随着纳米光子学的发展，具有超颖性质的人工微结构吸引了众多研究。针对日益增长的研究和设计需求，北京大学物理学院方哲宇及其研究团队实现了一种自洽的框架——BoNet，其结合了贝叶斯优化（Bayesian optimization）和卷积神经网络（convolutional neural network），实现了纳米结构对于超强光学手性的自学习。基于此框架，他们将纳米结构设计表示为图形，并输入卷积神经网络进行电场分布和反射光谱的学习，此过程不需要将纳米结构参数化为向量，因此最大化的保留了其几何信息和边界条件。同时，利用贝叶斯优化以实现对纳米结构远场光学手性的优化，并运用其采样样本反复训练神经网络实现自学习。利用BoNet，他们针对远场反射光谱的圆二色性进行优化并逼近了其理论极限(CD = 1)，同时利用神经网络匹配预测的近场电场分布，对获得的强光学手性进行分析解释。 此框架能够被直接推广用于其他光学性质的自学习优化，例如实现反常透射，偏振态调制和相位调制。更进一步的，此方法论能够帮助设计更多的，具有良好光学性质和运用价值的纳米光子学器件，比如消色差超透镜，超灵敏的微传感器以及智能超表面等。此研究同时能够启发更多数据驱动的研究，通过利用人工神经网络和其他机器学习的方法，实现对传统科学研究的新探索，在制药，引物设计，固体结构分析上启发新突破。 该工作于2019年11月19日在线发表于学术期刊《PHYSICAL REVIEW LETTERS》上，题为“Self-Learning Perfect Optical Chirality via a Deep Neural Network”(DOI: 10.1103/PhysRevLett.123.213902)。北京大学物理学院方哲宇研究员是本文的通讯作者，李瑜，徐优俊，姜美玲为该文的共同第一作者，北京大学定量生物学中心来鲁华教授为合作者，北京大学为唯一通讯作者单位。该工作得到得到了科技部、教育部、国家自然科学基金委、北京大学人工微结构和介观物理国家重点实验室、北京大学纳光电子前沿科学中心、量子物质科学协同创新中心、北京大学高性能校级计算平台、北京大学生命科学中心高性能计算平台等单位的支持。用于近远场计算的神经网络结构表征实现了逼近理论极限的高手性，并利用神经网络对近场分布进行分析

本发明公开了一种数控加工状态自学习的刀具磨损监控系统，结构为：刀具磨损规律学习库存储刀具学习磨损规律；数据获取与判断模块将伺服驱动电流数字信号提供给数据处理模块，进行格式转换并保存为监控电流信号；特征提取与选择模块选择与刀具磨损强相的信号特征；拟合预测趋势曲线模块建立信号特征与刀具加工寿命关系曲线；刀具磨损规律模块从刀具磨损规律学习库中获得刀具学习磨损规律；将趋势信号特征带入刀具学习磨损规律中得出刀具磨损量；刀具磨损补偿及换刀模块根据刀具磨损量作出刀具磨损补偿及换刀决策，提供给数控系统接口输入模块。

本发明公开了一种基于在线学习的监控视频中运动目标跟踪方法，其首先利用离线训练的特定类别测器检测出视频序列中目标区域；然后结合外观特性，采用双阈值保守关联思路关联相邻两帧之间的目标，得到可靠保守的短跟踪片；再在得到的跟踪片上，利用时空域分布约束信息，定义正负样本集，分别提取颜色、纹理外观特征相似度以及运动信息，作为在线学习器训练特征集，通过机器学习在线学习算法的训练过程，得到轨迹片分布规律上基于运动和外观特性的概率

本发明属于机器人智能控制相关技术领域，其公开了一种机器 人力控示教模仿学习的装置，其包括六自由度并联示教机器人、第一 六维力传感器、第二六维力传感器、六自由度操作机器人及力位采样 控制系统，所述第一六维力传感器设置在所述六自由度并联示教机器 人的末端执行器上，其用于感测所述六自由度并联示教机器人受到的·109·驱动力；所述第二六维力传感器设置在所述六自由度操作机器人的末 端执行器上，其用于感测所述六自由度操作机器人末端的接触力；所 述力位采样控制系统分别电性连接于所述六自

本实用新型提供一种用于提高现有数控系统运动精度的装置。该装置安装在原数控系统和驱动器之间， 无需对原数控系统和驱动器做任何调整和改变，方便实用。在进行一种零件的重复加工时，通过大容量存 储器记忆数控系统的控制和误差信号，并依据一定的学习算法，得到下一个零件加工所需新的控制信号并 进行运动控制，新的控制信号将减小上一个零件加工时的运动误差。经过多次记忆——学习的过程，可使 运动误差减小，从而提高数控机床的轮廓运动精度。控制装置包括微处理器、大容量存储器以及数控系统 进给运动控制指令信号、学习后的控制输出信号、位置检测信号接口等。

一、项目简介 关注、认识和经略海洋是当今世界的共识，作为认识海洋、开发和利用海洋和保护海洋的重要手段和工具，水下机器人一直是世界各主要国家科技发展的重点领域，而水下成像系统则是让机器人看的更远、更清楚，从而更为有效的感知水下世界的关键。 然而，由于水下的光学成像环境复杂而恶劣，水体对光能量的高吸收特性和水中微粒对成像光束的散射，使得水下光学成像技术的成像距离较短。采用主动照明技术等方法可以增加成像距离但同时成像质量下降。现有的各种水下成像技术难以同时兼顾成像距离和成像质量。同时同一种水下成像技术在不同的水体条件下成像距离相差很大，这又造成了针对不同水体条件成像系统调整复杂度的提高和时效性的降低。 项目利用深度学习和压缩感知等新的理论突破，结合水下距离选通技术和水下主动照明技术等构建新体制远距离水下光学成像系统，期望能够有效解决成像距离和成像质量难以兼顾的水下成像难题，使其成为继声呐成像和普通光学成像之外的第三类水下成像技术，为水下机器人、科考、资源考察、军事等领域提供一种有效的成像技术手段。 二、前期研究基础 课题组是国内最早一批从事压缩感知成像研究的课题组，在压缩感知成像领域已有多年积淀，已完成国家自然科学基金3项，在研1项。发表学术论文近10篇。课题组近年来在将深度学习与压缩感知相结合方面率先开展相关研究工作，并在医学成像领域取得了显著的成绩。 三、应用技术成果 合作企业已有水下机器人样机 四、合作企业 福建海图智能科技有限公司是福建省专业从事小型水下机器人、小型ROV\AUV\ARV、声呐产品、水下光学影像产品开发设计的高科技公司，是长期专注海洋探测及水下影视领域技术前沿的技术公司。公司位于厦门和福州两地，有西北工业大学、华南理工大学、厦门大学、重庆大学、福州大学、福建师范大学等相关院系博士、教授近40人组成的科研团队。公司产品在欧洲、美洲及中国大陆均有销售。

本发明公开了一种混合动力公交车在线自学习能量管理方法，该方法首先根据出厂时设置的初始能量管理策略控制发动机和电动机的转矩分配，随着公交车在固定路线上的运行，获得初始策略对应的动作值函数后，可以从该动作值函数出发，通过公交车在道路上的往复运行，在线、自主地学习适合于公交车运行路况的能量管理策略；本发明充分利用混合动力公交车在同一路线上往复运行的特点，采用自学习的方法来获得适用于公交车运行路况的能量管理策略，具有能源分配合理、燃油经济性高、尾气排放少、鲁棒性好、节能环保的特点。

本发明公开一种基于鸽群智能反向学习的无人机集群多目标控制优化方法，其实现步骤为：步骤一：搭建无人机动力学模型；步骤二：搭建具有感知能力无人机传感器模型；步骤三：搭建无人机目标搜索图模型；步骤四：建立无人机目标搜索代价函数模型；步骤五：设计多目标鸽群优化算法；步骤六：设计基于鸽群智能反向学习的多目标鸽群优化算法；步骤七：输出无人机目标搜索仿真轨迹图。