Hardware development and ground-based studies for drop shaft experiment on oscillatory convection in half floating-zone

Coordinated measurement of temperature, velocity and free surface oscillation were obtained by using the drop shaft facility for microgravity experiments of half floating zone convection. The ground-based studies gave transition from steady to oscillatory convection for multi-quantities measurement.

基于Internet工作流的复合Web服务框架

实现灵活方便的企业业务集成一直是信息领域的核心问题，也是B2B电子商务应用的关键。为此将Web服务和传统的工作流技术相结合，设计并实现了支持复合Web服务运行和管理的框架WSFlow。给出了WSFlow的总体结构，描述了其中的关键技术，包括Web服务与工作流活动的动态配置和绑定技术，复合Web服务流程的动态修改以及复合Web服务的运行监控等技术。

Architecture research and hardware implementation on simplified neural computing system for face identification

This paper describes a special-purpose neural computing system for face identification. The system architecture and hardware implementation are introduced in detail. An algorithm based on biomimetic pattern recognition has been embedded. For the total 1200 tests for face identification, the false rejection rate is 3.7% and the false acceptance rate is 0.7%.

基于支持向量机的Internet流量分类研究

准确的网络流量分类是众多网络研究工作的基础,也一直是网络测量领域的研究热点.近年来,利用机器学习方法处理流量分类问题成为了该领域一个新兴的研究方向.在目前研究中应用较多的是朴素贝叶斯(nave Bayes,NB)及其改进算法.这些方法具有实现简单、分类高效的特点.但该方法过分依赖于样本空间的分布,具有内在的不稳定性.因此,提出一种基于支持向量机(support vector machine,SVM)的流量分类方法.该方法利用非线性变换和结构风险最小化(structural risk minimization,SRM)原则将流量分类问题转化为二次寻优问题,具有良好的分类准确率和稳定性.在理论分析的基础上,通过在实际网络流集合上与朴素贝叶斯算法的对比实验,可以看出使用支持向量机方法处理流量分类问题,具有以下3个优势:1)网络流属性不必满足条件独立假设,无须进行属性过滤;2)能够在先验知识相对不足的情况下,仍保持较高的分类准确率;3)不依赖于样本空间的分布,具有较好的分类稳定性.

结合操作者意图分析的Internet机器人控制方法研究

互联网传输过程中存在的随机时延,影响了操作者与遥操作机器人之间的实时交互,降低了系统稳定性和操作性能。论文提出一种新的方法,利用动态神经元群模型对操作者发送的控制指令序列进行分析,实现对操作者意图的推断。在随机时延条件下,遥操作机器人能够根据操作者意图和当前环境信息,通过局部自主控制完成期望任务动作。同时可以与主端操作者基于事件的控制指令进行切换,来保证系统的稳定性,提高整个控制系统的操作性能和效率。最后,通过互联网足球机器人平台进行实验,仿真结果验证了所提模型与方法的有效性和可行性。

网络机器人遥操作系统设计与实现

本文在分析了网络环境下机器人遥操作系统的结构的基础上,介绍了一套基于网络的移动机器人遥操作实验系统的设备组成及硬软件结构的设计和实现。系统设计简洁有效,网络虚拟机的设计和使用则极大地方便了遥操作研究的开展。

基于评价选择策略的Internet多机器人协作控制研究

针对Internet多机器人系统中存在的操作指令延迟、工作效率低、协作能力差等问题,提出了多机器人神经元群网络控制模型。在学习过程中,来自不同功能区域的多类型神经元连接形成动态神经元群集,来描述各机器人的运动行为与外部条件、内部状态之间复杂的映射关系,通过对内部权值连接的评价选择,以实现最佳的多机器人运动行为协调。以互联网足球机器人系统为实验平台,给出了学习算法描述。仿真结果表明,己方机器人成功实现了配合射门的任务要求,所提模型和方法提高了多机器人的协作能力,并满足系统稳定性和实时性要求。