检索结果-内蒙古大学图书馆

计算机科学 2021年第12期48卷 297-303页

作者：申怡刘全苏州大学计算机科学与技术学院江苏苏州215006 苏州大学江苏省计算机信息处理技术重点实验室江苏苏州215006 吉林大学符号计算与知识工程教育部重点实验室长春130012 软件新技术与产业化协同创新中心南京210000

强化学习领域中策略单调提升的优化算法是目前的一个研究热点,在离散型和连续型控制任务中都具有了良好的性能表现。近端策略优化(Proximal Policy Optimization,PPO)算法是一种经典策略单调提升算法,但PPO作为一种同策略(on-policy)算... 详细信息

强化学习领域中策略单调提升的优化算法是目前的一个研究热点,在离散型和连续型控制任务中都具有了良好的性能表现。近端策略优化(Proximal Policy Optimization,PPO)算法是一种经典策略单调提升算法,但PPO作为一种同策略(on-policy)算法,样本利用率较低。针对该问题,提出了一种基于自指导动作选择的近端策略优化算法(Proximal Policy Optimization Based on Self-Directed Action Selection,SDAS-PPO)。SDAS-PPO算法不仅根据重要性采样权重对样本经验进行利用,而且增加了一个同步更新的经验池来存放自身的优秀样本经验,并利用该经验池学习到的自指导网络对动作的选择进行指导。SDAS-PPO算法大大提高了样本利用率,并保证训练网络模型时智能体能快速有效地学习。为了验证SDAS-PPO算法的有效性,将SDAS-PPO算法与TRPO算法、PPO算法和PPO-AMBER算法用于连续型控制任务Mujoco仿真平台中进行比较实验。实验结果表明,该方法在绝大多数环境下具有更好的表现。

关键词：强化学习深度强化学习策略梯度近端策略优化自指导

来源：评论

学校读者我要写书评

暂无评论

基于情节经验回放的深度确定性策略梯度方法

引用

计算机科学 2021年第10期48卷 37-43页

作者：张建行刘全苏州大学计算机科学与技术学院江苏苏州215006 苏州大学江苏省计算机信息处理技术重点实验室江苏苏州215006 吉林大学符号计算与知识工程教育部重点实验室长春130012 软件新技术与产业化协同创新中心南京210000

强化学习中的连续控制问题一直是近年来的研究热点。深度确定性策略梯度(Deep Deterministic Policy Gradients,DDPG)算法在连续控制任务中表现优异。DDPG算法利用经验回放机制训练网络模型,为了进一步提高经验回放机制在DDPG算法中的效... 详细信息

强化学习中的连续控制问题一直是近年来的研究热点。深度确定性策略梯度(Deep Deterministic Policy Gradients,DDPG)算法在连续控制任务中表现优异。DDPG算法利用经验回放机制训练网络模型,为了进一步提高经验回放机制在DDPG算法中的效率,将情节累积回报作为样本分类依据,提出一种基于情节经验回放的深度确定性策略梯度(Deep Determinis-tic Policy Gradient with Episode Experience Replay,EER-DDPG)方法。首先,将经验样本以情节为单位进行存储,根据情节累积回报大小使用两个经验缓冲池分类存储。然后,在网络模型训练阶段着重对累积回报较大的样本进行采样,以提升训练质量。在连续控制任务中对该方法进行实验验证,并与采取随机采样的DDPG方法、置信区域策略优化(Trust Region Policy Optimization,TRPO)方法以及近端策略优化(Proximal Policy Optimization,PPO)方法进行比较。实验结果表明,EER-DDPG方法有更好的性能表现。

关键词：深度确定性策略梯度连续控制任务经验回放累积回报分类经验回放

来源：评论

学校读者我要写书评

暂无评论

基于深度卷积神经网络的目标检测研究综述

引用

光学精密工程 2020年第5期28卷 1152-1164页

作者：范丽丽赵宏伟赵浩宇胡黄水王振吉林大学计算机科学与技术学院吉林长春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 吉林大学学报(工学版)编辑部吉林长春130012 长春工业大学计算机科学与工程学院吉林长春130012 山东理工大学计算机科学与技术学院山东淄博255000

作为计算机视觉中的基本视觉识别问题,目标检测在过去的几十年中得到了广泛地研究。目标检测旨在给定图像中找到具有准确定位的特定对象,并为每个对象分配一个对应的标签。近年来,深度卷积神经网络DCNN(Deep Convolutional Neural Netwo... 详细信息

作为计算机视觉中的基本视觉识别问题,目标检测在过去的几十年中得到了广泛地研究。目标检测旨在给定图像中找到具有准确定位的特定对象,并为每个对象分配一个对应的标签。近年来,深度卷积神经网络DCNN(Deep Convolutional Neural Networks)凭借其特征学习和迁移学习的强大能力在图像分类方面取得了一系列突破,在目标检测方面,它越来越受到人们的重视。因此,如何将CNN应用于目标检测并获得更好的性能是一项重要的研究。首先回顾和介绍了几类经典的目标检测算法;然后将深度学习算法的产生过程作为切入点,以系统的方式全面概述了各种目标检测方法;最后针对目标检测和深度学习算法面临的重大挑战,讨论了一些未来的方向,以促进深度学习对目标检测的研究。

关键词：图像处理深度卷积神经网络目标检测特征表示深度学习

来源：评论

学校读者我要写书评

暂无评论

基于GA-BP神经网络的序列虹膜质量评价算法

引用

吉林大学学报（理学版） 2020年第6期58卷 1382-1390页

作者：张齐贤朱晓冬刘元宁王超群吴祖慷李昕龙吉林大学符号计算与知识工程教育部重点实验室长春130012 吉林大学软件学院长春130012 吉林大学计算机科学与技术学院长春130012

针对虹膜质量评价指标单一或过多的情形,提出一种基于GA-BP神经网络的序列虹膜质量评价算法.首先对虹膜图像进行粗质量评价,筛选掉大多数不合格的较差质量图像;然后对虹膜图像进行精质量评价,选用3个较重要的指标得出指标值;最后结合BP... 详细信息

针对虹膜质量评价指标单一或过多的情形,提出一种基于GA-BP神经网络的序列虹膜质量评价算法.首先对虹膜图像进行粗质量评价,筛选掉大多数不合格的较差质量图像;然后对虹膜图像进行精质量评价,选用3个较重要的指标得出指标值;最后结合BP神经网络融合精质量评价指标进行图像质量的最终评价.在JLU-6.0虹膜库中进行验证,并与其他算法进行对比测试,测试结果表明,该算法能保留较多的有效虹膜图像,且分类精确度较高.

关键词：虹膜质量评价序列虹膜 BP神经网络精确度

来源：评论

学校读者我要写书评

暂无评论

基于GAN改进的人脸表情识别算法及应用

引用

吉林大学学报（理学版） 2020年第3期58卷 605-610页

作者：李婷婷胡玉龙魏枫林吉林大学符号计算与知识工程教育部重点实验室长春130012 吉林大学计算机科学与技术学院长春130012 吉林大学软件学院长春130012

针对传统人脸表情识别算法存在的特征提取能力差、识别率低和误分类率较高等问题,提出一种基于生成对抗网络(GAN)改进的人脸表情识别算法.利用生成对抗网络的博弈思想,分别设计特征提取器、特征合成器和判别器,通过判别器与特征提取器... 详细信息

针对传统人脸表情识别算法存在的特征提取能力差、识别率低和误分类率较高等问题,提出一种基于生成对抗网络(GAN)改进的人脸表情识别算法.利用生成对抗网络的博弈思想,分别设计特征提取器、特征合成器和判别器,通过判别器与特征提取器之间的对抗训练,不断增强特征提取器提取特征的能力和分类器对人脸表情识别的准确率,并将其应用在工作人员工作状态智能监测中,根据表情识别结果判断工作状态,从而合理分配实验室资源,提高实验室资源利用率.改进算法在CK+数据集上多次实验的结果表明:该算法有较高的鲁棒性,能有效提高人脸表情识别率.

关键词：表情识别对抗生成网络卷积神经网络深度学习工作状态智能监测

来源：评论

学校读者我要写书评

暂无评论

一种权重平均值的深度双Q网络方法

引用

计算机研究与发展 2020年第3期57卷 576-589页

作者：吴金金刘全陈松闫岩苏州大学计算机科学与技术学院江苏苏州215006 符号计算与知识工程教育部重点实验室(吉林大学) 长春130012 江苏省计算机信息处理技术重点实验室(苏州大学) 江苏苏州215006 软件新技术与产业化协同创新中心(南京大学) 南京210023

深度强化学习算法的不稳定性和可变性对其性能有重要的影响.深度Q网络模型在处理需要感知高维输入数据的决策控制任务中性能良好.然而,深度Q网络存在着高估动作值使agent性能变差的问题.尽管深度双Q网络能够缓解高估带来的影响,但是仍... 详细信息

深度强化学习算法的不稳定性和可变性对其性能有重要的影响.深度Q网络模型在处理需要感知高维输入数据的决策控制任务中性能良好.然而,深度Q网络存在着高估动作值使agent性能变差的问题.尽管深度双Q网络能够缓解高估带来的影响,但是仍然存在低估动作值的问题.在一些复杂的强化学习环境中,即使是很小的估计误差也会对学习到的策略产生很大影响.为了解决深度Q网络中高估动作值和深度双Q网络中低估动作值的问题,提出一种基于权重平均值的深度双Q网络方法(averaged weighted double deep Q-network,AWDDQN),该方法将带权重的双估计器整合到深度双Q网络中.为了进一步地减少目标值的估计误差,通过计算之前学习到的动作估计值的平均值来产生目标值,并且根据时间差分误差动态地确定平均动作值的数量.实验结果表明:AWDDQN方法可以有效减少估计偏差,并且能够提升agent在部分Atari 2600游戏中的表现.

关键词：深度强化学习深度Q网络估计误差权重双估计器时间差分

来源：评论

学校读者我要写书评

暂无评论

基于现场可编程门电路的人脸检测识别加速平台

引用

吉林大学学报（工学版） 2019年第6期49卷 2051-2057页

作者：周柚杨森李大琳吴春国王岩王康平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

采用现场可编程门电路(FPGA)和中央处理器相结合的异构计算技术,解决人脸检测和识别计算加速问题。基于并发和流水线的方法加速Viola-Jones人脸检测算法,提高了数据吞吐量,增加了级联分类器的并行度;通过并发卷积操作和流水线特征图加... 详细信息

采用现场可编程门电路(FPGA)和中央处理器相结合的异构计算技术,解决人脸检测和识别计算加速问题。基于并发和流水线的方法加速Viola-Jones人脸检测算法,提高了数据吞吐量,增加了级联分类器的并行度;通过并发卷积操作和流水线特征图加速了卷积神经网络计算过程。实验结果表明,硬件平台较软件平台实现了2.9倍的加速比。

关键词：计算机应用人脸检测人脸识别卷积神经网络现场可编程门电路算法算法硬件

来源：评论

学校读者我要写书评

暂无评论

同伴互评在计算机课程教学中的应用研究

引用

计算机教育 2021年第10期 131-134页

作者：韩霄松张禹梁艳春黄岚管仁初吉林大学计算机科学与技术学院吉林长春130012 吉林大学珠海学院计算机学院符号计算与知识工程教育部重点实验室珠海分实验室广东珠海519041

为了进一步探讨并发挥同伴互评在计算机课程中的效果,提出双通道评价反馈机制、详细评分标准、有偿同伴互评和多粒度同伴互评4方面实施手段,以3门计算机课程为研究对象,总结2017—2019年的课程成绩,通过对比分析,验证基于同伴互评实施... 详细信息

为了进一步探讨并发挥同伴互评在计算机课程中的效果,提出双通道评价反馈机制、详细评分标准、有偿同伴互评和多粒度同伴互评4方面实施手段,以3门计算机课程为研究对象,总结2017—2019年的课程成绩,通过对比分析,验证基于同伴互评实施手段可以在多种课程中有效激发学生自主学习兴趣,提高学习质量。

关键词：同伴互评计算机课程课程评价模式

来源：评论

学校读者我要写书评

暂无评论

基于传播概率矩阵的异构信息网络表示学习

引用

浙江大学学报（工学版） 2019年第3期53卷 548-554页

作者：赵廷廷王喆卢奕南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吉林长春130012

根据元路径和可交换矩阵,结合节点一阶和二阶相似性得到最后的传播概率矩阵;利用降噪自动编码器对传播概率矩阵进行降维得到异构信息网络的节点表示;将异构信息网络的节点表示用梯度提升树(GBDT)分类,得到不同百分比训练集下的分类准确... 详细信息

根据元路径和可交换矩阵,结合节点一阶和二阶相似性得到最后的传播概率矩阵;利用降噪自动编码器对传播概率矩阵进行降维得到异构信息网络的节点表示;将异构信息网络的节点表示用梯度提升树(GBDT)分类,得到不同百分比训练集下的分类准确率,用聚类指标标准化互信息(NMI)评价聚类效果,用T-SNE展现可视化效果.在数据集DBLP和AMiner上分别进行实验,相比DeepWalk、node2vec和metapath2vec方法,在应用任务节点分类上,所提出的基于传播概率矩阵的异构信息网络表示学习(HINtpm)的准确率与DeepWalk相比最高提升了24%,聚类指标NMI与DeepWalk相比最高提升了13%.

关键词：网络表示学习异构信息网络(HIN) 传播概率矩阵元路径节点相似性自动编码器

来源：评论

学校读者我要写书评

暂无评论

二进制麻雀特征选择算法

引用

长春工业大学学报 2022年第4期43卷 462-472页

作者：李占山姚鑫刘兆赓马翔李昀朔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 计算与知识工程教育部重点实验室(吉林大学) 吉林长春130012 吉林大学人工智能学院吉林长春130012

特征选择是机器学习的重要分类任务,其结果直接影响后续学习算法性能。麻雀搜索算法(SSA)是近年来提出的一种基于麻雀智能行为的元启发式算法,它考虑麻雀的社会组织及其对环境的适应性求解连续优化问题,文中将SSA求解离散类的特征选择... 详细信息

特征选择是机器学习的重要分类任务,其结果直接影响后续学习算法性能。麻雀搜索算法(SSA)是近年来提出的一种基于麻雀智能行为的元启发式算法,它考虑麻雀的社会组织及其对环境的适应性求解连续优化问题,文中将SSA求解离散类的特征选择问题。首先采用混沌反向学习作为初始化策略,并结合差分进化算法改进更新解阶段,随后利用三种二进制方式将处理连续类问题的SSA转换为适应特征选择问题的二进制版本,并最终选择对分类性能提升最大的S型转移函数结合改进后的SSA,形成文中提出的一种包裹式的二进制麻雀特征选择算法BSFSA,为测试BSFSA的性能,使用k-最近邻作为分类器并选用21个UCI数据集,与7种先进的基于群体智能的包裹式特征选择算法和2种过滤式特征选择算法在分类精度和维度缩减率等方面进行比较,结果显示,BSFSA在18个数据集中取得最高分类精度,此外也取得了5个最高维度缩减率和5个次高维度缩减率。实验结果表明,BSFSA能够出色兼顾特征子集的分类精度与维度缩减能力,相较对比算法体现出一定优势。

关键词：麻雀搜索算法包裹式特征选择 S型转移函数混沌反向学习差分进化

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：