模糊控制的一大特点是既有系统化的理论，又有大量的实际应用背景。模糊控制将人的经验知识转化为控制策略，不要求精确的数学模型，只需现场操作人员的经验知识，使模型难以确定的系统得以有效的控制，因此在对象参数发生变化的时候，模糊控制仍能达到较为满意的控制效果。考虑到控制规则的灵活与细致性兼顾其简单与易行的要求，这里选取七个语言等级作为本文所设计的模糊控制器的语言等级，从负的最大到正的最大依次为：负大(NB

无人机是无人驾驶飞机的简称（Unmanned Aerial Vehicle），是利用无线电遥控设备和自备的程序控制装置的不载人飞机，包括无人直升机、固定翼机、多旋翼飞行器、无人飞艇、无人伞翼机。飞控子系统是无人机完成起飞、空中飞行、执行任务和返场回收等整个飞行过程的核心系统，飞控对于无人机相当于驾驶员对于有人机的作用，我们认为是无人机最核心的技术之一。飞控一般包括传感器、机载计算机和伺服作动设备三

该知识库用于存储微粒在每次飞行循环后的飞行经验，知识库的更新是通过考虑一个基于地理学的系统，该系统是就每个微粒的目标函数值而言来定义的。在PSO中，群中的每个粒子表示为向量。鸟群在整个搜寻过程中，通过相互传递各自的信息，让其他鸟知道自己当前的位置，通过这样的协作来判断自己找到的是不是最优解，同时也将最优解的信息传递给整个鸟群，最终整个鸟群都能聚集在食物源的周围，即找到了最优解。公式（1）中的第二部

该知识库用于存储微粒在每次飞行循环后的飞行经验，知识库的更新是通过考虑一个基于地理学的系统，该系统是就每个微粒的目标函数值而言来定义的。鸟群在整个搜寻过程中，通过相互传递各自的信息，让其他鸟知道自己当前的位置，通过这样的协作来判断自己找到的是不是最优解，同时也将最优解的信息传递给整个鸟群，最终整个鸟群都能聚集在食物源的周围，即找到了最优解。PSO中，每个优化问题的解都是搜索空间的一只鸟，我们称之为

这些工具箱都是由该领域内的学术水平很高的专家编写的，所以用户无需编写自己学科范围内的基础程序，就能够直接进行高、精、尖的研究。同时,Matlab具有很强的开放性和适应性,在保持内核不变的情况下,Matlab推出了适合不同学科的工具箱,如图像处理工具箱,小波分析工具箱、信号处理工具箱、神经网络工具箱等,极大地方便了不同学科的研究工作。它用更直观的、符合人类思维习惯的代码代替了C和Fortran语言的

共振峰信息包含在语音信号的频谱包络中，谱包络的峰值基本对应于共振峰频率，因此一切共振峰估计都是直接或间接地从频谱包络进行考察，关键是估计语音频谱包络。共振峰轨迹的自动跟踪算法,其特点是不借助于其它的信息来源,仅仅是基于语谱图信息,来确定语谱图上前四个共振峰频率的位置和它们关于时间轴的轨迹.算法由三个层面构成;改变共振峰可以产生所有的原音和某些辅音，在共振峰中也包含辅音的重要信息。人在语音感知中也利

是在被建模的系统被认为是一个马尔可夫过程与未观测到的（隐藏的）的状态的统计马尔可夫模型。隐马尔可夫模型是马尔可夫链的一种，它的状态不能直接观察到，但能通过观测向量序列观察到，每个观测向量都是通过某些概率密度分布表现为各种状态，每一个观测向量是由一个具有相应概率密度分布的状态序列产生。在简单的马尔可夫模型（如马尔可夫链），所述状态是直接可见的观察者，因此状态转移概率是唯一的参数。隐马尔可夫模型以它在

图像分割是模式识别、计算机视觉、图像处理领域中的基础和关键。图像分割的质量直接影响到图像分析的效果。所谓图像分割是根据灰度、颜色、纹理和形状等特征把图像分成若干个特定的、互不交迭的、具有独特性质的区域。各区域的并集是整个图像，各区域的交集为空，并且这些特征在同一区域内呈现相似性，而在不同区域间呈现明显的差异性。常用的图像分割方法包括：阈值分割法、边缘检测法、区域分割法、图论分割法等。图像分割技术近

但是，语音应用的另一层面，即语音转写，目前仍存在一定的难点，由于在产生录音文件的过程中使用者并没有预计到该录音会被用于语音识别，因而与语音听写相比，语音转写将面临说话风格、口音、录音质量等诸多挑战。人的一生中说的话要比我们写过的字多的多，如果有一个软件能记录我们所说过的所有的话并进行高效的管理，这个世界将会多么的让人难以置信。卷积运算的目的是提取输入的不同特征，第一层卷积层可能只能提取一些低级的特

深度学习在搜索技术，数据挖掘，机器学习，机器翻译，自然语言处理，多媒体学习，语音，推荐和个性化技术，以及其他相关领域都取得了很多成果。第一个卷积神经网络计算模型是在Fukushima(D的神经认知机中提出的，基于神经元之间的局部连接和分层组织图像转换，将有相同参数的神经元应用于前一层神经网络的不同位置，得到一种平移不变神经网络结构形式。与传统的学习方法相比，深度学习方法预设了更多的模型参数，因此模