检索结果-南通市图书馆

面向人工智能专业的“计算机组成与嵌入式系统”实验课程改进

在线全文

学校读者我要写书评

暂无评论

实验科学与技术 2025年第1期23卷 17-23页

作者：徐文辉钟胜邹旭何顶新华中科技大学人工智能与自动化学院武汉430074 华中科技大学多谱信息智能处理技术全国重点实验室武汉430074

面向人工智能专业培养需求,秉承紧扣理论课程内容、体现教学特色等原则,对计算机组成与嵌入式系统实验课程进行扩展改进。结合嵌入式系统中的并行卷积计算和图像处理中的形态学滤波相关内容,设计了基于Logisim仿真平台的形态学滤波并行... 详细信息

面向人工智能专业培养需求,秉承紧扣理论课程内容、体现教学特色等原则,对计算机组成与嵌入式系统实验课程进行扩展改进。结合嵌入式系统中的并行卷积计算和图像处理中的形态学滤波相关内容,设计了基于Logisim仿真平台的形态学滤波并行计算电路设计实验。通过设计形态学滤波电路和测试用的图像案例,对比分析不同滤波操作的特性差异,学生既可以融会贯通各学科相关知识,又锻炼了系统设计能力,也为学习后续智能芯片等课程打下基础。

关键词：人工智能计算机组成与嵌入式系统实验课程形态学滤波卷积并行计算

在线全文

学校读者我要写书评

暂无评论

基于三维卷积的人手姿态估计高分辨率网络

华中科技大学学报（自然科学版） 2020年第1期48卷 1-6页

作者：桑农李默然华中科技大学人工智能与自动化学院图像信息处理与智能控制教育部重点实验室

在体素化输入的三维卷积基础上,通过引入高分辨率保持模块,提出了一种基于三维卷积的高分辨率保持网络.该网络以体素化的深度图为输入,进行三维卷积.不同于先前大多数从低分辨率特征中恢复高分辨率特征的方法,构建的网络引入不同分辨率... 详细信息

在体素化输入的三维卷积基础上,通过引入高分辨率保持模块,提出了一种基于三维卷积的高分辨率保持网络.该网络以体素化的深度图为输入,进行三维卷积.不同于先前大多数从低分辨率特征中恢复高分辨率特征的方法,构建的网络引入不同分辨率子网络并行的结构,在处理低分辨率特征图的同时保持高分辨率特征图,从高分辨率子网络卷积得出每个关节点在3D体素中的分布概率,最终计算出每个关节点的三维空间坐标.实验表明:该算法相较于先前的基于沙漏模型的三维卷积网络能更准确地进行关节点估计.

关键词：人手姿态估计单一深度图体素化 3D卷积高分辨率网络

在线全文

学校读者我要写书评

暂无评论

基于序列对抗域适应的智能裁剪算法

模式识别与人工智能 2021年第8期34卷 677-688页

作者：王皓文桑农华中科技大学人工智能与自动化学院图像信息处理与智能控制教育部重点实验室武汉430074

智能裁剪任务一直受到缺乏训练数据的困扰,目前还局限于公开数据集中.因为实际应用场景与训练场景之间存在域迁移,文中提出基于序列对抗域适应的智能裁剪算法.首先,通过实验证实裁剪数据集GAICD和CPC之间存在域迁移问题.然后,构造由美... 详细信息

智能裁剪任务一直受到缺乏训练数据的困扰,目前还局限于公开数据集中.因为实际应用场景与训练场景之间存在域迁移,文中提出基于序列对抗域适应的智能裁剪算法.首先,通过实验证实裁剪数据集GAICD和CPC之间存在域迁移问题.然后,构造由美学评分模块和对抗域适应模块组成的算法.美学评分模块用于预测图像的美学评分,并辅助提取面向裁剪任务的不变特征.对抗域适应模块实现基于对抗的域适应学习.不同裁剪数据集之间的域迁移实验及室内/室外场景之间的域迁移实验均验证文中算法的有效性.

关键词：图像智能裁剪域迁移域适应对抗学习不变特征

在线全文

学校读者我要写书评

暂无评论

基于池的无监督线性回归主动学习

自动化学报 2021年第12期47卷 2771-2783页

作者：刘子昂蒋雪伍冬睿华中科技大学人工智能与自动化学院图像信息处理与智能控制教育部重点实验室武汉430074

在许多现实的机器学习应用场景中,获取大量未标注的数据是很容易的,但标注过程需要花费大量的时间和经济成本.因此,在这种情况下,需要选择一些最有价值的样本进行标注,从而只利用较少的标注数据就能训练出较好的机器学习模型.目前,主动... 详细信息

在许多现实的机器学习应用场景中,获取大量未标注的数据是很容易的,但标注过程需要花费大量的时间和经济成本.因此,在这种情况下,需要选择一些最有价值的样本进行标注,从而只利用较少的标注数据就能训练出较好的机器学习模型.目前,主动学习(Active learning)已广泛应用于解决这种场景下的问题.但是,大多数现有的主动学习方法都是基于有监督场景:能够从少量带标签的样本中训练初始模型,基于模型查询新的样本,然后迭代更新模型.无监督情况下的主动学习却很少有人考虑,即在不知道任何标签信息的情况下最佳地选择要标注的初始训练样本.这种场景下,主动学习问题变得更加困难,因为无法利用任何标签信息.针对这一场景,本文研究了基于池的无监督线性回归问题,提出了一种新的主动学习方法,该方法同时考虑了信息性、代表性和多样性这三个标准.本文在3个不同的线性回归模型(岭回归、LASSO(Least absolute shrinkage and selection operator)和线性支持向量回归)和来自不同应用领域的12个数据集上进行了广泛的实验,验证了其有效性.

关键词：主动学习无监督学习线性回归支持向量回归 LASSO 岭回归

在线全文

学校读者我要写书评

暂无评论

基于深度神经网络的图像风格化方法综述

模式识别与人工智能 2022年第4期35卷 333-347页

作者：涂鹏琦高常鑫桑农华中科技大学人工智能与自动化学院图像信息处理与智能控制教育部重点实验室武汉430074

图像风格化旨在通过风格化模型,将一幅图像在保持语义内容不变的同时从一种风格转换到另一种风格.鉴于深度神经网络强大的特征提取和表达能力,学者们先后提出各种基于深度神经网络的图像风格化方法.文中根据风格的定义方式,将基于深度... 详细信息

图像风格化旨在通过风格化模型,将一幅图像在保持语义内容不变的同时从一种风格转换到另一种风格.鉴于深度神经网络强大的特征提取和表达能力,学者们先后提出各种基于深度神经网络的图像风格化方法.文中根据风格的定义方式,将基于深度神经网络的图像风格化方法划分为基于参考的图像风格化方法和基于域的图像风格化方法,并对相关文献进行归纳梳理.与已有相关综述不同,文中只研究基于深度神经网络的图像风格化方法,从风格定义的角度进行详尽全面的分类.最后总结目前代表性工作在图像风格化任务常用数据集上的实验结果,分析现有方法存在的问题,并基于这些问题展望未来工作.

关键词：图像风格化深度神经网络基于域的图像风格化基于参考的图像风格化

在线全文

学校读者我要写书评

暂无评论

单边插入-删除(膜)系统计算能力

系统工程理论与实践 2013年第9期33卷 2362-2370页

作者：谭钢军宋勃升陈智华石晓龙华中科技大学自动化学院图像信息处理和智能控制教育部重点实验室武汉430074

插入-删除系统是一类受生物过程中错配退火的DNA序列启发的计算模型.本文研究了使用单边插入规则或删除规则的插入-删除系统的计算能力.研究表明,插入1个符号(上下文参数是(2,0))并且删除2个符号(上下文参数是(0,1))的插入-删除系统是... 详细信息

插入-删除系统是一类受生物过程中错配退火的DNA序列启发的计算模型.本文研究了使用单边插入规则或删除规则的插入-删除系统的计算能力.研究表明,插入1个符号(上下文参数是(2,0))并且删除2个符号(上下文参数是(0,1))的插入-删除系统是通用的;插入1个符号(上下文参数是(0,1))并且删除1个符号(上下文参数是(1,0))的插入-删除系统是不通用的;另外,本文还给出了3个通用的单边插入-删除膜系统,而在插入-删除系统中,它们是不通用的.这些结果部分回答了[Proceedings of 12th International Workshop on Descriptional Complexity of Formal Systems,2010,88-98]中提出的公开问题.

关键词：膜计算插入-删除系统插入-删除膜系统通用性

在线全文

学校读者我要写书评

暂无评论

基于图卷积及振幅约束的弱监督时序行为检测

华中科技大学学报（自然科学版） 2023年第2期51卷 77-81页

作者：桑农李致远华中科技大学人工智能与自动化学院图像信息处理与智能控制教育部重点实验室湖北武汉430074

针对弱监督时序行为检测缺乏精确的行为起始和结束时间标注,导致时间维度信息匮乏等问题,提出基于挖掘视频片段间联系的方法,捕获一定程度上的时间维度信息,提高行为检测能力,本研究采用图卷积建模弱监督时序行为检测任务,用图节点表达... 详细信息

针对弱监督时序行为检测缺乏精确的行为起始和结束时间标注,导致时间维度信息匮乏等问题,提出基于挖掘视频片段间联系的方法,捕获一定程度上的时间维度信息,提高行为检测能力,本研究采用图卷积建模弱监督时序行为检测任务,用图节点表达视频片段的特征,图的边表达视频片段间的联系,使得行为检测网络不仅考虑了各视频片段的特征,还考虑了视频片段之间的联系.此外,利用振幅约束和背景约束进一步建模视频片段特征.在公开数据集上的实验结果表明本文方法相对于已有方法具有一定的性能优势.

关键词：图卷积弱监督振幅约束背景约束行为检测

一种基于随机权神经网络的类增量学习与记忆融合方法

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12期49卷 2467-2480页

作者：李德鹏曾志刚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 图像信息处理与智能控制教育部重点实验室武汉430074

连续学习(Continual learning,CL)多个任务的能力对于通用人工智能的发展至关重要.现有人工神经网络(Artificial neural networks,ANNs)在单一任务上具有出色表现,但在开放环境中依次面对不同任务时非常容易发生灾难性遗忘现象,即联结... 详细信息

连续学习(Continual learning,CL)多个任务的能力对于通用人工智能的发展至关重要.现有人工神经网络(Artificial neural networks,ANNs)在单一任务上具有出色表现,但在开放环境中依次面对不同任务时非常容易发生灾难性遗忘现象,即联结主义模型在学习新任务时会迅速地忘记旧任务.为了解决这个问题,将随机权神经网络(Random weight neural networks,RWNNs)与生物大脑的相关工作机制联系起来,提出一种新的再可塑性启发的随机化网络(Metaplasticity-inspired randomized network,MRNet)用于类增量学习(Class incremental learning,Class-IL)场景,使得单一模型在不访问旧任务数据的情况下能够从未知的任务序列中学习与记忆融合.首先,以前馈方式构造具有解析解的通用连续学习框架,用于有效兼容新任务中出现的新类别;然后,基于突触可塑性设计具备记忆功能的权值重要性矩阵,自适应地调整网络参数以避免发生遗忘;最后,所提方法的有效性和高效性通过5个评价指标、5个基准任务序列和10个比较方法在类增量学习场景中得到验证.

关键词：连续学习灾难性遗忘随机权神经网络再可塑性启发

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

环形直流微电网的二次控制与稳定性分析

控制理论与应用 2021年第7期38卷 979-987页

作者：刘骁康王燕舞肖江文华中科技大学人工智能与自动化学院湖北武汉430074 华中科学大学图像信息处理与智能控制教育部重点实验室湖北武汉430074

本文阐述了一种环形直流微电网系统分布式二次控制的稳定性分析方法,实现了微网系统的电压调控和电流分配.首先,借助多智能体系统的一致性算法,设计了局部观测器来估计所有分布式能源节点的平均电压.然后,基于观测器状态和邻居节点的电... 详细信息

本文阐述了一种环形直流微电网系统分布式二次控制的稳定性分析方法,实现了微网系统的电压调控和电流分配.首先,借助多智能体系统的一致性算法,设计了局部观测器来估计所有分布式能源节点的平均电压.然后,基于观测器状态和邻居节点的电流信息设计了融合误差和动态反馈控制器,并通过解耦潮流代数方程得到了关于融合误差的闭环系统.进一步基于图论、线性系统理论和矩阵特征值扰动分析方法,得到了闭环系统的稳定性条件.最后,在环形直流微电网的仿真平台上验证了该方法的有效性.

关键词：微电网分布式控制电压调控多智能体系统二次控制