检索结果-南通市图书馆

Multi-agent evaluation for energy management by practically scalingα-rank

Frontiers of Information Technology & Electronic Engineering 2024年第7期25卷 1003-1016页

作者： Yiyun SUN Senlin ZHANG Meiqin LIU Ronghao ZHENG Shanling DONG xuguang lan National Key Laboratory of Industrial Control Technology Zhejiang UniversityHangzhou 310027China College of Electrical Engineering Zhejiang UniversityHangzhou 310027China National Key Laboratory of Human–Machine Hybrid Augmented Intelligence Xi’an Jiaotong UniversityXi’an 710049China

Currently,decarbonization has become an emerging trend in the power system ***,the increasing number of photovoltaic units distributed into a distribution network may result in voltage issues,providing challenges for voltage regulation across a large-scale power grid *** learning based intelligent control of smart inverters and other smart building energy management(EM)systems can be leveraged to alleviate these *** achieve the best EM strategy for building microgrids in a power system,this paper presents two large-scale multi-agent strategy evaluation methods to preserve building occupants’comfort while pursuing systemlevel *** EM problem is formulated as a general-sum game to optimize the benefits at both the system and building ***α-rank algorithm can solve the general-sum game and guarantee the ranking theoretically,but it is limited by the interaction complexity and hardly applies to the practical power system.A new evaluation algorithm(TcEval)is proposed by practically scaling theα-rank algorithm through a tensor complement to reduce the interaction ***,considering the noise prevalent in practice,a noise processing model with domain knowledge is built to calculate the strategy payoffs,and thus the TcEval-AS algorithm is proposed when noise *** evaluation algorithms developed in this paper greatly reduce the interaction complexity compared with existing approaches,including ResponseGraphUCB(RG-UCB)andαInformationGain(α-IG).Finally,the effectiveness of the proposed algorithms is verified in the EM case with realistic data.

关键词： Energy management Multi-agent deep reinforcement learning Strategy evaluation Power grid system

来源：

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

Fractal image encoding with flexible classification sets

引用

Chinese Science Bulletin 2014年第14期59卷 1597-1606页

作者： Jianji Wang xuguang lan Yuehu Liu Nanning Zheng Institute of Artificial Intelligence and Robotics Xi’an Jiaotong University

Fractal image compression(FIC)technology is an interesting attempt at structure similarity-based image *** has been widely applied in many fields such as image encryption,image retrieval,image sharpening,and pattern ***,overlong encoding time is the main difficulty for the application of *** this paper,a new FIC speedup algorithm is proposed with two ***,the simplified statistical variable expressions can speed up encoding twice more than the baseline fractal compression(BFC)without loss of image quality corresponding to ***,based on the fact that the affine self-similarity is equivalent to the absolute value of Pearson’s correlation coefficient,a new block classification strategy with flexible classification sets is proposed to speed up encoding *** experiment results and theoretical analysis show that the proposed scheme achieves high performance in both image quality preservation and encoding efficiency.

关键词：分形图像编码分类策略 Pearson相关系数设置分形图像压缩图像质量变量表达式 FIC

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于模型的机器人强化学习研究综述

引用

模式识别与人工智能 2022年第1期35卷 1-16页

作者：孙世光兰旭光张翰博郑南宁西安交通大学人工智能与机器人研究所西安710049

基于模型的强化学习通过学习一个环境模型和基于此模型的策略优化或规划,实现机器人更接近于人类的学习和交互方式.文中简述机器人学习问题的定义,介绍机器人学习中基于模型的强化学习方法,包括主流的模型学习及模型利用的方法.主流的... 详细信息

基于模型的强化学习通过学习一个环境模型和基于此模型的策略优化或规划,实现机器人更接近于人类的学习和交互方式.文中简述机器人学习问题的定义,介绍机器人学习中基于模型的强化学习方法,包括主流的模型学习及模型利用的方法.主流的模型学习方法具体介绍前向动力学模型、逆向动力学模型和隐式模型.模型利用的方法具体介绍基于模型的规划、基于模型的策略学习和隐式规划,并对其中存在的问题进行探讨.最后,结合现实中机器人学习任务面临的问题,介绍基于模型的强化学习在其中的应用,并展望未来的研究方向.

关键词：人工智能机器人学习强化学习基于模型的强化学习

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

机器推理的进展与展望

引用

模式识别与人工智能 2021年第1期34卷 1-13页

作者：丁梦远兰旭光彭茹郑南宁西安交通大学人工智能学院西安710049

机器学习算法的发展仍受到泛化能力较弱、鲁棒性较差、缺乏可解释性等问题的限制.文中介绍机器推理,说明推理对于机器学习人的知识和逻辑、理解和解释世界的重要作用.首先分析人类大脑推理机制,从认知地图、神经元和奖赏回路,扩展到受... 详细信息

机器学习算法的发展仍受到泛化能力较弱、鲁棒性较差、缺乏可解释性等问题的限制.文中介绍机器推理,说明推理对于机器学习人的知识和逻辑、理解和解释世界的重要作用.首先分析人类大脑推理机制,从认知地图、神经元和奖赏回路,扩展到受脑启发的直觉推理、神经网络和强化学习.进而总结机器推理的方式及其相互关联的现状、进展及挑战,具体包括直觉推理、常识推理、因果推理和关系推理等.最后展望机器推理的应用前景与未来的研究方向.

关键词：人工智能机器推理直觉推理因果推理

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

深度强化学习理论及其应用综述

引用

模式识别与人工智能 2019年第1期32卷 67-81页

作者：万里鹏兰旭光张翰博郑南宁西安交通大学人工智能与机器人研究所西安710049

一方面,随着深度强化学习理论和应用研究不断深入,其在游戏、机器人控制、对话系统、自动驾驶等领域发挥重要作用;另一方面,深度强化学习受到探索-利用困境、奖励稀疏、样本采集困难、稳定性较差等问题的限制,存在很多不足.面对这些问题... 详细信息

一方面,随着深度强化学习理论和应用研究不断深入,其在游戏、机器人控制、对话系统、自动驾驶等领域发挥重要作用;另一方面,深度强化学习受到探索-利用困境、奖励稀疏、样本采集困难、稳定性较差等问题的限制,存在很多不足.面对这些问题,研究者们提出各种各样的解决方法,新的理论进一步推动深度强化学习的发展,在弥补缺陷的同时扩展强化学习的研究领域,延伸出模仿学习、分层强化学习、元学习等新的研究方向.文中从深度强化学习的理论、困难、应用及发展前景等方面对其进行探讨.

关键词：深度强化学习马尔科夫决策过程探索-利用困境稀疏奖励

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

小波滤波器低功耗并行的VLSI结构设计

引用

计算机研究与发展 2005年第11期42卷 1889-1895页

作者：兰旭光郑南宁薛建儒王飞刘跃虎西安交通大学人工智能与机器人研究所西安710049

提出一种基于行和提升算法,实现JPEG2000编码系统中的小波正反变换(discretewavelettransform)的低功耗、并行的VLSI结构设计方法·利用该方法所得结构一次处理两行数据,分时复用行处理器,使行处理器内以及行、列处理器实现并行处理,且... 详细信息

提出一种基于行和提升算法,实现JPEG2000编码系统中的小波正反变换(discretewavelettransform)的低功耗、并行的VLSI结构设计方法·利用该方法所得结构一次处理两行数据,分时复用行处理器,使行处理器内以及行、列处理器实现并行处理,且最小化行缓存·对称扩展通过嵌入式电路实现,整个结构采用流水线设计方法优化,加快了变换速度,增加了硬件资源利用率,降低了功耗,效率几乎达到100%·小波滤波器正反变换结构已经经过FPGA验证,可作为单独的IP核应用于正在开发的JPEG2000图像编解码芯片中·

关键词：二维离散小波变换 VLSI JPEG2000 并行结构提升方法基于行

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于视觉推理的机器人多物体堆叠场景抓取方法

引用

中国科学：技术科学 2018年第12期48卷 1341-1356页

作者：张翰博兰旭光周欣文田智强张扬郑南宁西安交通大学电信学院人工智能与机器人研究所视觉信息处理与应用国家工程实验室西安710049

基于视觉的机器人抓取方法是研究智能机器人抓取问题的重要思路.本文提出了一种基于机器视觉推理的适用于多物体堆叠场景的机器人抓取方法,算法包含了场景理解和抓取规划两个步骤.在第一步的场景理解中,本文的算法包含两个主要部分:视... 详细信息

基于视觉的机器人抓取方法是研究智能机器人抓取问题的重要思路.本文提出了一种基于机器视觉推理的适用于多物体堆叠场景的机器人抓取方法,算法包含了场景理解和抓取规划两个步骤.在第一步的场景理解中,本文的算法包含两个主要部分:视觉操作关系推理和抓取部位检测.在视觉操作关系推理中,本文提出了一种基于深度卷积网络的视觉操作关系网络(Visual Manipulation Relationship Network, VMRN),以对物体和操作关系进行实时推理.在视觉操作关系网络中,通过设计物体对池化层,实现了物体检测和操作关系推理的端对端训练,提升了算法的速度和性能.在第二步的抓取部位检测中,本文提出了基于有向锚点框的全卷积视觉抓取部位检测网络,实现了对物体抓取部位的实时检测,并在康奈尔抓取数据集上取得了目前最高的精度.在抓取规划中,通过结合场景深度信息和抓取部位检测结果,获取当前被抓取物体的抓取点和对应的抓取向量,并通过坐标系变换将Kinect坐标系的抓取向量映射为机器人坐标系的抓取向量,完成当前抓取.实验结果表明,本文提出的机器人抓取方法能够在多物体堆叠环境下按照正确顺序完成抓取任务,并成功抓取目标物体.

关键词：机器人抓取视觉操作关系推理视觉抓取部位检测视觉操作关系数据集

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

机器人持续学习进展与展望

引用

智能科学与技术学报 2022年第3期4卷 308-323页

作者：赵超许杰陈星宇梅魁志兰旭光西安交通大学人工智能与机器人研究所陕西西安710049 西安交通大学人工智能学院陕西西安710049

当前机器人技术面临的较大限制之一是难以适应不断变化的任务,当机器人面对新环境或者学习新任务时,会不可避免地遗忘旧环境或旧任务的经验。为了总结机器人持续学习的研究和发展现状,首先介绍了持续学习的框架和评价基准,然后阐述了持... 详细信息

当前机器人技术面临的较大限制之一是难以适应不断变化的任务,当机器人面对新环境或者学习新任务时,会不可避免地遗忘旧环境或旧任务的经验。为了总结机器人持续学习的研究和发展现状,首先介绍了持续学习的框架和评价基准,然后阐述了持续学习在机器人任务中的必要性和面临的挑战,并对持续学习的发展现状进行了回顾,最后展望了机器人持续学习的发展前景,提出了一些有价值的研究问题。

关键词：持续学习终身学习机器人

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

7/5小波滤波器簇及其图像压缩性能研究

引用

西安交通大学学报 2005年第6期39卷 628-632页

作者：杨国安郑南宁刘跃虎刘在德兰旭光吴宗泽西安交通大学电子与信息工程学院西安710049

构造了包括BT7/5滤波器(Brislawn-Treiber)在内的7/5小波滤波器簇,依据欧几里得算法给出了7/5小波基提升格式的构造过程和提升实现算法.根据7/5小波基优化条件的要求,证明了7/5小波基的、提升系数α为0.08时的图像压缩性能最佳,该小波基... 详细信息

构造了包括BT7/5滤波器(Brislawn-Treiber)在内的7/5小波滤波器簇,依据欧几里得算法给出了7/5小波基提升格式的构造过程和提升实现算法.根据7/5小波基优化条件的要求,证明了7/5小波基的、提升系数α为0.08时的图像压缩性能最佳,该小波基为JPEG2000标准第二部分推荐使用的BT7/5小波滤波器组.BT7/5小波的系数为有理数,与无理系数的CDF9/7小波滤波器相比,具有计算复杂度低和便于VLSI硬件实现等优点.实验结果表明,若压缩比在100∶1以内,采用BT7/5小波滤波器的重构图像峰值信噪比只比CDF9/7低0.1dB,而比LT5/3(LeGall-Tabatabai)高1.2dB.因此,在JPEG2000图像压缩系统中,BT7/5是LT5/3和CDF9/7的理想替代者.

关键词：离散小波变换提升算法小波滤波器量化 JPEG2000

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

健壮人工智能模型与自主智能系统

引用

中国科学基金 2019年第6期33卷 651-655页

作者：吴飞段书凯何斌兰旭光黄如吴国政浙江大学人工智能研究所西南大学电子信息工程学院同济大学控制科学与工程系西安交通大学人工智能与机器人研究所北京大学信息科学技术学院国家自然科学基金委员会信息科学部

基于第216期"双清论坛"主题报告和分组讨论,本文从开放、动态环境下人工智能的前沿理论与方法推动场景人工智能进展这一角度,提出并分析了健壮人工智能模型的本质特点,给出了发展具有自主与感知、决策与控制、群智与协同特点的自主智能... 详细信息

基于第216期"双清论坛"主题报告和分组讨论,本文从开放、动态环境下人工智能的前沿理论与方法推动场景人工智能进展这一角度,提出并分析了健壮人工智能模型的本质特点,给出了发展具有自主与感知、决策与控制、群智与协同特点的自主智能系统面临的科学挑战问题,探讨了未来5年人工智能前沿研究领域和科学基金基础研究重点资助方向。

关键词：健壮人工智能贝叶斯模型自主智能神经形态计算

来源：

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

欢迎您,

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

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

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

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

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：