摘 要:针对多智能体通过无线传感器网络与目标接收器通信时可能遭遇的信息窃取问题,提出了一种创新的多智能体波束成形方法。该方法旨在通过动态调整智能体的分布及传输信号状态,确保接收器能收到高质量的信号,最大限度地避免被潜在的窃听者窃取信息。首先将联合优化问题定义为部分可观测马尔可夫决策过程(POMDP),其次基于深度强化学习算法解决此优化问题。通过引入集中式训练、分布式执行的框架,智能体可以根据局部观
摘 要:针对膝关节置换术患者的术后康复过程中需要由康复医师完成定量评估,但这种传统方法的诊疗效率低的问题,提出一种基于麻雀搜索算法\|长短期记忆神经网络(Sparrow Search Algorithm\|Long Short\|Term Memory, SSA\|LSTM)的步态机能评估方法。该方法旨在通过高效、精确的量化评估,辅助康复医师更好地指导患者术后恢复。首先,提取了正常人和患者之间的步
摘 要:针对传统电动汽车充电负荷预测研究未充分考虑季节性因素和预测精度低等问题,提出了一种基于随机森林的季节性电动汽车充电负荷预测模型。首先,使用某市整个公共充电站汇总负荷的公共数据集,构建了包含天气状况、温度等季节性因素以及历史充电负荷数据的输入特征矩阵。其次,采用主成分分析法和卡方检验对输入变量进行筛选。最后,利用随机森林算法对电动汽车充电负荷进行预测,将其应用于测试集并与支持向量机(Supp
摘 要:在大型工程机械装备的柔性制造系统中,由于涉及多个车间且存在大量的并行加工过程,因此资源被闲置浪费的情况比较常见。为解决此问题,提出一种基于时延Petri网的大型工程机械装备排产模型与收敛算法。首先,在建模过程中对各种存在并行加工的情况使用约束矩阵进行描述,利用Petri网建立系统模型,实现对车间内各机床之间调度流程的描述,并在发生突发事件时进行模型重建;其次,使用一种基于遗传算法和粒子群优
摘 要:基于连续表示的图像超分辨可以实现任意倍数的图像分辨率缩放,目前已成为当前该领域研究的主流趋势。隐式神经表示方法将坐标信息与深度特征信息作为输入,给定坐标下的RGB值(红绿蓝值)作为输出,提供了构建局部连续表示的基本框架,是典型的连续表示方法。然而,隐式神经表示方法未能充分考虑图像的局部结构信息。为此,提出了基于权重学习和注意力机制的隐式神经表示方法。首先,引入权重学习模块,该模块借助梯度信
摘 要:针对医疗设备存储资源有限的问题,提出一种基于复合知识蒸馏的诊断分类方法,旨在确保骨科影像诊断模型的高精度性能。该方法首先采用自适应直方图均衡化对数据集进行增强;其次引入知识蒸馏,选用EfficientNet\|B7作为教师网络、EfficientNet\|B0作为学生网络,同时对学生网络引入渐进式自蒸馏,以提升特征挖掘和泛化能力。在MURA(Musculoskeletal Radiogra
摘 要:为提升合同中数据项识别和提取的准确率,提出一种基于卷积神经网络(Convolutional Neural Network, CNN)和残差结构单元(Residual Building Unit,RBU)结合优化的CNN\|RECR(Real Estate Transaction Contract Information Detection and Recognition Method Ba
摘 要:针对传统中药材检测任务中识别效率低、受主观因素影响较大的问题,文章选取77种中药材作为研究对象。采用自行拍摄图像和在互联网获取图像的方式,并结合旋转平移、高斯噪声等数据增强技术,最终构建了一个包含4万多张图像的数据集。在模型改进方面,对第八代只看一次目标检测算法(You Only Look Once version 8, YOLOv8)的Backbone部分进行了针对性的优化,引入了DSC
摘 要:针对白骨顶鸡优化算法(COOT)全局搜索能力差、优化精度低和易陷入局部最优等缺陷,提出了一种融合翻筋斗觅食和正余弦策略的白骨顶鸡优化算法,引入一种翻筋斗觅食策略,增加了白骨顶鸡个体的多样性。此外,在领导者位置更新过程中采用正余弦策略和随机因子,以提高算法的搜索能力。通过10个标准检验函数,以及Wilcoxon秩和检验,对改进的COOT性能进行了全面评估,并将其与其他几种算法进行了比较。仿真
摘 要:为了解决快速搜索随机树(RRT)算法存在收敛速度慢、生成路径质量差等问题,提出一种融合算法,即将人工势场法以及A*算法的代价函数融合到RRT算法中。使用改进后的RRT算法生成路径,并将其所搜寻到的路径作为初始解传递给A*算法,进而重新规划出一条更优路径,并结合车辆运动学约束,利用贝塞尔曲线平滑路径。选取两种地图场景进行仿真实验,实验结果表明,提出的改进策略可以更快地生成质量更高且更符合汽车
摘 要:针对基于神经辐射场的渲染方法虽然具备低人工参与度下的照片级别图像生成能力,但是生成图像的时间过长、难以实现实时渲染的问题,文章聚焦于提升神经辐射场的实时渲染性能,从神经辐射场体渲染环节处着手,以烘焙数据为渲染资产,针对利用八叉树保存体素数据无法达到常数访问时间复杂度的问题,提出了一种基于八叉树的扁平化稀疏体素存储方式,以及相应的渲染采样算法。实验结果表明,在使用神经辐射场(Neural R
摘 要:针对自然场景中的文本图像存在信息、背景复杂,以及基于CNN(Convolutional Neural Networks)的自然场景文本图像检测鲁棒性低的问题,提出一种改进的Faster RCNN(Region based Convolutional Neural Networks)模型和多头注意力机制的字符关联模型文本检测识别方法。该方法首先使用改进的Faster RCNN模型检测出图像中
摘 要:针对原始蜣螂优化算法(DBO)存在的收敛精度低、易陷入局部最优等问题,提出一种改进的蜣螂优化算法。该算法采用混沌映射初始化蜣螂种群以提高种群的多样性,引入北方苍鹰优化算法的勘探策略以增强算法的全局勘探能力,并改进一种非线性边界收敛因子以平衡其收敛速度和收敛精度。同时,采用自适应T分布扰动策略以增强算法跳出局部最优的能力。实验结果表明,改进后的DBO算法在15个基准测试函数的求解寻优中,有1
摘 要:针对生成对抗网络(GAN)需要大量训练数据及点云数据稀缺且获取难度大的问题,提出一种基于少量数据集的三维点云生成模型。该模型首先通过重采样和水平旋转的方法实现数据增强,使第一级网络能够生成具有多样性的低分辨率点云;其次通过确保低分辨率点云与高分辨率点云之间的对应关系,实现点云的超分辨率生成;最后实现生成具有多样性的高分辨率点云。实验结果表明,在ShapeNet Part(ShapeNet
摘 要:当前,分布式强化学习假设所有智能体均能正常工作,但在实际情况中可能存在异常智能体。为此,提出了一种基于高斯混合模型的聚类方法,用于优化分布式强化学习算法。首先,计算智能体上传梯度对应的高斯分布概率。其次,根据高斯分布更新聚类模型参数,并重复执行上述步骤直至收敛。最后,根据聚类模型筛选异常梯度。实验结果表明,该方法能在存在异常智能体的场景下,有效维持分布式强化学习的训练效果,提高算法的鲁棒性