检索结果-内蒙古大学图书馆

计算机学报 2025年第3期48卷 572-585页

作者：左国玉王子豪赵敏于双悦北京工业大学信息科学技术学院北京100124 计算智能与智能系统北京市重点实验室北京100124

在复杂环境中安全抓取目标物体对于机器人技术至关重要,这要求机器人能够准确理解目标物体与周围其他物体之间的空间位置关系。尽管卷积神经网络在关系推理方面展现出一定的潜力,但由于其主要关注像素级信息提取,导致对全局信息的理解不... 详细信息

在复杂环境中安全抓取目标物体对于机器人技术至关重要,这要求机器人能够准确理解目标物体与周围其他物体之间的空间位置关系。尽管卷积神经网络在关系推理方面展现出一定的潜力,但由于其主要关注像素级信息提取,导致对全局信息的理解不足,并忽略了关键的物体关系,从而限制了推理的准确性。为了解决这一问题,本文提出了一种基于端到端图注意网络的关系推理模型,旨在提升推理物体位置关系的准确性。该模型首先采用EfficientNet-B0与双向特征金字塔网络(BiFPN)进行RGB特征提取。其次,在构建图结构时,通过过滤缺乏上下位置关系的物体对,使图结构更加稀疏,从而降低计算负担。随后,利用带权重偏置的图注意网络来预测物体之间的位置关系。在视觉操纵关系数据集(VMRD)上对所提模型进行了训练和评估。结果显示,该模型在关系推理的图像准确率(IA)指标上达到了71.1%。此外,采用梯度加权类激活映射(Grad-CAM)进行了注意力可视化,进一步验证了模型在多物体无序堆叠场景中推断空间位置关系的有效性,使其适用于真实的机械臂抓取应用。最后,通过在实验室环境中对常见物体进行测试,成功地将模型应用于真实世界的机械臂抓取场景,证明了该模型在实际环境中的通用性和实用性。

关键词：复杂场景关系推理 BiFPN 图注意网络抓取顺序

来源：评论

学校读者我要写书评

暂无评论

基于Transformer的视觉分割技术进展

引用

计算机学报 2024年第12期47卷 2760-2782页

作者：李文生张菁卓力吴鑫嘉闫伊北京工业大学信息科学技术学院北京100124 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

视觉分割是计算机视觉领域的核心任务,旨在将图像或视频帧中的像素分类以划分成不同区域.得益于视觉分割技术的快速发展,该技术在自动驾驶、航空遥感和视频场景理解等多种应用领域中发挥着关键作用.近年来,基于Transformer的视觉分割技... 详细信息

视觉分割是计算机视觉领域的核心任务,旨在将图像或视频帧中的像素分类以划分成不同区域.得益于视觉分割技术的快速发展,该技术在自动驾驶、航空遥感和视频场景理解等多种应用领域中发挥着关键作用.近年来,基于Transformer的视觉分割技术因具备长程依赖建模能力而备受关注.随着Transformer的模型架构的持续优化与迭代,亟须更全面地理解和认识Transformer在视觉分割领域的已有进展和发展趋势,通过发现现有研究中的不足和挑战,以更深入地探索Transformer的核心理论.为此,本文从图像/视频两个视觉脉络出发,整理、回顾、分析和探讨了近年来基于Transformer的视觉分割相关技术进展,不仅归纳了Transformer的理论框架,还给出了一些应用实例和研究热点,从而做出总结和展望.具体来说,首先梳理了Transformer的背景,包括问题定义、数据集和评估指标、基本结构,其中,问题定义描述了视觉分割在图像/视频任务中的预期目标和结果;数据集和评估指标反映了模型的具体应用场景,以及性能的衡量标准;基本结构则描述了算法的核心模块、实现流程以及各个模块之间的关系.然后,着重阐述了Transformer在图像语义分割、图像实例分割,以及视频语义分割和视频实例分割四个方法体系,并探讨了当前的研究热点.对于图像语义分割任务,分析了Transformer的代表性结构,包括纯Trans⁃former和双分支结构,并以无人机影像非铺装道路分割和遥感图像语义分割为实际应用案例,探讨了Transformer的改进动机与应用效果,并展示了主观结果;图像实例分割总结了常见的非端对端Transformer和端对端Trans⁃former典型结构.视频语义分割主要分为面向精度的和面向效率的Transformer结构,视频实例分割则包括逐帧和逐片段Transformer分割,并以网络直播视频实例分割为应用实例,一方面讨论了可用的数据集、实验参数和评估指标,另一方面,对网络直播视频实例分割主流方法性能进行了评价和分析,展示了一些主观可视化结果.之后,鉴于视觉分割领域的SAM大模型、开放词汇分割、指代分割受到了广泛关注,本文将这些热点问题方法进行了追溯和评述,以期碰撞出视觉分割的新思路和新灵感.最后,尽管基于Transformer在视觉分割技术受到了广泛的关注,但存在的科学问题也逐渐凸显,限制了模型性能与效率的进一步提升,对此本文总结了利用Trans⁃former开展图像/视频语义/实例分割仍需关注的难点问题,并对未来可能的发展方向进行了展望,提供了一些启示供参考.

关键词：视觉分割 Transformer 语义分割实例分割自注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于深度仲裁策略的四足机器人步态学习

引用

北京理工大学学报 2023年第11期43卷 1197-1204页

作者：朱晓庆陈江涛张思远刘鑫源阮晓钢北京工业大学信息学部北京100124 北京计算智能与智能系统重点实验室北京100124

复现高等生物的学习过程是机器人研究的一个重要研究方向,研究人员已探索出一些常用的基于行动者评价器(actor critic,AC)网络的强化学习算法可以完成此任务,但是还存在一些不足.针对深度确定性策略梯度(deep deterministic policy grad... 详细信息

复现高等生物的学习过程是机器人研究的一个重要研究方向,研究人员已探索出一些常用的基于行动者评价器(actor critic,AC)网络的强化学习算法可以完成此任务,但是还存在一些不足.针对深度确定性策略梯度(deep deterministic policy gradient,DDPG)存在着Q值过估计导致恶化学习效果的问题,受到大脑前额叶皮质层仲裁机制的启发,提出了一种深度仲裁行动者评价器(deep arbitration actor critic,DAAC)算法,其中包含两套评价网络,通过仲裁机制进行择优选取评价网络去更新策略参数,有效解决了Q值过估计的问题,该算法使得四足机器人成功复现了仿生的步态学习过程.通过仿真实验,将DAAC算法与DDPG、软行动者评价器(soft actor critic,SAC)、近端策略优化(proximal policy optimization,PPO)三种算法进行了对比实验,实验证明经DAAC训练的四足机器人步态在奖励值、机体稳定性和速度三个方面都有更好的表现,有效验证了算法的优越性.

关键词：四足机器人强化学习仲裁机制步态学习

来源：评论

学校读者我要写书评

暂无评论

乳腺近红外光谱断层成像系统研究进展

引用

中国激光 2024年第9期51卷 143-159页

作者：魏承朴冯金超栗雅轩胡婷孙中华贾克斌李哲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 先进信息网络北京实验室北京100876

近红外光谱断层成像是一种可以获得乳腺组织内部光学特性,弥补传统乳腺影像学检查方法的不足,具有无创无辐射、高特异性等特性,在乳腺成像中有重要应用价值的光学成像技术。近红外光谱断层成像系统对该技术在乳腺疾病临床诊断中的应用... 详细信息

近红外光谱断层成像是一种可以获得乳腺组织内部光学特性,弥补传统乳腺影像学检查方法的不足,具有无创无辐射、高特异性等特性,在乳腺成像中有重要应用价值的光学成像技术。近红外光谱断层成像系统对该技术在乳腺疾病临床诊断中的应用起着重要的作用。然而,近红外光谱断层成像系统的空间分辨率低,限制了其在乳腺成像中的应用。将连续波模式与频域或时域测量模式相结合,并融合临床用的数字乳腺断层摄影、超声或核磁共振成像等技术有助于解决上述问题。先对近红外光谱断层成像系统的测量模式、多模态系统和多模态融合技术进行梳理、对比,然后介绍了该技术在乳腺成像中的最新应用,进一步讨论了乳腺近红外光谱断层成像系统未来的发展方向。

关键词：成像系统生物光学近红外光谱断层成像乳腺成像多模态

来源：评论

学校读者我要写书评

暂无评论

不依赖初始容许控制的非对称约束零和博弈智能评判设计

引用

控制与决策 2025年第4期40卷 1347-1356页

作者：李梦花王鼎赵明明乔俊飞北京工业大学信息科学技术学院北京100124 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 北京工业大学智慧环保北京实验室北京100124 北京工业大学北京人工智能研究院北京100124

利用自适应评判控制方法研究具有非对称约束的连续时间零和博弈问题.首先,建立一种新颖的非二次型函数处理非对称约束问题,以降低对控制矩阵的限制.其次,推导最优控制、最坏扰动,以及Hamilton-Jacobi-Isaacs方程.然后,建立一种自适应评... 详细信息

利用自适应评判控制方法研究具有非对称约束的连续时间零和博弈问题.首先,建立一种新颖的非二次型函数处理非对称约束问题,以降低对控制矩阵的限制.其次,推导最优控制、最坏扰动,以及Hamilton-Jacobi-Isaacs方程.然后,建立一种自适应评判控制方法以近似最优代价函数,从而获得近似最优控制以及近似最坏扰动.针对具有非对称约束的零和博弈问题,提出一种新型评判学习准则来强化学习过程并消除对初始容许控制的依赖.此外,利用Lyapunov方法证明系统状态和评判网络权值近似误差的稳定性.最后,利用F-16战斗机和倒立摆两个实例验证所提算法的有效性.同时,给出传统学习算法下的仿真结果,进一步说明所提新型学习准则的可行性.

关键词：自适应评判设计自适应动态规划连续系统零和博弈非对称约束初始容许控制

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

基于Q学习的多任务多目标粒子群优化算法

引用

控制与决策 2023年第11期38卷 3039-3047页

作者：韩红桂徐子昂王晶晶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

多任务粒子群优化算法(multi-task particle swarm ptimization,MTPSO)通过知识迁移学习,具有快速收敛能力,广泛应用于求解多任务多目标优化问题.然而,MTPSO难以根据种群进化状态自适应调整优化过程,容易陷入局部最优,收敛性能较差.针... 详细信息

多任务粒子群优化算法(multi-task particle swarm ptimization,MTPSO)通过知识迁移学习,具有快速收敛能力,广泛应用于求解多任务多目标优化问题.然而,MTPSO难以根据种群进化状态自适应调整优化过程,容易陷入局部最优,收敛性能较差.针对此问题,利用强化学习的自我进化与预测能力,提出一种基于Q学习的多任务多目标粒子群优化算法(QM2PSO).首先,设计粒子群参数动态更新方法,利用Q学习方法在线更新粒子群算法的惯性权重和加速度参数,提高当前粒子收敛到Pareto前沿的能力;其次,提出基于柯西分布的突变搜索策略,通过全局和局部交替搜索多任务最优解,避免算法陷入局部最优;最后,设计基于正向迁移准则的知识迁移方法,采用Q学习方法更新知识迁移率,改善知识负迁移现象.与已有经典算法的对比实验结果表明所提出的QM2PSO算法具有更优越的收敛性.

关键词：多任务多目标优化粒子群优化知识迁移 Q学习

来源：评论

学校读者我要写书评

暂无评论

一种基于Transformer架构的多层级自动睡眠分期模型

引用

电子学报 2025年第2期53卷 545-557页

作者：金峥贾克斌北京工业大学信息科学技术学院北京100124 先进信息网络北京实验室北京100124 计算智能与智能系统北京市重点实验室北京100124

睡眠是人体保持健康的重要生理过程,基于多导睡眠图(PolySomnoGraphy,PSG)的睡眠分期是诊疗睡眠疾病和评估睡眠质量的重要依据.人工睡眠分期法在处理大规模PSG数据时存在耗时久、效率低的问题,采用深度学习模型有效表征PSG的自动睡眠分... 详细信息

睡眠是人体保持健康的重要生理过程,基于多导睡眠图(PolySomnoGraphy,PSG)的睡眠分期是诊疗睡眠疾病和评估睡眠质量的重要依据.人工睡眠分期法在处理大规模PSG数据时存在耗时久、效率低的问题,采用深度学习模型有效表征PSG的自动睡眠分期法显现出广阔的研究前景.针对现有模型未充分考虑PSG片段内波形信息、通道间相关性信息、片段间睡眠转换信息的问题,本文提出一种基于Transformer架构的多层级睡眠分期网络模型(Hierarchical transFormer sleep staging model,HierFormer),采用Transformer编码器有效提取片段内波形特征、通道相关性特征、片段间转换特征,并结合注意力机制综合提升模型对于PSG片段内、通道间、片段间三种视角信号特性的可解释性.基于睡眠集-欧洲数据格式(sleep-European Data Format,sleep-EDF)扩展睡眠数据集开展的实验结果表明:本文模型利用更少的参数量取得优于多种现有基线模型的分期性能,分类准确率、宏平均精确率、宏平均召回率、宏平均F1分数、科恩卡帕系数分别可达到0.807、0.784、0.735、0.750和0.721.通过在三种视角下不同特征编码方式的性能对比和注意力分数的可视化,本文进一步证明了所提模型良好的编码能力和可解释性.本研究旨在为睡眠分期领域的深度学习应用提供新途径和新技术,从而辅助医生提升睡眠疾病诊疗效率.

关键词：多导睡眠图(PSG) 自动睡眠分期深度神经网络 Transformer架构注意力机制模型可解释性

来源：评论

学校读者我要写书评

暂无评论

基于混合双层自组织径向基函数神经网络的优化学习算法

引用

北京工业大学学报 2024年第1期50卷 38-49页

作者：杨彦霞王普高学金高慧慧齐泽洋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

针对传统方法采用先训练后测试两阶段学习机制极易导致的过拟合或欠拟合问题,提出一种基于混合双层自组织径向基函数神经网络的优化学习(hybrid bilevel self-organizing radial basis function neural network optimization learning,H... 详细信息

针对传统方法采用先训练后测试两阶段学习机制极易导致的过拟合或欠拟合问题,提出一种基于混合双层自组织径向基函数神经网络的优化学习(hybrid bilevel self-organizing radial basis function neural network optimization learning,Hb-SRBFNN-OL)算法。首先,将训练过程和测试过程集成到一个统一的框架中,规避过拟合或欠拟合问题。其次,基于进化学习机制,提出上下2层的交互式优化学习算法,上层基于网络复杂度和测试误差自组织调整网络结构,下层采用列文伯格-马夸尔特(Levenberg Marquardt,LM)算法作为优化器对自组织径向基函数神经网络(self-organizing radial basis function neural network,SO-RBFNN)的连接权值进行优化。最后,利用来自多个子网络的综合信息生成模型的最终输出,加速网络全局收敛。为验证所提方法的可行性,分别在多个分类和预测任务中进行了测试实验。结果表明,在与传统神经网络结构相似甚至更好的测试和分类精度下,该方法不仅能实现更快的训练收敛,而且能进化成更精简紧凑的径向基函数神经网络(radial basis function neural network,RBFNN)模型。尤其在污水处理过程中总磷的质量浓度预测实验中,测试集中均方根误差(root mean squared error,RMSE)最高可降低48.90%,实际场景实验结果验证了所提算法的精确性更佳且泛化能力更强。

关键词：径向基函数神经网络(radial basis function neural network,RBFNN) 自组织列文伯格-马夸尔特(Levenberg Marquardt,LM)算法混合双层优化学习泛化性能

来源：评论

学校读者我要写书评

暂无评论

基于随机集成TD3的四足机器人步态学习方法

引用

北京工业大学学报 2025年

作者：朱晓庆朱晓宇阮晓钢南博睿毕兰越北京工业大学信息学部北京计算智能与智能系统重点实验室

为解决四足机器人技能学习领域中双延迟深度确定性策略(twin delayed deep deterministic policy gradient，TD3)算法中存在Q值低估导致价值估计不准确，从而出现学习效果恶化的问题，提出一种随机集成TD3算法(randomized ensembled net... 详细信息

为解决四足机器人技能学习领域中双延迟深度确定性策略(twin delayed deep deterministic policy gradient，TD3)算法中存在Q值低估导致价值估计不准确，从而出现学习效果恶化的问题，提出一种随机集成TD3算法(randomized ensembled network-TD3，RE-TD3)。该算法集成多个Q值网络，并随机选取Q值网络进行评估，缓解价值估计不准确的问题，有效提高策略性能。其次，设计合适的奖励函数以正确引导四足机器人的步态学习任务。最后设置仿真实验进行验证，实验结果表明，所提算法能够使四足机器人学习到良好的运动步态，与其他主流算法对比，RE-TD3算法学习到的步态在机体稳定性上提高了33%，在奖励值上提高了32%，在行走偏离度上改善了60%。

关键词：强化学习四足机器人双延迟深度确定性策略(twin delayed deep deterministic policy gradient，TD3) 奖励函数步态学习集成网络

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：