检索结果-内蒙古大学图书馆

计算机学报 2022年第7期45卷 1478-1499页

作者：吕帅龚晓宇张正昊韩帅张峻伟吉林大学计算机科学与技术学院长春130012 符号计算与知识工程教育部重点实验室(吉林大学) 长春130012 Department of Information and Computing Sciences Utrecht UniversityUtrecht 3584 CCThe Netherlands

深度强化学习是目前机器学习领域中重要的研究分支之一,它可以通过直接与环境进行交互实现端到端的学习,对高维度和大规模的问题有着很好的解决能力.虽然深度强化学习已经取得了瞩目的成果,但其仍面临着对环境探索能力不足、鲁棒性差、... 详细信息

深度强化学习是目前机器学习领域中重要的研究分支之一,它可以通过直接与环境进行交互实现端到端的学习,对高维度和大规模的问题有着很好的解决能力.虽然深度强化学习已经取得了瞩目的成果,但其仍面临着对环境探索能力不足、鲁棒性差、容易受到由欺骗性奖励导致的欺骗性梯度影响等问题.进化算法普遍具有较好的全局搜索能力、良好的鲁棒性和并行性等优点,因此将进化算法与深度强化学习结合用于弥补深度强化学习不足的方法成为了当前研究的热点.该文主要关注进化算法在无模型的深度强化学习方法中的应用,首先简单介绍了进化算法和强化学习基本方法,之后详细阐述了两类结合进化算法的强化学习方法,分别是进化算法引导策略搜索的强化学习和结合进化算法的深度强化学习,同时对这些方法进行了对比与分析,最后对该领域的研究重点和发展趋势进行了探究.

关键词：强化学习深度强化学习进化算法遗传算法进化策略

来源：评论

学校读者我要写书评

暂无评论

基于生成对抗网络的序列交叉熵哈希

引用

吉林大学学报（工学版） 2023年第12期53卷 3536-3546页

作者：王振杨宵晗吴楠楠李国坤冯创山东理工大学计算机科学与技术学院山东淄博255022 吉林大学符号计算与知识工程教育部重点实验室长春130012

为了快速响应遥感图像的近邻检索请求,提出了基于生成对抗网络的序列交叉熵哈希(GANOCH)。首先,建立了基于交叉熵的序列保持目标函数,确保任意三元组样本在不同空间内的序列相似性关系具有相同的概率分布,增强了序列保持约束性。然后,... 详细信息

为了快速响应遥感图像的近邻检索请求,提出了基于生成对抗网络的序列交叉熵哈希(GANOCH)。首先,建立了基于交叉熵的序列保持目标函数,确保任意三元组样本在不同空间内的序列相似性关系具有相同的概率分布,增强了序列保持约束性。然后,为解决优化过程中的非确定性多项式(NP)难问题,对目标函数中的离散编码进行了连续化松驰处理,并建立了基于三元序列交叉熵的量化损失函数,以减少由连续化过程引起的误差。同时,构造了基于类别标签矩阵的监督生成对抗网络,以增广训练数据集,避免由数据不足或不均衡导致深度网络发生过拟合。最后,在UCMD、SAT4和SAT6遥感数据集上设置了近邻检索性能对比实验,结果表明,基于生成对抗网络的序列交叉熵哈希的近邻检索性能较优。

关键词：计算机应用技术哈希算法交叉熵序列保持

来源：评论

学校读者我要写书评

暂无评论

针对MUS求解问题的加强剪枝策略

引用

软件学报 2024年第4期35卷 1964-1979页

作者：蒋璐宇欧阳丹彤董博文张立明吉林大学计算机科学与技术学院吉林长春130012 吉林大学软件学院吉林长春130012 符号计算与知识工程教育部重点实验室(吉林大学) 吉林长春130012

极小不可满足子集(minimal unsatisfiable subsets,MUS)的求解是布尔可满足性问题中的一个重要子问题.对于一个给定的不可满足问题,其MUS的求解能够反映出问题中导致其不可满足的关键原因.然而,MUS的求解是一项极其耗时的任务,不同的剪... 详细信息

极小不可满足子集(minimal unsatisfiable subsets,MUS)的求解是布尔可满足性问题中的一个重要子问题.对于一个给定的不可满足问题,其MUS的求解能够反映出问题中导致其不可满足的关键原因.然而,MUS的求解是一项极其耗时的任务,不同的剪枝过程将直接影响到搜索空间的大小、算法的迭代次数,从而影响算法的求解效率.提出一种针对MUS求解的加强剪枝策略ABC(accelerating by critical MSS),依据MSS、MCS、MUS这3者之间的对偶性和碰集关系特点,提出cMSS和subMUS概念,并总结出4条性质,即每个MUS必是subMUS的超集,进而在避免对MCS的碰集进行求解的情况下有效利用MUS和MCS互为碰集的特征,有效避免求解碰集时的时间开销.当subMUS不可满足时,则subMUS是唯一的MUS,算法将提前结束执行;当subMUS可满足时,则剪枝掉此节点,进而有效避免对求解空间中的冗余空间进行搜索.同时,通过理论证明ABC策略的有效性,并将其应用于目前最高效的单一化模型算法MARCO和双模型算法MARCO-MAM,在标准测试用例下的实验结果表明,该策略可以有效地对搜索空间进行进一步剪枝,从而提高MUS的枚举效率.

关键词：极小不可满足子集极大可满足子集 MUS枚举幂集探索不可行分析

来源：评论

学校读者我要写书评

暂无评论

基于冲突的离散事件系统诊断方法

引用

吉林大学学报（工学版） 2013年第2期43卷 380-385页

作者：王晓宇欧阳丹彤赵剑耿雪娜吉林大学计算机科学与技术学院长春130012 吉林大学教育部符号计算与知识工程重点实验室长春130012

提出了一种基于冲突的动态模型故障诊断方法。通过在离散事件系统的自动机模型中添加概率,离线计算模型中事件与状态的后验概率,从而处理不完全观测导致的不确定性,增强了离散事件系统处理不确定性问题的能力。在已经建立的离线模型上,... 详细信息

提出了一种基于冲突的动态模型故障诊断方法。通过在离散事件系统的自动机模型中添加概率,离线计算模型中事件与状态的后验概率,从而处理不完全观测导致的不确定性,增强了离散事件系统处理不确定性问题的能力。在已经建立的离线模型上,在线计算观测与模型的冲突,在模型中提取符合观测的轨迹,推导系统运行状况,判断故障,并给出故障路径。将基于冲突的诊断方法扩展到离散事件系统的诊断上来,避免了对无关事件的搜索及判断,从而降低了诊断搜索空间,便于计算更大规模的系统模型。

关键词：人工智能基于冲突诊断离散事件系统动态诊断

来源：评论

学校读者我要写书评

暂无评论

基于XGBoost的特征选择算法

引用

通信学报 2019年第10期40卷 101-108页

作者：李占山刘兆赓吉林大学计算机科学与技术学院吉林长春130012 吉林大学软件学院吉林长春130012 吉林大学符号计算与知识工程教育部重点实验室吉林长春130012

分类问题中的特征选择一直是一个重要而又困难的问题。这类问题中要求特征选择算法不仅能够帮助分类器提高分类准确率,同时还要尽可能地减少冗余特征。因此,为了在分类问题中更好地进行特征选择,提出了一种新型的包裹式特征选择算法XGB... 详细信息

分类问题中的特征选择一直是一个重要而又困难的问题。这类问题中要求特征选择算法不仅能够帮助分类器提高分类准确率,同时还要尽可能地减少冗余特征。因此,为了在分类问题中更好地进行特征选择,提出了一种新型的包裹式特征选择算法XGBSFS。该算法借鉴极端梯度提升(XGBoost)算法中构建树的思想过程,通过从3个重要性度量的角度来衡量特征的重要性,避免单一重要性度量的局限性;然后通过改进的序列浮动前向搜索策略(ISFFS)搜索特征子集,使最终得到的特征子集有较高的质量。在8个UCI数据集的对比实验中表明,所提算法具有很好的性能。

关键词：特征选择极端梯度提升序列浮动搜索策略

来源：评论

学校读者我要写书评

暂无评论

车辆主动式交叉路口调度模型

引用

吉林大学学报（工学版） 2013年第6期43卷 1638-1643页

作者：高强付超王健刘衍珩邓伟文吉林大学计算机科学与技术学院长春130012 吉林大学符号计算与知识工程教育部重点实验室长春130012 吉林大学汽车仿真与控制国家重点实验室长春130012

提出了一种基于车-车通信和车-路通信的车辆主动式交叉路口调度模型,包括车队组建算法、行驶模型、交通灯控制模型以及相应的调度算法。同车道同方向的车辆在行驶过程中通过车-车通信组成车队,车队通过车-路通信主动与交通灯建立通信,... 详细信息

提出了一种基于车-车通信和车-路通信的车辆主动式交叉路口调度模型,包括车队组建算法、行驶模型、交通灯控制模型以及相应的调度算法。同车道同方向的车辆在行驶过程中通过车-车通信组成车队,车队通过车-路通信主动与交通灯建立通信,提交调度所需信息。交通灯汇总各方向的车队信息后做出统一调度方案,将交叉路口以'时间片'的形式分配给各通行车队。试验结果表明:在车流量非饱和状态下,车辆主动式交叉路口调度模型可以有效地降低油耗和缩短排队等待时间。

关键词：计算机应用车载自组网自动驾驶智能交通灯调度模型

来源：评论

学校读者我要写书评

暂无评论

基于线性分段与HMM的时间序列分类算法

引用

模式识别与人工智能 2011年第4期24卷 574-581页

作者：尹锐李雄飞李军彭宏吉林大学计算机科学与技术学院符号计算与知识工程教育部重点实验室长春130012 新疆师范大学网络教育学院乌鲁木齐830054

抽象出时间序列的多段线性特征,并提出一种时间序列分类算法.该算法包括3个模块:导数估值函数,线性分段方法,DDHMM模型(基于HMM).首先,利用导数估值函数与线性分段方法检测多段线性特征,若满足多线段特征,则将时间序列转化为特定结构的... 详细信息

抽象出时间序列的多段线性特征,并提出一种时间序列分类算法.该算法包括3个模块:导数估值函数,线性分段方法,DDHMM模型(基于HMM).首先,利用导数估值函数与线性分段方法检测多段线性特征,若满足多线段特征,则将时间序列转化为特定结构的观察值序列;然后,利用训练观察值序列训练DDHMM模型,通过比较各模型产生测试观察值序列的概率值进行分类.实验表明,针对满足多段线性特征的时间序列,该算法具有较高的分类精度,应用在UCI数据集和实际工程中,分类效果好.

关键词：时间序列分类隐马尔可夫模型线性分段导数估值

来源：评论

学校读者我要写书评

暂无评论

一种优化模糊神经网络的多目标微粒群算法

引用

计算机研究与发展 2006年第12期43卷 2104-2109页

作者：马铭周春光张利彪马捷北华大学信息管理中心吉林132013 吉林大学计算机科学与技术学院教育部符号计算与知识工程重点实验室长春130012

模糊神经网络优化是一个多目标优化问题·通过对模糊神经网络和微粒群算法的深入分析,提出了一种多目标微粒群算法·在算法中将网络的精确性和复杂性分别作为目标进行优化,再用一种启发性分量加权均值法来选取个体极值和全局极... 详细信息

模糊神经网络优化是一个多目标优化问题·通过对模糊神经网络和微粒群算法的深入分析,提出了一种多目标微粒群算法·在算法中将网络的精确性和复杂性分别作为目标进行优化,再用一种启发性分量加权均值法来选取个体极值和全局极值·算法能够引导粒子较快地向非劣最优解区域移动并最终获得多个非劣最优解,为模糊神经网络的精确性和复杂性的折中寻优问题提供了一种解决方法·茶味觉信号识别的仿真实验验证了该算法的有效性·

关键词：模糊神经网络微粒群算法多目标优化

来源：评论

学校读者我要写书评

暂无评论

面向不确定移动对象的连续K近邻查询算法

引用

模式识别与人工智能 2016年第11期29卷 1048-1056页

作者：于彦伟齐建鹏宋鹏张永刚烟台大学计算机与控制工程学院烟台264005 吉林大学符号计算与知识工程教育部重点实验室长春130012

近年来,位置服务等领域急需解决的一个难点问题是不确定移动对象连续K近邻查询.基于此情况,文中提出高效的面向不确定移动对象的连续K近邻查询算法.首先提出2种预测移动对象可能区域算法Max Min与Rate,利用最近一段时间窗口内的位置采... 详细信息

近年来,位置服务等领域急需解决的一个难点问题是不确定移动对象连续K近邻查询.基于此情况,文中提出高效的面向不确定移动对象的连续K近邻查询算法.首先提出2种预测移动对象可能区域算法Max Min与Rate,利用最近一段时间窗口内的位置采样、速度和方向预测移动对象在查询时刻到未来I区间可能的位置区域.同时使用最小距离与最大距离区间描述移动对象到查询对象的距离.然后采用优化的基于模糊可能度判定的排序方法查找查询对象的K近邻.最后在真实和合成的大规模移动对象数据集上验证文中方法的有效性.

关键词：移动对象 K近邻查询可能度判定排序

来源：评论

学校读者我要写书评

暂无评论

结合增量与启发式搜索的多目标问题处理方法

引用

计算机研究与发展 2010年第11期47卷 1954-1961页

作者：魏唯欧阳丹彤吕帅殷明浩吉林大学计算机科学与技术学院长春130012 符号计算与知识工程教育部重点实验室(吉林大学) 长春130012 东北师范大学计算机学院长春130024

提出了一种结合增量与启发式搜索的多目标问题处理方法,设计并实现了一个基于路径扩展方法的多目标增量启发式搜索系统.当问题搜索图中边的权重发生改变或添加删除节点时,该系统通过对搜索现场进行实时的更新,部分利用先前搜索保留的信... 详细信息

提出了一种结合增量与启发式搜索的多目标问题处理方法,设计并实现了一个基于路径扩展方法的多目标增量启发式搜索系统.当问题搜索图中边的权重发生改变或添加删除节点时,该系统通过对搜索现场进行实时的更新,部分利用先前搜索保留的信息,从更新后的状态开始求解新的问题,从而提高了重搜索的效率.对gridworld标准测试样例进行了大量的系统测试,实验结果表明:结合增量与启发式搜索的处理方法能够有效地解决状态格局不断变化的一系列相似的多目标最短路径问题.

关键词：多目标问题启发式搜索增量搜索路径扩展实时更新

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：