检索结果-南通市图书馆

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

受限玻尔兹曼机及其变体研究综述

系统工程与电子技术 2023年

作者：汪强龙高晓光吴必聪胡子剑万开方巴黎一大管理学院西北工业大学电子信息学院

受限玻尔兹曼机作为学习数据分布和提取内在特征的典型概率图模型，是深度学习领域重要的基础模型。近年来，通过改进受限玻尔兹曼机的模型结构和能量函数得到众多新兴模型，即受限玻尔兹曼机变体，可以进一步提升模型的特征提取性能。... 详细信息

受限玻尔兹曼机作为学习数据分布和提取内在特征的典型概率图模型，是深度学习领域重要的基础模型。近年来，通过改进受限玻尔兹曼机的模型结构和能量函数得到众多新兴模型，即受限玻尔兹曼机变体，可以进一步提升模型的特征提取性能。研究受限玻尔兹曼机及其变体能够显著促进深度学习领域的发展，实现大数据时代海量信息的快速提取。基于此，对近年来受限玻尔兹曼机及其变体的相关研究进行系统回顾，并创新性地从训练算法改进、模型结构改进、模型深层融合研究和模型相关最新应用等四个方面进行全面综述。其中，重点梳理受限玻尔兹曼机训练算法和变体模型的发展史。最后，讨论受限玻尔兹曼机及其变体领域的现存难点与挑战，对主要研究工作进行总结与展望。

关键词：受限玻尔兹曼机深度学习受限玻尔兹曼机变体概率无向图特征提取

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

异策略深度强化学习中的经验回放研究综述

自动化学报 2023年第11期49卷 2237-2256页

作者：胡子剑高晓光万开方张乐天汪强龙 NERETIN Evgeny 西北工业大学电子信息学院西安710129 西安电子科技大学外国语学院西安710126 莫斯科航空学院机器人与智能系统学院俄罗斯莫斯科125993

作为一种不需要事先获得训练数据的机器学习方法,强化学习(Reinforcement learning,RL)在智能体与环境的不断交互过程中寻找最优策略,是解决序贯决策问题的一种重要方法.通过与深度学习(Deep learning,DL)结合,深度强化学习(Deep reinfo... 详细信息

作为一种不需要事先获得训练数据的机器学习方法,强化学习(Reinforcement learning,RL)在智能体与环境的不断交互过程中寻找最优策略,是解决序贯决策问题的一种重要方法.通过与深度学习(Deep learning,DL)结合,深度强化学习(Deep reinforcement learning,DRL)同时具备了强大的感知和决策能力,被广泛应用于多个领域来解决复杂的决策问题.异策略强化学习通过将交互经验进行存储和回放,将探索和利用分离开来,更易寻找到全局最优解.如何对经验进行合理高效的利用是提升异策略强化学习方法效率的关键.首先对强化学习的基本理论进行介绍;随后对同策略和异策略强化学习算法进行简要介绍;接着介绍经验回放(Experience replay,ER)问题的两种主流解决方案,包括经验利用和经验增广;最后对相关的研究工作进行总结和展望.

关键词：深度强化学习异策略经验回放人工智能

在线全文

学校读者我要写书评

暂无评论

基于深度强化学习的无人机系统应用研究综述

战术导弹技术 2023年第1期 58-68页

作者：李波黄晶益万开方宋超西北工业大学电子信息学院西安710072

深度强化学习是人工智能领域的研究热点,利用深度学习的感知能力与强化学习的决策能力,实现从输入到输出的端对端控制。为研究基于深度强化学习的无人机应用发展现状并分析其发展趋势,对近几年来国内外关于深度强化学习的无人机应用进... 详细信息

深度强化学习是人工智能领域的研究热点,利用深度学习的感知能力与强化学习的决策能力,实现从输入到输出的端对端控制。为研究基于深度强化学习的无人机应用发展现状并分析其发展趋势,对近几年来国内外关于深度强化学习的无人机应用进行了总结与回顾。介绍了深度强化学习基本原理及在无人机系统应用上的发展历程,从基于深度强化学习算法的多无人机协同、无人机避障与路径规划、无人机目标搜索与跟踪、无人机空战决策与控制设计、无人机通信与资源管理等几个方面,对近年来国内外的深度强化学习领域无人机系统应用的发展进行了归纳,总结了基于深度强化学习无人机系统应用的未来发展趋势。

关键词：深度强化学习无人机系统应用多无人机协同无人机避障无人机空战决策无人机目标搜索无人机通信

在线全文

学校读者我要写书评

暂无评论

干扰对抗下空空制导武器火控影响分析

电子信息对抗技术 2023年第6期38卷 23-29页

作者：郑景嵩李金亮万开方潘明中国电子科技集团公司第二十九研究所成都610036 西北工业大学电子信息学院西安710129

针对现阶段难以从空空制导武器打击全链路对电子干扰效能进行有效评估的难题,提出了一种干扰影响下空空制导武器的火控能力分析方法。对电子干扰影响下的空战对抗全流程进行了梳理,分析了不同对抗阶段的干扰效应,并选择干扰对抗下的误... 详细信息

针对现阶段难以从空空制导武器打击全链路对电子干扰效能进行有效评估的难题,提出了一种干扰影响下空空制导武器的火控能力分析方法。对电子干扰影响下的空战对抗全流程进行了梳理,分析了不同对抗阶段的干扰效应,并选择干扰对抗下的误射概率和漏射概率作为评估指标,设计了两类概率指标的计算方法,最后利用仿真结果验证了本文所提出干扰效能评估方法的有效性。

关键词：火控攻击区误射概率漏射概率在线插值火控对抗

基于深度置信网络效能拟合的火控系统精度全局敏感性分析

在线全文

学校读者我要写书评

暂无评论

兵工学报 2023年

作者：汪强龙高晓光李新宇闫栩辰万开方西北工业大学电子信息学院

针对当前航空火控系统的精度研究对数据完备性要求较高，且仅能分析系统内单误差源影响因素的问题，提出一种全新的基于深度置信网络(DBN)效能拟合的火控系统精度全局敏感性分析(Global Sensitivity Analysis via Deep Belief Network，... 详细信息

针对当前航空火控系统的精度研究对数据完备性要求较高，且仅能分析系统内单误差源影响因素的问题，提出一种全新的基于深度置信网络(DBN)效能拟合的火控系统精度全局敏感性分析(Global Sensitivity Analysis via Deep Belief Network，GSADBN)算法。从全局敏感性算法的优劣点出发，分析传统的全局敏感性分析算法在不完备数据下存在的局限性。利用DBN优异的特征提取能力，并采用无监督训练和有监督微调相结合的算法，搭建并训练火控系统效能拟合模型。研究结果表明：与传统Sobol算法、经典FAST算法以及最新的基于贝叶斯网络的Sobol(BNSobol)算法相比，GSADBN算法不仅可以满足精度要求，同时还可以在不完备数据下达到传统算法在完备数据下精度分析的效果；该算法可以在火控系统不完备数据下取得较好的精度分析结果，同时在设计火控系统各模块时，给出精度方面的合理方案，从而为火控系统的设计及作战效能的提高提供参考和理论支撑。

关键词：航空火控系统深度置信网络 GSADBN算法精度评估全局敏感性分析

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

数据丢包环境下的多传感器协同跟踪策略研究

系统工程与电子技术 2018年第11期40卷 2450-2458页

作者：高晓光李飞万开方西北工业大学电子信息学院陕西西安710129 电子信息控制重点实验室四川成都610036

针对实际作战中的复杂电磁环境,研究了数据丢包环境下的多传感器协同跟踪问题。首先分析了数据丢包的几种不同情况,分别建立了数据丢包模型,并针对不同的丢包模型提出了相应的补偿策略;然后建立了数据丢包环境下目标观测模型,推导了数... 详细信息

针对实际作战中的复杂电磁环境,研究了数据丢包环境下的多传感器协同跟踪问题。首先分析了数据丢包的几种不同情况,分别建立了数据丢包模型,并针对不同的丢包模型提出了相应的补偿策略;然后建立了数据丢包环境下目标观测模型,推导了数据丢包环境下序贯扩展卡尔曼滤波算法;最后基于信息熵理论建立了数据丢包环境下的多传感器多目标跟踪优化模型,给出了离散粒子群求解算法。仿真结果表明,所提的丢包补偿策略具有良好的补偿效果,可以有效抑制数据丢包造成的滤波数据发散,保证目标跟踪精度。

关键词：离散粒子群数据丢包丢包补偿多传感器管理

在线全文

学校读者我要写书评

暂无评论

基于权值动量的RBM加速学习算法研究

自动化学报 2017年第7期43卷 1142-1159页

作者：李飞高晓光万开方西北工业大学电子信息学院西安710129

动量算法理论上可以加速受限玻尔兹曼机(Restricted Boltzmann machine,RBM)网络的训练速度.本文通过对现有动量算法进行仿真研究,发现现有动量算法在受限玻尔兹曼机网络训练中加速效果较差,且在训练后期逐渐失去了加速性能.针对以上问... 详细信息

动量算法理论上可以加速受限玻尔兹曼机(Restricted Boltzmann machine,RBM)网络的训练速度.本文通过对现有动量算法进行仿真研究,发现现有动量算法在受限玻尔兹曼机网络训练中加速效果较差,且在训练后期逐渐失去了加速性能.针对以上问题,本文首先基于Gibbs采样收敛性定理对现有动量算法进行了理论分析,证明了现有动量算法的加速效果是以牺牲网络权值为代价的;然后,本文进一步对网络权值进行研究,发现网络权值中包含大量真实梯度的方向信息,这些方向信息可以用来对网络进行训练;基于此,本文提出了基于网络权值的权值动量算法,最后给出了仿真实验.实验结果表明,本文提出的动量算法具有更好的加速效果,并且在训练后期仍然能够保持较好的加速性能,可以很好地弥补现有动量算法的不足.

关键词：深度学习受限玻尔兹曼机动量算法权值动量

在线全文

学校读者我要写书评

暂无评论

基于改进并行回火算法的RBM网络训练研究

自动化学报 2017年第5期43卷 753-764页

作者：李飞高晓光万开方西北工业大学电子信息学院西安710129

目前受限玻尔兹曼机网络训练算法主要是基于采样的算法.当用采样算法进行梯度计算时,得到的采样梯度是真实梯度的近似值,采样梯度和真实梯度之间存在较大的误差,这严重影响了网络的训练效果.针对该问题,本文首先分析了采样梯度和真实梯... 详细信息

目前受限玻尔兹曼机网络训练算法主要是基于采样的算法.当用采样算法进行梯度计算时,得到的采样梯度是真实梯度的近似值,采样梯度和真实梯度之间存在较大的误差,这严重影响了网络的训练效果.针对该问题,本文首先分析了采样梯度和真实梯度之间的数值误差和方向误差,以及它们对网络训练性能的影响,然后从马尔科夫采样的角度对以上问题进行了理论分析,并建立了梯度修正模型,通过修正梯度对采样梯度进行数值和方向的调节,并提出了基于改进并行回火算法的训练算法,即GFPT(Gradient fixing parallel tempering)算法.最后给出GFPT算法与现有算法的对比实验,仿真结果表明,GFPT算法可以极大地减小采样梯度和真实梯度之间的误差,大幅度提升受限玻尔兹曼机网络的训练效果.

关键词：深度学习受限玻尔兹曼机采样算法马尔科夫理论并行回火 GFPT

在线全文

学校读者我要写书评

暂无评论

深度卷积记忆网络时空数据模型

自动化学报 2020年第3期46卷 451-462页

作者：秦超高晓光万开方西北工业大学电子信息学院西安710100

时空数据是包含时间和空间属性的数据类型.研究时空数据需要设计时空数据模型,用以处理数据与时间和空间的关系,得到信息对象由于时间和空间改变而产生的行为状态变化的趋势.交通信息数据是一类典型的时空数据.由于交通网络的复杂性和... 详细信息

时空数据是包含时间和空间属性的数据类型.研究时空数据需要设计时空数据模型,用以处理数据与时间和空间的关系,得到信息对象由于时间和空间改变而产生的行为状态变化的趋势.交通信息数据是一类典型的时空数据.由于交通网络的复杂性和多变性,以及与时间和空间的强耦合性,使得传统的系统仿真和数据分析方法不能有效地得到数据之间的关系.本文通过对交通数据中临近空间属性信息的处理,解决了由于传统时空数据模型只关注时间属性导致模型对短时间间隔数据预测能力不足的问题,进而提高模型预测未来信息的能力.本文提出一个全新的时空数据模型—深度卷积记忆网络.深度卷积记忆网络是一个包含卷积神经网络和长短时间记忆网络的多元网络结构,可以提取数据的时间和空间属性信息,通过加入周期和镜像特征提取模块对网络进行修正.通过对两类典型时空数据集的验证,表明深度卷积记忆网络在预测短时间间隔的数据信息时,相较于传统的时空数据模型,不仅预测误差有了很大程度的降低,而且模型的训练速度也得到提升.

关键词：时空数据模型深度卷积记忆网络时间特征空间特征