论文部分内容阅读
基于区块链+IPFS的高校优质教育资源平台的设计与实现
【机 构】
：
西藏大学
【出 处】
：
西藏大学
【发表日期】
：
2021年期
【基金项目】
：
其他文献
嗅觉作为生物进化史上最古老的感觉，与人类的记忆、学习和情绪等密切相关。大脑皮层是最高级的神经中枢，能够评估来自各感觉器官的刺激。研究大脑对不同气味的识别能力在嗅觉功能障碍的评估与诊断、抑郁症等精神类疾病患者的情绪调控等方面具有重要的意义。近年来基于脑电(electroencephalogram，EEG)技术的嗅觉研究逐渐受到各国学者的关注，并将其用于对气味种类和情绪的识别。然而，目前的研究大多基于
学位
非线性系统的优化控制问题是控制领域重要的研究课题之一。由于实际系统强大的非线性特性，通过对系统建立数学模型，利用传统的基于模型的控制方法求解最优控制器的思路受到了限制，因此探索模型不能完全确定或完全未知情况下的非线性系统的最优控制方法，是非常重要且有价值的研究课题，而强化学习方法是求解系统模型无法精确获得时的有效智能控制方法之一。因此本文主要是基于强化学习方法求解非线性系统的最优控制问题，主要研究
学位
电阻抗层析成像(Electrical Impedance Tomography, EIT)技术是一种无损伤的可视化检测技术，具有高时间分辨率、无辐射、非侵入、价格低和便携性等优点，目前已应用于医学监护、工业检测等领域，但EIT技术的低空间分辨率限制了其在应用领域中的发展。为提高重建图像质量，本文对EIT的重建算法展开研究，主要包括数据融合、正则化算法等，具体如下： 1.针对EIT单一激励模式的局
学位
电阻抗层析成像(Electrical Impedance Tomography，EIT)技术作为一种新型可视化检测技术，具有无侵入性、实时无损、功能成像和经济性的优势，特别是EIT技术在一定条件下具有的高时间分辨率使其在许多重要领域得到应用。然而，EIT技术固有的“欠定”问题和“软场”效应，使其空间分辨率远低于目前许多已有的层析技术，如CT(Computed Tomagraphy)、MRI(Mag
学位
意识障碍(Disorder of Consciousness, DOC)是一种严重脑损伤导致的慢性脑部疾病，其临床评估和机制研究依赖于神经生理学和神经影像学经验的互补。脑电图凭借经济无创、高时间分辨率的优势，为DOC患者的实时床旁监测提供了一种选择。作为大脑内部节律性电活动的直接反映，静息态脑电包含神经集群振荡、信息流路径等丰富信息。越来越多的证据表明脑功能网络的变化与意识的丧失或恢复相关，但目前
学位
数据驱动控制摆脱了对数学模型的依赖，仅利用系统运行过程的输入输出数据对系统的模型、状态或者控制信息进行学习的理论与方法。本文结合最优控制理论，给出满足系统性能指标的智能控制算法，主要内容如下： 1.针对多输入多输出线性离散时间系统的最优控制问题，采用虚拟参考反馈整定方法，设计二自由度控制器。首先基于开环数据提出数据驱动最优控制问题，然后建立二自由度控制器性能指标，通过虚拟参考反馈整定最小化性能指
学位
多智能体系统在智能交通、智能电网、航空航天、机器人、无线传感网络等领域具有广泛的应用。协同控制使得智能体状态在集体层面上实现趋同，进而完成单个智能体无法完成的任务。本文结合国内外多智能体系统协同控制最新成果，研究了敌对与协作信息下多智能体系统的协同控制问题，并将其拓展到基于多智能体系统框架的社交网络舆论动力学和隐私保护问题。本文的主要工作总结如下： 首先，提出了敌对信息下一阶多智能体系统的协同控
学位
层析成像技术以非侵入、非扰动的特性受到诸多关注。其中，电学、超声层析成像技术由于具有成本低、非辐射、测量范围广等优势，在工业、医学领域具有良好的应用前景。但是，在电学、超声层析成像技术的图像重建过程中，由于敏感原理所固有的非线性、非适定性的问题，造成重建图像的空间分辨率低、实时性差，难以满足实际应用的需求。因此，提高电学、超声层析成像方法的图像重建精度和实时性，对其在工业生产过程和医疗监测中的应用
学位
生物大脑的认知功能和信息处理机制的研究具有重要的科学意义和实用价值。近年来，受神经系统启发的深度学习方法在图像识别、语音识别、策略游戏等人工智能应用上取得了巨大的成功。但相比之下，人们对大脑实现这些认知功能的机制理解仍非常有限。而深度学习模型在工作机制上与生物神经系统也存在巨大的差异。与之相反，脉冲神经网络是更加符合生物电生理机制的神经网络模型，一直是神经科学领域建模的重要工具，在发展强人工智能系
学位