摘要。脑机接口是一种非侵入式设备,可获取大脑产生的信号,然后对其进行操纵以适应各种应用。BCI 的一个流行应用是与机器人接口;并且,每个 BCI - 机器人系统都采用不同的机器学习算法。本研究旨在对神经模糊算法(特别是自适应网络模糊推理系统 (ANFIS))进行性能分析,以对 Emotiv INSIGHT 检索到的 EEG 信号进行分类。还开发了一种 SVM 算法作为 ANFIS 性能的参考。研究人员可以使用一种生成和获取 EEG 信号的方法作为参考。面部和眼部手势被用作 EEG 信号生成的手段,并被输入到两种算法中进行模拟实验。结果表明,ANFIS 往往比 SVM 算法更可靠,并且略胜一筹。与 SVM 相比,ANFIS 占用了大量的计算资源,需要更高的规格和训练时间。
引用为:Jocevski,M。(2020)“模糊物理和数字空间之间的界限:零售业中的商业模型创新”,加利福尼亚管理评论。doi:10.1177/0008125620953639。
EEV) 具 有流量调节范围大 、 反应迅速 、 控制精确等特点 [9] , 在定频机组中的应用愈发受到关注 [10] 。 郝文洋 等 [11] 利用电子膨胀阀代替毛细管作为恒温恒湿箱的 节流装置进行实验研究 , 发现改进后箱体温湿度控制
1.0简介Sherwood Forest Hospitals NHS基金会信托基金会(Trust)认识到,它有责任保护患者,员工,承包商和游客免受感染的影响,并支持有效的系统安排的需求,因此该信托致力于减少医疗保健相关感染的发生率,更重要的是,它是减少信任患者的核心元素。多药耐药的生物具有明显的临床,并在医疗保健提供者环境中引起了预防和控制挑战。某些细菌天然对某些类型的抗菌剂具有抗性,而另一些细菌则会发展或获得抗性。本政策为鉴定高风险群体,隔离和预防跨感染措施,预防手术和侵入性程序的预防以及对处于危险中确定的患者的监视而提供了规定。2.0策略声明本政策描述了实施舍伍德森林医院中建议的协议的责任框架,用于管理和控制多药抗性生物,包括:
摘要:自主流动系统在增强遭受流动性限制的用户的生活质量和独立性方面起着关键作用。这项研究工作介绍了一种新颖的方法,用于设计和实施模糊脚架控制策略,以控制差速器型轮椅系统的速度控制。智能自主轮椅提供可操作性和多功能性,但这些系统的精确运动控制对于整体用户舒适性,安全性和安全路径计划至关重要。提出的策略将模糊逻辑的适应性与PID控制策略的精确性相结合,以增强系统在动态工作条件下的性能。设计过程涉及系统的运动学建模,使用MATLAB/SIMULINK工具箱对PID控制器的混合模糊控制策略的开发以及PID控制器进行调整。通过使用不同的模拟对系统的全面设计和测试,此控制策略提供了卓越的跟踪准确性,最小的响应时间以及提高的稳定性和鲁棒性。总体而言,模糊逻辑与常规PID控制策略的结合与康复工程和辅助技术领域的独立PID和模糊控制策略相比,提供了令人鼓舞的结果。
公共和私人组织都制定了 160 多套不同的人工智能 (AI) 治理原则。这些原则旨在增强 AI 的变革潜力并限制其负面影响。这些原则和策略越来越多地使用“风险管理”作为阐明 AI 技术具体护栏的机制。不幸的是,“风险管理”在实践中的含义在很大程度上是不确定的,而且人们对此知之甚少。事实上,我们衡量风险有两种截然不同的方法。一种方法强调量化和确定性。另一种方法避开了量化的虚假确定性,而是采用通过利益相关者之间的社会和政治对话表达的固有定性(相应不精确)风险衡量标准。本文认为,新兴的人工智能治理领域应该采用更具响应性、包容性和定性的方法,以更好地适应人工智能技术及其社会影响固有的不确定性和动态性。然而,本文还描述了这样做的困难之处,因为计算机科学和数字技术(以及管理这些技术的努力)本质上推动着确定性和消除歧义。本文借鉴了其他科学领域的经验,这些领域长期以来一直在努力解决如何最好地管理新技术的风险,以表明尽管存在不可预测性和不确定性的潜在权衡,定性风险方法如何更好地适应人工智能等新兴技术的挑战。
摘要 — 在当前的数据科学应用中,行动的方向是使系统行为适应人类认知,从而产生了可解释人工智能这一新兴领域。在不同的分类范式中,基于模糊规则的分类范式是强调全局系统可解释性的合适解决方案。然而,在处理大数据分析时,它们可能包含过多的规则和/或语言标签,这不仅可能导致系统性能下降,还可能影响系统语义以及系统可解释性。在本文中,我们提出了 IFC-BD,一种用于大数据的可解释模糊分类器,旨在通过学习紧凑而准确的模糊模型来提升可解释性的范围。IFC-BD 是在基于单元的分布式框架中通过初始规则学习、规则泛化和启发式规则选择三个工作阶段开发的。整个过程允许从大量特定规则扩展到更少数量的更通用和更可信的规则。此外,为了解决可能出现的规则冲突,我们专门针对大数据问题提出了一种新的估计规则权重。我们将 IFC-BD 与模糊分类范式的最新方法进行了比较,考虑了可解释性、准确性和运行时间。实验结果表明,所提出的算法能够提高基于模糊规则的分类器的可解释性及其预测性能。
摘要 — 良好的驾驶舱人体工程学设计可以极大地帮助提高飞行员的任务效率并减少潜在的人为错误,从而提高飞行操作的安全性。随着驾驶舱系统朝着更多的飞行自动化方向发展,特别是在人机交互方面,现在应该更加强调人体工程学方面。在本研究中,主要目标是强调当前的驾驶舱系统设计是否有潜在的改进空间。评估过程采用模糊逻辑模式识别方法完成,并选择了三个评估对象,即仪表板、基座面板和飞行员座椅。14 位专家通过分发给他们的调查问卷对这些对象进行了评估。为研究建立了 10 个评估标准,并在案例研究中使用了两个现有飞机系列的驾驶舱设计。总而言之,结果表明,当前的驾驶舱设计存在一些改进空间,未来应予以考虑以提高其效率。关键词- 人体工程学、模糊逻辑、模式识别、驾驶舱设计 I. 引言 驾驶舱是飞行员的主要工作站。在每次飞行过程中,为了安全起见,飞行员必须能够轻松访问驾驶飞机和与机组人员沟通所需的所有信息和控制面板。因此,驾驶舱界面的设计是航空业的主要和重要关注点
航空伽马射线光谱法在与岩石相关时相对容易理解,但风化材料中的响应和放射性元素分布则鲜为人知。这项工作使用航空伽马射线光谱法和测高法来确定位于巴西亚马逊西部地区红土壳和拆解产品出现概率较高的区域。通过布尔和模糊技术使用地图代数来创建可预测性数字模型,突出显示红土壳出现的有利区域。布尔技术中使用了索引叠加法。模糊技术使用了模糊代数乘积运算符、模糊代数和运算符和模糊伽马运算符。两种模型都表明,预测的有利性和现场结壳的存在之间存在良好的相关性,然而,模糊模型显示出更高的相关性,并突出显示了布尔模型未识别的区域。相反,布尔模型允许在最终地图上单独可视化与每个变量或其可能组合的影响相关的区域。因此,基于应用于测高和机载伽马射线光谱数据的数学模型识别红土结壳是一种新工具,它将对地质填图和对与风化材料中的响应和放射性元素分布相关的理解做出重大贡献。© 2016 Elsevier B.V. 保留所有权利。
摘要 - 飞机着陆对飞行员来说不是一件容易的事,因此需要一些计算机或自动驾驶仪的辅助,以及可靠高效的自动着陆控制器。这项任务甚至对控制器来说也不容易,因为有许多变量需要考虑,包括风、耀斑、高度、进近速度、航向、垂直速度以及飞机与跑道的对准等,这导致在这种情况下使用传统控制器的成本很高。因此,模糊逻辑可用于设计一个具有推理能力的系统,作为着陆助手的控制器,从而节省成本、高效使用材料并更好地管理时间。该项目中使用的模型飞机是在 MATLAB 中的 Aerosim 插件中给出的。因此,实现了自动着陆控制器助手的目标,使用此模拟,使用经典技术在 MATLAB 中的 Aerosim 插件模型中完成飞机的稳定。在这里,控制器中使用的模糊逻辑纠正了错误,使着陆变得顺利而轻松。
