教学课程资源库 更多>>

关键词： 信息物理融合系统   周期控制器   混成系统   形式化方法   操作语义  

摘要： 混成系统是同时包含连续状态和离散状态的动态系统。连续部分通常模拟物理环境的相互作用,而离散部分通常模拟控制系统的运行。计算和控制的结合会导致非常复杂的系统设计,因此混成系统常被应用于航空航天、汽车工业和工厂自动化设计中。到目前为止,混成系统中使用了多种形式化建模方法:混合自动机、混合Petri网、Modelica、Zelus等。对于混合系统的形式化验证,可以使用多种工具,如Hy Tech、PHAVer、d/dt、Space Ex、Flow*、Julia Reach等。这些语言和工具的共同特征是它们主要关注混合系统的高级抽象。在信息物理融合系统中,控制器被广泛设计成基于模式的周期模块,用于控制物理设备。这种系统可以在数学层面上建模为一个混成系统,即一个实时控制器程序和一个服从动态规律的交互式连续对象。嵌入式软件的设计具有相当高的复杂性,其所处的运行环境也具有不可预测的特点,这要求建模语言具有组合性和能够表达模块间的多重交互,既具有刻画嵌入式系统不同组件的能力,又能够表达环境丰富的变化情况,同时能够反应整个混成系统的模型特征。目前很多关于周期控制的语言仅仅解决了部分问题,但多数局限在只包含离散时间的离散控制系统,缺乏与所处运行环境连续行为的交互。因此,这就需要提出的语言能够对离散控制系统和连续微分动力系统进行建模,并刻画两者间的交互过程,从而实现混成系统实时感知外部的物理对象和环境变化、传输可靠性信息以及精确地控制与协调物理设备等目标,方便设计者对模型的建立、验证与分析改进。为了便于航空航天和智慧城市领域周期性混合控制系统的建模和分析,本文提出了一种面向周期控制器的层次混成建模语言(Hierarchical Hybrid Modeling Language,HHML),该语言包含两层结构,模式抽象层和模块控制流层。前者支持在抽象层次上对混成系统进行建模,而后者用于描述模块的行为,在此框架下混成系统的控制过程和物理环境变化过程可以被统一起来进行设计和描述。此外,操作语义的引入可以帮助开发者避免自然语言的二义性来理解本语言,还可以用于形式化分析。用于形式化验证的混合自动机转换规则,为混成系统模型的设计、分析、验证和改进提供了坚实的理论基础。最后以月球着陆器为例,验证了我们所提出的方法的有效性。本文主要的贡献在于:(1)面向周期控制的嵌入式软件的混成建模语言设计:发展一种混成建模语言,使其能够形式化地统一描述嵌入式软件的控制行为和运行的物理环境。(2)混成建模语言的语义理论:研究该建模语言的操作语义,为嵌入式软件的设计、分析和验证提供语义理论基础。(3)混成建模语言的翻译规则:研究如何将HHML所建模型转换成混成自动机,从而转换到混成系统验证工具中去,使得所建模型的性质得以验证。

关键词： 游戏AI   形式化方法   Petri网   强化学习   寻路  

摘要： 在电子游戏的设计与开发中,游戏人工智能(Artificial Intelligence,AI)的设计是一个重要环节,是影响玩家体验的一个关键因素。游戏AI作为游戏可玩性、自由度的技术核心,可以提供给玩家更深层次的互动,让每个玩家体验到有趣、丰富且不同的游戏内容。有限状态机和行为树是目前游戏AI的主流配置方式,但有限状态机的决策较为单一,不易拓展,行为树则会占用更多的计算性能。 强化学习作为三大机器学习方法之一,利用其“试探-得到回报-根据回报改变行为以求得更好的回报”的闭环行为策略,在电子游戏开发制作和研究中得到很好的应用,也是设计游戏AI的重要途径之一。Petri网是一种描述状态变化的建模方法,通过变迁构建各状态之间的联系,设定好变迁发射的规则以及反馈,使得网模型具备良好的灵活性。Petri网相较于其他建模语言具有一定的优势,其图形表示法简明直观,又具有很强的逻辑与数学理论支撑。本文研究的主要内容为探索形式化方法在游戏AI算法的拓展方式及其应用价值。 结合强化学习和Petri网,本文主要工作成果如下: (1)提出了一种Petri网强化学习(Petri Net Reinforcement Learning,PNRL)算法,利用Petri网模型进行强化学习训练。与传统强化学习算法构建Q值表格不同的是,PNRL算法利用Petri网处理状态转移的高效性,将令牌存入Petri网的库所中,每一次变迁的发射伴随一次训练。学习过程的值更新借鉴了Q-Learning算法的值函数估计方式,但是执行的策略完全依靠Petri网自身变迁规则生成。 (2)在算法测试过程中,PNRL算法的训练效果明显优于传统表格型Q-Learning算法。在面对状态数量较多的情况下,PNRL算法能保持稳定的计算消耗,用时更短,解决了Q-table过大影响训练效率的问题。同时在收敛性测试中,PNRL算法收敛速度更快。收敛后的Petri网模型能输出获得目标奖励的最快动作策略,避免局部最优。 (3)将PNRL算法应用于游戏AI路径规划的导航网格和航路点,利用预先训练好的Petri网模型,快速输出目标点的寻路路径,减少实时计算占用的性能。优化后的PNRL算法,在处理较多位置状态时仍有不错的收敛效果。游戏路径规划不存在完美解法,本文为寻路算法提供一种新的思路和解决方案。

关键词： 胶质瘤   结构化病理报告   系统开发   中枢神经系统肿瘤分类   免疫组化染色  

摘要： 胶质瘤是最常见的原发性中枢神经系统（central nervous system,CNS）肿瘤之一,具有高侵袭性、浸润性生长和术后易复发等特点,在我国是仅次于胰腺癌和肺癌的5年病死率最高的肿瘤之一,年发病率为5～8/10万。2016年WHO《中枢神经系统肿瘤分类》第4版修订版首次将分子特征引入CNS肿瘤分类,为胶质瘤精准诊断和治疗提供了更加可靠的证据,同时也增加了病理报告的复杂性。目前,绝大多数肿瘤病理报告仍然采用非结构化的叙述性报告格式。尽管叙述性报告具有行文流畅、灵活性好、方便病理医生详细描述病理特征等优点,但也容易出现用语不规范或数据遗漏等问题。病理报告结构、内容和风格在不同机构、不同病理医生之间的巨大差异,以及非结构化报告不易转换成结构化的、计算机可读的数据格式等问题,影响了病理数据的获取和利用。国外肿瘤结构化病理报告经过近二十年的发展,已逐渐发展为具有标准化报告语言、结构化数据存储和自动编码的复杂病理报告,在欧美发达国家被广泛应用于常见肿瘤。标准化结构化的病理报告不仅可以提升报告录入效率和规范化程度,而且可以保证报告的准确性、完整性和一致性,结构化存储的数据也将有利于病理信息的沟通和交流。2021年最新发布的WHO《中枢神经系统肿瘤分类》第5版(WHO Classification of Tumors of the Central Nervous System 5th Edition,WHO CNS5)将弥漫性胶质瘤分为成人型和儿童型,简化了成人型弥漫性胶质瘤分类,并首次将分子指标引入胶质瘤分级。WHO CNS5中,异柠檬酸脱氢酶（isocitrate dehydrogenase,IDH）基因突变型星形细胞肿瘤如果具有坏死或微血管增生等4级组织学特征,或发生细胞周期蛋白依赖性激酶抑制剂2A/B基因纯合缺失,将被诊断为星形细胞瘤IDH突变型WHO 4级。IDH野生型星形细胞肿瘤如果具有4级组织学特征,或发生端粒酶逆转录酶启动子突变、表皮生长因子受体扩增或第7号染色体获得伴第10号染色体缺失等三种分子改变中的一种或多种,将被诊断为胶质母细胞瘤IDH野生型WHO 4级。根据WHO CNS5对既往诊断的胶质瘤重新进行分类和分级,将有助于了解新分类对胶质瘤病理诊断的影响及临床指导意义。本研究的主要结果和意义如下:1.根据WHO《中枢神经系统肿瘤分类》、国际癌症报告合作组织CNS肿瘤病理报告数据集以及国内外相关诊疗规范等制定报告系统标准录入语言和自动生成规则,建立了胶质瘤结构化病理报告系统并应用于临床病理诊断实践。系统生成的报告具有标准化的格式和内容,可自动生成国际肿瘤学疾病分类编码和整合诊断结果,并直接进行结构化病理数据存储与管理,不仅提高了病理报告录入效率和规范化程度,而且可以促进肿瘤病理数据的获取和利用。2.比较叙述性和结构化报告中肿瘤部位、肿瘤大小、组织学分型、WHO分级和整合诊断等5个关键指标报告率,结构化病理报告中5个关键指标报告率均达到100%,包含5个关键指标的报告比例从叙述性报告的87.6%提高到了100.0%,结构化病理报告显著提高了报告的完整性和准确性。3.通过检索系统中的病理报告结果,补充检测WHO CNS5新增的4级分子分级指标。在29例较低级别IDH突变型星形细胞瘤中仅1例组织学3级发现细胞周期蛋白依赖性激酶抑制剂2A基因纯合缺失,20例较低级别IDH野生型胶质瘤中有3例组织学2级和6例组织学3级至少发生端粒酶逆转录酶启动子突变、表皮生长因子受体扩增或第7号染色体获得伴第10号染色体缺失中的一种改变,被分级为WHO 4级。整合组织形态学和分子特征,对119例成人型弥漫性胶质瘤进行整合诊断,诊断星形细胞瘤IDH突变型32例,少突胶质细胞瘤IDH突变和1p/19q缺失型29例,胶质母细胞瘤IDH野生型58例,并统计分析临床和病理特征,促进了新分类在临床诊疗实践中的应用。4.通过比较免疫组化染色和分子病理结果的一致性发现,IDH1 p.R132H免疫组化染色与IDH1分子检测结果具有高度的一致性,是分子检测的可靠替代方法;IDH突变型胶质瘤中,α地中海贫血伴智力低下综合征X-连锁基因和p53免疫组化染色诊断星形细胞瘤具有中度敏感性和高度特异性,在未进行分子检测时可作为1p/19q共缺失的替代检测方法。

关键词： 高铁ATO系统   场景   形式化方法   Alvis理论   Redis技术   仿真  

摘要： 随着列控系统智能化程度的提高,列车自动驾驶(Automatic Train Operation,ATO)技术已经初步应用于高速列车,但现阶段的运行场景不够复杂、车辆密度较低。在高速铁路ATO系统(以下简称“高铁ATO系统”)大规模推广应用前,需要检验列车在复杂线路环境和运行场景下自动连续、高效运行的能力。相比于现场试验的不便性,使用严格的形式化方法在理论层面上对系统进行建模和分析一直是一种有效的手段。论文引入图形化编程式的形式化建模理论Alvis,构建一套集建模、验证、仿真于一体的形式化分析方法框架,并应用于高铁ATO系统典型运行场景分析;引入Redis计算机技术,构建高铁ATO系统仿真平台,利用半实体仿真平台验证基于形式化方法的场景优化策略的合理性。具体工作如下:(1)分析了高铁ATO系统的结构及功能,比较了其与既有CTCS-3级列控系统在交互信息指向行为的异同,调研分析了现有高铁ATO系统的运营状况,采用场景分析法梳理出两个典型场景作为研究对象。(2)提出了以Alvis理论为核心的、适用于高铁ATO系统的形式化建模验证及仿真方法框架。其中,实现了基于UML2.0方法的自然规范语言的精确描述,制定了不同列车运行控制系统属性(并发、实时、混合)的组合方法刻画规则,并提出了以数据(数据先导、数据提取)为核心的模型运行过程仿真方法。(3)构建了两个典型场景模型并进行仿真分析。利用本文提出的方法完成了无线网络环境组合故障概率事件、受网络质量影响的列车非ATO至ATO区域驶入和正常区间跨TSRS切换场景的模型构建,并验证了其逻辑和时序功能正确性;利用数据提取模式对场景不同进路情景(接发车进路、通过进路、追踪运行)下的列车动态运行过程进行了仿真分析,弥补了场景设计缺陷。(4)搭建了基于Redis的半实体仿真平台并进行典型场景的验证。搭建了基于Redis的分布式实时集群通信架构,完成了对既有CTCS-3级列控系统仿真平台新增ATO功能的适应性升级,并通过仿真试验,验证了针对场景设计缺陷的优化策略的合理性。图58幅,表24个,参考文献89篇。

摘要： 初中语文作业中的造句题型，一直以来变式较少，更多地限于一词造一句，其价值未能得到充分彰显。为此，将结构化作业设计融入造句题型，通过对作业布置进行变式处理，加强作业板块之间的联系，避免冗杂，获得作业价值最大化，笔者通过造句题型结构化设计的具体案例作如下探析——一、单项造句设计

摘要： 结构化设计单元作业，即以单元为单位，依托该单元的整体学习活动，以素养导向和学生视角结构化地设计作业内容及顺序，强调作业与学习活动的匹配度及内容之间的逻辑性，使单元作业有助于学生理解本单元的学习意义，有效助推学习目标的达成。下面，笔者依托五（上）第三单元的单元整体学习活动，介绍与之相匹配的单元作业设计，再以此为例谈对“结构化设计单元作业”的思考。活动主题：讲好民间故事，传承非遗文化。

关键词： 可解释性   随机森林   溯因解释   反事实样本   形式化方法  

摘要： 近年来,机器学习因其优越的计算能力,在安全领域展现出了巨大的发展前景。与此同时,机器学习的可解释性问题也成为了人们所重点关注的问题,可解释性能够揭示机器学习的决策原理,增强其可靠性,帮助模型优化,具有很大的意义。然而,目前大部分可解释性方法仍视机器学习模型为黑盒模型,并未深入其内部进行分析,具有较大的局限性。树模型因其非线性结构,较神经网络模型更加难以分析,鲜少有针对树模型的可解释性分析,因此,针对树模型的可解释性分析也是一个巨大的挑战。形式化方法因其严谨的逻辑特性,在机器学习性质验证方面得到了大范围的应用。鉴于此,本文基于形式化方法,提出了针对随机森林模型的局部可解释性问题的研究方法,主要针对样本特征重要性和反事实样本生成这两个方面。具体而言,文中的三个贡献如下:1.本文提出了基于可满足性模理论的随机森林决策过程编码方法,以此能够较为直观地了解随机森林的内部运行方式。2.本文提出了基于最小不满足核的溯因解释这一概念。利用可满足性模理论求解器对编码的随机森林决策公式进行分析求解,根据经计算后提供的最小不满足核,以反映在决策过程中对样本的预测结果有重要性影响的特征。实验结果表明了使用形式化方法深入分析模型可解释问题的可行性和精确性。3.本文提出了基于最小不满足核的最优反事实样本生成方法,为反事实分析提供了新的思路。实验结果证明了优越的性能和良好的结果。本文采用真实的贷款数据集进行了案例分析,为贷款失败的用户提供了合适且易于实现的建议,即根据反事实样本改善用户的申请条件,使得下一次贷款成功,以展示其在现实中的实用性。基于形式化方法的可解释性方法能够深入模型内部进行分析,以此为黑盒模型的解析引入了新的视角。同时,本文对于可满足性模理论中的最小不满足核赋予了新的价值,即能够根据最小不满足核,从两个不同的角度对机器学习的可解释性进行研究和讨论,给可解释性领域提供了一套新型实用的可解释性方法。

关键词： 模糊数学   模糊控制   形式化方法   定理证明   HOL4  

摘要： 相较于传统控制方法,模糊控制能够有效处理复杂系统中存在的不精确性问题,从而得到了广泛应用。随着其应用范围的不断扩大,基于模糊控制的被控系统安全性就显得尤为重要;而传统的测试方法由于无法覆盖所有输入空间,因此不能确保结论的完备性;为了将形式化验证方法引入基于模糊控制的应用验证中,保证其结论对于任意输入均成立,建立一个可复用的模糊控制器形式化模型是必不可少的工作。为此,本课题采用了形式化方法中的定理证明方法,基于HOL4(Higher-Order Logic4)对模糊控制器进行形式化研究。论文首先介绍了模糊数学中基础理论的形式化建模,其中包含了基本定义的形式化模型及其性质的验证,并将其表示为定理的形式;之后在此基础上设计了模糊控制器的形式化架构,主要包括四个模块的形式化建模及其整合;在建模过程中,模糊化方法函数、模糊子集、控制规则均作为参数输入,使模型具有更强的复用性;同时对模型中矩阵扩展为向量、规则库合成运算的功能函数在设计上进行了优化,降低了模型整体的复杂度;最后通过一个具体应用给出基于该设计的形式化验证过程;在验证中引入前向证明思想,规划关键的验证步骤,为目标中因嵌套递归而难以化简的问题提供了一种解决思路。本课题使用定理证明法,对模糊数学以及模糊控制进行了形式化研究,给出了模糊控制器的一种可复用形式化模型架构,扩展了定理证明法的应用范围,对未来使用定理证明法,验证以模糊数学及模糊控制为基础的算法具备一定的参考和借鉴价值。

关键词： 大龄自闭症患者   日间托养机构   感觉统合失调   结构化教学理论  

摘要： 随着国内自闭症患者确认规模的扩大及患者年龄的增长,大龄自闭症患者群体面临着康复训练、生活就业等诸多问题。目前,我国关于自闭症患者康复训练机构空间环境的研究仍处于起步阶段,针对大龄自闭症患者日间托养机构的研究也涉足不多。因此,本文通过对自闭症机构的实地调研并结合相关环境设计理论,尝试总结出针对大龄自闭症患者日间托养机构的空间环境设计原则和设计策略。本文通过实地调研、访谈与问卷等方式,了解自闭症患者相关机构的空间环境现状以及患者的感觉统合失调障碍特征,分析患者与机构工作人员的实际需求,为之后的设计研究提供现实依据。从患者的感官特征出发,通过阅读相关文献,了解感官敏感度不同的大龄自闭症患者行为方式的差异,为后期的设计实践提供理论基础。将适合大龄自闭症患者康复的结构化理论与室内环境设计相结合,从物理环境结构化、程序时间表、常规、个人工作系统和视觉提示五方面展开具体的环境设计,总结具有普适性的结构化设计流程。本文对慧灵大龄自闭症患者日间托养机构进行了设计改造研究,希望本文可以为自闭症患者托养机构的环境设计作一些有益的探索。