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

室外大场景神经辐射场综述

图学学报 2024年

作者：董相涛马鑫潘成伟鲁鹏北京航空航天大学人工智能研究院北京邮电大学人工智能学院

对室外大场景进行三维建模，不仅可以完成实时的城市建图和漫游，还能为自动驾驶等提供技术支持。近年来，神经隐式建模的发展十分迅速，神经辐射场NeRF的出现更是将神经隐式建模推上了新的高度。NeRF凭借高质量渲染和任意角度渲染的特... 详细信息

对室外大场景进行三维建模，不仅可以完成实时的城市建图和漫游，还能为自动驾驶等提供技术支持。近年来，神经隐式建模的发展十分迅速，神经辐射场NeRF的出现更是将神经隐式建模推上了新的高度。NeRF凭借高质量渲染和任意角度渲染的特点，已经在可控编辑、数字化人体、城市场景重建等领域得到了广泛的应用。神经辐射场通过深度学习的方法从二维图片及其位姿中学习隐式三维场景，生成新视角图像。然而原始NeRF只能在有界场景下得到逼真的结果，在对室外大场景进行建模时，往往会面临无界背景、模型容量、场景外观等问题。为了将NeRF部署在室外大场景中，研究者们从多个角度进行改进，提出了多样的NeRF变种。本综述将首先介绍神经辐射场的背景，然后从室外大场景的难点切入，对各个难点的解决方法进行分析和讨论，最后对室外大场景NeRF目前的进展进行总结并对未来进行展望。

关键词：神经隐式表达神经辐射场新视角合成室外场景大场景

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于无标签视频数据的深度预测学习方法综述

电子学报 2022年第4期50卷 869-886页

作者：潘敏婷王韫博朱祥明高思宇龙明盛杨小康上海交通大学人工智能研究院人工智能教育部重点实验室清华大学软件学院

基于视频数据的深度预测学习(以下简称“深度预测学习”)属于深度学习、计算机视觉和强化学习的交叉融合研究方向,是气象预报、自动驾驶、机器人视觉控制等场景下智能预测与决策系统的关键组成部分,在近年来成为机器学习的热点研究领域... 详细信息

基于视频数据的深度预测学习(以下简称“深度预测学习”)属于深度学习、计算机视觉和强化学习的交叉融合研究方向,是气象预报、自动驾驶、机器人视觉控制等场景下智能预测与决策系统的关键组成部分,在近年来成为机器学习的热点研究领域.深度预测学习遵从自监督学习范式,从无标签的视频数据中挖掘自身的监督信息,学习其潜在的时空模式表达.本文对基于深度学习的视频预测现有研究成果进行了详细综述.首先,归纳了深度预测学习的研究范畴和交叉应用领域.其次,总结了视频预测研究中常用的数据集和评价指标.而后,从基于观测空间的视频预测、基于状态空间的视频预测、有模型的视觉决策三个角度,分类对比了当前主流的深度预测学习模型.最后,本文分析了深度预测学习领域的热点问题,并对研究趋势进行了展望.

关键词：深度学习自监督学习计算机视觉视频预测有模型的视觉决策

形状补全引导的Transformer点云目标检测方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

智能系统学报 2023年第4期18卷 731-742页

作者：周静胡怡宇黄心汉江汉大学人工智能学院湖北武汉430056 华中科技大学人工智能与自动化学院湖北武汉430074

针对雷达传感器采集到的场景点云中存在大量远距离或位于遮挡视角的形状缺失的低质量目标,其几何信息不足难以被识别,影响检测精度的问题,本文提出一种基于形状补全引导的Transformer点云目标检测方法(shape completion-guided transfor... 详细信息

针对雷达传感器采集到的场景点云中存在大量远距离或位于遮挡视角的形状缺失的低质量目标,其几何信息不足难以被识别,影响检测精度的问题,本文提出一种基于形状补全引导的Transformer点云目标检测方法(shape completion-guided transformer point cloud object detection method,STDet),通过增强低质量目标形状特征来有效提升目标检测精度,利用Pointformer主干网络提取场景点云特征以生成初始候选框,基于特征分离预测的形状补全模块重构候选框中残缺目标的完整形状点云;构建Transformer几何特征增强模型,融合目标完整形状信息及空间位置信息至各目标点特征中,并感知各目标点不同邻域掩码范围内的局部结构信息与全局几何特征的注意力相关性,以获取关键几何信息增强的目标全局几何特征;基于该特征引导生成精细化的目标检测框。在KITTI数据集上的实验结果表明,该方法在存在大量形状残缺低质量目标的困难场景中检测精度较基准算法提升了4.96%,大量消融实验证明了该方法所构建的形状补全算法和Transformer几何特征增强模型的有效性。

关键词： 3D目标检测低质量目标特征分离形状补全 Transformer 多尺度邻域掩码特征增强

在线全文

学校读者我要写书评

暂无评论

基于多任务学习的多线路公交车程时间预测

华中科技大学学报（自然科学版） 2022年第11期50卷 90-95页

作者：谢文亮沈吟东华中科技大学人工智能研究院湖北武汉430074

针对现有公交车程时间预测方法不适用于公交有限数据集,且难以对区域内多条公交线路进行预测的不足,研究设计了一种基于多任务学习的多线路公交车程时间预测模型.首先,对多线路公交车程时间预测问题进行分析,并根据问题的特点建立多任... 详细信息

针对现有公交车程时间预测方法不适用于公交有限数据集,且难以对区域内多条公交线路进行预测的不足,研究设计了一种基于多任务学习的多线路公交车程时间预测模型.首先,对多线路公交车程时间预测问题进行分析,并根据问题的特点建立多任务学习预测模型,实现同时对多条公交线路的车程时间的预测.然后,采用湖北省X市五条不同公交线路的车程时间数据集进行预测实验.实验结果表明:所设计的多任务学习预测模型能够有效实现对区域内多条公交线路的车程时间的预测,且建模资源消耗少于对每条公交线路单独建立预测模型的总和,对于每条公交线路车程时间的预测精度也优于对每条线路建立的单任务预测模型.

关键词：区域调度多条公交线路多任务学习公交车程时间预测模型

在线全文

学校读者我要写书评

暂无评论

进化超多目标优化研究进展及展望

控制与决策 2023年第7期38卷 1761-1788页

作者：肖人彬李贵陈峙臻华中科技大学人工智能与自动化学院武汉430074 华中科技大学人工智能研究院武汉430074 格林威治大学商学院伦敦SE109LS

近年来,超多目标优化逐渐成为多目标优化研究的热点之一,由于超多目标优化问题具有难以寻优的高维目标空间,其研究颇有挑战性,因此受到广泛关注.现有综述性文献通常只是针对某个特定方面,缺乏系统性考察.鉴于此,首先从问题定义出发,综... 详细信息

近年来,超多目标优化逐渐成为多目标优化研究的热点之一,由于超多目标优化问题具有难以寻优的高维目标空间,其研究颇有挑战性,因此受到广泛关注.现有综述性文献通常只是针对某个特定方面,缺乏系统性考察.鉴于此,首先从问题定义出发,综合考虑超多目标优化问题范畴,进行超多目标优化问题的概念辨析;其次通过对近些年的相关文献整理,系统分析超多目标优化问题进展并对其中部分经典方法加以介绍,通过对基准测试函数和性能指标的说明,围绕超多目标优化研究方法展开综合性论述;接着选取5个典型的超多目标进化算法,在2组基准测试函数和4个实际问题上分别展开仿真实验,通过性能指标和非参数检验对不同类别的算法进行理论分析;最后在明确超多目标优化研究领域的若干前沿问题的基础上,对今后的研究工作进行展望.

关键词：超多目标优化高维多目标超多目标应用进化算法性能指标

在线全文

学校读者我要写书评

暂无评论

基于动态因果图的智能仪表一体化失效分析

仪器仪表学报 2022年第6期43卷 131-139页

作者：刘璐杜鑫周纯杰华中科技大学人工智能与自动化学院武汉430074

工业互联网在推动制造业升级换代的同时,也引入了信息安全问题,智能仪表等现场设备面临信息安全风险。为明确和分析在功能安全危险和信息安全威胁下智能仪表的失效原因和危害,本文提出了一体化因果失效分析方法框架,通过对功能安全和信... 详细信息

工业互联网在推动制造业升级换代的同时,也引入了信息安全问题,智能仪表等现场设备面临信息安全风险。为明确和分析在功能安全危险和信息安全威胁下智能仪表的失效原因和危害,本文提出了一体化因果失效分析方法框架,通过对功能安全和信息安全的融合失效分析,实现一体化因果失效路径推理。此外,对失效路径重要度通过结构、概率以及关键程度等属性量化评估,重要度表征失效路径发生的可能性大小,由此实现仪表安全失效场景精确分析。最后,通过智能变送器实践验证所提方法的有效性和可行性。本文通过动态因果图失效路径推理方法,首次揭示了智能仪表内部功能模块间安全失效渗透影响机理,实现仪表功能安全与信息安全一体化失效分析。

关键词：智能仪表功能安全信息安全动态因果图失效分析

RFNet:用于三维点云分类的卷积神经网络

在线全文

学校读者我要写书评

暂无评论

自动化学报 2023年第11期49卷 2350-2359页

作者：单铉洋孙战里曾志刚安徽大学电气工程与自动化学院合肥230601 安徽大学人工智能学院合肥230601 华中科技大学人工智能与自动化学院武汉430000

由于点云的非结构性和无序性,目前已有的点云分类网络在精度上仍然需要进一步提高.通过考虑局部结构的构建、全局特征聚合和损失函数改进三个方面,构造一个有效的点云分类网络.首先,针对点云的非结构性,通过学习中心点特征与近邻点特征... 详细信息

由于点云的非结构性和无序性,目前已有的点云分类网络在精度上仍然需要进一步提高.通过考虑局部结构的构建、全局特征聚合和损失函数改进三个方面,构造一个有效的点云分类网络.首先,针对点云的非结构性,通过学习中心点特征与近邻点特征之间的关系,为不规则的近邻点分配不同的权重,以此构建局部结构;然后,使用注意力思想,提出加权平均池化(Weighted average pooling,WAP),通过自注意力方式,学习每个高维特征的注意力分数,在应对点云无序性的同时,可以有效地聚合冗余的高维特征;最后,利用交叉熵损失与中心损失之间的互补关系,提出联合损失函数(Joint loss function,JL),在增大类间距离的同时,减小类内距离,进一步提高了网络的分类能力.在合成数据集ModelNet40、ShapeNetCore和真实世界数据集ScanObjectNN上进行实验,与目前性能最好的多个网络相比较,验证了该整体网络结构的优越性.

关键词：深度学习三维点云点云分类注意力机制损失函数

在线全文

学校读者我要写书评

暂无评论

动力系统可辨识性研究综述

控制理论与应用 2023年第11期40卷 2007-2018页

作者：曾哲璇岳作功袁烨华中科技大学人工智能与自动化学院湖北武汉430074

“可辨识性”是模型能否由观测数据唯一确定的性质,在经济学、生物学、化学、控制科学等多学科中被系统性地研究.近二十年来,随着动力系统复杂性急剧增加,将系统建模为动力学网络的研究愈加普遍,网络可辨识性也越来越受到学界关注.“可... 详细信息

“可辨识性”是模型能否由观测数据唯一确定的性质,在经济学、生物学、化学、控制科学等多学科中被系统性地研究.近二十年来,随着动力系统复杂性急剧增加,将系统建模为动力学网络的研究愈加普遍,网络可辨识性也越来越受到学界关注.“可辨识性”不仅是系统辨识的理论保证,而且可以作为建模中实验设计、数据采集等的理论指导.本文综述动力系统的可辨识性问题,首先,给出了可辨识性问题的描述及相关定义.根据模型不同类别,本文对线性时不变系统与系统矩阵相关的可辨识性经典结论进行了阐述,并对非线性时不变系统的输入输出方法、输出相等方法等可辨识性主要研究方法进行阐述.针对激励矩阵和观测矩阵的4种不同情况,本文对动力学网络模型的可辨识性问题和代表性成果进行综述.最后,本文讨论了其仍需解决的问题和未来的研究方向.

关键词：可辨识性动力系统模型结构动力学网络系统辨识网络重构

在线全文

学校读者我要写书评

暂无评论

基于一般性动力学建模的多电机复合同步控制

中国电机工程学报 2024年

作者：谢斌雷力王在相李叶松华中科技大学人工智能与自动化学院

多电机同步系统广泛应用于精密制造领域，但是多样化的系统结构与差异化的同步控制需求，为高通用性的同步控制策略设计带来了困难。为了克服这些问题，该文建立多电机同步系统的一般性动力学模型，以统一形式的数学模型描述多样化的同... 详细信息

多电机同步系统广泛应用于精密制造领域，但是多样化的系统结构与差异化的同步控制需求，为高通用性的同步控制策略设计带来了困难。为了克服这些问题，该文建立多电机同步系统的一般性动力学模型，以统一形式的数学模型描述多样化的同步控制问题。通过基于运动学的坐标变换，揭示动力学模型内部的复杂耦合关系，以及在耦合效应影响下的同步误差形成机理。通过提出运动解耦设计方法，精确补偿驱动轴与同步轴之间动力学特性差异，并实现系统的解耦。基于已解耦系统设计反馈形式的运动跟踪控制器提升系统的实时同步性能。仿真与实验结果表明，依据一般性动力学建模分析提出的复合同步控制策略具有明确的可解释性，能够有效提高多电机同步控制性能。

关键词：多电机同步动力学建模耦合系统同步控制解耦控制