健康状态预测是复杂系统健康管理的核心问题。本项目以高速列车通信网络为背景，研究基于半定量信息的复杂系统健康状态预测方法。现有的健康状态预测研究多利用系统的解析模型或大量定量数据实现系统健康状态预测，无法有效解决现阶段高可靠性、多工况的复杂系统监测数据海量、失效数据贫乏的小样本问题。鉴于此，在理论上:1)提出基于双层置信规则库(DL-BRB)健康状态预测方法，研究利用专家定性知识及部分定量数据建立可描述外界环境因素影响的健康状态预测模型;2)提出DL-BRB健康状态预测模型结构与参数联合优化方法，在确保预测

机器视觉作为人工智能的一个重要分支，在工程实践中得到的广泛的应用；而深度学习代表了机器学习的新方向，并推动机器学习的发展。结合人工智能的发展与工程实践的现实需要，本课题探讨如下的研究内容:1使所重组的神经网络与双目视觉系统在物理意义上一致，并借鉴模拟退火算法，通过对整个区域进行抖动操作，设计一个新型的遗传算法，实现对机器视觉系统的标定与三维重建;2通过探究求解数学模型在寻优区间的形貌特征的描述方法，引入粒子群优化算法求得全局最优解，实现机器人手眼系统的标定;3基于限制玻尔兹曼机与深信网络的微钻头刃面缺陷的

? DESCRIPTION (provided by applicant): Since 1969, the Yale MD-PhD Program has provided excellent clinical and research training to highly- qualified applicants in order to meet its missin of training physician-scientists who will carry out basic, tran

? DESCRIPTION (provided by applicant): This is a renewal application to support the Medical Scientist Training Program (MSTP) at Washington University in St. Louis. The overarching goal of the MSTP is to provide in-depth pre-doctoral training in clinic

Возможность практического использования результатов:По мнению научного коллектива,полученные в Проекте результаты и сделанные рекомендации имеют практическую значимость и могут быть использованы при разработке систем ламинаризации прямых крыльев перспекти

Ожидаемые результаты:В ходе реализации проекта будут получены следующие результаты:1.Методы уменьшения вычислительной сложности модели жесткости манипулятора без ущерба для точности описания поведения под нагрузкой для уменьшения вычислительных ресурсов,н