摘要：为了提高图像理解(Image Captioning)的预测性能,设计了一种基于"融合门"的深度神经网络模型。该"融合门"网络模型基于编码器-解码器结构设计,是卷积神经网络与循环神经网络的融合。算法首先将输入图像通过VGGNet-16网络进行卷积,得到对应的4096维输出向量,然后将卷积后的输出向量与标注语句向量合并,作为输入向量进入改进后的"融合门"网络,最后获得新的网络输出结果。上述过程按照时间步逐次迭代,最终完成网络训练。使用权威的CIDEr评价指标来评估该"融合门"网络的预测结果,实验结果表明,该网络的CIDEr值比"Neural Talk"网络的CIDEr值提高10.56%,其他相关的评价指标也有较大幅度提高。该网络结构不但预测指标高,而且其网络参数个数比"注意力机制"网络参数少21.1%,所需要的计算机资源更少,这使得将该网络应用在边缘计算中成为可能,对图像理解成果的推广起到关键作用。

摘要：针对复杂局部环境中机器人实时自主导航问题,设计了"双向搜索多边形构造算法"和"基于势场函数的机器人运动控制器"."双向搜索多边形构造算法"能够在机器人被障碍物包围的环境下搜索出障碍物的包围多边形,从而获取基于障碍的最优行进路径;"基于势场函数的机器人运动控制器"是一个多变量控制器,输入矢量由吸引势场函数和排斥势场函数组成,输出矢量由速度和转角组成,该控制器控制机器人实际运动,使机器人能够有效躲避障碍物并逐步趋向目标点;控制器还设定了机器人运动的基本速度,解决势场为零时引起的局部极小化问题.与"沿墙走算法"、"人工势场法"等方法的实验比较表明,本文算法能够获得更好的优化性和实时性,具有更加广泛的实际应用范围.

摘要：考虑到实际生产中状态不易测量和设定值变化的情况以及系统本身的非线性特性,针对啤酒发酵过程温度控制系统提出了一种时变轨迹下输出反馈鲁棒模糊预测控制方法;在啤酒发酵罐温度系统的机理模型的基础上,建立包括不确定性和未知干扰的状态空间模型;通过设计模糊集,建立为具有加权系数的T-S模糊状态空间模型;并在状态变量的中引入输出跟踪误差,建立新型多自由度状态空间模型;并运用鲁棒模型预测控制方法优化参数不确定性问题,结合李雅普诺夫稳定性理论推导出线性矩阵不等式形式的稳定性条件,通过求解线性矩阵不等式中参数来计算对应子模型控制律,并对所设计的输出反馈控制器给定权值;通过仿真结果验证了提出方法的有效性和可行性。

摘要：本文针对城市轨道交通互联互通的网络化运输场景,对其行车交路方案进行研究。通过对互联互通下交路新特征的分析,提出了交路方案设计方法,建立了交路方案的多目标优化模型及相应的求解方法,并通过实例分析验证了该方法的可行性。