基于Agent的工作流协调模型研究

本文分析了工作流管理系统的现状及存在的问题 ,提出了基于 agent的工作流协调管理模型 .该模型在面向对象的工作流元过程模型基础上 ,利用 agent和面向对象技术 ,建立协调 agent、实例化 agent和活动 agent模型 ,提高系统的自组织、自学习和协调能力 .

基于模糊神经网络的多移动机器人自学习协调系统

研究多移动机器人的运动规划问题．针对机器人模型未知或不精确以及环境的动态变化，提出一种自学习模糊控制器（ＦＬＣ）来进行准确的速度跟踪．首先通过神经网络的学习训练构造ＦＬＣ，再由再励学习算法来在线调节ＦＬＣ的输出，以校正机器人运动状态，实现安全协调避撞

利用BP神经网络实现三维物体姿态的测定

本文利用BP(Back-Propagation)人工神经网络对三维物体的姿态测定进行了研究。姿态测定一直缺少通用而实际的方法,人工神经网络由于具有强大的自组织、自适应学习能力,迅速的并行信息处理能力,可望解决这个问题。但现有BP算法存在训练慢和易陷入局部最小两个问题.本文提出的级联形式网络结构,使BP网络的训练速度大为提高,陷入局部最小的可能性大为降低。利用这种级联结构对飞机模型姿态测定,取得了较好的实验结果。