检索结果-内蒙古大学图书馆

自动化学报 2025年第3期51卷 631-642页

作者：满景涛曾志刚盛银来金钢华中科技大学人工智能与自动化学院武汉430074 图像信息处理与智能控制教育部重点实验室武汉430074

现有基于偏微分方程(Partial differential equation,PDE)的多智能体系统(Multi-agent system,MAS)编队控制方法要求智能体必须是密集分布的,为打破这一限制,提出一种新的基于常微分−偏微分方程(Ordinary differential equation-partial differential equation,ODE-PDE)的分析方法,以解决稀疏−密集混合分布的大规模异构MAS编队问题.首先,通过设计特定的通信协议,并基于空间离散系统部分连续化方法,将原始大量的异构MAS的ODE动力学模型转化为由一个PDE和少数几个ODE耦合而成的ODE-PDE模型.为更符合实际复杂场景,将拓扑权值规定为半马尔科夫切换的,且稀疏分布和密集分布智能体遵循不一致的切换规则.其次,针对无时滞和有时滞两种情形,设计两种异步边界控制策略,利用Lyapunov方法得到保证误差系统实际有限时间稳定的充分条件,并得到停息时间和稳定阈值的计算规则.最后,两个广义的数值仿真进一步验证了所提方法的有效性.

关键词：大规模异构多智能体系统常微分−偏微分方程实际有限时间编队半马尔科夫切换拓扑异步边界控制

来源：评论

学校读者我要写书评

暂无评论

基于MILP的轻量级序列密码算法线性分析

引用

信息网络安全 2025年第2期 260-269页

作者：帅燕胡汉平华中科技大学人工智能与自动化学院武汉430074 图像信息处理与智能控制教育部重点实验室武汉430074

文章针对一种基于时变互耦合双混沌系统的轻量级序列密码算法的安全性进行评估,轻量级序列密码算法的安全性对保障物联网和移动通信等资源受限环境的数据安全至关重要。文章选取了混合整数线性规划方法作为分析工具,构建算法的数学模型... 详细信息

文章针对一种基于时变互耦合双混沌系统的轻量级序列密码算法的安全性进行评估,轻量级序列密码算法的安全性对保障物联网和移动通信等资源受限环境的数据安全至关重要。文章选取了混合整数线性规划方法作为分析工具,构建算法的数学模型,并通过对模型的优化求解,得出算法在不同运行模式下的最大线性相关系数,范围在2^(-54)~2^(-26)之间。实验结果表明,该算法在相关性方面存在一定的脆弱性,攻击者通过穷举110位初始密钥来破解算法,复杂度远低于其128bit初始密钥的穷举复杂度。文章不仅提供了对该算法安全性的定量评估,而且验证了在密码学中进行相关性分析的重要性以及混合整数线性规划技术在密码算法安全性评估方面的有效性。文章对于推动轻量级密码算法的安全性分析和设计具有一定的理论和实践意义,为资源受限环境下的数据安全提供了有力的理论支持。

关键词：混沌序列密码算法线性分析混合整数线性规划

来源：评论

学校读者我要写书评

暂无评论

单边插入-删除(膜)系统计算能力

引用

系统工程理论与实践 2013年第9期33卷 2362-2370页

作者：谭钢军宋勃升陈智华石晓龙华中科技大学自动化学院图像信息处理和智能控制教育部重点实验室武汉430074

插入-删除系统是一类受生物过程中错配退火的DNA序列启发的计算模型.本文研究了使用单边插入规则或删除规则的插入-删除系统的计算能力.研究表明,插入1个符号(上下文参数是(2,0))并且删除2个符号(上下文参数是(0,1))的插入-删除系统是... 详细信息

插入-删除系统是一类受生物过程中错配退火的DNA序列启发的计算模型.本文研究了使用单边插入规则或删除规则的插入-删除系统的计算能力.研究表明,插入1个符号(上下文参数是(2,0))并且删除2个符号(上下文参数是(0,1))的插入-删除系统是通用的;插入1个符号(上下文参数是(0,1))并且删除1个符号(上下文参数是(1,0))的插入-删除系统是不通用的;另外,本文还给出了3个通用的单边插入-删除膜系统,而在插入-删除系统中,它们是不通用的.这些结果部分回答了[Proceedings of 12th International Workshop on Descriptional Complexity of Formal Systems,2010,88-98]中提出的公开问题.

关键词：膜计算插入-删除系统插入-删除膜系统通用性

来源：评论

学校读者我要写书评

暂无评论

考虑依赖关系和能力约束的多对多供应链订单分配研究

引用

控制与决策 2020年第3期35卷 686-694页

作者：王剑周壮黄琦夏薇华中科技大学自动化学院武汉430074 图像信息处理与智能控制教育部重点实验室武汉430074

研究一种多对多供应链中的相互依赖订单分配问题.其中,来自需求方的需求由一系列相互依赖订单组成,并同时考虑供应商的能力约束以及订单多属性约束,包括完成时间、数量、成本等.为了消解由于制造商依赖订单和供应商同时订单所导致的冲突... 详细信息

研究一种多对多供应链中的相互依赖订单分配问题.其中,来自需求方的需求由一系列相互依赖订单组成,并同时考虑供应商的能力约束以及订单多属性约束,包括完成时间、数量、成本等.为了消解由于制造商依赖订单和供应商同时订单所导致的冲突,采用自动协商方法.在定义供应链相互依赖订单分配模型的基础上,提出一种两阶段协商协议和不同的协商策略.协商协议集成了投标和辩论两种协商流程,可以实现制造商与供应商之间的信息交流,规定协商双方的行为准则;而协商策略则确定了制造商和供应商的决策规则.仿真实验验证了自动协商方法的可行性,同时分析和比较不同供应链环境下的订单分配效果.实验结果表明,在不同供应链环境下,通过协商的方法能够有效地消解冲突,解决所研究的订单分配问题.

关键词：供应链多对多订单分配相互依赖能力约束自动协商

来源：评论

学校读者我要写书评

暂无评论

基于三维卷积的人手姿态估计高分辨率网络

引用

华中科技大学学报（自然科学版） 2020年第1期48卷 1-6页

作者：桑农李默然华中科技大学人工智能与自动化学院图像信息处理与智能控制教育部重点实验室

在体素化输入的三维卷积基础上,通过引入高分辨率保持模块,提出了一种基于三维卷积的高分辨率保持网络.该网络以体素化的深度图为输入,进行三维卷积.不同于先前大多数从低分辨率特征中恢复高分辨率特征的方法,构建的网络引入不同分辨率... 详细信息

在体素化输入的三维卷积基础上,通过引入高分辨率保持模块,提出了一种基于三维卷积的高分辨率保持网络.该网络以体素化的深度图为输入,进行三维卷积.不同于先前大多数从低分辨率特征中恢复高分辨率特征的方法,构建的网络引入不同分辨率子网络并行的结构,在处理低分辨率特征图的同时保持高分辨率特征图,从高分辨率子网络卷积得出每个关节点在3D体素中的分布概率,最终计算出每个关节点的三维空间坐标.实验表明:该算法相较于先前的基于沙漏模型的三维卷积网络能更准确地进行关节点估计.

关键词：人手姿态估计单一深度图体素化 3D卷积高分辨率网络

来源：评论

学校读者我要写书评

暂无评论

基于姿态对齐的行人重识别方法（英文）

引用

控制理论与应用 2017年第6期34卷 837-842页

作者：王金刘洁高常鑫桑农华中科技大学自动化学院图像信息处理与智能控制教育部重点实验室湖北武汉430074

行人重识别是指根据输入的某个行人图片,在视频监控网络中对该行人目标进行检索.行人的姿态变化和监控场景的亮度变化是该任务的两个主要挑战.针对行人的姿态变化问题,本文首先对训练集中行人图片进行稠密图像块采样获得图像块集合,然... 详细信息

行人重识别是指根据输入的某个行人图片,在视频监控网络中对该行人目标进行检索.行人的姿态变化和监控场景的亮度变化是该任务的两个主要挑战.针对行人的姿态变化问题,本文首先对训练集中行人图片进行稠密图像块采样获得图像块集合,然后对每一个图像块提取其局部表观空间特征,最后在此特征集上聚类得到通用的行人部件字典.由于该部件字典编码了行人的部件信息,因此通过该字典内的每一个码元可以建立两幅行人图像中特定图像块之间的对应关系.将两幅行人图片的图像块集合分别向部件字典投影,可以获得2幅行人图片姿态对齐后的图像块序列.针对监控场景的亮度变化问题,本文在姿态对齐后的图像块上分别提取4种颜色描述子,并将不同颜色描述子下的图像块相似性进行分数级组合以获得更好的亮度不变性.其中不同颜色描述子之间的组合系数通过结构化输出支持向量机学习得到.在常用的视点不变行人重识别(viewpoint invariant pedestrian recognition,VIPe R)数据集上的实验结果表明,该方法在存在行人姿态变化和场景亮度变化干扰时获得了较好的行人重识别效果.

关键词：行人重识别姿态对齐结构化输出支持向量机

来源：评论

学校读者我要写书评

暂无评论

忆阻及其应用研究综述

引用

自动化学报 2013年第8期39卷 1170-1184页

作者：王小平沈轶吴计生孙军伟李薇华中科技大学自动化学院武汉430074 图像信息处理与智能控制教育部重点实验室武汉430074

忆阻由蔡少棠教授从对称性角度预言提出,自惠普实验室2008年制作出第一款忆阻开始,其已成为自动化等相关领域最热门研究方向之一.本文回顾了忆阻的起源,探讨了忆阻的分类及其制造技术,分析了忆阻的多个数学模型和仿真模型以及仿真模型... 详细信息

忆阻由蔡少棠教授从对称性角度预言提出,自惠普实验室2008年制作出第一款忆阻开始,其已成为自动化等相关领域最热门研究方向之一.本文回顾了忆阻的起源,探讨了忆阻的分类及其制造技术,分析了忆阻的多个数学模型和仿真模型以及仿真模型的实现方法,总结了忆阻在人工神经网络、保密通信、存储器、模拟电路、人工智能计算机、生物行为模拟等方面的研究现状,并对其应用前景进行展望.

关键词：忆阻数学模型仿真模型存储器

来源：评论

学校读者我要写书评

暂无评论

混杂奇异摄动系统的研究综述

引用

控制与决策 2018年第5期33卷 950-959页

作者：王燕舞杨武华中科技大学自动化学院武汉430074 华中科学大学图像信息处理与智能控制教育部重点实验室武汉430074

混杂奇异摄动理论及其应用是近年来的研究热点.鉴于此,介绍了一般化的混杂奇异摄动系统模型,概括了混杂奇异摄动系统的分析方法,总结了混杂奇异摄动系统分析与综合的研究现状及其应用领域,并对该研究领域未来的研究方向进行了展望.

关键词：奇异摄动系统混杂特征分析与综合

来源：评论

学校读者我要写书评

暂无评论

基于深度神经网络的图像风格化方法综述

引用

模式识别与人工智能 2022年第4期35卷 333-347页

作者：涂鹏琦高常鑫桑农华中科技大学人工智能与自动化学院图像信息处理与智能控制教育部重点实验室武汉430074

图像风格化旨在通过风格化模型,将一幅图像在保持语义内容不变的同时从一种风格转换到另一种风格.鉴于深度神经网络强大的特征提取和表达能力,学者们先后提出各种基于深度神经网络的图像风格化方法.文中根据风格的定义方式,将基于深度... 详细信息

图像风格化旨在通过风格化模型,将一幅图像在保持语义内容不变的同时从一种风格转换到另一种风格.鉴于深度神经网络强大的特征提取和表达能力,学者们先后提出各种基于深度神经网络的图像风格化方法.文中根据风格的定义方式,将基于深度神经网络的图像风格化方法划分为基于参考的图像风格化方法和基于域的图像风格化方法,并对相关文献进行归纳梳理.与已有相关综述不同,文中只研究基于深度神经网络的图像风格化方法,从风格定义的角度进行详尽全面的分类.最后总结目前代表性工作在图像风格化任务常用数据集上的实验结果,分析现有方法存在的问题,并基于这些问题展望未来工作.

关键词：图像风格化深度神经网络基于域的图像风格化基于参考的图像风格化

来源：评论

学校读者我要写书评

暂无评论

基于K-means聚类算法的公交运营时段分析

引用

交通运输系统工程与信息 2014年第2期14卷 87-93页

作者：沈吟东张仝辉徐甲华中科技大学自动化学院图像信息处理与智能控制教育部重点实验室武汉430074

公交车辆在高低峰等不同时段的运营时间差异较大,因此,只有对各时段的运营时间分别加以分析才能准确掌握运营时间规律,这对提高公交运营方案的准点率具有重要影响,是公交运营分析和优化调度等工作的不可或缺的重要基础.目前我国公交时... 详细信息

公交车辆在高低峰等不同时段的运营时间差异较大,因此,只有对各时段的运营时间分别加以分析才能准确掌握运营时间规律,这对提高公交运营方案的准点率具有重要影响,是公交运营分析和优化调度等工作的不可或缺的重要基础.目前我国公交时段划分主要依据人工经验,简单且粗糙.本文基于大量GPS运营数据,创新性地将K-means聚类算法应用于运营时段划分,并结合公交样本数据特点,提出一种改进的K-means聚类算法,其中改进了传统的初始簇中心选择方法,并设计了利用三角形不等式减少不必要的距离计算和基于模糊聚类思想的簇中心更新算法.十堰市和海口市公交的案例分析表明,本文的K-means聚类方法可行,改进算法的计算效率更高,划分的时段与实际调研分析结果更加吻合.

关键词：智能公交时段划分 K-means聚类算法运营分析数据挖掘

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：