检索结果-内蒙古大学图书馆

小型微型计算机系统 2023年第6期44卷 1134-1139页

作者：韩兆荣钱宇华刘郭庆山西大学大数据科学与产业研究院太原030006 山西大学计算智能与中文信息处理教育部重点实验室太原030006

利用通信规则的多智能体算法通过智能体间交互信息进行协作,而其中信息质量决定了智能体协作能力与完成任务的能力,是提升智能体表现的关键因素.目前通信规则型算法存在通信信息产生方式单一、信息冗余等问题.针对以上问题本文提出了基... 详细信息

利用通信规则的多智能体算法通过智能体间交互信息进行协作,而其中信息质量决定了智能体协作能力与完成任务的能力,是提升智能体表现的关键因素.目前通信规则型算法存在通信信息产生方式单一、信息冗余等问题.针对以上问题本文提出了基于自注意力机制的信息处理模块TDU以及适配的信息产生智能体算法.首先,通过改进适配信息生成的强化学习算法作为智能体网络,通过网络学习生成适配信息,提高了智能体间信息产生的适配性并固定了信息选择的范围,降低了信息处理的难度.之后,利用基于自注意力机制的信息处理模块,对生成的信息进行筛选,提取高价值信息进行传输,提高智能体传递信息质量.本文提出的算法在经典智能体通信规则测试环境Swtich Riddle中进行了大量实验,并与主流通信规则型算法进行对比.实验结果表明,本文提出算法有效提高了智能体信息质量,加快了智能体学习速度,增强了智能体通信能力.

关键词：强化学习多智能体不完全观测环境自注意力机制多智能体通信规则方法

来源：评论

学校读者我要写书评

暂无评论

基于生成对抗网络数据增强的水声目标识别

基于生成对抗网络数据增强的水声目标识别

引用

中国声学学会水声学分会2021～2022年学术会议

作者：张明洪罗昕炜东南大学水声信号处理教育部重点实验室

水声目标识别是水声研究的一个重要方面。近年来,机器学习不断发展,在水声目标识别中得到了广泛而有效的应用。然而,水声样本相对较少,这对识别精度会产生一定影响。本文提出了一种基于生成对抗网络的数据增强方法,并对一般的网络进行... 详细信息

水声目标识别是水声研究的一个重要方面。近年来,机器学习不断发展,在水声目标识别中得到了广泛而有效的应用。然而,水声样本相对较少,这对识别精度会产生一定影响。本文提出了一种基于生成对抗网络的数据增强方法,并对一般的网络进行了改进,该方法利用生成器和判别器来学习水声样本的特征,从而产生可靠的水声信号,扩展训练数据集。实验结果表明,该方法的识别效果优于一般的水声识别方法,验证了该方法的有效性。

关键词：水声目标识别生成对抗网络数据增强

来源：评论

学校读者我要写书评

暂无评论

稀疏驱动的l0-LMK频域自适应线谱增强算法

稀疏驱动的l0-LMK频域自适应线谱增强算法

引用

中国声学学会水声学分会2021～2022年学术会议

作者：张南曹红丽安良东南大学水声信号处理教育部重点实验室

辐射噪声中的线谱通常包含丰富的目标特征信息,因此线谱的检测与提取是水声目标识别中的重要环节。弱线谱经常被淹没在噪声中难以检测,自适应线谱增强器(ALE)可以预先抑制背景噪声,以进一步提高线谱检测的性能。现有ALE所使用的最小均方... 详细信息

辐射噪声中的线谱通常包含丰富的目标特征信息,因此线谱的检测与提取是水声目标识别中的重要环节。弱线谱经常被淹没在噪声中难以检测,自适应线谱增强器(ALE)可以预先抑制背景噪声,以进一步提高线谱检测的性能。现有ALE所使用的最小均方(LMS)算法与基于频域稀疏的l0-LMS算法,在白噪声下性能良好,但对有色背景的抑制能力不足。本文针对现有算法存在的缺陷,结合频域稀疏与高阶累积量,提出了一种稀疏驱动的l0-LMK频域自适应线谱增强算法。使用了海上试验数据进行分析,结果表明,相比于现有算法,本文所提出的算法性能更优,具有良好的噪声抑制能力。

关键词：辐射噪声自适应线谱增强频域稀疏高阶累积量

来源：评论

学校读者我要写书评

暂无评论

一种线谱轨迹的有效性判决方法

一种线谱轨迹的有效性判决方法

引用

中国声学学会水声学分会2021～2022年学术会议

作者：黄铭罗昕炜东南大学水声信号处理教育部重点实验室

线谱轨迹的检测对于水声目标的探测和特征获取具有重要意义。为了准确获取LOFAR图中的线谱轨迹,本文提出了一种线谱轨迹的有效性判决方法。该方法利用时频图中获取的线谱轨迹,根据轨迹的信噪比及频率稳定性构建代价函数,通过滑动时间帧... 详细信息

线谱轨迹的检测对于水声目标的探测和特征获取具有重要意义。为了准确获取LOFAR图中的线谱轨迹,本文提出了一种线谱轨迹的有效性判决方法。该方法利用时频图中获取的线谱轨迹,根据轨迹的信噪比及频率稳定性构建代价函数,通过滑动时间帧窗的方式计算时间帧窗内轨迹的代价函数进行线谱有效性的判决,并设计多个不同窗长的时间帧窗以提高结果准确性。仿真实验结果证明了该方法的有效性。

关键词：线谱检测 LOFAR图代价函数时间帧窗有效性判决

来源：评论

学校读者我要写书评

暂无评论

结合力导向图分布算法的特征加权深度嵌入聚类

引用

小型微型计算机系统 2024年第6期45卷 1318-1324页

作者：吕维钱宇华王婕婷李飞江胡深山西大学计算机与信息技术学院太原030006 计算智能与中文信息处理教育部重点实验室太原030006 山西大学大数据科学与产业研究院太原030006

聚类分析作为无监督学习领域的一个重要研究方向,是许多数据驱动应用的核心.但是高维数据特有的高维距离趋同特性,使得高维空间样本近邻结构遭到破坏,从而使得大量基于距离(基于近邻)的聚类算法性能急剧下降.目前,大量研究者认为,高维... 详细信息

聚类分析作为无监督学习领域的一个重要研究方向,是许多数据驱动应用的核心.但是高维数据特有的高维距离趋同特性,使得高维空间样本近邻结构遭到破坏,从而使得大量基于距离(基于近邻)的聚类算法性能急剧下降.目前,大量研究者认为,高维数据往往包含大量与任务不相关特征及相互关联的特征,其真实特征维度往往要比原始特征维度低很多.在学习样本低维等价表示上,基于深度自编码器的深度嵌入学习尽可能地保留重构信息.然而,现有此类方法往往需要聚类损失引导聚类,这虽然提高了聚类性能,但聚类损失与重构损失间的内在矛盾,限制了聚类性能的进一步提高.基于力导向图分布算法的降维算法则是尽可能保留近邻结构信息的基础上学习样本低维表示,但是高维距离趋同的特性使得此类算法较难准确获取样本高维近邻结构信息.本文在深度自编码器与力导向图分布算法的基础上引入特征加权思想,使模型在具有强大的低维等价表示能力及根据数据近邻结构凸显簇结构能力的同时考虑特征对聚类任务的适合程度.5个数据集上与最新高维聚类算法的对比实验充分证明了本文算法的合理性与优越性.

关键词：高维聚类深度自编码器特征加权力导向图分布算法

来源：评论

学校读者我要写书评

暂无评论

基于逻辑视角的不完备形式背景上知识相容表示与推理

引用

计算机科学 2024年第8期51卷 75-82页

作者：张少霞李德玉翟岩慧山西财经大学信息学院太原030006 山西大学计算机与信息技术学院太原030006 计算智能与中文信息处理教育部重点实验室(山西大学) 太原030006

形式背景中的信息不完备引起了知识的不相容性,即蕴涵在不完备形式背景的任一完备化形式背景不能同时成立。逻辑描述是从语义上进行知识表示、语构上制定语义协调推理规则的方法论。首先,从逻辑角度研究不完备数据上的知识相容语义表示... 详细信息

形式背景中的信息不完备引起了知识的不相容性,即蕴涵在不完备形式背景的任一完备化形式背景不能同时成立。逻辑描述是从语义上进行知识表示、语构上制定语义协调推理规则的方法论。首先,从逻辑角度研究不完备数据上的知识相容语义表示,通过定义不完备实例刻画知识的合理性和相容性,并构造最紧致的相容集(相容规范基)。其次,语构上制定具有语义合理性、相容性和完备性的推理规则,从而避免知识推理过程中产生不相容知识和无效知识。最后,将逻辑研究结果运用在不完备形式背景上,引入两类蕴涵形式:↓↓-型蕴涵和↑↑-型蕴涵。这两类蕴涵兼具相容性且相对于可接受性蕴涵尺度更加严格,构造这两类蕴涵的相容规范基并验证其完备性和无冗余性。

关键词：不完备形式背景知识相容性知识表示相容规范基知识推理

来源：评论

学校读者我要写书评

暂无评论

基于线谱相位差解模糊的畸变拖曳阵信号重构

基于线谱相位差解模糊的畸变拖曳阵信号重构

引用

中国声学学会水声学分会2021～2022年学术会议

作者：朱传奇方世良顾钊宁魏坤东南大学水声信号处理教育部重点实验室

为克服畸变拖曳线列阵信号重构中的宽带多目标互扰影响,常采用线谱相位差估计目标信号到达各阵元间的时延差,相同信噪比条件下,高频线谱时延差估计精度优于低频线谱时延差估计精度,但对于半波长小于阵元间距的高频线谱,阵元间相位差存... 详细信息

为克服畸变拖曳线列阵信号重构中的宽带多目标互扰影响,常采用线谱相位差估计目标信号到达各阵元间的时延差,相同信噪比条件下,高频线谱时延差估计精度优于低频线谱时延差估计精度,但对于半波长小于阵元间距的高频线谱,阵元间相位差存在多值性模糊。本文提出了一种基于线谱相位差解模糊的畸变拖曳阵信号重构方法,该方法利用格点理论在最小二乘意义下解模糊高频线谱阵元间相位差,提高时延差估计精度,进而改善畸变拖曳阵信号重构性能。仿真验证了算法的正确性与有效性。

关键词：畸变拖曳阵信号重构线谱分量相位差解模糊

来源：评论

学校读者我要写书评

暂无评论

一种基于残差结构网络的水声信号调制辨识方法

一种基于残差结构网络的水声信号调制辨识方法

引用

第五届水下无人系统技术高峰论坛--以深制海，智领发展

作者：张威王晓燕曹红丽东南大学水声信号处理教育部重点实验室

非合作条件下的水声调制信号类型辨识对于水下无人系统获取有效信息具有重要意义。水声调制信号类型复杂多样,传统基于特征提取的辨识方法难以满足多类型任意参数下的辨识需求,本文基于深度学习在分类性能方面的优势,提出了一种利用残... 详细信息

非合作条件下的水声调制信号类型辨识对于水下无人系统获取有效信息具有重要意义。水声调制信号类型复杂多样,传统基于特征提取的辨识方法难以满足多类型任意参数下的辨识需求,本文基于深度学习在分类性能方面的优势,提出了一种利用残差模块构建深度卷积神经网络的水声调制信号辨识方法。相比经典VGG方法,该方法可以以更少的参数量实现更深的网络以获取更优的辨识性能。实验表明构建的残差网络对比VGG16网络训练收敛速度更快,对典型水声调制信号的类型辨识准确度更高,且噪声容忍能力强,在-5dB信噪比下依然有96.33%的辨识准确率。

关键词：水声信号调制辨识卷积神经网络残差结构

来源：评论

学校读者我要写书评

暂无评论

基于参数预估计的改进径向高斯核函数时频分析方法

基于参数预估计的改进径向高斯核函数时频分析方法

引用

中国声学学会水声学分会2021～2022年学术会议

作者：姚帅王宸匡青云东南大学水声信号处理教育部重点实验室

对于非平稳信号,时频分析是一种有力的分析和处理工具。针对传统的径向高斯核函数时频分析方法处理大量观测数据时运算量过大的问题,提出了一种基于参数预估计的改进径向高斯核函数时频分析方法。该方法首先获取待处理脉冲信号,并预估... 详细信息

对于非平稳信号,时频分析是一种有力的分析和处理工具。针对传统的径向高斯核函数时频分析方法处理大量观测数据时运算量过大的问题,提出了一种基于参数预估计的改进径向高斯核函数时频分析方法。该方法首先获取待处理脉冲信号,并预估信号模糊域自项径向角,以确定自项的分布方向。在径向角附近计算扩展函数和核函数,再计算得到径向高斯核函数的时频分布。仿真实验和海试数据分析表明,该方法对于LFM和HFM脉冲信号,可以在保持RGD良好的时频分析性能的同时,有效缩短优化求解核函数过程的平均时间,实现高时效的时频分析。

关键词：时频分析调频信号参数预估计径向高斯函数

来源：评论

学校读者我要写书评

暂无评论

面向不确定性决策分析的数据获取模型与方法综述

引用

人工智能科学与工程 2024年第3期 1-28页

作者：刘可欣张超李文涛牛宇鸽卢方蕙山西大学计算机与信息技术学院太原030006 计算智能与中文信息处理教育部重点实验室(山西大学) 太原030006 西南大学人工智能学院重庆400715

不确定性决策是指在存在未知或难以准确预测结果情况下做出决策的过程。该文旨在研究在不确定性决策中,用4种数据获取方法来应对不确定性。这些方法包括:①使用小数据集;②利用开放数据集;③采用数据挖掘视角下的情感分析和遥感分析;④... 详细信息

不确定性决策是指在存在未知或难以准确预测结果情况下做出决策的过程。该文旨在研究在不确定性决策中,用4种数据获取方法来应对不确定性。这些方法包括:①使用小数据集;②利用开放数据集;③采用数据挖掘视角下的情感分析和遥感分析;④通过互联网问卷调查收集数据。该文首先回顾4种数据获取方法,并阐述各自的主要特点及发展历程。其次,阐述这4种数据获取方法在不确定性决策中的应用,并附有说明性示例。然后,讨论4种数据获取方法的局限性,并提出了未来研究的潜在趋势。最后,对全文进行总结。总体来说,该文为不确定性决策问题的研究提供了理论探讨和实践指导,以推动人工智能和决策科学领域的发展和创新,为决策者提供有效的数据支持,从而提高决策的科学性和准确性。

关键词：不确定性决策数据获取小数据集开放数据集数据挖掘互联网

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：