简介:提出了一种基于期望模式修正(EMA)的改进交互式多模型(IMM)算法。该算法主要解决自主水下航行器(AUV)复杂工作环境下量测噪声统计特性未知或易发生变化时的状态估计问题,其核心思想是将期望模式修正机制和交互式多模型滤波算法相结合,利用状态估计过程中的获取的模型概率进行决策,得到更加接近与系统真实模式的期望模型集合,再通过期望模型集合滤波结果对固定模型集合滤波结果进行修正。与传统的交互式多模型算法相比,提出的基于期望模式修正的交互式多模型算法可以捕捉到系统模式更细微的变化。仿真结果表明,该算法可以大幅提高AUV组合导航系统的估计精度和稳定性。
简介:本文基于自适应天线系统中的辨识信号到达方向AOA(AngleofArrival)关键问题,研究了其实现的MUSIC算法的原理,并通过MATLAB仿真分析,结果表明,接收信号个数必须小于阵元数才能用MUSIC算法进行波达方估计,MUSIC算法对于波达方向估计的分辨率在接近90°处为5°左右,在接近0°~180°处为5°~7°。
简介:该文在对车间调度问题进行描述的基础上,提出了一种新的自适应遗传算法,并将其应用于JSP问题.
简介:人工智能自适应学习已经成为教育技术领域研究的重点,探讨自适应技术在研究性学习领域的应用与实践具有重要意义。该文通过对研究型课程的内涵、理论基础和实施现状的梳理,基于上海市中学开展研究型课程的调研结果,研发了一套支持大规模在线开放式的研究型课程自适应学习系统,旨在利用信息技术支持学校实施大规模研究型课程的教学、管理和评价工作,辅助学生开展个性化研究性学习。该文采用基于设计的研究方法,对该系统的概念模型和智能核心组件进行了设计,其中,智能核心组件由个性化学习者模型、程序性和方法类知识模型、个性化教学策略模型构成,并设计了智能信息感知与识别引擎和智能推理引擎来支持这三个模型的运行与更新,以实现系统更精准地为学习者提供个性化研究性学习服务;同时,基于系统设计了混合式研究性学习模式,实现线上学习和线下探究相结合,促进学生持续、深入地开展研究性学习;并对该系统的应用成效进行了概述,结合真实的教学案例介绍了混合式研究性学习模式的实施,以期为教师开展研究型课程提供参考;最后对该系统应用进行了总结,并提出了后续研究方向。