检索结果-内蒙古大学图书馆

作者：赵成伟河南大学

学位级别：硕士

人工智能是当今各研究领域内关注的热点,人工智能技术在近年来也得到了飞速地发展。群体智能是人工智能的重要分支,群体智能算法的种类非常丰富,目前应用广泛的群体智能算法主要有:蚁群算法(Ant Colony Optimization,ACO),人工鱼群算法(... 详细信息

人工智能是当今各研究领域内关注的热点,人工智能技术在近年来也得到了飞速地发展。群体智能是人工智能的重要分支,群体智能算法的种类非常丰富,目前应用广泛的群体智能算法主要有:蚁群算法(Ant Colony Optimization,ACO),人工鱼群算法(Artificial Fish-Swarm Algorithm,AFSA),人工蜂群算法(Artificial Bee Colony Algorithm,ABC),粒子群优化算法(Particle Swarm Optimization,PSO)等等。但到目前为止,群体机器人智能仍然主要专注于简单的认知能力,如提升几何或空间属性和机械能力。本文主要研究无中心群体机器人智能对复杂任务处理的能力。本文的重点是提出了一种单链式机器人导航的算法,它是指在空间中按照一定优先关系,利用一个接一个有序排列的机器人所组成的链路为其他机器人导航,方便系统中其他机器人有序地完成多个指定序列任务的算法。从研究现状来看,群体机器人智能仍然主要专注于简单的认知能力。辅助导航和机器人链路只是作为一种搜索方法进行了研究,机器人链路的概念还没有在路径规划以及任务规划方面有应用。本研究认为链路是一种非常优秀的群体机器人路径规划方法,并将其成功的推广到了序列任务规划的领域当中。本算法在利用群体智能处理复杂的序列任务规划及导航的问题研究上,具有一定的创新性,解决了在未知环境下序列任务规划的问题。本文提出的单链式导航算法具有无中心控制,算法结构简单易实现,系统鲁棒性强,对单体机器人性能要求低,可移植性高的特点。本文使用Matlab软件进行了仿真实验,同时也完成了大量的对比试验,通过实验结果分析,证明了单链式导航算法的可行性和先进性。

关键词：群体智能序列任务链式导航

来源：评论

学校读者我要写书评

暂无评论

持续学习的研究进展与趋势

引用

计算机研究与发展 2024年第6期61卷 1476-1496页

作者：李文斌熊亚锟范祉辰邓波曹付元高阳计算机软件新技术国家重点实验室(南京大学) 南京210023 中国科学院空天信息创新研究院北京100094 山西大学计算机与信息技术学院(大数据学院) 太原030006 山西大学大数据学院太原030006

随着深度学习技术的发展与应用,特别是资源受限场景和数据安全场景对序列任务和数据进行快速学习需求的增多,持续学习逐渐成为机器学习领域关注的一个新热点.不同于人类所具备的持续学习和迁移知识的能力,现有深度学习模型在序列学习过... 详细信息

随着深度学习技术的发展与应用,特别是资源受限场景和数据安全场景对序列任务和数据进行快速学习需求的增多,持续学习逐渐成为机器学习领域关注的一个新热点.不同于人类所具备的持续学习和迁移知识的能力,现有深度学习模型在序列学习过程中容易遭受灾难性遗忘的问题.因此,如何在动态、非平稳的序列任务及流式数据中不断学习新知识、同时保留旧知识是持续学习研究的核心.首先,通过对近年来持续学习国内外相关工作的调研与总结,将持续学习方法分为基于回放、基于约束、基于结构三大类,并对这3类方法做进一步的细分.具体而言,根据所使用的样本来源将基于回放的方法细分为采样回放、生成回放、伪样本回放3类;根据训练约束的来源将基于约束的方法细分为参数约束、梯度约束、数据约束3类;根据对于模型结构的使用方式将基于结构的方法细分为参数隔离、模型拓展2类.通过对比相关工作的创新点,对各类方法的优缺点进行总结.其次,对国内外研究现状进行分析.最后,针对持续学习与其他领域相结合的未来发展方向进行展望.

关键词：深度学习知识迁移持续学习灾难性遗忘序列任务

来源：评论

学校读者我要写书评

暂无评论

面向时序InSAR的卫星任务规划框架设计

引用

上海航天（中英文） 2024年第2期41卷 137-144页

作者：玉龙飞雪刘国栋邱虎孙静宜张钊屈炜白晨中国四维测绘技术有限公司北京100089 中国资源卫星应用中心北京100094 上海科学技术交流中心上海200235 上海卫星工程研究所上海200240

随着国内自主雷达卫星和差分干涉合成孔径雷达技术(D-InSAR)及衍生的时序InSAR技术的发展,以时间序列上重复观测为主的长周期形变监测的应用与日俱增。对遥感卫星地面任务规划系统来说,规划和管理大量有时序关联的重复任务,从而最大限... 详细信息

随着国内自主雷达卫星和差分干涉合成孔径雷达技术(D-InSAR)及衍生的时序InSAR技术的发展,以时间序列上重复观测为主的长周期形变监测的应用与日俱增。对遥感卫星地面任务规划系统来说,规划和管理大量有时序关联的重复任务,从而最大限度地满足观测要求,是提升以形变监测为使命的雷达卫星运控效率的关键。在综合考虑雷达差分干涉任务序列性、一致性、周期性特征的基础上,设计了一种面向雷达卫星时序InSAR类型任务的规划框架,旨在规划序列任务时,考虑序列整体特性,进行序列任务组间的冲突检测。基于此方法,对现有的地面任务规划系统进行了优化升级,验证了框架的有效性。结果证明:该方法可快速、自动进行序列任务冲突消解,可为长周期序列任务的规划和管理提供设计参考。

关键词：雷达卫星(SAR) 任务规划序列任务差分干涉合成孔径雷达(D-InSAR) 规划框架

来源：评论

学校读者我要写书评

暂无评论

序列学习中非注意信息的内隐学习

序列学习中非注意信息的内隐学习

引用

作者：张倩华东师范大学

学位级别：硕士

非注意信息能否被内隐地习得?这一问题不仅与内隐和外显学习对注意依赖上存在不同有关(外显学习需要注意的控制),而且也可以上溯到注意的早期选择和晚期选择的论辩上,即与目标任务不相关的信息是在注意的早期阶段就被筛选在感知之外,还... 详细信息

非注意信息能否被内隐地习得?这一问题不仅与内隐和外显学习对注意依赖上存在不同有关(外显学习需要注意的控制),而且也可以上溯到注意的早期选择和晚期选择的论辩上,即与目标任务不相关的信息是在注意的早期阶段就被筛选在感知之外,还是同样被感知到,得到了加工,但由更晚期并更高级的过程将其筛出。Lavie(2004)提出的注意的负载理论从另一个角度对这一问题进行了解释,并在Shanks(2006)等人的研究中得到了支持。本研究通过序列反应时任务来探究非注意信息的内隐学习,并考察注意负载对该学习的可能影响。具体实验内容如下：实验一中,目标刺激的变化以及被试的按键反应都是随机的,刺激的呈现位置(屏幕的左中右部)与呈现亮度(黑白灰)进行有规律的变化,结果发现,被试既习得了刺激呈现位置的变化规律,也习得了呈现亮度的变化规律,并且对位置的学习快于对亮度的学习。实验二中,我们设置高知觉负载和低知觉负载两种条件考察序列的学习情况。结果发现,高知觉负载水平下被试确实无法习得非注意信息中的规则,而低知觉负载下的学习效应显著,验证了Lavie(2004)关于注意的负载理论。实验三中,我们操纵工作记忆负载的高低,探讨两种条件下被试对非注意信息的学习,结果发现：被试只有在工作记忆负载较低的条件下才‘能习得非注意信息中的规则。本研究得出如下结论：(1)序列中的非注意信息是能够被内隐习得的,并且不同信息会有不同的学习速度；(2)目标任务的知觉负载、工作记忆负载会影响非注意信息的学习,高负载条件下被试会无法习得序列中的非注意信息。

关键词：序列任务内隐学习注意知觉负载工作记忆负载

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：