检索结果-内蒙古大学图书馆

航空学报 2024年第20期45卷 242-257页

作者：樊云翔艾化楠王明振曹楷刘学军吕宏强南京航空航天大学计算机科学与技术学院模式分析与机器智能工业和信息化部重点实验室南京211106 中国特种飞行器研究所高速水动力航空科技重点实验室荆门448035 南京航空航天大学航空学院南京210016

全息水动载荷分布对评估水上飞机的水动性能具有重要意义,模型试验是水上飞机设计中常见的获取流场数据的方法,但水动载荷试验只能获取有限的传感器数据,存在精度不足的问题,因此需要进行全息流场重构。然而水动载荷数据非线性强且数据... 详细信息

全息水动载荷分布对评估水上飞机的水动性能具有重要意义,模型试验是水上飞机设计中常见的获取流场数据的方法,但水动载荷试验只能获取有限的传感器数据,存在精度不足的问题,因此需要进行全息流场重构。然而水动载荷数据非线性强且数据稀疏,传统的流场重构方法难以适用。采用时序卷积网络(TCN)对水上飞机入水的船底时序流场重构问题进行建模研究,通过深度学习优秀的非线性拟合能力学习流场规律,并在传统的TCN基础上针对样本稀疏性的特点提出了一种融合扩散模型的重构损失以提高神经网络的预测精度。首先,使用训练集对扩散模型进行训练,将训练好的扩散模型作为隐式损失函数计算TCN输出的重构误差,从而融入TCN的训练流程中,对TCN的训练施加约束提高流场重构性能。对比传统TCN、门控循环单元、全连接神经网络3种模型的重构性能,验证了TCN在非定常水载荷时序数据拟合能力、泛化能力的优越性,同时通过单帧重构实验说明了水动载荷重构考虑时序因素的必要性,并在此基础上验证了融合扩散模型的TCN对重构非定常流场的有效性。本文为非定常流场重构提供了一种有效建模方法,有助于利用模型试验全面评估飞行器力学性能。

关键词：非定常流场重构时序卷积网络扩散模型稀疏数据深度学习

来源：评论

学校读者我要写书评

暂无评论

基于奖励高速路网络的多智能体强化学习中的全局信用分配算法

引用

计算机应用 2021年第1期41卷 1-7页

作者：姚兴虎谭晓阳南京航空航天大学计算机科学与技术学院南京211106 模式分析与机器智能工业和信息化部重点实验室(南京航空航天大学) 南京211106 南京航空航天大学软件新技术与产业化协同创新中心南京211106

针对多智能体系统中联合动作空间随智能体数量的增加而产生的指数爆炸的问题,采用“中心训练-分散执行”的框架来避免联合动作空间的维数灾难并降低算法的优化代价。针对在众多的多智能体强化学习场景下,环境仅给出所有智能体的联合行... 详细信息

针对多智能体系统中联合动作空间随智能体数量的增加而产生的指数爆炸的问题,采用“中心训练-分散执行”的框架来避免联合动作空间的维数灾难并降低算法的优化代价。针对在众多的多智能体强化学习场景下,环境仅给出所有智能体的联合行为所对应的全局奖励这一问题,提出一种新的全局信用分配机制——奖励高速路网络(RHWNet)。通过在原有算法的奖励分配机制上引入奖励高速路连接,将每个智能体的值函数与全局奖励直接建立联系,进而使得每个智能体在进行策略选择时能够综合考虑全局的奖励信号与其自身实际分得的奖励值。首先,在训练过程中,通过中心化的值函数结构对每个智能体进行协调;同时,这一中心化的结构也能起到全局奖励分配的作用;然后,在中心值函数结构中引入奖励高速路链接来辅助进行全局奖励分配,从而构建出奖励高速路网络;之后,在执行阶段,每个智能体的策略仅仅依赖于其自身的值函数。在星际争霸多智能体挑战的微操作场景中的实验结果表明,相比当前较先进的反直觉的策略梯度(Coma)算法和单调Q值函数分解(QMIX)算法,该网络所提出的奖励高速路在4个复杂的地图上的测试胜率提升超过20%。更重要的是,在智能体数量较多且种类不同的3s5z和3s6z场景中,该网络在所需样本数量为QMIX和Coma等算法的30%的情况下便能取得更好的结果。

关键词：深度学习深度强化学习多智能体强化学习多智能体系统全局信用分配

来源：评论

学校读者我要写书评

暂无评论

主动学习研究进展

引用

中国基础科学 2022年第3期24卷 18-26,34页

作者：唐英鹏黄圣君南京航空航天大学计算机科学与技术学院南京211106 工业与信息化部模式分析与机器智能重点实验室南京航空航天大学南京211106

主动学习通过主动选择最有价值的样本进行标注来降低模型对训练数据的依赖。在我国发展新一代人工智能的背景下,大量学习任务面临着数据监督信息缺失、小样本问题严重和任务类型多等严峻挑战,迫切需要建立全面、高效和实用的高级主动学... 详细信息

主动学习通过主动选择最有价值的样本进行标注来降低模型对训练数据的依赖。在我国发展新一代人工智能的背景下,大量学习任务面临着数据监督信息缺失、小样本问题严重和任务类型多等严峻挑战,迫切需要建立全面、高效和实用的高级主动学习方法体系。在此背景下,本文针对现有主动学习方法的局限开展了一系列研究工作。从主动学习中的“选”“标”“用”3个方面对相关工作进行总结综述。在“选”方面,提出一种结合信息量与代表性的采样方法,以及一种考虑学习难易度的样本选择方法;在“标”方面,提出一种面向视频推荐的跨模态标注方法;在“用”方面,针对实际标注任务中目标模型先验知识缺乏、大型多人标注任务“人等数据”等问题,提出了DUAL与AAL方法。最后,对主动学习未来的研究方向进行了展望。

关键词：机器学习主动学习半监督学习视频推荐模型选择

来源：评论

学校读者我要写书评

暂无评论

基于UCB算法的交替深度Q网络

引用

南京师范大学学报（工程技术版） 2022年第1期22卷 24-29页

作者：吴卿源谭晓阳南京航空航天大学计算机科学与技术学院江苏南京211106 南京航空航天大学模式分析与机器智能工业和信息化部重点实验室江苏南京211106

在深度强化学习中,智能体需要与环境进行交互学习,这就需要智能体能够很好地去平衡利用与探索.因此如何提升算法的样本有效性,增加算法的探索能力,一直是深度强化学习领域中非常重要的研究方向.结合已有研究成果,提出了一种交替使用多... 详细信息

在深度强化学习中,智能体需要与环境进行交互学习,这就需要智能体能够很好地去平衡利用与探索.因此如何提升算法的样本有效性,增加算法的探索能力,一直是深度强化学习领域中非常重要的研究方向.结合已有研究成果,提出了一种交替使用多个不同初始化深度Q网络方法,使用网络随机初始化带来的探索性能.基于最大置信度上界算法先构造一种交替选择深度Q网络策略.并将该调度网络策略与多个随机初始化的深度Q网络结合,得到基于最大置信度上界的交替深度Q网络算法.在多个不同的标准强化学习实验环境上的实验结果表明,该算法比其他基准算法有更高的样本效率和算法学习效率.

关键词：强化学习深度强化学习深度Q网络最大置信度上界

来源：评论

学校读者我要写书评

暂无评论

脸眼协同检测算法在广告推荐系统中的应用

引用

计算机技术与发展 2021年第7期31卷 134-139页

作者：苏彬梁栋南京航空航天大学计算机科学与技术学院模式分析与机器智能工业和信息化部重点实验室江苏南京210016 软件新技术与产业化协同创新中心江苏南京210016

在使用人脸检测识别的广告推荐场景中目标用户是正在注视广告屏幕的用户,因此在做广告推荐时需要在检测人脸的同时检测两只眼睛,确保检测抓取的人脸是正对广告设备的人脸。现有的人脸检测加人脸姿态评估算法对硬件资源消耗过大,在低成... 详细信息

在使用人脸检测识别的广告推荐场景中目标用户是正在注视广告屏幕的用户,因此在做广告推荐时需要在检测人脸的同时检测两只眼睛,确保检测抓取的人脸是正对广告设备的人脸。现有的人脸检测加人脸姿态评估算法对硬件资源消耗过大,在低成本硬件上无法保证业务的运行效果,所以该文首先对主流检测器进行全面的比较分析,然后提出了一种基于优化后SSD算法的人脸和双眼协同检测器,可以同时检测人脸和眼睛,并根据人脸和眼睛的位置判断它们是否属于广告推荐对象。该方法增加了人脸和眼睛的位置信息,增加了特征图的大小,并增加了三个卷积层,以获得小目标的低层特征。预测层的数量也被扩展以增加预测的可能性。同时,该方法在实验比较和真实场景试验中均显示出良好的效果。

关键词：人脸检测眼睛检测协同检测器优化SSD算法广告推荐目标人脸

来源：评论

学校读者我要写书评

暂无评论

复杂背景下基于深度学习的视频动作识别

引用

计算机与现代化 2020年第7期 97-103页

作者：潘陈听谭晓阳南京航空航天大学计算机科学与技术学院江苏南京211106 模式分析与机器智能工业和信息化部重点实验室江苏南京211106 软件新技术与产业化协同创新中心江苏南京211106

快速有效地识别视频中的人体动作,具有广泛的应用前景及潜在的经济价值。但目前的视频动作识别方法易受到运动人体晃动、背景变化、摄相机抖动、运动人体阴影等背景因素影响。为解决上述问题,本文提出一种非局域时间段网络方法。该方法... 详细信息

快速有效地识别视频中的人体动作,具有广泛的应用前景及潜在的经济价值。但目前的视频动作识别方法易受到运动人体晃动、背景变化、摄相机抖动、运动人体阴影等背景因素影响。为解决上述问题,本文提出一种非局域时间段网络方法。该方法在双流网络的基础上,通过加入非局域计算使网络能关注到更大时空范围的信息,并进一步融入光流信息使网络更精确地将注意力放在动作区域,从而增强对视频复杂静态背景的鲁棒性。此外,为了融合双流分段网络的多路判别结果,本文使用可学习的加权平均取代简单平均来融合多模态信息。经过在TDAP数据集上的实验验证,本文的模型可在复杂背景下较为精确地识别出人体动作,与原有模型相比在几乎不增加时间复杂度的前提下提升了识别性能。

关键词：动作识别非局域模块时间段网络复杂背景自注意力

来源：评论

学校读者我要写书评

暂无评论

难例挖掘在太赫兹成像目标检测中的应用

引用

计算机技术与发展 2021年第9期31卷 124-130,136页

作者：薛飞梁栋喻洋南京航空航天大学计算机科学与技术学院模式分析与机器智能工业和信息化部重点实验室江苏南京211106 软件新技术与产业化协同创新中心江苏南京210093 中国工程物理研究院电子工程研究所四川绵阳621900

太赫兹成像中的隐蔽物体检测是公共安全和反恐的迫切需要。由于太赫兹成像质量差,在太赫兹图像上的目标检测比在计算机视觉领域常用的公共目标检测数据集上要困难得多。文中收集了一个多目标的主动太赫兹成像数据集。针对样本不平衡问题... 详细信息

太赫兹成像中的隐蔽物体检测是公共安全和反恐的迫切需要。由于太赫兹成像质量差,在太赫兹图像上的目标检测比在计算机视觉领域常用的公共目标检测数据集上要困难得多。文中收集了一个多目标的主动太赫兹成像数据集。针对样本不平衡问题,对比了RetinaNet使用交叉熵和Focal Loss作为损失函数时的检测性能。针对那些检测效果较差的目标,利用难例挖掘技术来增强训练模型。由于传统的难例挖掘技术是在二阶段目标检测器基础上设计的,无法直接应用在一阶段检测器上,文章以RetinaNet为基础设计了一种以图像为单位的难例挖掘方案。实验也验证了YOLOv3、YOLOv4、FRCN-OHEM和基础的RetinaNet在该数据集上的性能。实验结果表明,Focal Loss的使用提高了平均检测精度,难例挖掘技术的应用也提高了检测器对小目标等难例的检测率。

关键词：太赫兹图像太赫兹成像目标检测难例挖掘样本不平衡 RetinaNet

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：