检索结果-内蒙古大学图书馆

通信学报 2021年第9期42卷 205-217页

作者：杜丽娜卓力杨硕李嘉锋张菁北京工业大学计算智能与智能系统北京市重点实验室北京100124 北京工业大学信息学部北京100124

近几年来,随着HTTP自适应流媒体(HAS)视频数据集和网络轨迹数据集的不断推出,强化学习、深度学习等机器学习方法被不断应用到码率自适应(ABR)算法中,通过交互学习来确定码率控制的最优策略,取得了远超过传统启发式方法的性能。在分析AB... 详细信息

近几年来,随着HTTP自适应流媒体(HAS)视频数据集和网络轨迹数据集的不断推出,强化学习、深度学习等机器学习方法被不断应用到码率自适应(ABR)算法中,通过交互学习来确定码率控制的最优策略,取得了远超过传统启发式方法的性能。在分析ABR算法研究难点的基础上,重点阐述了基于强化学习(包括深度强化学习)的ABR算法研究进展。此外,总结了代表性的HAS视频数据集和网络轨迹数据集,介绍了算法性能的评价准则,最后探讨了ABR研究目前存在的问题和未来的方向。

关键词：强化学习码率自适应算法用户质量体验深度学习深度强化学习

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的单幅图像去雾研究进展

引用

电子学报 2023年第1期51卷 231-245页

作者：贾童瑶卓力李嘉锋张菁北京工业大学信息学部北京100124 北京工业大学计算智能与智能系统北京市重点实验室北京100124

户外视觉系统极易受到雾霾等恶劣天气影响,采集到的图像/视频质量严重下降,这不仅影响人眼的主观感受,也给后续的智能化分析带来严峻挑战.近年来,学者们将深度学习应用于图像去雾领域,取得了诸多的研究成果.但是雾霾图像场景复杂多变、... 详细信息

户外视觉系统极易受到雾霾等恶劣天气影响,采集到的图像/视频质量严重下降,这不仅影响人眼的主观感受,也给后续的智能化分析带来严峻挑战.近年来,学者们将深度学习应用于图像去雾领域,取得了诸多的研究成果.但是雾霾图像场景复杂多变、降质因素众多,这对去雾算法的泛化能力提出了很高的要求.本文主要总结了近年来基于深度学习的单幅图像去雾技术研究进展.从先验知识和物理模型、映射关系建模、数据样本、知识迁移学习等角度出发,介绍了现有算法的研究思路、具体特点、优势与不足.尤其侧重于近两年来新出现的训练策略和网络结构,如元学习、小样本学习、域自适应、Transformer等.另外,本文在公共数据集上对比了各种代表性去雾算法的主客观性能、模型复杂度等,尤其是分析了去雾后的图像对于后续目标检测任务的影响,更全面地评价了现有算法性能的优劣,并探讨了未来可能的研究方向.

关键词：单幅图像去雾深度学习无监督学习域泛化

来源：评论

学校读者我要写书评

暂无评论

数据和知识驱动的城市污水处理过程多目标优化控制

引用

自动化学报 2021年第11期47卷 2538-2546页

作者：韩红桂张琳琳伍小龙乔俊飞北京工业大学信息学部计算智能与智能系统北京市重点实验室北京100124

城市污水处理过程优化控制是降低能耗的有效手段,然而,如何提高出水水质的同时降低能耗依然是当前城市污水处理过程面临的挑战.围绕上述挑战,文中提出了一种数据和知识驱动的多目标优化控制(Data-knowledge driven multiobjective optim... 详细信息

城市污水处理过程优化控制是降低能耗的有效手段,然而,如何提高出水水质的同时降低能耗依然是当前城市污水处理过程面临的挑战.围绕上述挑战,文中提出了一种数据和知识驱动的多目标优化控制(Data-knowledge driven multiobjective optimal control,DK-MOC)方法.首先,建立了出水水质、能耗以及系统运行状态的表达关系,获得了运行过程优化目标模型.其次,提出了一种基于知识迁徙学习的动态多目标粒子群优化算法,实现了控制变量优化设定值的自适应求解.最后,将提出的DK-MOC应用于城市污水处理过程基准仿真模型1(Benchmark simulation model No.1,BSM1).结果表明该方法能够实时获取控制变量的优化设定值,提高了出水水质,并且有效降低了运行能耗.

关键词：城市污水处理过程数据和知识驱动方法多目标优化控制知识迁徙学习动态多目标粒子群优化

来源：评论

学校读者我要写书评

暂无评论

基于高斯混合模型最大期望聚类的同时定位与地图构建数据关联

引用

控制理论与应用 2020年第2期37卷 265-274页

作者：阮晓钢张晶晶朱晓庆周静北京工业大学信息学部计算智能与智能系统北京市重点实验室北京100124

数据关联是移动机器人同时定位与地图构建(SLAM)中状态估计的前提和基础,针对当前联合兼容分支定界算法存在计算复杂度高、耗时长的问题,提出了基于高斯混合模型(GMM)最大期望聚类分组的SLAM数据关联算法.首先,为减少同一时刻参与关联... 详细信息

数据关联是移动机器人同时定位与地图构建(SLAM)中状态估计的前提和基础,针对当前联合兼容分支定界算法存在计算复杂度高、耗时长的问题,提出了基于高斯混合模型(GMM)最大期望聚类分组的SLAM数据关联算法.首先,为减少同一时刻参与关联的观测值数目,在局部区域内采用GMM最大期望聚类算法对当前时刻的观测值进行分组;其次,在各观测小组中采用联合兼容分支定界算法进行数据关联;最后,综合各观测小组的观测值同局部地图特征得到的关联解,得到最优的关联结果.仿真实验结果表明,基于高斯混合模型最大期望聚类分组的SLAM数据关联算法在保证数据关联准确度的前提下,计算复杂度得到了降低,缩短了运行时间.

关键词：同时定位与地图构建数据关联联合兼容分支定界高斯混合模型最大期望聚类移动机器人

来源：评论

学校读者我要写书评

暂无评论

城市污水处理过程出水氨氮优化控制

引用

上海交通大学学报 2020年第9期54卷 916-923页

作者：韩红桂杨士恒张璐乔俊飞北京工业大学信息学部计算智能与智能系统北京市重点实验室北京100124

为了改善城市污水处理过程出水氨氮的处理效果,提出一种城市污水处理过程出水氨氮优化控制方法.首先,基于机理特性分析影响出水氨氮浓度的性能指标,建立一种基于自适应核函数的性能指标与控制变量的关联模型,并通过粒子群优化算法获取... 详细信息

为了改善城市污水处理过程出水氨氮的处理效果,提出一种城市污水处理过程出水氨氮优化控制方法.首先,基于机理特性分析影响出水氨氮浓度的性能指标,建立一种基于自适应核函数的性能指标与控制变量的关联模型,并通过粒子群优化算法获取控制变量溶解氧浓度的优化设定值;其次,设计自适应模糊神经网络控制器,完成溶解氧浓度优化设定值的跟踪控制;最后,将出水氨氮优化控制方法应用于基准仿真平台BSM1.实验结果表明,该优化控制方法不仅提高了出水氨氮的去除效果,而且有效降低了能耗.

关键词：城市污水处理过程出水氨氮优化控制自适应模糊神经网络控制器

来源：评论

学校读者我要写书评

暂无评论

融合元学习和PPO算法的四足机器人运动技能学习方法

引用

控制理论与应用 2024年第1期41卷 155-162页

作者：朱晓庆刘鑫源阮晓钢张思远李春阳李鹏北京工业大学信息学部北京100020 计算智能与智能系统北京市重点实验室北京100020

具备学习能力是高等动物智能的典型表现特征,为探明四足动物运动技能学习机理,本文对四足机器人步态学习任务进行研究,复现了四足动物的节律步态学习过程.近年来,近端策略优化(PPO)算法作为深度强化学习的典型代表,普遍被用于四足机器... 详细信息

具备学习能力是高等动物智能的典型表现特征,为探明四足动物运动技能学习机理,本文对四足机器人步态学习任务进行研究,复现了四足动物的节律步态学习过程.近年来,近端策略优化(PPO)算法作为深度强化学习的典型代表,普遍被用于四足机器人步态学习任务,实验效果较好且仅需较少的超参数.然而,在多维输入输出场景下,其容易收敛到局部最优点,表现为四足机器人学习到步态节律信号杂乱且重心震荡严重.为解决上述问题,在元学习启发下,基于元学习具有刻画学习过程高维抽象表征优势,本文提出了一种融合元学习和PPO思想的元近端策略优化(MPPO)算法,该算法可以让四足机器人进化学习到更优步态.在PyBullet仿真平台上的仿真实验结果表明,本文提出的算法可以使四足机器人学会行走运动技能,且与柔性行动者评价器(SAC)和PPO算法的对比实验显示,本文提出的MPPO算法具有步态节律信号更规律、行走速度更快等优势.

关键词：四足机器人步态学习强化学习元学习

来源：评论

学校读者我要写书评

暂无评论

自适应分解式多目标粒子群优化算法

引用

电子学报 2020年第7期48卷 1245-1254页

作者：韩红桂阿音嘎张璐乔俊飞北京工业大学信息学部北京100124 计算智能与智能系统北京市重点实验室北京100124

为了提高多目标粒子群优化算法解的分布性,文中提出了一种自适应分解式多目标粒子群优化算法(Adaptive Multiobjective Particle Swarm Optimization based on Decomposed Archive,AMOPSO-DA).首先,设计了一种基于优化解空间分布信息的... 详细信息

为了提高多目标粒子群优化算法解的分布性,文中提出了一种自适应分解式多目标粒子群优化算法(Adaptive Multiobjective Particle Swarm Optimization based on Decomposed Archive,AMOPSO-DA).首先,设计了一种基于优化解空间分布信息的外部档案更新策略,有效提升了AMOPSO-DA的空间搜索能力;其次,提出了一种基于粒子进化方向信息的飞行参数调整方法,有效平衡了AMOPSO-DA的探索和开发能力.最后,将提出的AMOPSO-DA应用于多目标优化问题,实验结果表明,文中提出的AMOPSO-DA能够获得分布性较好的优化解.

关键词：多目标粒子群优化算法分解外部档案分布性自适应

来源：评论

学校读者我要写书评

暂无评论

基于参数动态调整的多目标差分进化算法

引用

控制与决策 2017年第11期32卷 1985-1990页

作者：侯莹韩红桂乔俊飞北京工业大学信息学部北京100124 计算智能与智能系统北京市重点实验室北京100124

针对多目标差分进化算法最优解难以获取的问题,提出一种基于参数动态调整的多目标差分进化(AMODE)算法.AMODE算法通过设计变异率和交叉率的自适应调整策略,实现进化过程中变异率和交叉率的动态调整,均衡多目标差分进化算法的局部搜索能... 详细信息

针对多目标差分进化算法最优解难以获取的问题,提出一种基于参数动态调整的多目标差分进化(AMODE)算法.AMODE算法通过设计变异率和交叉率的自适应调整策略,实现进化过程中变异率和交叉率的动态调整,均衡多目标差分进化算法的局部搜索能力和全局探索能力,获得收敛性、多样性和均匀性较好的最优解.实验结果表明,基于参数动态调整的AMODE算法能够有效改善多目标差分进化算法的逼近能力(IGD)和均匀性(SP),具有较好的优化效果.

关键词：多目标优化差分进化算法参数动态调整自适应

来源：评论

学校读者我要写书评

暂无评论

基于目标导向行为和空间拓扑记忆的视觉导航方法

引用

计算机学报 2021年第3期44卷 594-608页

作者：阮晓钢李鹏朱晓庆刘鹏飞北京工业大学信息学部北京100124 计算智能与智能系统北京市重点实验室北京100124

针对在具有动态因素且视觉丰富环境中的导航问题,受路标机制空间记忆方式启发,提出一种可同步学习目标导向行为和记忆空间结构的视觉导航方法.首先,为直接从原始输入中学习控制策略,以深度强化学习为基本导航框架,同时添加碰撞预测作为... 详细信息

针对在具有动态因素且视觉丰富环境中的导航问题,受路标机制空间记忆方式启发,提出一种可同步学习目标导向行为和记忆空间结构的视觉导航方法.首先,为直接从原始输入中学习控制策略,以深度强化学习为基本导航框架,同时添加碰撞预测作为模型辅助任务;然后,在智能体学习导航过程中,利用时间相关性网络祛除冗余观测及寻找导航节点,实现通过情景记忆递增描述环境结构;最后,将空间拓扑地图作为路径规划模块集成到模型中,并结合动作网络用于获取更加通用的导航方法.实验在3D仿真环境DMlab中进行,实验结果表明,本文方法可从视觉输入中学习目标导向行为,在所有测试环境中均展现出更高效的学习方法和导航策略,同时减少构建地图所需数据量;而在包含动态堵塞的环境中,该模型可使用拓扑地图动态规划路径,从而引导绕路行为完成导航任务,展现出良好的环境适应性.

关键词：目标导向行为深度强化学习碰撞预测时间相关性网络空间拓扑地图动作网络

来源：评论

学校读者我要写书评

暂无评论

基于弹簧负载倒立摆模型的仿袋鼠机器人稳定跳跃控制

引用

控制理论与应用 2018年第8期35卷 1151-1158页

作者：左国玉刘旭北京工业大学信息学部北京100124 计算智能与智能系统北京市重点实验室北京100124

仿生跳跃机器人具备很强的越障和环境适应能力,但是由于机器人运动过程中较短的可控时间以及腾空阶段运动的不确定性,运动的稳定性对于仿生跳跃机器人至关重要.本文对仿袋鼠机器人跳跃运动过程中的稳定跳跃控制问题进行了研究.首先采用... 详细信息

仿生跳跃机器人具备很强的越障和环境适应能力,但是由于机器人运动过程中较短的可控时间以及腾空阶段运动的不确定性,运动的稳定性对于仿生跳跃机器人至关重要.本文对仿袋鼠机器人跳跃运动过程中的稳定跳跃控制问题进行了研究.首先采用双质量弹簧负载倒立摆模型(spring-loaded inverted pendulum,SLIP)模型对袋鼠机器人的结构进行简化,建立了机器人系统的动力学模型,并对机器人的运动过程以及着地相与腾空相的切换条件进行了分析.然后采用解耦控制的思想,将SLIP模型的运动控制分解为水平速度控制和跳跃高度控制两个方面,分别通过控制着地角度实现对水平运动速度的控制,通过能量补偿实现对跳跃高度的控制.最后在ADAMS仿真环境中建立机器人模型并进行了机器人运动仿真实验.实验结果表明,本文提出的方法可以实现仿袋鼠机器人稳定的周期性跳跃运动.

关键词：袋鼠机器人运动稳定性 SLIP模型解耦控制

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：