自適應(yīng)性

結(jié)構(gòu)強(qiáng)化尺度自適應(yīng)性能，并約束特征點(diǎn)數(shù)量，提高運(yùn)算速度；其次提出三維描述子灰度質(zhì)心法將算法的描述子從一維擴(kuò)展到三維，在增強(qiáng)抗噪能力同時(shí)強(qiáng)化旋轉(zhuǎn)自適應(yīng)性能。最后采用四叉樹特征管理算法進(jìn)行優(yōu)化，減少冗余特征點(diǎn)，增強(qiáng)魯棒性，提高分布均勻度。2 改進(jìn)ORB算法原始ORB算法主要包括特征點(diǎn)檢測的FAST算法和特征點(diǎn)描述的BRIEF算法。1)FAST的基本原理：設(shè)p點(diǎn)為待檢測像素點(diǎn)(灰度值記為Ip)，以p點(diǎn)為圓心，選取周圍16個(gè)像素點(diǎn)(如圖1所示)，根據(jù)式(1)進(jìn)行特

類是學(xué)習(xí)率非自適應(yīng)性方法,使用梯度的一階矩估計(jì)——SGDM[5],結(jié)合每個(gè)小批量樣本的梯度求滑動平均值來更新參數(shù),極大地解決了SGD 算法收斂速度慢的問題,這個(gè)方法目前應(yīng)用非常廣泛,本文就針對這個(gè)方法進(jìn)行改進(jìn).第二類是學(xué)習(xí)率自適應(yīng)性方法,利用梯度的二階矩估計(jì)實(shí)現(xiàn)學(xué)習(xí)率的自適應(yīng)調(diào)整,包括AdaGrad[6],RMSProp[7],AdaDelta[8],Adam[9].其中Adam是深度學(xué)習(xí)中最常見的優(yōu)化算法,雖然Adam 在訓(xùn)練集上的收斂速度相對較快,但在

自主性逐漸向自適應(yīng)性變化[3]。自適應(yīng)學(xué)習(xí)又可以叫做個(gè)性化學(xué)習(xí)。它使用計(jì)算機(jī)算法協(xié)調(diào)與學(xué)習(xí)者的交互，并提供定制資源和學(xué)習(xí)活動，以滿足每個(gè)學(xué)習(xí)者的獨(dú)特需求。自適應(yīng)學(xué)習(xí)致力于通過計(jì)算機(jī)手段檢測學(xué)生當(dāng)前的學(xué)習(xí)水平和狀態(tài)，并相應(yīng)地調(diào)整后面的學(xué)習(xí)內(nèi)容和路徑，幫助學(xué)生提升學(xué)習(xí)效率。自適應(yīng)可以用少數(shù)名師和研發(fā)團(tuán)隊(duì)輔助老師教學(xué)，判斷出每個(gè)學(xué)生的薄弱項(xiàng)，為他們提供個(gè)性化學(xué)習(xí)和指導(dǎo)。最大化調(diào)動學(xué)生的積極性，這個(gè)是我們持續(xù)看好的。2 自適應(yīng)性在線自主學(xué)習(xí)模型自適應(yīng)學(xué)習(xí)有三個(gè)步驟

，是一種具有自適應(yīng)性的聚焦窗口選擇方法，能顯著提高自動聚焦精確率和速度。關(guān)鍵詞：自動聚焦;區(qū)域選擇算法;灰度投影;自適應(yīng)性;醫(yī)學(xué)圖像DOI：10.15938/j.jhust.2021.05.008中圖分類號：TP182 文獻(xiàn)標(biāo)志碼：A 文章編號：1007-2683（2021）05-0060-080 引言近年來自動閱片技術(shù)發(fā)展迅速，并且逐漸取代傳統(tǒng)的人工閱片。該技術(shù)主要由計(jì)算機(jī)控制電機(jī)平臺[1]，利用工業(yè)相機(jī)采集清晰的細(xì)胞圖像，結(jié)合深度學(xué)習(xí)的方法對細(xì)胞圖像進(jìn)

來，城市復(fù)雜自適應(yīng)性系統(tǒng)理論已經(jīng)成為城市研究領(lǐng)域重要的前沿理論，這一理論體系可以用于分析城市及城市群的復(fù)雜運(yùn)行模式，為城市規(guī)劃、城市發(fā)展提供新的理論指導(dǎo)。本文基于城市復(fù)雜自適應(yīng)性系統(tǒng)理論，提出了城市規(guī)劃中的理論新視角。關(guān)鍵詞：城市規(guī)劃;城市復(fù)雜自適應(yīng)性系統(tǒng)理論;城市復(fù)雜系統(tǒng)理論;城市主體;主體聚集;非線性發(fā)展城市是由人類聚集部落演化而來，是人類文明的重要標(biāo)志。1919年，“自田園城市和城市規(guī)劃協(xié)會”在霍華德（E. Howard）倡導(dǎo)之下的成立標(biāo)志著現(xiàn)代意義

社逐漸衍生出自適應(yīng)性，體現(xiàn)在農(nóng)業(yè)生產(chǎn)的性別適應(yīng)、市場化適應(yīng)及商品化適應(yīng)。但這種自適應(yīng)性既是主動的，也是被動的;既體現(xiàn)了農(nóng)戶合作共贏的基層智慧，也呈現(xiàn)出鄉(xiāng)村社會轉(zhuǎn)型的消極結(jié)果，如強(qiáng)化了傳統(tǒng)農(nóng)村家庭性別分工格局并產(chǎn)生家庭功能危機(jī)、凸顯出合作社農(nóng)業(yè)生產(chǎn)的市場信息短板、呈現(xiàn)出農(nóng)村生產(chǎn)互助合作文化的式微圖景。針對合作社自適應(yīng)性的不利影響，提出了相關(guān)對策建議。[關(guān)鍵詞]空心村;自適應(yīng)性;制度創(chuàng)新;制度彈性[中圖分類號]F321.42 [文獻(xiàn)標(biāo)識碼]A1 問題提出及調(diào)查

述。關(guān)鍵詞 自適應(yīng)性;多向變位;梳齒;伸縮縫前言橋梁伸縮縫裝置是指為滿足橋梁熱脹冷縮等變形的需要，在每一聯(lián)梁端之間或梁端與橋臺之間的結(jié)構(gòu)，其主要作用用于調(diào)節(jié)因?yàn)橥ㄐ熊囕v突變荷載和橋梁結(jié)構(gòu)材料本身所引起的橋梁上部結(jié)構(gòu)之間的聯(lián)結(jié)和位移。橋梁的伸縮裝置一旦損壞，將嚴(yán)重影響通行車輛的安全性和舒適性，后果嚴(yán)重的可能造成安全事故。故伸縮縫的選擇及安裝對行車的舒適度和后期維護(hù)影響非常大。F001來安至大英段改建工程是連接來安與施官的主要通道。根據(jù)國家公路網(wǎng)規(guī)劃（2013

室溫溫度控制自適應(yīng)性，提高溫度控制精度，基于模糊控制理論提出一種符合溫室果蔬種植的高精度智能控制算法。仿真結(jié)果表明，該控制方法超調(diào)量小、收斂速度快，能有效改善傳統(tǒng)PID控制精度低、自適應(yīng)性能差等缺點(diǎn)。1 溫度閾值計(jì)算為了對室溫大棚溫度進(jìn)行精確控制，需要確定溫度閾值。王健等[5]、袁洪波等[6]基于溫度積分算法的溫室環(huán)境控制方法中，提出溫度積分法解決傳統(tǒng)閾值設(shè)置方式單一、對外部環(huán)境自適應(yīng)能力差等問題，該算法結(jié)構(gòu)簡單、能耗低。因此，采用溫度積分法計(jì)算溫度閾值，

提高機(jī)器人的自適應(yīng)性，擴(kuò)大了機(jī)器人的應(yīng)用范圍。關(guān)鍵詞：自適應(yīng)性;機(jī)器人;智能制造;優(yōu)化分析中圖分類號：TP242 文獻(xiàn)標(biāo)識碼：A 文章編號：文章編號：2095-2945（2020）06-0037-02Abstract： With the advent of artificial intelligence society， robots have gradually entered into intelligent manufacturing and oth

小學(xué)小學(xué)數(shù)學(xué)自適應(yīng)性評價(jià)是數(shù)字化環(huán)境下的多元評價(jià)方式，是研究適合學(xué)生個(gè)體的具有動態(tài)性和自適應(yīng)性的評價(jià)模式，意在探索一套適合學(xué)生個(gè)性需求和發(fā)展、幫助教師全面診斷和改進(jìn)教學(xué)的應(yīng)用評價(jià)體系。筆者就小學(xué)數(shù)學(xué)自適應(yīng)性評價(jià)的課題開展為期三年的研究，力求借助大數(shù)據(jù)改變單一的評價(jià)模式，方便學(xué)生個(gè)體進(jìn)行自我檢測、診斷及跟進(jìn)式學(xué)習(xí)，同時(shí)幫助教師分析、診斷教學(xué)中的弱項(xiàng)，以期優(yōu)化教師教和學(xué)生學(xué)的過程。一、科學(xué)架構(gòu)，生成數(shù)據(jù)資源小學(xué)數(shù)學(xué)自適應(yīng)用研究評價(jià)系統(tǒng)是根據(jù)義務(wù)教育數(shù)學(xué)課程標(biāo)準(zhǔn)

梳裝置的徑向自適應(yīng)性和轉(zhuǎn)動自適應(yīng)性做進(jìn)一步深入探討。落梳裝置中引入恒力機(jī)構(gòu)可以使落梳刀具組對香蕉果軸的夾持力在一定范圍內(nèi)保持恒定，有利于果軸彎曲度變化不大時(shí)香蕉的連續(xù)落梳，提高刀具組對果軸粗細(xì)的徑向自適應(yīng)性。恒力機(jī)構(gòu)(Constant-force mechanism, CFM)是指在無外部設(shè)備的輔助下，系統(tǒng)中的運(yùn)動體在工作行程內(nèi)可以輸出恒力。恒力機(jī)構(gòu)對設(shè)備的安全性和可靠性有重要影響，在物體夾持[9]、機(jī)器人末端機(jī)構(gòu)[10]等場合已得到廣泛的應(yīng)用。CARRE

要】交互式與自適應(yīng)性多媒體網(wǎng)絡(luò)教學(xué)系統(tǒng)，它把多媒體技術(shù)、網(wǎng)絡(luò)通信技術(shù)和交互式原理有機(jī)結(jié)合起來，實(shí)現(xiàn)了網(wǎng)上多媒體信息資源和智力資源的共享。它是一種特別適用于教學(xué)活動的交互式多媒體技術(shù)，使學(xué)生能夠從多種的交互中獲得大量信息，并可以與別的學(xué)習(xí)者共享信息、交流情感等?！娟P(guān)鍵詞】交互式 自適應(yīng)性 輔助系統(tǒng)【課題項(xiàng)目】甘肅省教育科學(xué)規(guī)劃課題“基于多媒體技術(shù)的創(chuàng)新教學(xué)模式研究”（編號：GS[2018]GHB1464）?！局袌D分類號】G420 【文獻(xiàn)標(biāo)識碼】A 【文章編號

慮柔性環(huán)運(yùn)動自適應(yīng)性的情況下，根據(jù)上述內(nèi)容完成了內(nèi)、外導(dǎo)電環(huán)、柔性環(huán)、惰輪及導(dǎo)軌組成的滾動摩擦副的尺寸設(shè)計(jì)，據(jù)此保證滾動摩擦副各部件在接觸點(diǎn)處為純滾動，最大限度降低滑動摩擦，以減少磨屑的產(chǎn)生。1.2 運(yùn)動自適應(yīng)性柔性環(huán)與內(nèi)、外導(dǎo)電環(huán)體接觸區(qū)域設(shè)計(jì)為弧形，保證柔性環(huán)運(yùn)動過程中的自適應(yīng)性，減小柔性環(huán)與內(nèi)、外導(dǎo)電環(huán)體接觸時(shí)的應(yīng)力集中現(xiàn)象，如圖4所示。圖4 柔性環(huán)接觸示意圖保證柔性環(huán)處在內(nèi)、外導(dǎo)電環(huán)凹槽之間和在滾動軸垂直的平面上自適應(yīng)滾動，即使柔性環(huán)有微小的軸向、

法。關(guān)鍵詞：自適應(yīng)性；殘差；智能算法；自學(xué)習(xí)性中圖分類號：TP393 文獻(xiàn)標(biāo)識碼：A 文章編號：1009-3044（2018）24-0113-02隨著信息技術(shù)的發(fā)展和高等教育體制改革的不斷深入，高校實(shí)現(xiàn)了教育信息化，大大提高了工作效率。將智能屬性融合算法技術(shù)應(yīng)用于高校教務(wù)管理中，可以分析出重要的對決策或者預(yù)測有用的信息和知識，利用分析結(jié)果輔助教學(xué)，幫助教學(xué)管理者做出科學(xué)的決策。智能屬性融合技術(shù)的目的是對“全信息”的融合處理，實(shí)現(xiàn)高層次的人腦分析處理問題功能

用。關(guān)鍵詞：自適應(yīng)性；堅(jiān)果切殼；機(jī)械結(jié)構(gòu)1.背景環(huán)境目前，人們基本通過手工方式進(jìn)行板栗加工前的切殼操作，用手工對栗子進(jìn)行切殼操作是一件費(fèi)時(shí)費(fèi)力的工作，但是為了獲得更加美味可口的板栗，板栗切殼又是炒板栗、煮板栗之前一項(xiàng)必不可少的工作。千家萬戶的板栗愛好者們想盡辦法，使用指甲規(guī)避不了手指甲摳劈，使用刀具容易把手劃傷，使用剪子則會嚴(yán)重破壞板栗果肉的完整度。并且中國的板栗品種大體可分北方栗和南方栗兩大類：北方栗堅(jiān)果較小，南方栗堅(jiān)果較大，僅此地域的不同，就有讓機(jī)械設(shè)

AERP頻率自適應(yīng)性：以不同頻率刺激為基礎(chǔ)周長最終測得的不應(yīng)期變化情況。AERP 頻率自適應(yīng)性的測量以|ERP慢頻率-ERP快頻率|/100 ms 作為AERP 頻率自適應(yīng)性判斷指標(biāo)。頻率慢時(shí)測的不應(yīng)期長，而快時(shí)則不應(yīng)期縮短，最長與最短的AERP差值代表自適應(yīng)性。差值越大提示局部的自適應(yīng)性越差，反之越好。AERP 頻率自適應(yīng)性表現(xiàn)為AERP 隨起搏周長的縮短而縮短，反之則判斷為AERP 頻率自適應(yīng)性不良。(3)房顫持續(xù)時(shí)間：關(guān)閉起搏器后如房顫自行出現(xiàn)提示自

性不高和沒有自適應(yīng)性的缺點(diǎn)，提出一種基于Hilbert?Huang變換的基音標(biāo)注方法。該算法通過Hilbert?Huang變換分析語音，具有自適應(yīng)性，根據(jù)自身情況選擇基函數(shù)，分解過程滿足條件自動停止。采用文中自適應(yīng)算法對整段非平穩(wěn)語音信號進(jìn)行基音標(biāo)注，其中濁音段、過渡段采用Hilbert?Huang變換進(jìn)行標(biāo)注，清音段、非語音段用相近基音周期插值。實(shí)驗(yàn)證明，相比自相關(guān)方法、小波方法，文中算法反映了一幀內(nèi)準(zhǔn)周期的細(xì)微變化，適應(yīng)性較好。對于頻率不同的男聲和女聲

層防御機(jī)制、自適應(yīng)性強(qiáng)的啟示,結(jié)合反向選擇算法(Negative Selection Algorithm,NSA)和SVM,設(shè)計(jì)一種新的自適應(yīng)性分類器,將其應(yīng)用于垃圾郵件檢測。該分類器對郵件進(jìn)行預(yù)檢驗(yàn)并快速區(qū)別出能匹配檢測模型的“正常郵件”和垃圾郵件,然后結(jié)合反向選擇的自適應(yīng)性對該“正常郵件”進(jìn)行二次檢測,得到最終的正常郵件和新型垃圾郵件,同時(shí)計(jì)算出最初最優(yōu)超平面模型得到的垃圾郵件檢測率和正常郵件準(zhǔn)確率,最后根據(jù)正常郵件和垃圾郵件集合去自適應(yīng)調(diào)整初始化的最

ASTFA的自適應(yīng)性并不徹底。雖然ASTFA方法在一些領(lǐng)域得到了運(yùn)用，但是學(xué)者們主要是把ASTFA當(dāng)作前處理工具，并未對如何合理地確定λmax進(jìn)行深入研究。為了避免將λmax設(shè)定為定值導(dǎo)致ASTFA方法產(chǎn)生模態(tài)混淆，提高ASTFA方法的自適應(yīng)性，本文提出完全自適應(yīng)最稀疏分解(Complete Adaptive And Sparsest Time-Frequency Analysis,CASTFA)。該方法以EEMD分解出的分量為參考信號，提高了分解的自適應(yīng)

應(yīng)、高精度、自適應(yīng)性等的控制要求。因此本文設(shè)計(jì)了CMAC自適應(yīng)PID控制器應(yīng)用于高速開關(guān)閥控?cái)?shù)字變量泵的控制系統(tǒng)，并利用“simucosim”接口，將AMEsim與simulink結(jié)合，進(jìn)行聯(lián)合仿真，并對控制系統(tǒng)進(jìn)行分析。結(jié)果表明：CMAC自適應(yīng)HD控制系統(tǒng)有較高的控制精度，同時(shí)也保證較快的響應(yīng)速度，在突變和干擾情況下，調(diào)節(jié)速度較快，使系統(tǒng)具備較高的魯棒性。關(guān)鍵詞：神經(jīng)網(wǎng)絡(luò)；自適應(yīng)控制；復(fù)合控制；高速開關(guān)閥；數(shù)字變量泵endprint

線性系統(tǒng)； 自適應(yīng)性； 缸平衡； 怠速中圖分類號： TP273 文獻(xiàn)標(biāo)志碼： AAbstract： In order to solve the cylinder equilibrium control problem of engines， the standard approximate dynamic programming （ADP） is extended to be of multi-input multi-output （MIMO） form，

01210）自適應(yīng)性測試使用的干擾信號可以由一個(gè)矢量信號發(fā)生器生成。如果測試信號需要覆蓋多個(gè)20MHz的信道，則需要采用相應(yīng)寬帶寬的干擾信號進(jìn)行干擾測試，或者采用多次測試來覆蓋這相鄰的多個(gè)20MHz的信道。自適應(yīng)性；閑時(shí)間；信道占用時(shí)間；短控制幀1 引言在2017年6月13日正式啟用RED，相較于R&TTE，關(guān)于自適應(yīng)性的測試有了很多的更改和新的要求。這里我們探討一下， RED 下5G標(biāo)準(zhǔn)ETSI 301893v2.1.1，自適應(yīng)性測試主要關(guān)注的性能指標(biāo)與

學(xué)”正在研發(fā)自適應(yīng)性神經(jīng)接口，該接口由大腦接口神經(jīng)網(wǎng)絡(luò)和基于憶阻器的電子神經(jīng)形態(tài)系統(tǒng)組成。此項(xiàng)研究工作為人類在活體生物組織與類生物神經(jīng)網(wǎng)絡(luò)兼容方面的首次科學(xué)嘗試。“下諾夫哥羅德國立大學(xué)”所實(shí)施的方案為研發(fā)自適應(yīng)性神經(jīng)接口，其一端為活體組織，而另一端為基于憶阻器的神經(jīng)網(wǎng)絡(luò)。憶阻器神經(jīng)系統(tǒng)與具有神經(jīng)組織生物電活性記錄和刺激功能的多電極系統(tǒng)相連，多電極系統(tǒng)可實(shí)現(xiàn)活體細(xì)胞網(wǎng)絡(luò)動態(tài)分析和分類功能。以憶阻器為基礎(chǔ)元件，研發(fā)具有神經(jīng)突觸（兩個(gè)神經(jīng)元之間的接觸點(diǎn)）可塑性能

能會議系統(tǒng)；自適應(yīng)性；抗噪聲傳聲器；語音文字化；語控系統(tǒng)文章編號： 10.3969/j.issn.1674-8239.2017.10.010【Abstract】The author introduces a new digital conference system， namely adaptive speech control intelligent conference system， and implements the concept of "on

77）計(jì)算機(jī)自適應(yīng)性漢語考試的開發(fā)侯仁鋒 今井新悟 丸山浩明（縣立廣島大學(xué)，日本廣島7348558；筑波大學(xué)，日本茨城3058577）我們正在開發(fā)一個(gè)新型考試，從使用方法和考試形式來說，可稱之基于網(wǎng)絡(luò)的計(jì)算機(jī)自適應(yīng)性漢語考試（C－CAT：Chinese Computerized Adaptive Test）。C－CAT的最大特點(diǎn)是，基于項(xiàng)目反應(yīng)理論（IRT：Item Response Theory）開發(fā)，試題自身具有絕對的尺度，計(jì)算機(jī)自動分配給最適應(yīng)被試能

導(dǎo)引精度低、自適應(yīng)性與魯棒性差的問題，提出了一種基于動態(tài)RBF神經(jīng)網(wǎng)絡(luò)在線辨識與帶自調(diào)整因子模糊控制相結(jié)合的落點(diǎn)預(yù)測導(dǎo)引律。具體在傳統(tǒng)濾波外推落點(diǎn)預(yù)測導(dǎo)引法的基礎(chǔ)上，將預(yù)測落點(diǎn)偏差與偏差變化率作為模糊控制器輸入量，通過RBF神經(jīng)網(wǎng)絡(luò)在線整定模糊控制的權(quán)重因子和比例因子，實(shí)現(xiàn)導(dǎo)引指令的自適應(yīng)調(diào)整。仿真結(jié)果表明，同常規(guī)方法相比，在充分考慮隨機(jī)擾動和測量誤差情況下，具有更強(qiáng)的自適應(yīng)性與魯棒性，保持了較高的導(dǎo)引精度。修正彈；濾波外推； RBF神經(jīng)網(wǎng)絡(luò)；模糊控制；落

構(gòu)建系統(tǒng)中的自適應(yīng)性,指出服務(wù)系統(tǒng)的自適應(yīng)性研究是推動軟件技術(shù)發(fā)展的主要挑戰(zhàn)[3]。2014年11月3日舉辦的IOSOC2014論文集前言同樣強(qiáng)調(diào)“服務(wù)適應(yīng)動態(tài)環(huán)境要求的服務(wù)變化管理是一個(gè)核心、關(guān)鍵研究主題”[4]。目前基于服務(wù)的軟件生產(chǎn)方法通常流程為:服務(wù)提供者生產(chǎn)服務(wù)資源→發(fā)布服務(wù)→服務(wù)消費(fèi)者選擇服務(wù)→服務(wù)聚合(按需服務(wù)資源綁定、組合),類似瀑布模型或自頂向下與自下向上中間對齊的混合模式,缺乏運(yùn)行時(shí)例外處理和服務(wù)再聚合迭代過程考慮。只是一個(gè)從需求出發(fā)聚

ny算子具有自適應(yīng)性。理論與實(shí)驗(yàn)證明，該算法對于水下大壩裂縫檢測效果較好。關(guān)鍵詞：水下大壩裂縫；邊緣檢測；Canny算法；最大熵；自適應(yīng)性DOIDOI：10.11907/rjdk.161393中圖分類號：TP317.4文獻(xiàn)標(biāo)識碼：A文章編號文章編號：16727800（2016）009017003基金項(xiàng)目基金項(xiàng)目：作者簡介作者簡介：張大偉（1984-），男，四川南充人，國網(wǎng)成都供電公司電力調(diào)度控制中心工程師，研究方向?yàn)閺S站自動化管理；許夢釗（1991-），男

計(jì)中魯棒性、自適應(yīng)性、容錯(cuò)性及智能化需求，指出了未來可能的研究方向。 關(guān)鍵詞 高超聲速飛行器；控制；魯棒性；自適應(yīng)性吸氣式高超聲速飛行器[1](AHV)是指以超燃沖壓發(fā)動機(jī)為動力來源，飛行速度大于5倍聲速，在距離地面20～100km的大氣層區(qū)域內(nèi)機(jī)動飛行的有翼或無翼飛行器。高超聲速飛行器具有速度快、射程遠(yuǎn)、突防能力強(qiáng)、攻擊目標(biāo)范圍廣和命中目標(biāo)概率大等優(yōu)點(diǎn)，在軍事和民用等方面極具潛力，是航空航天領(lǐng)域新的研究熱點(diǎn)，近年來在國際上引起了廣泛的關(guān)注[2]。高超聲速

各個(gè)景觀斑塊自適應(yīng)性地更新湖泊景觀系統(tǒng)的生態(tài)結(jié)構(gòu)?！癈AS”理論； 景觀更新； 生態(tài)系統(tǒng)； 自適應(yīng)性在現(xiàn)代城市建設(shè)中，水體已經(jīng)成為一個(gè)完備的城市綜合體所必不可少的物質(zhì)資源。有著富足景觀資源的城市湖泊景區(qū)自然就會成為城市規(guī)劃建設(shè)的首選，這些區(qū)域不僅飽含充裕的景觀資源，可稱得城市健康發(fā)展的天然基石，而且，由于城市湖泊是熙攘都市與自然環(huán)境之間一個(gè)極其重要的功能過渡區(qū)，有緩沖以及天然屏障的作用。近年來，多數(shù)城市湖泊的生態(tài)環(huán)境正遭受著嚴(yán)重的破壞，出現(xiàn)了功能退化、湖區(qū)

其具有一定的自適應(yīng)性和魯棒性。關(guān)鍵詞：自適應(yīng)魯棒控制器；非線性系統(tǒng)；不確定性；二型模糊邏輯系統(tǒng)；自適應(yīng)性；滑?？刂茖Ψ蔷€性系統(tǒng)進(jìn)行控制器設(shè)計(jì)時(shí)，往往會涉及模型參數(shù)不確定的問題，控制器設(shè)計(jì)的好壞直接決定系統(tǒng)性能和安全[1-2]。例如，飛行器在高空飛行時(shí)，由于大氣參數(shù)和氣動參數(shù)具有不確定性[3]，如果飛行控制器不能很好的適應(yīng)環(huán)境，缺乏一定的魯棒性，那么飛行器的安全性將得不到保證[4-5]。近年來，國內(nèi)外學(xué)者針對這一問題進(jìn)行了一定的研究。文獻(xiàn)[6]利用神經(jīng)網(wǎng)絡(luò)參

；抗干擾性；自適應(yīng)性；激光掃描0引言機(jī)器視覺技術(shù)打破了傳統(tǒng)的機(jī)器人定位方式，通過計(jì)算機(jī)來模擬人的視覺功能，從客觀事物上提取有用的視覺信息，并利用邏輯判斷手段對信息進(jìn)行加工處理，最后完成目標(biāo)的定位功能。農(nóng)業(yè)機(jī)器人的作業(yè)對象為有機(jī)生物體，其作業(yè)過程受作業(yè)環(huán)境和作業(yè)對象的影響比較大，即便是對于同種作物，其作業(yè)對象也是千差萬別，因此采用機(jī)器視覺技術(shù)，可以有效地提高作業(yè)效率和作業(yè)精度。農(nóng)作物自動采摘機(jī)器人的視覺識別技術(shù)是近年來最熱門的研究課題之一，其工作原理是在收獲

，然后從提高自適應(yīng)性、提高自干擾信號還原準(zhǔn)確性以及實(shí)現(xiàn)簡化三個(gè)角度介紹了改進(jìn)算法。最后，展望了全雙工數(shù)字自干擾抵消算法未來的研究方向，為全雙工架構(gòu)和算法設(shè)計(jì)提供參考。關(guān)鍵詞：5G；同頻同時(shí)全雙工；數(shù)字自干擾抵消算法；硬件非理想性wangdan910503@mail.tsinghua.edu.cn來源出版物：計(jì)算機(jī)應(yīng)用研究, 2016(08). http://www.cnki.net/kcms/detail/51.1196.TP.20160111.1430.

高，魯棒性和自適應(yīng)性較強(qiáng)。這一研究為并聯(lián)機(jī)構(gòu)的精準(zhǔn)控制和優(yōu)化設(shè)計(jì)提供了理論基礎(chǔ)。PID神經(jīng)網(wǎng)絡(luò)；并聯(lián)機(jī)構(gòu)；改進(jìn)PSO算法10.3969/j.issn.1001-3881.2015.12.010Document code：ATH165+.21 July 2014；revised 17 February 2015；accepted 5 March 2015Chang-jian WANG，Professor.E-mail：wangchangjian2468@ 1

式很明顯缺乏自適應(yīng)性。本文分析在線添加可變ZMP的作用，可變ZMP可以用來消除外力干擾、適應(yīng)不平整地面和姿態(tài)控制，這樣才與人在復(fù)雜環(huán)境下步行時(shí)實(shí)時(shí)調(diào)整步態(tài)相類似?！娟P(guān)鍵詞】雙足機(jī)器人；可變零力矩點(diǎn)；自適應(yīng)性；行走控制1.可變ZMP的定義雙足機(jī)器人在行走過程中將由環(huán)境擾動、模型失配等因素引起步態(tài)跟蹤誤差，作者在文獻(xiàn)[1]中研究過調(diào)節(jié)預(yù)測控制器參數(shù)的方法來消除一些隨機(jī)擾動，但也很難通過調(diào)節(jié)參數(shù)的方法消除這種跟蹤誤差。要降低或消除它，就應(yīng)該考慮ZMP的實(shí)時(shí)變化，

技術(shù)3.1 自適應(yīng)性控制自適應(yīng)性顧名思義是指實(shí)時(shí)跟蹤系統(tǒng)的運(yùn)行狀態(tài)并且不斷的變更各個(gè)控制器的參數(shù)，能夠解決動態(tài)特性變化的過程控制問題。當(dāng)機(jī)組在電網(wǎng)負(fù)荷在大范圍變動條件下運(yùn)行時(shí)，自適應(yīng)性為多輸入和多輸出的非線性火力發(fā)電機(jī)組。這樣能夠?yàn)榘l(fā)電機(jī)組提供高效的控制策略。通過自適應(yīng)性控制解決煤炭的性質(zhì)、管束老化等問題對鍋爐蒸汽溫度動態(tài)特性的影響問題，運(yùn)行結(jié)果表明自適應(yīng)性控制比傳統(tǒng)的單輸入、單輸出控制要有明顯的高效性。另外，美國弗吉尼亞工學(xué)院的研究人員設(shè)計(jì)的自適應(yīng)性控制

航跡規(guī)劃時(shí)的自適應(yīng)性，然后通過仿真實(shí)驗(yàn)證明了其優(yōu)越性。航跡規(guī)劃；模糊邏輯；人工神經(jīng)網(wǎng)絡(luò)；模糊神經(jīng)網(wǎng)絡(luò)1 引 言自主式水下機(jī)器人AUV（Autonomous Underwater Vehicles）是對深水環(huán)境進(jìn)行開發(fā)和探測的重要工具。如何對AUV進(jìn)行航跡規(guī)劃已經(jīng)成為學(xué)術(shù)界的研究熱點(diǎn)。神經(jīng)網(wǎng)絡(luò)具有優(yōu)秀的自適應(yīng)學(xué)習(xí)和并行計(jì)算能力，模糊集則具有近似人的If-then模式的思維和推理規(guī)則。模糊集最早是由S.C，Lee和E.T.Lee于1974年引入神經(jīng)網(wǎng)絡(luò)的，Ya

信環(huán)境變化的自適應(yīng)性；通過對在VANET場景下傳統(tǒng)SOA的改進(jìn)，提高了搜索全局最優(yōu)解的成功率。仿真結(jié)果表明，ISOA較傳統(tǒng)算法在環(huán)境變化自適應(yīng)性方面更好，在收斂速度及準(zhǔn)確度等方面性能也更優(yōu)。車載自組織網(wǎng)絡(luò) 改進(jìn)的搜索者優(yōu)化算法 自適應(yīng)數(shù)據(jù)傳輸算法0 引 言車載自組織網(wǎng)以車-車、車-路邊節(jié)點(diǎn)通信為主要模式，以自組織性為核心，并具有拓?fù)涓邉討B(tài)變化、節(jié)點(diǎn)運(yùn)動受道路約束、能量不受限等特點(diǎn)受到關(guān)注，近年來逐漸成為研究熱點(diǎn)[1-2]。2010年7月，IEEE802.1

上設(shè)計(jì)了采用自適應(yīng)性改進(jìn)型內(nèi)模和插入式結(jié)構(gòu)的重復(fù)控制器，同傳統(tǒng)的PI控制結(jié)合構(gòu)成新的改進(jìn)型復(fù)合控制，從而提高了其穩(wěn)定性，減小了入網(wǎng)電流的諧波，提高了并網(wǎng)逆變器的性能.通過仿真和實(shí)驗(yàn)驗(yàn)證了所提復(fù)合控制方案的可行性與優(yōu)越性.無論電網(wǎng)電壓頻率是否變動，該方案都可以在有效避免進(jìn)網(wǎng)電流諧振的同時(shí)實(shí)現(xiàn)進(jìn)網(wǎng)電流的高功率因數(shù).關(guān)鍵詞：LCL濾波器；自適應(yīng)型內(nèi)模；改進(jìn)型重復(fù)控制；頻率;自適應(yīng)性LCL濾波器是一個(gè)三階系統(tǒng)，存在著諧振尖峰,采用并網(wǎng)電流直接閉環(huán)控制的并網(wǎng)系統(tǒng)是不

函數(shù),改進(jìn)了自適應(yīng)性激勵(lì)函數(shù)神經(jīng)網(wǎng)絡(luò)系統(tǒng)框架，提出基于馬爾可夫鏈的學(xué)習(xí)算法，并將其應(yīng)用到故障診斷領(lǐng)域，取得了比較好的實(shí)驗(yàn)結(jié)果。1 自適應(yīng)性神經(jīng)網(wǎng)絡(luò)1.1 多層神經(jīng)網(wǎng)絡(luò)多層神經(jīng)網(wǎng)絡(luò)一般包括一個(gè)輸入層、一個(gè)輸出層、一個(gè)或者多個(gè)隱藏層。隱藏層每一層網(wǎng)絡(luò)中都包含多個(gè)神經(jīng)元，對每個(gè)神經(jīng)元的輸入都是由上一層輸出的加權(quán)和，例如對于第n組樣本數(shù)據(jù)，第k層上的第j個(gè)神經(jīng)元的輸入可以通過計(jì)算上一層的加權(quán)和來計(jì)算，計(jì)算公式為：其中，wkji表示上一層網(wǎng)絡(luò)中的第i個(gè)神經(jīng)元對于第k

ADAMS的自適應(yīng)性摩擦驅(qū)動系統(tǒng)的動力學(xué)分析楊 雷1，郭大宏1，李亞彬2，臧鐵鋼2(1.天奇自動化工程股份有限公司，江蘇 無錫 214187)(2.南京航空航天大學(xué) 機(jī)電學(xué)院，江蘇 南京 210016)為了提高自適應(yīng)摩擦驅(qū)動系統(tǒng)的轉(zhuǎn)彎性能，針對轉(zhuǎn)彎力矩，建立了摩擦驅(qū)動系統(tǒng)的靜力學(xué)模型，運(yùn)用ADAMS的動力學(xué)仿真功能對模型進(jìn)行靜力學(xué)和運(yùn)動學(xué)特性分析，并在此基礎(chǔ)上進(jìn)行改進(jìn)，提高了系統(tǒng)的轉(zhuǎn)彎性能和系統(tǒng)的可靠性。自適應(yīng)摩擦驅(qū)動系統(tǒng)；轉(zhuǎn)彎性能；靜力學(xué)建模；運(yùn)動學(xué)特性

要取決于主體自適應(yīng)性(Adaptability)的程度，不同水平自適應(yīng)性的多主體行為構(gòu)成了系統(tǒng)內(nèi)部機(jī)制的復(fù)雜性，從而整個(gè)系統(tǒng)表現(xiàn)出不確定性[1]。1.1 自利行為及主導(dǎo)機(jī)制主體(Agent)，指健康系統(tǒng)中所有具備完整行為能力的組織或機(jī)構(gòu)，可分為政策主體、服務(wù)主體和其他行為主體。所有主體的決策和行為都建立在一定的立場上，有一定的自利性(Self-interest)；在市場和規(guī)制混合的環(huán)境下，與整合執(zhí)行直接相關(guān)的服務(wù)主體，包括營利性和非營利性組織，其自利性較為

誤差異常處理自適應(yīng)性的機(jī)理，提出了改進(jìn)的修正控制算法。仿真響應(yīng)驗(yàn)證了該控制策略的有效性。結(jié)果表明：修正后的誤差異常處理自適應(yīng)控制算法在多模態(tài)控制切換過程中可覆蓋更大范圍的應(yīng)用。自適應(yīng)控制策略；參數(shù)修正；多模態(tài)控制；仿人智能控制TP2732014-03-1510.3969/j.issn.1001-3881.2014.12.024*Project supported by Chongqing Education Commission (No: 2012-09-

具有幅值頻率自適應(yīng)性的SOGI-FLL估計(jì)異步電機(jī)同步角頻率的方法，仿真和實(shí)驗(yàn)結(jié)果表明，使用具有幅值頻率自適應(yīng)性的SOGI-FLL估計(jì)異步電機(jī)同步角頻率可使估計(jì)速度不受反電動勢信號幅值、頻率變化的影響，將該方法應(yīng)用于磁鏈觀測動態(tài)補(bǔ)償，有效提高了磁鏈觀測的精度。2 SOGI-FLL測頻原理及其頻率響應(yīng)特性2.1 SOGI-FLL的測頻原理圖1為SOGI-FLL結(jié)構(gòu)框圖，其主要由SOGIQSG和FLL兩部分組成。對于給定的正弦輸入信號v= V sin(ω t+

式探測車被動自適應(yīng)性與自由度關(guān)系分析楊 飛1，2，陶建國1，2，鄧宗全1，2，黎佳駿1，2(1.機(jī)器人技術(shù)與系統(tǒng)國家重點(diǎn)實(shí)驗(yàn)室，150080 哈爾濱;2.哈爾濱工業(yè)大學(xué)機(jī)電工程學(xué)院，150001 哈爾濱)為設(shè)計(jì)具有自適應(yīng)性能的探測車，保證輪式探測車移動機(jī)構(gòu)在行駛過程中車輪與地面接觸良好，研究自適應(yīng)性能與單側(cè)懸架系統(tǒng)及其漫游車整體所需自由度之間的關(guān)系.給出自適應(yīng)性的3種分類方法，分析自適應(yīng)性能對漫游車的爬坡性能、車體穩(wěn)定性能及能耗特性的影響;建立具有自適應(yīng)性

廣義S變換的自適應(yīng)性，克服了標(biāo)準(zhǔn)S變換存在的不足.碰摩是旋轉(zhuǎn)機(jī)械的一種常見故障，是轉(zhuǎn)子系統(tǒng)發(fā)生失穩(wěn)的一個(gè)重要原因［1］.國內(nèi)外學(xué)者對轉(zhuǎn)子碰摩故障診斷也進(jìn)行了廣泛的研究，提出了一些有效的方法 .其中，最典型的是利用小波變換的良好時(shí)頻局部化特性來分析轉(zhuǎn)子碰摩故障特征.文獻(xiàn)［2-3］用小波尺度譜和相位譜對碰摩故障的仿真數(shù)據(jù)和試驗(yàn)數(shù)據(jù)進(jìn)行分析，結(jié)果表明小波尺度譜和相位譜在碰摩故障數(shù)據(jù)的分析方面具有明顯的優(yōu)勢.文獻(xiàn)［4］利用諧波小波變換對含定子-轉(zhuǎn)子摩擦的裂紋轉(zhuǎn)子滑

T）的計(jì)算機(jī)自適應(yīng)性語言測試在測量信度（reliability）、測量效率和考試安全性等方面比傳統(tǒng)的紙筆測驗(yàn)具有更大的優(yōu)勢[1]，因此計(jì)算機(jī)自適應(yīng)性語言測試的理論和實(shí)踐問題正在成為遠(yuǎn)程教育測量模式研究的熱點(diǎn)。為了推廣基于國際互聯(lián)網(wǎng)的遠(yuǎn)程教育測量模式，為全球考生提供便捷的考試方式，美國教育測量服務(wù)中心（ETS）開發(fā)的英語作為外語的語言水平測試（TOEFL）已于2005 年正式推出了網(wǎng)絡(luò)版測量模式——TOEFL iBT[2]。全國大學(xué)英語四、六級考試（CET）

徑；另一種是自適應(yīng)性的路由算法，它是指在網(wǎng)絡(luò)節(jié)點(diǎn)出錯(cuò)時(shí)，算法可通過選擇其他路徑進(jìn)行路由，進(jìn)而提高網(wǎng)絡(luò)的吞吐量并減少延遲［5］。在無死鎖自適應(yīng)性路由算法的研究中，Dally和Seitz首先提出了虛擬通道的概念，用于建立死鎖避免的理論模型。Dinder和Harden把虛擬通道的概念擴(kuò)展到多個(gè)虛擬網(wǎng)絡(luò)中去，并在此基礎(chǔ)上提出了一個(gè)無死鎖的自適應(yīng)性路由算法。Chien 和Kim 提出了planar－adaptive算法，該算法是部分自適應(yīng)性的，并且該算法只需要三條虛

、不可逆性、自適應(yīng)性、自組織臨界性、自相似性、動態(tài)性等特點(diǎn)的開放巨系統(tǒng)。目前，對于復(fù)雜系統(tǒng)并沒有一個(gè)統(tǒng)一的定義[1]。油料保障復(fù)雜系統(tǒng)是指在作戰(zhàn)油料保障活動中，由眾多存在復(fù)雜相互作用的子系統(tǒng)（如：油料儲存系統(tǒng)、油料加注系統(tǒng)、油料輸送系統(tǒng)等）組成，系統(tǒng)之間呈現(xiàn)出非線性和自適應(yīng)性等特點(diǎn)，系統(tǒng)的整體行為(功能或特性)不是其組分的行為(功能或特性)之和的復(fù)雜開放系統(tǒng)。一、油料保障系統(tǒng)復(fù)雜性特點(diǎn)分析油料保障系統(tǒng)除了具有一般復(fù)雜系統(tǒng)的基本特點(diǎn)外，還有它自身的一些特點(diǎn)，

需要考慮領(lǐng)域自適應(yīng)性的問題，它只需要有相關(guān)領(lǐng)域的高質(zhì)量詞典即可，但是這類方法不能很好的解決中文分詞所面臨的歧義性問題以及未登錄詞問題?；诮y(tǒng)計(jì)的方法[3-6]是近年來主流的分詞方法，它采用已經(jīng)切分好的分詞語料作為主要的資源，最終形成一個(gè)統(tǒng)計(jì)模型來進(jìn)行分詞解碼。基于統(tǒng)計(jì)的方法在分詞性能方面有了很大的提高，但是在跨領(lǐng)域方面都存在著很大的不足，它們需要針對不同的領(lǐng)域訓(xùn)練不同的統(tǒng)計(jì)分詞模型。這樣導(dǎo)致在領(lǐng)域變換后，必須為它們提供相應(yīng)領(lǐng)域的分詞訓(xùn)練語料，但是分詞訓(xùn)練語

對未知參數(shù)的自適應(yīng)性。文中針對水下航行器縱向運(yùn)動控制中的參數(shù)不確定問題，采用自適應(yīng)反演設(shè)計(jì)方法，在線估計(jì)未知參數(shù)，理論分析和仿真研究驗(yàn)證了該控制器的穩(wěn)定性和自適應(yīng)性。1 水下航行器縱向運(yùn)動模型水下航行器縱向運(yùn)動三階非線性運(yùn)動模型［3］可以表示為：其中：z為水下航行器的航行深度，u為前向速度，w為垂向速度，θ為俯仰角，q為俯仰角速度，Iy為繞y軸的轉(zhuǎn)動慣量，M˙q＜0為流體附加轉(zhuǎn)動慣量，Mqq＜0為流體二次阻尼系數(shù)，Mδ為水平舵的俯仰力矩系數(shù)，G為重力，xG