摘要：2008年11月15日,北京798的尤伦斯当代艺术中心开始呈献一场名为"迪奥与中国艺术家"的大型展览,此次展览是两块大陆之间与两种不同表达方式——当代艺术与时尚之间的对话,叶锦添、张大力、张洹、马岩松等20名中国艺术家应邀彰显创意,以其特有方式诠释迪奥(Dior)内涵,再现传统艺术与奢华时尚的完美结合。叶锦添先生的"水竹园"极富中国庭院的神韵,将众多中国当代艺术品与迪奥历年经典服装完美协调地呈现在展馆中,本刊特邀其撰文阐述创作理念,以飨读者。

摘要：本文研究一类非线性不确定大系统的分散滑动模控制问题．首先给出了使滑动模具有良好动态品质的分散切换流形的设计方法；然后给出了一种基于不确定因素已知变化范围的分散滑动模控制器设计方法，该方法只需对各孤立子系统进行降阶滑动模的极点配置及求解降阶Ｌｙａｐｕｎｏｖ矩阵方程即可；最后以一具体例子说明其设计过程。

摘要：针对无线资源优化问题中普遍存在的复杂约束条件,详细梳理了各种基于AI的优化方法。尽管现有基于AI的优化方法在各种功率分配和波束赋形设计问题上取得了巨大成功,但大多数方法考虑的问题都仅仅配备较为简单的约束条件(例如功率预算约束条件),这些约束条件可以通过简单的投影操作得到满足。然而,对于更为复杂的约束条件,例如非凸的服务质量约束条件,其优化变量和无线信道通常是耦合的,如何有效处理非凸耦合的约束条件仍然是一个较大挑战。针对复杂约束条件下的无线资源优化问题,将现有基于AI的优化方法分为三类:监督学习方法、惩罚学习方法和拉格朗日对偶方法,并对这三类方法的适用性和不足作了细致的分析。最后,提出了一种基于增广拉格朗日法的惩罚-对偶学习框架,通过交替训练两个独立的神经网络,分别用以推断原问题的解和相应的拉格朗日乘子。此外,将所提出的惩罚-对偶学习框架应用于两个典型的无线资源优化问题上,并通过仿真实验表明,所提出的惩罚-对偶学习框架在约束违反和计算时间方面,分别优于当前最先进的AI和传统优化方法。

摘要：本文介绍了一个具有三个自由度机器人手臂的继电式控制器的设计方法。通过公式,表达了该机器人手臂的数学模型、继电式控制器和其电气拖动装置的特征。利用VAX11/750计算机进行继电式控制器开关时间的计算,以及手臂移动的模拟。而利用现有的M6800单板机作继电式控制器,对一台试验性机器人手臂进行了实际的控制试验。这台试验性机器人手臂同数学模型机是相似的。这个试验,证实了实际结果同模型机器人的计算结果是相当一致的。

摘要：本文研究不确定性刚性机器人的鲁棒控制问题。提出了一种新的鲁棒控制方案。控制器由两部分组成：第一部分为基于标称模型设计的计算力矩控制器；第二部分为基于Ｌｙａｐｕｎｏｖ方法设计的鲁棒补偿控制器，其作用是消除不确定性对跟踪性能的影响．本文证明了闭环系统的全局收敛性，仿真结果表明本方法对于存在外扰和模型不确定性的机器人系统是十分有效的。

摘要：本文以参考文献［１］中ＳＰＥ考题设计的三维三相黑油模型的地层参数、ＰＶＴ表及生产方式为模拟的依据，利用ＬＳＯＲ、ＳＳＯＲ－ＣＧ、ＩＬＵ－ＣＧ及ＭＩＬＵ－ＣＧ方法进行模拟，结果表明ＭＩＬＵ－ＣＧ方法较ＬＳＯＲ快１０倍，较ＩＬＵ－ＣＧ也快约１倍。随着问题规模的增加，ＭＩＬＵ－ＣＧ显得更有效，因此是油藏数值模拟中值得重视和推广的好算法。

摘要：针对复杂集总干扰下六旋翼飞行器轨迹跟踪控制问题,给出了混合积分反步法控制与线性自抗扰控制的控制算法.首先,通过牛顿-欧拉方程建立六旋翼飞行器的非线性动力学模型,并剖析系统输入输出的数学关系.其次,根据六旋翼飞行器动力学模型的特点,将其分为位置与姿态两个控制环.位置环采用积分反步法控制理论设计控制器,通过引入积分项来提高系统的抗干扰能力,消除轨迹跟踪的静态误差;姿态环采用线性自抗扰控制技术设计控制器,通过线性扩张观测器估计和补偿集总干扰影响,提高系统的鲁棒性.最后,通过2组仿真算例和1组飞行试验验证了本文所提飞行控制算法的有效性.研究结果表明：该控制算法对集总干扰有较好的抑制作用,能够使六旋翼飞行器既快又稳地跟踪上参考轨迹,具有一定的工程应用价值.

摘要：近年来,汉语自动分词成为中文信息处理的一大热门课题,其研究进展令人关注。本文主旨,是通过介绍CASS系统的设计和实现,阐述汉语自动分词实用系统的一般性原理,包括系统的总体结构、自动分词算法和分词词典的实现、各种多义切分字段的识别和处理,等等。CASS系统由总控程序、自动分词程序、设施管理程序、分词词典和知识库等五大部分组成。自动分词算法程序选用正向增字最大匹配法ASM(+1,+1,+1)实现,该算法的嵌套调用,可以识别出各种多义切分字段,包括任意多重的交集型多义字段。这个算法经过相应的运行控制,可以实现其它各种分词方法。

摘要：本文给出了一类受限机器人的一个学习控制方案．学习控制器的设计是基于受限机器人的奇异模型．在存在未知的有界干扰的情况下，对末端操纵器受线性、无摩擦约束面约束的机器人，本文给出的控制方案实现了机器人运动的完全跟踪，保证了力跟踪误差是有界的，并且界的大小是可调节的．

摘要：本文给出了一类受限机器人的迭代学习控制方案，控制器的设计是基于机器人模型的降阶形式．在存在有界未知干扰的情况下，对末端操纵器受线性、无摩擦约束面约束的受限机器人．本文给出的控制方案保证了机器人系统的完全运动跟踪，同时保证了力跟踪误差是有界的，且界的大小是可调节的．