检索结果-内蒙古大学图书馆

吉林大学学报(理学版) 2025年第1期63卷 83-90页

作者：郝嘉宁姚永伟叶育鑫吉林大学计算机科学与技术学院长春130012 浪潮通用软件有限公司济南250101 中国人民解放军63611部队新疆库尔勒841000 吉林大学符号计算与知识工程教育部重点实验室长春130012

针对安全强化学习实现过程中,基于屏蔽的实现方式可能受制于没有合适的备用策略可供使用,导致判断出危险也不能阻止系统离开安全状态,结合知识的实现方式虽然能通过提取概念特征,用结构化的知识对指定状态给予安全指导,但有时知识蕴含... 详细信息

针对安全强化学习实现过程中,基于屏蔽的实现方式可能受制于没有合适的备用策略可供使用,导致判断出危险也不能阻止系统离开安全状态,结合知识的实现方式虽然能通过提取概念特征,用结构化的知识对指定状态给予安全指导,但有时知识蕴含的指导可能并不是最优的策略,甚至可能不如智能体探索习得策略的问题,提出一个本体指导下的安全强化学习最优化策略,实现风险识别规避、动作生成最优化.基于该理论设计和实现了一个在无人机避障场景下的仿真系统,并使用5种不同的强化学习算法进行效果验证.实验结果表明,基于本体指导的安全强化学习最优化策略能在屏蔽风险动作的基础上,实现智能体备用策略选取,比传统强化学习方法性能更优.

关键词：安全强化学习屏蔽机制本体深度神经网络联合查询

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

基于FCN的眼底图像中央凹自动检测算法

引用

吉林大学学报（理学版） 2020年第4期58卷 893-898页

作者：燕杨黄文博长春师范大学计算机科学与技术学院长春130032 吉林大学符号计算与知识工程教育部重点实验室长春130012

针对传统算法很难识别彩色眼底图像中央凹的问题,提出一种基于全卷积网络(fully convolutional networks, FCN)的眼底图像中央凹自动检测算法.首先通过彩色眼底图像的局部上下文环境挖掘全局上下文信息,构建实现局部像素级分类的FCN模型... 详细信息

针对传统算法很难识别彩色眼底图像中央凹的问题,提出一种基于全卷积网络(fully convolutional networks, FCN)的眼底图像中央凹自动检测算法.首先通过彩色眼底图像的局部上下文环境挖掘全局上下文信息,构建实现局部像素级分类的FCN模型,然后将局部像素级特征推广到全局金字塔池化模块中,使空间统计数据为全局语境理解提供了更好地描述与表达,从而有效获得了极具区分度的全局上下文信息,最后将全局与局部特征相融合,实现对中央凹的精准检测.实验结果表明,该算法提高了眼底暗病变检测的特异性,并为眼底严重病变的发现提供了有效证据.

关键词：眼底图像中央凹检测全卷积网络金字塔池化模块

来源：评论

学校读者我要写书评

暂无评论

基于双重注意力机制的异步优势行动者评论家算法

引用

计算机学报 2020年第1期43卷 93-106页

作者：凌兴宏李杰朱斐刘全伏玉琛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 常熟理工学院计算机科学与工程学院江苏常熟215500

深度强化学习是目前机器学习领域发展最快的技术之一.传统的深度强化学习方法在处理高维度大状态的空间任务时,庞大的计算量导致其训练时间过长.虽然异步深度强化学习利用异步方法极大缩短了训练时间,但会忽略某些更具价值的图像区域和... 详细信息

深度强化学习是目前机器学习领域发展最快的技术之一.传统的深度强化学习方法在处理高维度大状态的空间任务时,庞大的计算量导致其训练时间过长.虽然异步深度强化学习利用异步方法极大缩短了训练时间,但会忽略某些更具价值的图像区域和图像特征.针对上述问题,本文提出了一种基于双重注意力机制的异步优势行动者评论家算法.新算法利用特征注意力机制和视觉注意力机制来改进传统的异步深度强化学习模型.其中,特征注意力机制为卷积神经网络卷积后的所有特征图设置不同的权重,使得智能体聚焦于重要的图像特征;同时,视觉注意力机制为图像不同区域设置权重参数,权重高的区域表示该区域信息对智能体后续的策略学习有重要价值,帮助智能体更高效地学习到最优策略.新算法引入双重注意力机制,从表层和深层两个角度对图像进行编码表征,帮助智能体将聚焦点集中在重要的图像区域和图像特征上.最后,通过Atari 2600部分经典实验验证了基于双重注意力机制的异步优势行动者评论家算法的有效性.

关键词：注意力机制双重注意力机制行动者评论家异步优势行动者评论家异步深度强化学习

来源：评论

学校读者我要写书评

暂无评论

基于加权损失函数的粘连白细胞分割算法

引用

吉林大学学报（理学版） 2021年第1期59卷 85-91页

作者：赵晓晴李慧盈苏安炀张海涛刘景鑫顾桂颖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 吉林大学软件学院长春130012 吉林大学中日联合医院放射科长春130033 吉林大学中日联合医院血液与肿瘤科长春130033

针对粘连白细胞很难精准分割的问题,提出一种基于深度学习的粘连白细胞分割算法.首先,将急性淋巴细胞白血病患者的血液细胞显微图像的色彩空间由RGB转换至HSV,滤除红细胞并提取白细胞;其次,对提取结果中的粘连白细胞,将细胞边界设定为... 详细信息

针对粘连白细胞很难精准分割的问题,提出一种基于深度学习的粘连白细胞分割算法.首先,将急性淋巴细胞白血病患者的血液细胞显微图像的色彩空间由RGB转换至HSV,滤除红细胞并提取白细胞;其次,对提取结果中的粘连白细胞,将细胞边界设定为除前景和背景外的第三类,在深度学习分割模型训练过程中引入基于类别权重的加权交叉熵损失函数,使模型学习到更多的细胞边界特征.实验结果表明,用该方法分割数据集ALL_IDB1中的白细胞,准确率达95.19%.

关键词：粘连白细胞分割色彩空间变换加权损失函数

来源：评论

学校读者我要写书评

暂无评论

差分进化樽海鞘群特征选择算法

引用

吉林大学学报（信息科学版） 2021年第1期39卷 1-7页

作者：李占山杨鑫凯胡彪张博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 吉林大学软件学院长春130012

针对樽海鞘群优化算法(SSA:Salp Swarm Algorithm)在求解特征选择问题时存在易陷入局部最优、收敛速度慢的不足,基于樽海鞘群优化算法提出了新的改进算法差分进化樽海鞘群特征选择算法(DESSA:Differential Evolution Salp Swarm Algorit... 详细信息

针对樽海鞘群优化算法(SSA:Salp Swarm Algorithm)在求解特征选择问题时存在易陷入局部最优、收敛速度慢的不足,基于樽海鞘群优化算法提出了新的改进算法差分进化樽海鞘群特征选择算法(DESSA:Differential Evolution Salp Swarm Algorithm)。DESSA中采用了差分进化策略替代平均算子作为新的粒子迁移方式以增强搜索能力,并加入进化种群动态机制(EPD:Evolution Population Dynamics),加强收敛能力。实验中以KNN(K-Nearest Neighbor)分类器作为基分类器,以UCI(University of California Irvine)数据库中的8组数据集作为实验数据,将DESSA与SSA同具有代表性的算法进行对比实验,实验结果表明,DESSA算法各考察指标较原算法有明显提升,较其他算法相对优越。

关键词：特征选择樽海鞘群优化算法差分进化进化种群动态机制

来源：评论

学校读者我要写书评

暂无评论

一种求解复杂优化问题的快速遗传算法算子

引用

吉林大学学报（理学版） 2021年第3期59卷 602-608页

作者：裴莹苏山付加胜韩霄松长春财经学院信息工程学院长春130122 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 中国石油集团工程技术研究院有限公司钻井工艺研究所北京102206

针对利用遗传算法解决参数维度高、计算复杂,且适应度依赖于其他工具的问题,提出一种加快遗传算法收敛速度的聚集算子.该算子首先利用AP(affinity propagation)聚类对种群进行划分,然后通过主成分分析(PCA)对每个聚簇降维,再利用加权最... 详细信息

针对利用遗传算法解决参数维度高、计算复杂,且适应度依赖于其他工具的问题,提出一种加快遗传算法收敛速度的聚集算子.该算子首先利用AP(affinity propagation)聚类对种群进行划分,然后通过主成分分析(PCA)对每个聚簇降维,再利用加权最小二乘法在低维空间下将种群分布拟合成二次曲面,并将计算极值点作为优势个体返回到原始空间.实验结果表明,相比于传统遗传算法,聚集算子在保证优化精度的同时可有效提高收敛速度.

关键词：复杂问题求解遗传算法快速收敛聚集算子

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

基于深度学习的行人和车辆检测

引用

吉林大学学报（工学版） 2019年第5期49卷 1661-1667页

作者：徐谦李颖王刚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

为解决自动驾驶行车环境目标检测的问题,提出了一种基于深度学习的行人和车辆检测网络PVDNet。在网络底层,改进了跳跃连接结构,提出多级跳跃连接MLSC,加速了模型的收敛速度和收敛精度;在网络顶层,设计了一种多层特征融合方法 MLFF,将底... 详细信息

为解决自动驾驶行车环境目标检测的问题,提出了一种基于深度学习的行人和车辆检测网络PVDNet。在网络底层,改进了跳跃连接结构,提出多级跳跃连接MLSC,加速了模型的收敛速度和收敛精度;在网络顶层,设计了一种多层特征融合方法 MLFF,将底层特征与顶层特征融合以提高检测精度;在网络输出层,提出了一种单维卷积方法 ODC替代全连接层,减少了模型参数以提高检测速度。实验表明:与原始的Faster R-CNN相比,PVDNet在数据集PascalVOC2007、PascalVOC2012、MS COCO、KITTI上行人和车辆平均检测准确率分别提高了3.7%、6.1%、5.6%、9.62%。

关键词：人工智能目标检测深度学习无人驾驶

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：