检索结果-内蒙古大学图书馆

生物医学工程学杂志 2022年第2期39卷 217-227页

作者：于乃功廖诣深北京工业大学信息学部计算智能与智能系统重点实验室北京100124

生理学研究发现,大鼠进行空间导航和记忆依赖多种空间细胞。基于此,本文对鼠脑内嗅—海马结构内空间细胞的放电机制进行研究,提出了一种移动机器人空间定位模型。其特点为:在网格细胞到位置细胞信息传递模型的基础上,引入位置细胞相互... 详细信息

生理学研究发现,大鼠进行空间导航和记忆依赖多种空间细胞。基于此,本文对鼠脑内嗅—海马结构内空间细胞的放电机制进行研究,提出了一种移动机器人空间定位模型。其特点为:在网格细胞到位置细胞信息传递模型的基础上,引入位置细胞相互作用的神经网络模型得到具有单峰兴奋活动包的细胞板。通过建立兴奋活动包在细胞板上的位置与机器人在物理环境中的位置之间的转换关系,实现对机器人位置的解算。本文设计了仿真实验和物理实验对模型进行验证。实验结果表明:相较于RatSLAM和网格—位置映射模型,本文模型的定位性能更加精确,且在机器人长时间的路径积分过程中所产生的累积误差也更小。本文研究成果为仿鼠脑认知机制的机器人导航方法奠定了基础。

关键词：位置细胞网格细胞内嗅—海马空间定位路径积分

来源：评论

学校读者我要写书评

暂无评论

仿鼠脑内嗅-海马-前额叶信息传递回路的空间导航方法

引用

生物医学工程学杂志 2024年第1期41卷 80-89页

作者：廖诣深于乃功北京工业大学信息学部计算智能与智能系统重点实验室北京100124

生理学研究发现,大鼠进行空间定位依赖内嗅—海马CA3结构中的网格细胞与位置细胞,而内嗅—海马结构与前额叶皮层之间的动态联系是导航的关键。基于此,本文提出一种仿鼠脑内嗅—海马—前额叶信息传递回路的空间导航方法,旨在为移动机器... 详细信息

生理学研究发现,大鼠进行空间定位依赖内嗅—海马CA3结构中的网格细胞与位置细胞,而内嗅—海马结构与前额叶皮层之间的动态联系是导航的关键。基于此,本文提出一种仿鼠脑内嗅—海马—前额叶信息传递回路的空间导航方法,旨在为移动机器人赋予强大的空间导航能力。在海马CA3—前额叶空间导航模型的基础上,本文构建以海马CA1区位置细胞为基本单元的动态自组织模型优化导航路径。随后通过海马CA3区位置细胞与前额叶皮层动作神经元将优化后的路径回馈至脉冲神经网络,提高模型收敛速度的同时还有助于建立导航习惯的长期记忆。为验证方法的有效性,本文分别设计了二维仿真实验和三维仿真平台的机器人实验。实验结果表明:本文方法不仅能够在导航效率、收敛速度等方面超越其他算法,而且对动态变化的导航任务具有较好的适应性。同时,本文方法还能够很好地应用在移动机器人平台上。

关键词：位置细胞动作神经元内嗅—海马前额叶空间导航

来源：评论

学校读者我要写书评

暂无评论

基于多分支网络的深度图帧内编码单元快速划分算法

引用

电子与信息学报 2022年第12期44卷 4357-4366页

作者：刘畅贾克斌刘鹏宇北京工业大学信息学部北京100124 先进信息网络北京实验室北京100124 计算智能与智能系统北京市重点实验室北京100124

3维高效视频编码(3D-HEVC)标准是最新的3维(3D)视频编码标准,但由于其引入深度图编码技术导致编码复杂度大幅增加。其中,深度图帧内编码单元(CU)的四叉树划分占3D-HEVC编码复杂度的90%以上。对此,在3D-HEVC深度图帧内编码模式下,针对CU... 详细信息

3维高效视频编码(3D-HEVC)标准是最新的3维(3D)视频编码标准,但由于其引入深度图编码技术导致编码复杂度大幅增加。其中,深度图帧内编码单元(CU)的四叉树划分占3D-HEVC编码复杂度的90%以上。对此,在3D-HEVC深度图帧内编码模式下,针对CU四叉树划分复杂度高的问题,该文提出一种基于深度学习的CU划分结构快速预测方案。首先,构建学习深度图CU划分结构信息的数据集;其次,搭建预测CU划分结构的多分支卷积神经网络(MB-CNN)模型,并利用构建的数据集训练MB-CNN模型;最后,将MB-CNN模型嵌入3DHEVC的测试平台,通过直接预测深度图帧内编码模式下CU的划分结构来降低CU划分复杂度。与标准算法相比,编码复杂度平均降低了37.4%。实验结果表明,在不影响合成视点质量的前提下,该文所提算法有效地降低了3D-HEVC的编码复杂度。

关键词： 3维高效视频编码深度图帧内编码编码单元划分深度学习

来源：评论

学校读者我要写书评

暂无评论

一种连续型深度信念网的设计与应用

引用

自动化学报 2015年第12期41卷 2138-2146页

作者：乔俊飞潘广源韩红桂北京工业大学电子信息与控制工程学院计算智能与智能系统北京市重点实验室北京100124

针对深度信念网(Deep belief network,DBN)学习连续数据时预测精度较差问题,提出一种双隐层连续型深度信念网.该网络首先对输入数据进行无监督训练,利用连续型传递函数实现数据特征提取,设计基于对比分歧算法的权值训练方法,并通过误差... 详细信息

针对深度信念网(Deep belief network,DBN)学习连续数据时预测精度较差问题,提出一种双隐层连续型深度信念网.该网络首先对输入数据进行无监督训练,利用连续型传递函数实现数据特征提取,设计基于对比分歧算法的权值训练方法,并通过误差反传对隐层权值进行局部寻优,给出稳定性分析,保证训练输出结果稳定在规定区域.利用Lorenz混沌序列、CATS序列和大气CO_2预测实验对该网络进行测试,结果表明,连续型深度信念网具有结构精简、收敛速度快、预测精度高等优点.

关键词：深度学习神经网络结构设计稳定分析时序预测

来源：评论

学校读者我要写书评

暂无评论

面向工业过程难测参数建模的双窗口概念漂移检测

引用

控制理论与应用 2021年第12期38卷 1979-1992页

作者：孙子健汤健乔俊飞北京工业大学信息学部北京100124 北京工业大学计算智能与智能系统北京市重点实验室北京100124

针对工业过程数据固有概念漂移特性导致软测量模型性能恶化、需识别漂移样本以有效更新模型等问题,提出一种面向工业过程难测参数建模的双窗口概念漂移检测方法.首先,在离群样本检测窗口采用支持向量回归获得实时过程数据中包含的离群样... 详细信息

针对工业过程数据固有概念漂移特性导致软测量模型性能恶化、需识别漂移样本以有效更新模型等问题,提出一种面向工业过程难测参数建模的双窗口概念漂移检测方法.首先,在离群样本检测窗口采用支持向量回归获得实时过程数据中包含的离群样本;接着,在分布检测窗口计算离群样本与历史样本集间的欧氏距离;最后,结合多种分布检验方法,新定义能够表征离群样本蕴含分布变化的检验漂移度指标,进而实现漂移样本的有效识别.采用合成和真实工业过程数据集验证了所提方法的有效性,表明具有优于已有方法的性能.

关键词：概念漂移数据窗口统计检验样本分布软测量

来源：评论

学校读者我要写书评

暂无评论

一种结合内在动机理论的移动机器人环境认知模型

引用

控制与决策 2021年第9期36卷 2211-2217页

作者：阮晓钢张家辉黄静柴洁武悦北京工业大学信息学部北京100124 北京工业大学计算智能与智能系统北京市重点实验室北京100124

为了探讨动机在环境认知中所起作用,模仿生物环境认知行为,以学习自动机为框架,提出一种结合内在动机理论的移动机器人环境认知模型(CM-LA).该模型以访问次数及访问时间间隔共同定义内在动机,并以操作条件反射原理描述外在动机的影响.同... 详细信息

为了探讨动机在环境认知中所起作用,模仿生物环境认知行为,以学习自动机为框架,提出一种结合内在动机理论的移动机器人环境认知模型(CM-LA).该模型以访问次数及访问时间间隔共同定义内在动机,并以操作条件反射原理描述外在动机的影响.同时,所设计的动作选择机制可以使机器人根据已有的环境认知对新增障碍物进行有效避让.实验结果表明,所提出模型能够在两种动机的驱使下对环境进行有效的自主认知,并提高机器人在未知环境中的探索效率,搜索到的路径长度较短,且具有一定的环境自适应能力.

关键词：内在动机操作条件反射环境认知认知计算移动机器人

来源：评论

学校读者我要写书评

暂无评论

机器人信息增益RRT环境探索算法

引用

控制与决策 2021年第11期36卷 2683-2689页

作者：阮晓钢郭威黄静颜文静郭佩远北京工业大学信息学部北京100124 北京工业大学计算智能与智能系统北京市重点实验室北京100124

由于传统RRT(rapidly-exploring random trees)路径规划算法固有的盲目探索的问题,机器人到达目标点时除起始点扩展到目标点的路径之外还会生成其他与结果无关的分支路径与节点,为使这些分支路径得到利用并且减少探索的盲目性,提出基于... 详细信息

由于传统RRT(rapidly-exploring random trees)路径规划算法固有的盲目探索的问题,机器人到达目标点时除起始点扩展到目标点的路径之外还会生成其他与结果无关的分支路径与节点,为使这些分支路径得到利用并且减少探索的盲目性,提出基于信息增益与RRT思想相结合的机器人环境探索策略.该方法对未知环境中的节点进行信息估计,选取具有最大信息增益的节点作为采样节点,且每次都会生成最大信息增益的新节点进行扩展.该策略使机器人能完成对未知环境的探索,还可以降低传统RRT算法固有的盲目性.仿真实验结果表明,所提出方法能够有效快速地帮助机器人探索未知环境,实现环境探索.

关键词： RRT 信息增益未知环境探索移动机器人

来源：评论

学校读者我要写书评

暂无评论

基于强化学习的移动视频流业务码率自适应算法研究进展

引用

通信学报 2021年第9期42卷 205-217页

作者：杜丽娜卓力杨硕李嘉锋张菁北京工业大学计算智能与智能系统北京市重点实验室北京100124 北京工业大学信息学部北京100124

近几年来,随着HTTP自适应流媒体(HAS)视频数据集和网络轨迹数据集的不断推出,强化学习、深度学习等机器学习方法被不断应用到码率自适应(ABR)算法中,通过交互学习来确定码率控制的最优策略,取得了远超过传统启发式方法的性能。在分析AB... 详细信息

近几年来,随着HTTP自适应流媒体(HAS)视频数据集和网络轨迹数据集的不断推出,强化学习、深度学习等机器学习方法被不断应用到码率自适应(ABR)算法中,通过交互学习来确定码率控制的最优策略,取得了远超过传统启发式方法的性能。在分析ABR算法研究难点的基础上,重点阐述了基于强化学习(包括深度强化学习)的ABR算法研究进展。此外,总结了代表性的HAS视频数据集和网络轨迹数据集,介绍了算法性能的评价准则,最后探讨了ABR研究目前存在的问题和未来的方向。

关键词：强化学习码率自适应算法用户质量体验深度学习深度强化学习

来源：评论

学校读者我要写书评

暂无评论

基于子目标搜索的机器人目标导向RRT路径规划算法

引用

控制与决策 2020年第10期35卷 2543-2548页

作者：阮晓钢周静张晶晶朱晓庆北京工业大学信息学部北京100124 北京工业大学计算智能与智能系统北京市重点实验室北京100124

为解决移动机器人未知环境下的路径规划问题,提出基于子目标搜索的机器人目标导向RRT (rapidly-exploring random trees)路径规划算法.一方面,针对传统RRT算法固有的盲目搜索问题,引入目标导向函数,形成目标导向RRT路径规划算法,这一改... 详细信息

为解决移动机器人未知环境下的路径规划问题,提出基于子目标搜索的机器人目标导向RRT (rapidly-exploring random trees)路径规划算法.一方面,针对传统RRT算法固有的盲目搜索问题,引入目标导向函数,形成目标导向RRT路径规划算法,这一改进可减少冗余搜索,提高路径规划效率;另一方面,为了使机器人在首次探索未知环境时也能顺利抵达目标点,提出3种不同情况下的子目标搜索策略,包括无障碍环境下的直达策略、扫到边界点时的最短距离策略和扫不到边界点时的后退策略,这3种策略使机器人能够完成对未知环境的探索,而且可以克服易出现的局部极小点问题,使机器人具有逃离局部极小环境的能力.仿真实验结果验证了所提出算法的可行性和有效性.

关键词：移动机器人目标导向RRT 子目标搜索未知环境导航局部极小路径规划算法

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的单幅图像去雾研究进展

引用

电子学报 2023年第1期51卷 231-245页

作者：贾童瑶卓力李嘉锋张菁北京工业大学信息学部北京100124 北京工业大学计算智能与智能系统北京市重点实验室北京100124

户外视觉系统极易受到雾霾等恶劣天气影响,采集到的图像/视频质量严重下降,这不仅影响人眼的主观感受,也给后续的智能化分析带来严峻挑战.近年来,学者们将深度学习应用于图像去雾领域,取得了诸多的研究成果.但是雾霾图像场景复杂多变、... 详细信息

户外视觉系统极易受到雾霾等恶劣天气影响,采集到的图像/视频质量严重下降,这不仅影响人眼的主观感受,也给后续的智能化分析带来严峻挑战.近年来,学者们将深度学习应用于图像去雾领域,取得了诸多的研究成果.但是雾霾图像场景复杂多变、降质因素众多,这对去雾算法的泛化能力提出了很高的要求.本文主要总结了近年来基于深度学习的单幅图像去雾技术研究进展.从先验知识和物理模型、映射关系建模、数据样本、知识迁移学习等角度出发,介绍了现有算法的研究思路、具体特点、优势与不足.尤其侧重于近两年来新出现的训练策略和网络结构,如元学习、小样本学习、域自适应、Transformer等.另外,本文在公共数据集上对比了各种代表性去雾算法的主客观性能、模型复杂度等,尤其是分析了去雾后的图像对于后续目标检测任务的影响,更全面地评价了现有算法性能的优劣,并探讨了未来可能的研究方向.

关键词：单幅图像去雾深度学习无监督学习域泛化

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：