检索结果-内蒙古大学图书馆

计算机学报 2024年第7期47卷 1547-1567页

作者：丁世飞杜威张健郭丽丽丁玲中国矿业大学计算机科学与技术学院江苏徐州221116 矿山数字化教育部工程研究中心(中国矿业大学) 江苏徐州221116 天津大学智能与计算学部天津300350

深度强化学习(Deep Reinforcement Learning,DRL)在近年受到广泛的关注,并在各种领域取得显著的成功.由于现实环境通常包括多个与环境交互的智能体,多智能体深度强化学习(Multi-Agent Deep Reinforcement Learning,MADRL)获得蓬勃的发展... 详细信息

深度强化学习(Deep Reinforcement Learning,DRL)在近年受到广泛的关注,并在各种领域取得显著的成功.由于现实环境通常包括多个与环境交互的智能体,多智能体深度强化学习(Multi-Agent Deep Reinforcement Learning,MADRL)获得蓬勃的发展,在各种复杂的序列决策任务上取得优异的表现.本文对多智能体深度强化学习的工作进展进行综述,主要内容分为三个部分.首先,我们回顾了几种常见的多智能体强化学习问题表示及其对应的合作、竞争和混合任务.其次,我们对目前的MADRL方法进行了全新的多维度的分类,并对不同类别的方法展开进一步介绍.其中,我们重点综述值函数分解方法,基于通信的MADRL方法以及基于图神经网络的MADRL方法.最后,我们研究了MADRL方法在现实场景中的主要应用.希望本文能够为即将进入这一快速发展领域的新研究人员和希望获得全方位了解并根据最新进展确定新方向的现有领域专家提供帮助.

关键词：多智能体深度强化学习基于值函数基于策略通信学习图神经网络

来源：评论

学校读者我要写书评

暂无评论

城市轨道交通网络站点中心性评估及级联失效抗毁性研究

引用

电子与信息学报 2025年

作者：芮晓彬林伟涵吉嘉欣王志晓中国矿业大学计算机科学与技术学院中国矿业大学矿山数字化教育部工程研究中心

轨道交通网络站点中心性研究对轨道交通系统安全至关重要。识别轨道交通网络的关键节点有助于提前设置预案，降低站点故障影响，确保运行安全。根据现有研究分析，静态拓扑和动态客流是影响站点中心性的两大关键因素。鉴于此，该文提出... 详细信息

轨道交通网络站点中心性研究对轨道交通系统安全至关重要。识别轨道交通网络的关键节点有助于提前设置预案，降低站点故障影响，确保运行安全。根据现有研究分析，静态拓扑和动态客流是影响站点中心性的两大关键因素。鉴于此，该文提出一种融合静态拓扑和动态客流的轨道交通站点中心性指标。该指标基于PageRank与改进K核评估轨道交通网络的静态拓扑中心性，并充分考虑进站人数和出站人数评估动态客流中心性。此外，该文还提出了一种动态客流对于静态拓扑重要性的增强方法，确保二者的有机融合。基于上海市轨道交通网络真实数据的级联失效实验表明该文方法能够有效、稳定地识别轨道交通网络的关键站点。对这些站点进行重点保护，可以增强轨道交通网络对级联失效的抗毁性，提升整体系统安全。

关键词：轨道交通网络拓扑中心性动态客流量级联失效

来源：评论

学校读者我要写书评

暂无评论

面向二分类问题的直觉模糊深度随机配置网络

引用

软件学报 2025年

作者：丁世飞朱姜兰张成龙郭丽丽张健中国矿业大学计算机科学与技术学院矿山数字化教育部工程研究中心(中国矿业大学)

深度随机配置网络(deep stochastic configuration network, DSCN)采取前馈学习方式,基于特有的监督机制随机分配节点参数,具有全局逼近性.但是,在实际场景下,数据采集过程中潜在的离群值和噪声,易对分类结果产生负面影响.为提高DSCN解... 详细信息

深度随机配置网络(deep stochastic configuration network, DSCN)采取前馈学习方式,基于特有的监督机制随机分配节点参数,具有全局逼近性.但是,在实际场景下,数据采集过程中潜在的离群值和噪声,易对分类结果产生负面影响.为提高DSCN解决二分类问题的性能,基于DSCN引入直觉模糊数思想,提出了一种直觉模糊深度随机配置网络(intuitionistic fuzzy deep stochastic configuration network, IFDSCN).与标准DSCN不同, IFDSCN通过计算样本隶属度和非隶属度,为每个样本分配一个直觉模糊数,通过加权的方法来生成最优分类器,以克服噪声和异常值对数据分类的负面影响.在8个基准数据集上的实验结果表明,所提出的模型与直觉模糊孪生支持向量机(intuitionistic fuzzy twin support vector machine, IFTWSVM)、核岭回归(kernel ridge regression, KRR)、直觉模糊核岭回归(intuitionistic fuzzy kernel ridge regression, IFKRR)、随机函数向量链接神经网络(random vector functional link neural network, RVFL)和SCN等学习模型相比, IFDSCN具有更好的二分类性能.

关键词：直觉模糊数随机配置网络二分类数据噪声神经网络

来源：评论

学校读者我要写书评

暂无评论

基于因果干预的无偏面部动作单元识别

引用

电子学报 2024年第10期52卷 3312-3321页

作者：邵志文陈必宽祝汉城周勇姚睿马利庄中国矿业大学计算机科学与技术学院江苏徐州221116 矿山数字化教育部工程研究中心江苏徐州221116 上海交通大学计算机科学与工程系上海200240 华东师范大学计算机科学与技术学院上海200062

面部动作单元(Action Unit,AU)识别是计算机视觉与情感计算领域的热点课题.AU识别属于多标签二分类任务,目前面临着标签不均衡等挑战.现有的主流算法利用AU之间的关联,通过调整采样率和AU的权重来进行标签重均衡化.然而,这些方法仅仅使... 详细信息

面部动作单元(Action Unit,AU)识别是计算机视觉与情感计算领域的热点课题.AU识别属于多标签二分类任务,目前面临着标签不均衡等挑战.现有的主流算法利用AU之间的关联,通过调整采样率和AU的权重来进行标签重均衡化.然而,这些方法仅仅使模型预测时从偏向出现频率高的标签转为偏向出现频率低的标签,并未解决偏置问题.根据出现频率的高低可将AU划分为头类和尾类,公平对待每一类是实现AU无偏识别的关键.本文引入因果推理理论,提出基于因果干预的无偏化方法(Causal Intervention for Unbiased facial action unit recognition,CIU),以解决多AU间不均衡的问题.通过调整不平衡域和平衡但不可见域上的经验风险实现模型的无偏性.大量实验结果表明,本方法在基准数据集BP4D、DISFA上超越已有的方法,其中在DISFA上超越当前最先进方法1.1%,且可以学习到无偏的特征表示.

关键词：因果推理无偏性面部动作单元识别多标签二分类标签不均衡经验风险

来源：评论

学校读者我要写书评

暂无评论

融合知识蒸馏与记忆机制的无监督工业缺陷检测

引用

中国图象图形学报 2025年第3期30卷 660-671页

作者：刘兵史伟峰刘明明周勇刘鹏中国矿业大学计算机科学与技术学院徐州221116 矿山数字化教育部工程研究中心徐州221116 中国矿业大学物联网中心徐州221116

目的基于深度学习的工业缺陷检测方法可以降低传统人工质检的成本,提升检测的准确性与效率,因而在智能制造中扮演重要角色。针对无监督工业缺陷检测中存在的过检测和逻辑缺陷检测失效等问题,提出一种融合知识蒸馏与记忆机制的无监督工... 详细信息

目的基于深度学习的工业缺陷检测方法可以降低传统人工质检的成本,提升检测的准确性与效率,因而在智能制造中扮演重要角色。针对无监督工业缺陷检测中存在的过检测和逻辑缺陷检测失效等问题,提出一种融合知识蒸馏与记忆机制的无监督工业缺陷检测模型。方法使用显著性检测网络和柏林噪声合成缺陷图像,提升合成图像与真实缺陷图像的分布一致性,缓解传统模型的过检测问题;同时,对传统无监督工业缺陷检测框架进行改进,引入平均记忆模块提取正常样本的原型特征,通过记忆引导提高模型对逻辑缺陷的检测性能。结果在工业缺陷检测基准数据集MVTec AD(MVTec anomaly detection dataset)上的实验结果表明,针对晶体管逻辑缺陷检测难题,在像素级接受者操作特征曲线下面积(area under the receiver operating characteristic curve,AUROC)指标上本文方法相比于基线模型提升了9.1%;针对各类缺陷检测场景,在更具挑战性的平均准确率(average precision,AP)指标上提升了2.5%。针对更具挑战性的Breakfast box数据集中的逻辑缺陷问题,本文方法在图像级AUROC指标上相较于基线模型提升了11.5%。同时,在像素级AUROC指标上,本文方法相较于基线模型提升了4.0%。结论本文不受传统缺陷合成方法的限制,能够有效缓解现有缺陷合成方法引起的过检测问题;引入平均记忆模块不仅可以减小内存开销,而且无需设计复杂的检索算法,节省了检索内存库所耗费的时间;将所提出的缺陷合成方法与记忆机制进行有机结合,能够准确检测出不同种类的工业缺陷。

关键词：缺陷检测知识蒸馏记忆机制缺陷合成显著性检测

来源：评论

学校读者我要写书评

暂无评论

基于图提示的半监督开放词汇多标记学习

引用

计算机研究与发展 2025年第2期62卷 432-442页

作者：李仲年皇甫志宇杨凯杰营鹏孙统风许新征中国矿业大学计算机科学与技术学院江苏徐州221116 计算机辅助设计与图形系统全国重点实验室(浙江大学) 杭州310058 矿山数字化教育部工程研究中心(中国矿业大学) 江苏徐州221116

半监督多标记学习利用有标记数据和无标记数据进行模型的训练,降低了多标记数据的标记成本并取得了不错的结果,吸引了很多研究者不断进行研究.然而,在半监督标注过程中,由于标记的数量较多,往往会出现某些标记缺失标注样本的情况,这些... 详细信息

半监督多标记学习利用有标记数据和无标记数据进行模型的训练,降低了多标记数据的标记成本并取得了不错的结果,吸引了很多研究者不断进行研究.然而,在半监督标注过程中,由于标记的数量较多,往往会出现某些标记缺失标注样本的情况,这些标记被称为开放词汇.开放词汇会导致模型无法学习到该类别的标记信息,使得模型性能下降. 针对上述问题,提出了基于图提示的半监督开放词汇多标记学习方法. 具体地,该方法利用基于提示的图神经网络对预训练大模型进行微调,挖掘和探索开放词汇与监督样本之间的关系. 通过使用包含图像与文本的多模态数据构造图神经网络作为预训练大模型的文本输入进行学习. 其次利用预训练大模型在开放词汇上的泛化能力,对无监督样本生成伪标记,实现对输出分类层的微调,使模型在对开放词汇进行分类时能获得更加理想的效果. 多个基准数据集上的实验结果均显示,基于图提示的半监督开放词汇多标记学习方法优于目前的主流方法,在 VOC,COCO,CUB,NUS 等基准数据集上均取得了最优的效果.

关键词：半监督多标记学习预训练模型图神经网络开放词汇提示

来源：评论

学校读者我要写书评

暂无评论

改进YOLOv8s的煤矿井下矿工行为检测方法

引用

辽宁工程技术大学学报(自然科学版) 2025年

作者：陈伟穆华星管彦允刘珏廷徐婷婷王泽华中国矿业大学计算机科学与技术学院中国矿业大学矿山数字化教育部工程研究中心

为解决煤矿井下视觉设备在矿工行为方向检测效果不佳的问题，采用模型优化和实验的方法，基于YOLOv8s构建基准模型，引入高效多尺度注意力机制改进主干网络，增强对于矿工多姿势及多尺度特征的提取和表示能力。优化损失函数，提高对于... 详细信息

为解决煤矿井下视觉设备在矿工行为方向检测效果不佳的问题，采用模型优化和实验的方法，基于YOLOv8s构建基准模型，引入高效多尺度注意力机制改进主干网络，增强对于矿工多姿势及多尺度特征的提取和表示能力。优化损失函数，提高对于井下复杂场景中低质量图像检测的准确性和稳定性。设计一种轻量化模块，替换原颈部深层网络的特征处理模块，保障检测高效性。研究结果表明：改进后的模型对井下矿工行为检测的平均精确度均值提高了1.2%，模型参数量减少了17%。研究结论为类似场景下特定任务的目标检测优化提供借鉴。

关键词：煤矿复杂环境行为检测 YOLOv8s 注意力机制轻量化低质量图像

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的二维人体姿态估计综述

引用

郑州大学学报（理学版） 2024年第4期56卷 11-20页

作者：王珂陈启腾陈伟刘珏廷杨雨晴中国矿业大学计算机科学与技术学院江苏徐州221116 中国矿业大学矿山数字化教育部工程研究中心江苏徐州221116

人体姿态估计是近年来计算机视觉问题中的一个热门话题,它在改善人类生活方面具有巨大的益处和潜在的应用。近年来深度神经网络得到快速发展,相较于传统方法而言,采用深度学习的方法更能提取图像表征信息。综合分析近年来人体姿态估计... 详细信息

人体姿态估计是近年来计算机视觉问题中的一个热门话题,它在改善人类生活方面具有巨大的益处和潜在的应用。近年来深度神经网络得到快速发展,相较于传统方法而言,采用深度学习的方法更能提取图像表征信息。综合分析近年来人体姿态估计的进展,根据检测人数分为单人和多人人体姿态估计。针对单人姿态估计,介绍了基于直接预测人体坐标点的坐标回归方法及基于预测人体关键点高斯分布的热图检测方法;针对多人姿态估计,采用解决多人到解决单人过程的自顶向下方法和直接处理多人关键点的自底向上方法。总结了各方法网络结构的特点和优缺点,并阐述当前面临的问题及未来发展趋势。

关键词：深度学习卷积神经网络(CNN) 二维人体姿态估计关键点检测

来源：评论

学校读者我要写书评

暂无评论

基于微震多维信息融合的冲击地压全时空预测方法

引用

采矿与安全工程学报 2024年第3期41卷 511-521页

作者：杨旭刘亚鹏曹安业刘耀琪王常彬赵卫卫中国矿业大学计算机科学与技术学院矿山数字化教育部工程研究中心江苏徐州221116 中国矿业大学矿业工程学院江苏徐州221116 中国矿业大学煤炭精细勘探与智能开发全国重点实验室江苏徐州221116

为解决当前冲击地压时间与空间预测协同难、微震数据时空特征挖掘不充分的困境,结合深度学习相关理论与方法,提出了基于微震多维信息融合的冲击地压全时空预测方法,该方法主要包括微震时空特征指标、时间预测以及空间预测3个模块,设计... 详细信息

为解决当前冲击地压时间与空间预测协同难、微震数据时空特征挖掘不充分的困境,结合深度学习相关理论与方法,提出了基于微震多维信息融合的冲击地压全时空预测方法,该方法主要包括微震时空特征指标、时间预测以及空间预测3个模块,设计了基于主成分分析和核密度估计的微震时空特征指标构建方法,在此基础之上,构建了基于深度循环神经网络的冲击地压时间预测模型,提出了基于长短期时间窗融合的冲击地压空间预测方法,从而实现了冲击地压时间⁃空间协同的全时空预测。此外,为了评估所提方法的有效性,在内蒙古鄂尔多斯矿区某冲击危险工作面进行了工程应用测试,测试时间段共出现13条大于10^(5)J的大能量微震事件,在时间预测方面,对于大能量事件的时间预测结果为10个强危险、3个中等危险,并且整个测试阶段模型误报率仅为0.133。在空间预测方面,对于大能量事件的空间预测结果的分布区域为6个强危险、3个中等危险、4个弱危险。实验表明该方法可满足工程应用的需求,研究成果可为冲击地压监测预警提供参考与借鉴。

关键词：冲击地压全时空预测微震时空特征指标深度循环神经网络

来源：评论

学校读者我要写书评

暂无评论

一种面向车载边缘计算基于服务缓存的任务协同卸载算法

引用

计算机学报 2025年第4期48卷 864-876页

作者：唐朝刚李召肖硕吴华明中国矿业大学计算机科学与技术学院矿山数字化教育部工程研究中心天津大学应用数学中心

为充分利用边缘服务器的有限资源，提高应用服务的缓存效益，本文提出了以应用服务缓存为基础的协同卸载的车载边缘计算模型。在此基础上，以卸载任务的时延和能耗最小化为优化目标，展开对应用服务缓存和计算卸载问题的研究。将服务缓... 详细信息

为充分利用边缘服务器的有限资源，提高应用服务的缓存效益，本文提出了以应用服务缓存为基础的协同卸载的车载边缘计算模型。在此基础上，以卸载任务的时延和能耗最小化为优化目标，展开对应用服务缓存和计算卸载问题的研究。将服务缓存、任务卸载以及计算资源分配的联合优化建模为非线性整数规划问题。为降低求解难度，将原问题分解为服务缓存和计算卸载联合决策子问题以及边缘服务器计算资源分配子问题。其中，将服务缓存和计算卸载子问题建模为马尔科夫决策过程，并提出了一种基于深度强化学习的缓存卸载方案。仿真结果表明，相较于其它基准方法，本文提出的方案能够将优化目标值降低约7%，响应时延减少约12%，同时将缓存命中率提升约9%。

关键词：车载边缘计算任务卸载应用缓存协作卸载深度强化学习

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：