过实际数据仿真显示,优化后的算法对比固定周期算法减少了车辆的等待时间;对比原始的启发式搜索算法,提高了求解效率,满足了实时控制的要求。

摘要：行人搜索旨在从一系列未经裁剪的图像中对行人进行定位与识别,融合了行人检测和行人重识别两个子任务。现有的方法设计了基于Faster R-CNN的端到端框架来解决此任务,但是行人检测和重识别两个子任务之间存在特征优化目标粒度不一致问题。为了解决这一问题,提出一种双全局池化结构,使用全局平均池化提取检测分支的共性特征,使用基于注意力机制的全局K最大池化提取re-ID分支的特性特征,为两个子任务提取符合各自粒度特性的特征。同时由于re-ID子任务的细粒度特性,还提出一种改善粒度匹配的画廊边界框加权算法,把查询人和画廊边界框的分辨率差异纳入相似度计算。实验证明融入多粒度的方法有效地提高了单阶段算法在CHUK-SYSU和PRW数据集上的性能。

摘要：以非完整移动机器人为控制对象,围绕机器人运动控制中重要的点镇定问题进行深入研究.本文在考虑移动机器人模型和极坐标系下的位姿误差模型基础上,提出一种Backstepping与神经动力学相结合方法,设计具有渐近稳定的点镇定控制器.该控制方法能有效解决因初始误差存在而引起的速度和力矩突变问题,使机器人从静止状态快速收敛到任意参考点,实现机器人各种期望位姿的有效镇定.通过计算机仿真验证所提出控制规律的有效性.

摘要：以多粒度粗糙集理论为背景,结合可变多粒度思想与错误分类率思想,提出可变多粒度概率粗糙集(VMGPRS)模型.结合粗糙集理论中的属性约简思想,提出粒度约简算法,发现并解决可变多粒度模型中由于参数设定而引发的约简后粒度冗余问题.将约简前后的数据应用于SVM、KNN、NB等经典分类算法,验证约简对数据的分类能力几乎无影响.将规则与算法结合,设计基于规则的分类算法,并且实验分析VMGPRS模型中的2个调节参数α、β对分类器分类效果的影响.

摘要：Web服务作为一种新型的Web应用模式近年来得到了迅速的发展.如何高效动态地把现存的各种Web服务整合起来以形成新的满足不同用户需求的增值的复杂服务,已成为新的应用需求和研究热点.针对服务选择问题,设计了一种面向动态Web服务选择的离散微粒群算法,并结合服务选择研究背景,提出了3种速度计算算子和一种位置进化方程.针对进化算法容易陷入局部极值这一共同缺陷,定义了微粒无希望/重希望准则,以保证微粒群的多样性,增强全局搜索能力.理论分析和实验结果表明,该算法不仅具有较快的收敛速度,而且具有较好的全局收敛性能;同时说明Max运算在服务选择中具有较好的综合性能.