未知信息

摘要： 在前人关于"的"的传信、承指和话题等研究成果的基础上,进一步分析"V的O"与"V(O)的"中"的"的非常规话题预设的作用.同时这两种格式中的"的"又各有分工,前者只是对未知信息进行断言时的话题标记,而后者还可以作为对怀疑信息(已知但不确信的信息)进行确认时的话题标记.

摘要： 高考英语完形填空题主要考查学生对语境的分析能力、上下文的判断能力及文章的整体把握能力。唯有夯实英语语言基础,提高阅读理解能力,整体掌控文章内容,结合上下文语义推理判断未知信息,才能最终选出正确答案。归纳总结历年来高考英语的完形填空題型不难发现其具有综合性、知识性与生活性的多元特征。

摘要： 解决数学问题的过程,往往表现为一连串的逻辑推演。逻辑推演是根据已知信息,通过分析判断,得出未知信息的过程。小学数学中的问题解决,简单的逻辑推演比比皆是。只不过有时已知信息较为隐蔽,需要化隐为显,方能取得突破。如何化隐为显?我们通常采取的策略有:反复审察题目中的关键词中暗含的信息,仔细观察图示并寻找隐藏的数量关系,恰当联想与题中核心概念相关的数学知识(甚至是常识),还可以借助画图、列表等辅助方法,通过加工、整理、转化,使问题背后的信息变得更为明显、直观……接下来将举例说明。

摘要： 本文针对由领航跟随控制策略协调运动的多移动机器人编队,研究跟随机器人存在打滑状态的自适应控制器设计问题.首先,通过移动机器人打滑状态的运动学特性分析,建立“距离-角度”编队控制模型.然后,利用径向基函数神经网络(RBF NN)对系统中由打滑引起的未知信息,构建非线性逼近器;并根据李雅普诺夫稳定性理论和非线性有界扰动稳定性理论,证明了设计的嵌入了RBFNN的自适应控制器能保证闭环控制系统状态的收敛和有界.通过分析编队误差控制模型,可将不打滑状态视为系统的一种特殊情况,而嵌入控制器中的RBFNN能自适应打滑和不打滑两种状态,从而使得控制器在两种状态下均有效.最后利用仿真研究,验证了本文所提方法的正确性和有效性.

摘要： 完形填空是综合性极强的题型,要求考生补全一篇部分信息缺失的文章,既考查考生在语境中灵活运用基础语言知识的能力,又考查考生对语篇主旨大意、逻辑结构和所传递的情感态度的理解能力。考生需要利用文中的已知信息推断出空白处的未知信息,这就要求考生具备扎实的词汇、语法基础知识,储备丰富的语言知识、文化背景知识和生活常识,并能把握文章的行文逻辑,从而厘清整个语篇中的线索。换而言之,完形填空主要考查考生的综合理解能力和语言运用能力。下面,笔者将分析2020年高考英语三套全国卷完形填空的命题特点.

摘要： This paper investigates the formation control of wheeled mobile robots(WMR)with unknown information under nonholonomic constraints.Firstly,based on the leader-follower method and the virtual structure method,the forma-tion control is transformed into the problem that the followers track their virtual leader. Secondly,a radial basis function neural network(RBF NN)is used to learning the unknown information(closed-loop system dynamics)of WMR,and a stable adaptive RBF NN controller and the stable adaptive tuning law of RBF NN parameters are derived in the sense of the Lyapunov stability theory.According to deterministic learning,a partial persistent excitation(PE)condition of some inter-nal signals in the closed-loop system is satisfied in the control process of tracking a recurrent reference trajectory,and an accurate approximation of the unknown closed-loop system dynamics is achieved by the RBF NN parameters convergence to their optimal weights. Finally,a RBF NN learning controller which effectively utilizes the learned knowledge without re-adapting the RBF NN parameters is proposed to achieve the closed-loop stability and improve the control performance, and simulation studies are included to demonstrate the correctness and effectiveness of the proposed approach.%本文研究含未知信息的轮式移动机器人(wheeled mobile robots,WMR)的编队控制问题.首先,基于领航-跟随法和虚拟结构法,将WMR编队控制问题转化为跟随机器人对参考虚拟机器人的跟踪控制问题.然后,利用径向基函数神经网络(radial basis function neural networks,RBF NN)对WMR的未知系统动态进行学习,以及根据李雅普诺夫稳定性理论设计了稳定的自适应RBF NN控制器和RBF NN权值估计的学习率.依据确定学习理论,闭环系统内部信号在对回归轨迹实现跟踪控制的过程中满足部分持续激励(persistent excitation,PE)条件.随着PE条件的满足,RBF NN权值估计收敛到其理想权值,实现了对未知闭环系统动态的准确学习.最后,利用学习结果设计了RBF NN学习控制器,保证了控制系统的稳定与收敛,实现了闭环稳定性和改进了控制性能,并通过仿真验证了所提控制方法的正确性和有效性.

摘要： 阅读中的推理判断题要求在理解原文表面文字信息的基础上，对原文中没有提及的情况进行推理，即从已知的信息中推理出未知信息，从而得出文章隐含的深层意义，所涉及的内容可能是文中的某一句话、某几句话或全文。故而推理题的答案是根据所给信息的同义改编或综合理解。

摘要： 有机推断题是中学化学习题中常见的重要题型,是历年高考题的“重头戏”.掌握有机推断题的解题思维,对参加高考的中学生显得更为重要.本文对解析中学化学有机推断题的思维方法试做小结,以期科学引导中学生解决问题,取得良好成绩.

摘要： 有机推断题是中学化学习题中常见的重要题型,是历年高考题的"重头戏".掌握有机推断题的解题思维,对参加高考的中学生显得更为重要.本文对解析中学化学有机推断题的思维方法试做小结,以期科学引导中学生解决问题,取得良好成绩.一般而言,解中学化学有机推断题的思维方法可分为三种:一种是顺向思维,从已有条件出发,一步步推算出未知信息;第二种是逆向思维,从问题往条件上逆推,不断作出种种假设;第三种是发散思维,从已找到的突破

摘要： 本发明公布了一种环境信息未知连续状态下基于势函数奖赏DQN的无人机路径规划方法，所述方法首先建立无人机在环境中的状态空间，该状态空间为连续状态空间，包含无人机的无穷多个状态；其次将360度n等分成若干个角度作为无人机的航向角，建立无人机的动作空间；接着计算目标对无人机的势函数奖赏和障碍物对无人机的势函数奖赏，并对两者进行叠加作为无人机总的势函数奖赏；然后利用无人机总的势函数奖赏对Q估计网络进行路径规划训练；最后利用训练后的Q估计网络对无人机进行环境信息未知连续状态下路径规划。该方法主要解决了无人机在无环境模型下的路径规划问题，满足了无人机在执行任务中对于所处环境状态连续的要求，势函数奖赏加快了无人机路径规划的速度，具有很好的适用性。

摘要： 本申请适用于航天技术领域，提供了一种空间未知运动目标的信息获取方法，包括：采集目标的图像数据，并对图像数据进行初始化处理，获取目标区域的点云数据；根据所述点云数据提取特征点，建立当前帧的特征点与全局地图点的描述子的数据关联；根据所述数据关联结果获取匹配对；根据所述匹配对确定目标的运动参数；添加关键帧建立位姿图，并基于所述位姿图对所述目标的运动参数进行优化，通过建立全局地图点进行数据关联后选取匹配对来确定和局部优化目标的运动信息，并基于位姿图的建立对得到的运动信息进行全局优化，能够消除累计误差，提高测量估计结果的精度，同时保证测量与估计的实时性，保证空间未知运动目标的三维几何和运动参数的一致性。

摘要： 基于混合信息输入网络模型的未知物体抓取位姿估计方法，属于机器人自主抓取领域。本发明为了实现机器人对未知物体的快速、有效抓取。对训练图像数据集中的图像混合信息进行预处理；构建基于混合信息输入的信息融合机制，并搭建神经网络模型；对包含混合信息融合机制的网络模型参数进行训练，获得优化后的混合信息输入网络模型；利用基于RGB‑D图像的物体分割技术实现对传感器采集到的场景图像进行可抓取物体分割；利用基于反馈信息的候选区域生成机制，搜索获得物体上的最佳抓取区域；利用深度信息估计机器人在最佳抓取区域的抓取位置和抓取姿态，进而获得抓取物体时的抓取位姿。该方法有利于机器人快速、准确地实现对未知物体的自主抓取。

摘要： 本发明涉及一种隐写算法未知的信息隐藏检测方法，具体操作步骤如下：1）判断一批图像中哪些图像含有秘密信息；2）利用FLD算法和K‑means聚类算法建立算法模型；3）估算最优投影向量，并检测这批图像；4）利用集成分类器投出预分类的结果；5）利用非平衡算法配平衡；6）利用新生成的数据集重新训练集成分类器；7）再利用集成分类器投出最终分类的结果。本发明可以有效地解决无标签的并且数据集不平衡的情况的实际问题。

摘要： 本发明公开了一种互耦条件下未知互耦信息的干扰相干稳健波束形成方法。属于自适应阵列信号处理领域的波束形成技术。本发明基于阵列互耦结构的特殊性，在未知阵列互耦具体信息的情况下，分别重构出干扰加噪声协方差矩阵和期望信号协方差矩阵，最后利用最大化信噪比准则求得最终权向量。本发明不用提前知道互耦信息，且既不需要对期望信号导向矢量进行估计，也不需要进行任何空间平滑去相干处理。在期望信号功率较强和较弱时都保持非常好的性能，且可以快速的收敛。

摘要： 本发明涉及一种基于点源源谱和河道水质信息的未知污染源解析方法，其步骤如下：步骤1：在目标河段中，利用水质模型正向模拟分析河段中已知点源源谱在目标断面形成的水污染成分谱；步骤2：将目标断面的水质监测数据代入污染来源解析算法，得到目标断面的各污染来源及其成分谱；步骤3：将步骤2所得各污染源的成分谱与步骤1所得点污染源在目标断面的成分谱相比较，找出污染因子差异；步骤4：根据地区特征与水化学先验知识，判定污染因子差异的来源，对未知污染源进行归纳与命名；步骤5：将各水质信息归入地方水质信息库。本发明基于点源源谱和河道水质数据，获取未知污染源源谱，使其具有成本低、信息量大、可操作性强和准确性高等特点。

摘要： 公开了一种方法、系统和设备。根据一个方面，一种配置成与无线装置（WD）通信的网络节点包括处理电路，所述处理电路配置成通过最小化在WD处经受网络节点功率约束的接收信号的预期偏差来执行下行链路无线网络虚拟化。

摘要： 本发明公开了一种具有未知信息的多智能车系统分布式自触发控制方法。本发明首先建立多智能车系统的动力学方程，智能车的通讯拓扑关系用无向连通图表示；其次设计控制器，使控制器的控制输入仅交互智能车的位置信息而不再交互智能车的速度信息并设计合适的自触发条件函数；然后证明系统的稳定性并证明智能车控制器的控制输入更新时刻可事先确定；最后将所设计的控制器的控制输入以及自触发条件函数导入每一辆智能车，通过建立通信拓扑连通图实现各个智能车的分布式信息交互。本发明中的多智能车系统不再交互速度信息，而是仅通过位置信息交互使系统达到状态同步，应用自触发控制，使系统不需要实时对触发条件进行检测和判断，从而减少通讯代价。

摘要： 本发明提供了一种搜索未知信息网络时的路径规划方法，应用于初始时所有结点的属性为未知的信息网络，包括如下步骤：S1、若发现某一结点具有特定属性，则将其关联值判定为正值，并将其周围结点的关联值也赋为正值，且该正值的大小随离原节点的距离而递减；S2、优先访问所述正值大的节点，若被访问节点具有所述特定属性，则重复步骤S1。本发明的方法应用于如下场合：用具有智能的系统在未知的信息网络中搜索含特定属性的结点；本发明的目的是合理规划搜索路径以提高搜索效率，同时实现网络盗版的搜索发现。

摘要： 本发明公开了一种具有未知信息的多智能车系统分布式自触发控制方法。本发明首先建立多智能车系统的动力学方程，智能车的通讯拓扑关系用无向连通图表示；其次设计控制器，使控制器的控制输入仅交互智能车的位置信息而不再交互智能车的速度信息并设计合适的自触发条件函数；然后证明系统的稳定性并证明智能车控制器的控制输入更新时刻可事先确定；最后将所设计的控制器的控制输入以及自触发条件函数导入每一辆智能车，通过建立通信拓扑连通图实现各个智能车的分布式信息交互。本发明中的多智能车系统不再交互速度信息，而是仅通过位置信息交互使系统达到状态同步，应用自触发控制，使系统不需要实时对触发条件进行检测和判断，从而减少通讯代价。