无人战斗机 (UCAV) 研究使这些技术的远程操作技术在现代取得了显著进步,尽管主要侧重于地面打击场景。在空对空作战中,关键决策的毫秒级时间限制阻碍了无人战斗机的远程操作。除此之外,考虑到人类平均视觉反应时间为 0.15 到 0.30 秒,而思考最佳计划并与友军协调的时间则更长,人工智能 (AI) 可以利用巨大的改进空间。虽然许多支持提高自主能力的人预示着设计能够执行极高 g 机动的飞机的能力以及降低飞行员风险的好处,但本白皮书将主要关注实时决策能力的提高。
摘要该论文介绍了为智能系统模拟模糊逻辑控制器的结果,以监视和管理室内微气候条件。在编程中使用模糊逻辑提供了某些优点,例如对控制系统的数据输入简单性以及减少经典微控制器固有的错误的能力。使用的微处理器系统基于Arduino Uno板型号Arduino Rev3,该型号具有Atmel Atmega328p微控制器,并且紧凑,成本效益且易于使用。在系统中使用模糊逻辑控制器进行有效的微气候调节。在智能系统的开发过程中,采用了LabView软件环境和Arduino IDE。研究将系统分解为几个组件,并在它们之间建立联系以提高软件的效率。决策 - 由系统的功能要求和用于实施的设备确定。
塔林技术大学机械与工业工程系,Ehitajate Tee 5,19086 Tallinn,Estonia B最佳城市中心最佳城市中心,塔林大学技术大学,Ehitajate Tee 5,19086 Tee 5,19086,Estonia,Estonia,Estonia,Estonia,Estonia,2023年11月7日获得了2023年12月18日,在线接受了2022年3月21日,2024年2024年2024年20月202日。这是根据创意共享归因的条款和条件分发的一份开放访问文章4.0国际许可CC(http://creativecommons.org/licenses/4.0)。摘要。在当前的研究中,已经实施了两种广泛使用的多标准决策方法,模糊分析层次结构过程(AHP)和模糊维科尔方法,以优先考虑多标准决策问题的标准。在此,案例研究是一种自动驾驶汽车,塔尔特伊斯·伊斯·阿维(Taltech Iseauto Av Shuttle)是在塔尔特赫大学(Taltech University)开发的。当前问题的标准由专家评估,在形成成对矩阵后,这些矩阵通过算术平均值的最大最小方法汇总。随后在模糊AHP的情况下,通过计算权重并使其标准化,获得了每个标准的相对重要性,从而导致标准的排名。此外,在模糊维科尔方法的情况下,聚合的成对矩阵加权并归一化。呈现并比较从两种方法中获得的排名。讨论了多标准决策方法模糊AHP和Vikor的优势和缺点,该方法用于自动驾驶汽车系统的风险分析。关键字:多标准决策问题,模糊分析层次结构过程(AHP),模糊维科尔方法,标准的优先级,自动驾驶汽车(AV)。简介研究多标准决策(MCDM)问题的重要性在我们日益复杂的决策世界中不能低估。在决策过程的背景下,由于同时考虑了多个经常相互矛盾的标准,因此出现了此类问题。对于对选项的系统评估,MCDM方法提供了一种方法,其中考虑了不同的定性和数值方面。他们的相关性扩展到从商业和工程到环境心理管理和医疗保健的各个领域。这些标准通常并不同等重要,替代方案的性能却大不相同。正式方法对于提供结构化的决策过程是必要的。A number of techniques have been introduced for handling multiple criteria, for instance, evo lutionary optimization [1–4], the analytic hierarchy process (AHP), the technique for order of preference by similarity to ideal solution (TOPSIS), and the vlsekriterijumska optimizacija i kompromisno resenje (multi criteria optimization and compromise solution – Vikor)方法[5-9]。为了确定在自主车辆系统中对这些重要标准进行排名的两种知名MCDM技术的功效,本文比较了AHP和Vikor方法。
对文献的综述深入研究了模糊图,直觉模糊图和中性粒细胞图的能量测量和决策过程之间的复杂相互作用。在图理论中,能量是用于测量结构特性并评估决策模型动力学的关键数量。考虑到涉及决策的上下文中能量测量的理论基础,计算技术和实际应用的理论基础,考虑到模糊,直觉模糊和中性粒细胞图模型所带来的特殊特征。本综述试图为希望使用能量度量的研究人员和从业者提供彻底的理解,以在这些特定图形拓扑结构中综合先前的研究中,以设置这些特定图形拓扑内包含的不确定性。
推理引擎推理引擎是专家系统的关键组成部分,采用逻辑规则来得出信息或基于知识库做出决策。它将fuzzi输入(通过模糊过程获得)映射到规则库,从而为应用电缆规则生成模糊输出。模糊推理引擎遵循一个结构过程,其中包括多个关键步骤。最初,它通过从知识库中识别相关规则并将输入数据与每个规则中指定的条件进行比较来执行规则匹配。一旦确定了相关规则,发动机就会评估每个规则的真实程度,从而确定输入SATIS符合条件的程度。随后,它通过结合其输出以产生连贯的决策或结论来汇总从匹配规则得出的结论。此过程是迭代的,引擎不断应用规则并更新知识库,直到实现解决方案或不适用其他规则为止。此系统ATIC方法使模糊推理引擎可以处理
摘要:在本研究中,我们研究了一种具有逆威布尔分布的双重犹豫模糊集理论方法。用于生产系统/设备的数据/信息可能存在不确定性,这是一个非常常见的问题。双重犹豫模糊集 (DHFS) 在降低此类不确定性的有效性方面起着重要作用。DHFS 是一种有用的替代方法,可以处理专家无法提供满意或拒绝的单一选择的情况。DHFS 是犹豫模糊集或直觉模糊集或模糊集的超集。在本研究中,我们提出了一种使用 DHFS 以及逆威布尔分布 (IWD) 的方法。借助 IWD,很容易对各个级别的系统故障率进行建模,这在可靠性案例中很常见。模糊IWD用于获得系统在寿命期间发生故障的模糊可靠性。基于𝛼-cut,引入了一种DHFS方法。DHFS克服了传统方法得到的结果,因为它优于犹豫模糊集理论,因为它包括单个案例的多重分级/选择。通过给出数值示例验证了该方法的优势和重要性。
Keywords: BP neural network, fuzzy control, cutting platform height, multisensor ABSTRACT In this paper, BP neural network is used to collect header height, AMEsim is used to simulate and analyze header height adjustment hydraulic system, and fuzzy PID control is used to adjust header lifting hydraulic cylinder to stabilize header height. The experimental results of harvesting different crops show that under the header height automatic control system, the error between the actual height of crop harvesting and the set height is within 15 mm, and the harvesting effect is good, which can meet the automatic regulation requirements of the header height of the multi crop combine harvester. 摘要 为了提高调节的精度,采用 BP 神经网络多传感器融合处理技术采集割台实时高度,通过 AMEsim 软件对割台 高度调节液压系统进行仿真分析,最后采用模糊 PID 控制比例电磁阀调节割台升降液压缸从而稳定割台高度。 通过收获油菜、谷子和水稻的试验结果证明:在割台高度自动控制系统下,作物收获的实际高度与设定高度误
摘要 - 为了在加密数据上提供访问控制,基于属性的加密(ABE)使用一组属性定义了每个用户。基于模糊身份的加密(FIBE)是ABE的变体,可为用户提供阈值访问结构。为了解决未来量子计算机构成的潜在威胁,本文提出了基于晶格的量子模糊ibe方案。但是,当前基于晶格的ABE计划面临与计算复杂性以及密文和键的长度有关的挑战。本文旨在通过在加密阶段降低关键长度和计算复杂性来提高现有模糊IBE方案的性能。虽然我们的方案中未使用负面属性,但我们在选择性安全模型中以错误(LWE)硬性问题假设证明其安全性。这些改进对安倍领域具有重要意义。
作者:M Dunn Cavelty · 2022 · 被引用 6 次 — 在政治竞争的背景下,网络行动缺乏作为获得持久政治或军事优势的独立工具的战略效用。在...