检索结果-南通市图书馆

孤独症者的预测编码缺陷:前馈联结异常还是反馈联结异常?

同方期刊数据库

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

心理科学进展 2024年第5期32卷 813-833页

作者：荆伟陈琦薛云卿杨苗张婕陕西师范大学教育学部西安710062 西安市儿童医院西安710002

依据预测编码理论,研究者提出预测缺陷是孤独症谱系障碍(Autism Spectrum Disorder,ASD)个体感知运动、认知学习和社交言语等多领域缺陷的基础,即孤独症的预测缺陷假说(Predictive Impairment inAutism,PIA)。在PIA中,研究者基于贝叶斯... 详细信息

依据预测编码理论,研究者提出预测缺陷是孤独症谱系障碍(Autism Spectrum Disorder,ASD)个体感知运动、认知学习和社交言语等多领域缺陷的基础,即孤独症的预测缺陷假说(Predictive Impairment inAutism,PIA)。在PIA中,研究者基于贝叶斯和层级性推理分别提出“低先验”和“高且不灵活的预测误差精度”两个假说,然而上述假说并未得到一致证据支持。ASD个体在不同领域中不同先验的相对权重并非普遍降低,而是具有广泛的任务或情境敏感性。关于ASD个体是否具备基于环境波动调节预测误差精度的能力,也尚存分歧。此外,关于其潜在机制,是神经调节系统异常导致的自下而上前馈联结异常,还是预测脑区功能异常导致的自上而下反馈联结异常,尚无定论。由此可见,虽然该理论为ASD提供了统一的解释框架,但仍需更多研究证据进行修正和完善,以期为早期筛查和诊断、治疗和教育实践提供指导。

关键词：孤独症谱系障碍预测编码先验信念感官输入前馈/反馈联结

维普期刊数据库博看期刊

同方期刊数据库

在线全文

学校读者我要写书评

暂无评论

基于预测编码的样本自适应行动策略规划

软件学报 2022年第4期33卷 1477-1500页

作者：梁星星马扬冯旸赫张驭龙张龙飞廖世江刘忠国防科技大学系统工程学院湖南长沙410072 31002部队

军事行动、反恐突击等强对抗场景中,实时信息的碎片化、不确定性对制定具有博弈优势的弹性行动方案提出了更高的要求,研究具有自学习能力的智能行动策略规划方法已成为编队级强对抗任务的核心问题.针对复杂场景下行动策略规划状态表征... 详细信息

军事行动、反恐突击等强对抗场景中,实时信息的碎片化、不确定性对制定具有博弈优势的弹性行动方案提出了更高的要求,研究具有自学习能力的智能行动策略规划方法已成为编队级强对抗任务的核心问题.针对复杂场景下行动策略规划状态表征困难、数据效率低下等问题,提出了基于预测编码的样本自适应行动策略规划方法.利用自编码模型压缩表示任务的原始状态空间,通过任务环境的状态转移样本,在低维度状态空间中使用混合密度分布网络对任务环境的动态模型进行学习,获得了表征环境动态性的预测编码;基于预测编码展开行动策略规划研究,利用时间差分敏感的样本自适应方法对状态评估值函数进行预测,改善了数据效率,加速了算法收敛.为了验证算法的有效性,基于全国兵棋推演大赛机机挑战赛的想定,构建了包含大赛获奖选手操作策略的5种规则智能体,利用消融实验验证编码方式、样本采样策略等不同因子组合对算法的影响,并使用Elo评分机制对各个智能体进行排序;实验结果表明:基于预测编码的样本自适应算法——MDN-AF得分排序最高,对战平均胜率为71%,其中大比分获胜局占比为67.6%,而且学习到了自主波次划分、补充侦察策略、“蛇形”打击策略、轰炸机靠后突袭等4种长时行动策略.该算法框架应用于2020年全国兵棋推演大赛的智能体开发,并获得了全国一等奖.

关键词：行动规划强化学习兵棋推演预测编码样本自适应

在线全文

学校读者我要写书评

暂无评论

面向量化分块压缩感知的区域层次化预测编码

北京航空航天大学学报 2022年第8期48卷 1376-1382页

作者：刘浩郑浩然黄荣东华大学信息科学与技术学院上海201620

在量化分块压缩感知的预测编码中,低参考价值的候选者将导致较差的率失真性能。为了高效地降低编码失真,提出了一种基于螺旋逐块扫描的区域层次化预测编码方法。在以同一采样率进行观测后,各块按由内向外的扫描次序进行预测与量化。当... 详细信息

在量化分块压缩感知的预测编码中,低参考价值的候选者将导致较差的率失真性能。为了高效地降低编码失真,提出了一种基于螺旋逐块扫描的区域层次化预测编码方法。在以同一采样率进行观测后,各块按由内向外的扫描次序进行预测与量化。当前观测矢量从上下文感知候选集中选取与之具有最小误差的反量化矢量,作为其预测矢量;根据层次相关性,所有块被划分到3种区域之一,通过块编码模型为不同区域设定自适应的质量因子,关键区域被赋予较大的质量因子。与现有的预测编码方法相比,所提方法综合利用了矢量之间的空域相关性和层次相关性,实验结果获得了至少0.12 dB的率失真增益。

关键词：量化分块压缩感知预测编码层次相关性关键区域质量因子

在线全文

学校读者我要写书评

暂无评论

预测编码与表征主义

世界哲学 2023年第4期 88-104页

作者： [波]P.格拉齐耶夫斯基李恒威樊一蕃武锐(译) 波兰科学院哲学与社会学研究所浙江大学哲学学院杭州电子科技大学马克思主义学院

根据认知的预测编码理论,脑是一种预测机器,它利用知觉和行动来最小化预测误差。所谓“预测误差”是指自下而上的外部产生的感觉信号与自上而下的内部产生的感觉预测之间的差异。许多人认为,预测编码理论在当代认知科学中具有无可比拟... 详细信息

根据认知的预测编码理论,脑是一种预测机器,它利用知觉和行动来最小化预测误差。所谓“预测误差”是指自下而上的外部产生的感觉信号与自上而下的内部产生的感觉预测之间的差异。许多人认为,预测编码理论在当代认知科学中具有无可比拟的解释广度,并认为它有可能为我们提供一个统一地解释认知的框架。人们还普遍认为,预测编码理论是一种表征理论,因为它假设我们与世界的认知联系是以内部表征为中介的。然而,关于“预测编码理论是表征性理论”的确切意义尚不清楚;也不清楚它是否值得这样的地位,即它是否真的调用了本性上就真实不虚(truly and nontrivially)((1))的表征结构。在本文中,我认为预测编码理论的表征主张是完全合理的。这是因为该理论假定如下这种认知结构——即指导行动的、可分离的、支持表征错误检测的结构化模型——在认知系统中发挥着真正的表征功能。

关键词：地图生成模型工作描述挑战心智表征预测编码

预测编码框架下孤独症谱系障碍个体的预测缺陷及理论解释

在线全文

学校读者我要写书评

暂无评论

中国特殊教育 2022年第8期 70-77页

作者：何明影梁杰胡金生辽宁师范大学心理学院大连116029

预测编码理论指出,预测缺陷是孤独症谱系障碍(ASD)各种行为特征的基础。ASD个体的预测缺陷主要表现在目标导向的动作预测受损、利用社会信息的人际预测受损和动作相关的词汇预测受损三个方面,这可能与其听觉刺激的神经反应增强、静息状... 详细信息

预测编码理论指出,预测缺陷是孤独症谱系障碍(ASD)各种行为特征的基础。ASD个体的预测缺陷主要表现在目标导向的动作预测受损、利用社会信息的人际预测受损和动作相关的词汇预测受损三个方面,这可能与其听觉刺激的神经反应增强、静息状态下可预测信息减少和参与预测的脑区异常有关。ASD个体的预测缺陷理论解释主要包括贝叶斯理论、HIPPEA理论和PIA假说。未来应进一步整合预测缺陷相关理论,关注ASD个体预测缺陷的年龄发展趋势,合理运用预测编码理论对ASD进行早期筛查和干预。

关键词：孤独症谱系障碍预测缺陷预测编码

在线全文

学校读者我要写书评

暂无评论

三维点云属性预测编码研究

三维点云属性预测编码研究

作者：杨丽慧西安电子科技大学

学位级别：硕士

随着计算机硬件水平的提高以及多媒体通信和三维成像技术的发展,三维点云模型的获取变得更为容易,同时也被广泛应用在虚拟现实、文物保护、自主导航、实时巡检等领域。三维点云是空间中一组无规则分布的离散点集,表达了三维物体或场景... 详细信息

随着计算机硬件水平的提高以及多媒体通信和三维成像技术的发展,三维点云模型的获取变得更为容易,同时也被广泛应用在虚拟现实、文物保护、自主导航、实时巡检等领域。三维点云是空间中一组无规则分布的离散点集,表达了三维物体或场景的空间结构及纹理属性等信息。为了提升表示精度,点云可以包含百万甚至千万个点,并可附加多种类别的属性信息,导致数据量十分庞大,对现有多媒体系统的存储和传输等环节带来了严峻的挑战,影响了点云相关应用在各个领域的普及。因此,实现高效的点云数据压缩有着重要的意义。这一研究方向引起了包括MPEG等标准化组织的注意,并已成为工业界和学术界当前的研究热点。本论文重点分析点云空域分布和结构等特征,通过更好地利用点云属性信息的空间相关性来建立点云属性预测模型,进而提高点云数据的压缩效率。针对MPEG G-PCC点云属性分层预测编码中的层级结构划分问题,通过分析现有的基于距离的层级划分算法,发现其未能充分考虑点云属性信息的空间相关性。基于此,本文提出了一种基于空域邻接关系的点云层级划分算法,使得划分得到的点云层级结构更为合理,同时避免了原方法中无法确定最佳距离阈值设定的问题。在层级结构划分后的预测集构建过程中,本文进一步提出了一种基于该层级结构的预测集快速搜索算法,该方法在不引入较高时间复杂度的前提下带来了显著的性能增益。实验结果表明,相比于G-PCC原有的属性分层预测编码方案,本文提出的基于空域邻接关系的层级结构划分算法具有更高的性能,可在属性有损编码条件下分别在亮度分量和色度分量上获得1.5%、2.1%、2.3%的性能增益,并已被MPEG G-PCC标准采纳。针对MPEG G-PCC点云属性预测编码中的预测集筛选问题,本文分析并探讨了原有基于空间距离进行筛选的不完善性,发现用距离作为预测集筛选的唯一测度并不合理,预测集中各点的空间分布同样对预测效率有一定影响。基于此,本文提出了一种考虑分布对称性的属性预测优化算法,该算法在构建预测集时,同时考虑距离和点的分布对称性来进行预测集的构建,使得预测集在空间中尽可能分布均匀。实验结果表明,相比于G-PCC原有的编码方案,本文提出的优化算法具有更高的性能,在属性近无损编码条件下,可在亮度和色度分量上分别获得3.0%、3.2%、3.2%的性能增益。该算法已被MPEG G-PCC标准采纳。

关键词：点云压缩属性编码预测编码层级结构

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于预测编码的视频预测方法研究

基于预测编码的视频预测方法研究

作者：凌超凡华南理工大学

学位级别：硕士

未来视频帧预测是一个像素密集型的预测任务,旨在通过学习过去的视频帧来预测完整的未来帧。它可以应用于自动驾驶、机器人导航、行人轨迹预测等。然而,目前的视频预测模型或方法仍然存在缺乏外观细节、预测精度低和计算开销大的问题。... 详细信息

未来视频帧预测是一个像素密集型的预测任务,旨在通过学习过去的视频帧来预测完整的未来帧。它可以应用于自动驾驶、机器人导航、行人轨迹预测等。然而,目前的视频预测模型或方法仍然存在缺乏外观细节、预测精度低和计算开销大的问题。针对这些问题,本文结合预测编码理论框架和深度学习体系结构,设计了新颖高效的视频预测网络模型,在提高未来视频帧预测质量的同时尽可能降低训练和推理的计算开销。具体研究内容如下:(1)提出了一种时间金字塔预测网络模型。该模型由一系列的卷积单元和循环单元组成,整个模型通过自上而下和自下而上的信息流相结合来更新,以增强不同层级之间的联系。其中,神经单元的更新频率随着网络的层级提升而降低,使得更高层级的神经元能够在更长的时间维度上捕获信息。得益于特殊的网络架构,该模型具有更好的紧凑性和预测性能,其计算成本更低,预测质量更高;(2)在预测编码计算框架的基础上,结合“由粗到精”逐步恢复像素方法设计了一种多尺度预测网络模型。区别于传统预测编码计算范式,该模型的更高层级神经元会生成一个更粗糙的预测(分辨率较低),更低层级则生成一个更精细的预测(分辨率较高),而不是预测较低层级的神经元活动。此外,还重点对训练方法进行了探索,包括改进了对抗训练方法以及长时预测方法,使得训练更稳定并能够获得更清晰的预测帧。(3)在第一项研究内容的基础上,改进了金字塔预测网络的信息传播方式和特征组件。针对原始模型中存在的信息滞后或者超前传播的问题,重新设计了整个网络框架。不同的输入不再被简单地进行拼接计算,下采样和上采样组件也被重新设计以确保网络能够更自然地从低频输入的傅里叶特征构造图像。整个模型更加鲁棒,预测效果更好。

关键词：视频预测预测编码深度学习神经网络

基于像素复原和预测编码的深度视频预测方法研究

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于像素复原和预测编码的深度视频预测方法研究

作者：袁牧暄南京航空航天大学

学位级别：硕士

视频预测问题作为时间序列预测问题的一个分支,视频帧中不仅包含了时序特征,还包含了大量的空间特征。预测模型需要能够同时提取并处理这两种特征信息。不仅如此,视频帧中还可能会出现如下的情况:运动中的物体出现相互遮挡、视频拍摄者... 详细信息

视频预测问题作为时间序列预测问题的一个分支,视频帧中不仅包含了时序特征,还包含了大量的空间特征。预测模型需要能够同时提取并处理这两种特征信息。不仅如此,视频帧中还可能会出现如下的情况:运动中的物体出现相互遮挡、视频拍摄者本身处于运动状态、光影的突然变幻等。这些也都提高了视频预测问题的难度。同时,深度学习模型在生成图像时可能会出现模糊不清、真实感不足等情况。于是,本文的主要研究工作就是着力于实现精确度高且足够清晰的视频预测算法。为了解决这一问题,本文首先尝试将注意力机制与卷积长短时记忆网络(Convolutional Long Short-Term Memory,Conv LSTM)相结合,提出了一个融合了注意力机制的卷积长短时记忆网络(Deep Learning Algorithm Integrating Attention Mechanism with Convolutional Long Short-Term Memory,Att Conv LSTM)。Att Conv LSTM的一个突出的创新之处在于,它的每一层都能够计算所获得信息的注意力权值从而关注信息的关键部分,从而有效地提升了预测精度。然而,Att Conv LSTM没能解决深度学习模型在直接生成预测帧时出现的模糊和真实感不足的问题。因此,受光流法的启发,本文进一步提出了深度像素复原Att Conv LSTM(Deep Pixel Restoration Att Conv LSTM,DPRAConv LSTM),该模型巧妙地利用了深度学习的端到端特性。我们创造性地利用输入帧的像素来生成预测帧,从而避免了模糊、不够真实等常见缺陷。Att Conv LSTM和DPRAConv LSTM在四个特性不同的数据集上进行了实验,实验结果有效地证实了这两个模型的有效性。AttConvLSTM和DPRAConvLSTM均是用于解决单步视频预测问题的模型。而多步视频预测问题明显更具实用性,也拥有更高的难度。为了能够在多步预测中保持预测准确性,提高清晰度,本文在第一步工作的基础上提出了深度像素复原环路编码网络(Deep Pixel Restoration Loop Coding Network,DPR-LC-Net)。该模型运用了神经科学中“预测编码”的概念来构建网络结构,能够在预测过程中不断地修正预测结果,从而提高预测的准确性。同时也改进并运用了第一步中的像素复原技术,获得更加清晰且真实的预测帧。DPR-LC-Net同样在四个特性不同的数据集上进行了实验,其性能成功达到了我们的设计预期。

关键词：视频预测深度学习注意力机制像素复原预测编码

一种HEVC帧内预测编码CU结构快速选择算法

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

光电子．激光 2015年第9期26卷 1740-1746页

作者：樊春晓李甫石光明牛毅焦丹丹西安电子科技大学电子工程学院陕西西安710071

为了提升高效视频编码(HEVC)帧内预测编码部分的编码效率,提出了一种HEVC帧内预测编码编码单元(CU)结构快速选择算法。算法通过对CTU(coding tree unit)四叉树结构的遍历过程进行优化,设计了两种不同的最优CU结构快速决策算法,分别从最... 详细信息

为了提升高效视频编码(HEVC)帧内预测编码部分的编码效率,提出了一种HEVC帧内预测编码编码单元(CU)结构快速选择算法。算法通过对CTU(coding tree unit)四叉树结构的遍历过程进行优化,设计了两种不同的最优CU结构快速决策算法,分别从最大划分深度和最小划分深度开始遍历,并在每一步遍历之前,判断是否提前终止遍历操作。同时,在对每个CTU进行求解时,依据其纹理复杂度和当前编码状态,从两种算法中选择出最优快速决策算法对其进行求解。在HM 15.0的基础上实现了提出的快速选择算法。实验结果表明,本文算法能够在保证编码性能的同时,降低31.14%的编码时间,提高了HEVC的编码效率。

关键词：高效视频编码(HEVC) 帧内编码预测编码编码单元(CU)结构快速选择