检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于改进ORB的视觉里程计算法

控制与决策 2024年第3期39卷 819-826页

作者：翁剑鸿雷群楼陶杰鲁仁全广东工业大学自动化学院广州510006

ORB-SLAM 2因高斯金字塔离散、量化尺度的因素,易造成尺度量化误差.针对这一缺陷,提出孪生过滤器算法.通过在对数极坐标系下进行描述子构造,减少其量化误差,并在同层金字塔中构造笛卡尔坐标系下孪生描述子,利用该描述子距离实现过滤,从... 详细信息

ORB-SLAM 2因高斯金字塔离散、量化尺度的因素,易造成尺度量化误差.针对这一缺陷,提出孪生过滤器算法.通过在对数极坐标系下进行描述子构造,减少其量化误差,并在同层金字塔中构造笛卡尔坐标系下孪生描述子,利用该描述子距离实现过滤,从而提高特征点的尺度不变性,增强其匹配准确率.同时,针对ORB-SLAM 2的四叉树算法过度追求离散度而忽略特征点质量问题这一情况,提出深度有限四叉树算法.利用特征点提取阈值以及特征点所在金字塔层进行自适应深度阈值设置,减小弱特征点区域的划分次数,从而减少弱特征点提取数目.实验表明,所提出算法能够有效提高特征点离散度、正确匹配特征点数目和匹配精度,具有更高的轨迹精度.

关键词：视觉里程计四叉树算法孪生过滤器离散度 ORB-SLAM 2

基于最优传输理论的深度半监督学习伪标签生成算法

在线全文

学校读者我要写书评

暂无评论

软件学报 2024年第11期 5196-5209页

作者：翟德明沈斯娴周雄江俊君刘贤明季向阳哈尔滨工业大学计算学部清华大学自动化系

目前,深度学习广泛应用于各个领域并取得了优异的表现,这通常需要大量标注数据的支持,而大量标注数据的获取往往意味着高昂的成本与苛刻的应用条件.因此,随着深度学习的发展,如何在实际场景下突破数据限制,成为目前重要的研究目标,而半... 详细信息

目前,深度学习广泛应用于各个领域并取得了优异的表现,这通常需要大量标注数据的支持,而大量标注数据的获取往往意味着高昂的成本与苛刻的应用条件.因此,随着深度学习的发展,如何在实际场景下突破数据限制,成为目前重要的研究目标,而半监督学习正是其中一大研究方向.半监督学习通过利用大量的未标记数据辅助少量的标记数据进行学习,很好地减轻了深度学习的数据需求压力.伪标签生成方法是当前半监督学习的重要组成部分,所生成的伪标签质量的优劣会很大程度影响半监督学习的最终效果.聚焦半监督学习中的伪标签生成问题,提出基于最优传输理论的伪标签生成方法.所提方法在将有标签信息作为生成过程引导的同时引入类别均衡约束,在此基础上将半监督学习的伪标签生成过程转换成最优传输优化问题,给出新的求解伪标签生成问题的形式.为求解该优化问题,引入Sinkhorn-Knopp算法进行近似快速求解,避免不可计算问题.所提伪标签生成方法作为半监督学习中的独立过程可结合当前一致性正则等半监督学习技巧构成完整的半监督学习过程.最终,在CIFAR-10、SVHN、MNIST、FashionMNIST这4大公共经典图像分类数据集上进行实验,验证方法的有效性.实验结果显示,所提方法与当前先进的半监督学习方法相比,均取得更优异的结果,尤其是在标签情况较少的情况下提升显著.

关键词：半监督学习伪标签生成最优传输图像分类深度学习

同方期刊数据库

在线全文

学校读者我要写书评

暂无评论

偏振视觉

中国科学：信息科学 2024年第7期54卷 1620-1645页

作者：赵永强乔新博李宁潘泉西北工业大学自动化学院西安710072 清华大学自动化系北京100084

传统视觉技术已经广泛应用于生产生活中的各类领域,然而在面对复杂环境以及非合作目标时,获得的信息量有限使传统视觉技术无法有效地检测、识别目标.作为与光强、波长、相位并列的光的基本物理特性,偏振能够反映发射或反射光的振动特性... 详细信息

传统视觉技术已经广泛应用于生产生活中的各类领域,然而在面对复杂环境以及非合作目标时,获得的信息量有限使传统视觉技术无法有效地检测、识别目标.作为与光强、波长、相位并列的光的基本物理特性,偏振能够反映发射或反射光的振动特性,表征物体的多种信息,因此偏振信息能有效区分目标与背景,并在恶劣环境中维持信息有效性.利用偏振信息的这种特性,人们将光的偏振信息引入视觉系统,得到了一种解决复杂场景成像问题的方案,即偏振视觉.偏振视觉最早在部分生物上发现,对偏振视觉的进一步研究使人们发现偏振视觉相较于传统视觉在复杂场景下的成像优势.本文以偏振视觉的发展为主线整理了偏振视觉技术的诞生、成像设备的发展与该技术在各领域的应用,并展望了偏振视觉及其相关技术的未来发展方向.

关键词：偏振视觉偏振信息偏振成像设备散射介质成像目标检测反射光去除三维重构

在线全文

学校读者我要写书评

暂无评论

约束非线性系统理想点多目标安全预测控制

控制理论与应用 2024年第2期41卷 355-363页

作者：何德峰操佩颐岑江晖浙江工业大学信息工程学院浙江杭州310023

考虑具有状态和控制约束的仿射非线性系统多目标安全控制问题,本文提出一种保证安全和稳定的多目标安全模型预测控制(MOSMPC)策略.首先通过理想点逼近方法解决多个控制目标的冲突问题.其次,利用控制李雅普诺夫障碍函数(CLBF)参数化局部... 详细信息

考虑具有状态和控制约束的仿射非线性系统多目标安全控制问题,本文提出一种保证安全和稳定的多目标安全模型预测控制(MOSMPC)策略.首先通过理想点逼近方法解决多个控制目标的冲突问题.其次,利用控制李雅普诺夫障碍函数(CLBF)参数化局部控制律,并确定系统不安全域.在此基础上,构造非线性系统的参数化双模控制器,减少在线求解模型预测控制(MPC)优化问题的计算量.进一步,应用双模控制原理和CLBF约束,建立MOSMPC策略的递推可行性和闭环系统的渐近稳定性,并保证闭环系统状态避开不安全域.最后,以加热系统的多目标控制为例,验证了本文策略的有效性.

关键词：非线性系统模型预测控制多目标控制安全控制稳定性

两方零和马尔科夫博弈策略梯度算法及收敛性分析

在线全文

学校读者我要写书评

暂无评论

浙江大学学报（工学版） 2024年第3期58卷 480-491页

作者：王卓李永强冯宇冯远静浙江工业大学信息工程学院浙江杭州310000

为了解决基于策略的强化学习方法在两方零和马尔科夫博弈中学习效率低下的问题,提出同时更新双方玩家策略的近似纳什均衡策略优化算法.将两方零和马尔科夫博弈问题描述为最大最小优化问题,针对参数化策略,给出马尔科夫博弈的策略梯度定... 详细信息

为了解决基于策略的强化学习方法在两方零和马尔科夫博弈中学习效率低下的问题,提出同时更新双方玩家策略的近似纳什均衡策略优化算法.将两方零和马尔科夫博弈问题描述为最大最小优化问题,针对参数化策略,给出马尔科夫博弈的策略梯度定理,并通过近似随机策略梯度的推导,为算法实施提供可行性基础.通过比较分析不同的最大最小问题梯度更新方法,发现额外梯度相较于其他方法具有更好的收敛性能.基于这一发现,提出基于额外梯度的近似纳什均衡策略优化算法,并给出算法的收敛性证明.在Oshi-Zumo游戏上,使用表格式softmax参数化策略以及神经网络作为参数化策略,验证不同游戏规模场景下算法的有效性.通过对比实验,验证算法相对于其他方法的收敛性和优越性.

关键词：两方零和马尔科夫博弈强化学习策略优化额外梯度纳什均衡神经网络

结合优势结构和最小目标Q值的深度强化学习导航算法

在线全文

学校读者我要写书评

暂无评论

控制理论与应用 2024年第4期41卷 716-728页

作者：朱威洪力栋施海东何德峰浙江工业大学信息工程学院浙江杭州312000

针对现有基于策略梯度的深度强化学习方法应用于办公室、走廊等室内复杂场景下的机器人导航时,存在训练时间长、学习效率低的问题,本文提出了一种结合优势结构和最小化目标Q值的深度强化学习导航算法.该算法将优势结构引入到基于策略梯... 详细信息

针对现有基于策略梯度的深度强化学习方法应用于办公室、走廊等室内复杂场景下的机器人导航时,存在训练时间长、学习效率低的问题,本文提出了一种结合优势结构和最小化目标Q值的深度强化学习导航算法.该算法将优势结构引入到基于策略梯度的深度强化学习算法中,以区分同一状态价值下的动作差异,提升学习效率,并且在多目标导航场景中,对状态价值进行单独估计,利用地图信息提供更准确的价值判断.同时,针对离散控制中缓解目标Q值过估计方法在强化学习主流的Actor-Critic框架下难以奏效,设计了基于高斯平滑的最小目标Q值方法,以减小过估计对训练的影响.实验结果表明本文算法能够有效加快学习速率,在单目标、多目标连续导航训练过程中,收敛速度上都优于柔性演员评论家算法(SAC),双延迟深度策略性梯度算法(TD3),深度确定性策略梯度算法(DDPG),并使移动机器人有效远离障碍物,训练得到的导航模型具备较好的泛化能力.

关键词：强化学习移动机器人导航优势结构最小化目标Q值

基于距离信息的追逃策略:信念状态连续随机博弈

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

自动化学报 2024年第4期50卷 828-840页

作者：陈灵敏冯宇李永强浙江工业大学信息工程学院杭州313000

追逃问题的研究在对抗、追踪以及搜查等领域极具现实意义.借助连续随机博弈与马尔科夫决策过程(Markov decision process, MDP),研究使用测量距离求解多对一追逃问题的最优策略.在此追逃问题中,追捕群体仅领导者可测量与逃逸者间的相对... 详细信息

追逃问题的研究在对抗、追踪以及搜查等领域极具现实意义.借助连续随机博弈与马尔科夫决策过程(Markov decision process, MDP),研究使用测量距离求解多对一追逃问题的最优策略.在此追逃问题中,追捕群体仅领导者可测量与逃逸者间的相对距离,而逃逸者具有全局视野.追逃策略求解被分为追博弈与马尔科夫决策两个过程.在求解追捕策略时,通过分割环境引入信念区域状态以估计逃逸者位置,同时使用测量距离对信念区域状态进行修正,构建起基于信念区域状态的连续随机追博弈,并借助不动点定理证明了博弈平稳纳什均衡策略的存在性.在求解逃逸策略时,逃逸者根据全局信息建立混合状态下的马尔科夫决策过程及相应的最优贝尔曼方程.同时给出了基于强化学习的平稳追逃策略求解算法,并通过案例验证了该算法的有效性.

关键词：追逃问题信念区域状态连续随机博弈马尔科夫决策过程强化学习

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

基于多维特征评价的风机齿轮箱早期故障诊断

控制与决策 2024年第5期39卷 1566-1576页

作者：郭方洪林凯窦云飞吴祥俞立浙江工业大学信息工程学院杭州310014

为了及时有效地诊断风机齿轮箱早期微弱故障,针对齿轮箱微弱故障信号非线性、非平稳、低幅值、低信噪比的特点,提出一种基于多维特征评价的风机齿轮箱早期故障诊断方法.首先,利用变分模态分解将原始振动信号分解为多个固有模态分量,并... 详细信息

为了及时有效地诊断风机齿轮箱早期微弱故障,针对齿轮箱微弱故障信号非线性、非平稳、低幅值、低信噪比的特点,提出一种基于多维特征评价的风机齿轮箱早期故障诊断方法.首先,利用变分模态分解将原始振动信号分解为多个固有模态分量,并构建“信息熵-峭度-包络谱峭度”多维特征评价模型,结合熵权法筛选关键特征分量以重构信号;其次,运用改进的小波阈值法降低噪声干扰对重构信号的影响,得到显著的故障冲击特征;再者使用宽度学习系统进行状态识别,并利用L_(21)正则化技术进一步提高其网络结构的稀疏性;最后,通过对风机齿轮箱实测数据进行特征分析并与传统方法进行对比实验,表明所提出方法的有效性和优越性.

关键词：风机齿轮箱故障诊断变分模态分解小波阈值降噪宽度学习 L_(21)范数

外部干扰和随机DoS攻击下的网联车安全H∞队列控制

在线全文

学校读者我要写书评

暂无评论

自动化学报 2024年第2期50卷 348-355页

作者：宋秀兰李洋阳何德峰浙江工业大学信息工程学院杭州310023

针对网联车队列系统易受到干扰和拒绝服务(Denial of service, DoS)攻击问题,提出一种外部干扰和随机DoS攻击作用下的网联车安全H∞队列控制方法.首先,采用马尔科夫随机过程,将网联车随机DoS攻击特性建模为一个随机通信拓扑切换模型,据... 详细信息

针对网联车队列系统易受到干扰和拒绝服务(Denial of service, DoS)攻击问题,提出一种外部干扰和随机DoS攻击作用下的网联车安全H∞队列控制方法.首先,采用马尔科夫随机过程,将网联车随机DoS攻击特性建模为一个随机通信拓扑切换模型,据此设计网联车安全队列控制协议.然后,采用线性矩阵不等式(Linear matrix inequality, LMI)技术计算安全队列控制器参数,并应用Lyapunov-Krasovskii稳定性理论,建立在外部扰动和随机DoS攻击下队列系统稳定性充分条件.在此基础上,分析得到该队列闭环系统的弦稳定性充分条件.最后,通过7辆车组成的队列系统对比仿真实验,验证该方法的优越性.

关键词：网联自主车辆队列控制安全控制随机DoS攻击稳定性