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

网络攻击下多智能体系统动态事件触发一致性

控制与决策 2023年第5期38卷 1295-1302页

作者：王柳胡爱花江正仙江南大学理学院江苏无锡214122

研究网络攻击下一般线性多智能体系统的动态事件触发一致性问题.考虑多智能体系统在受到网络攻击后,被攻击节点的状态会改变,导致与其相应的连接无法工作,设计修复策略恢复被攻击节点及其相应的连接,给出网络攻击下分布式事件触发控制协... 详细信息

研究网络攻击下一般线性多智能体系统的动态事件触发一致性问题.考虑多智能体系统在受到网络攻击后,被攻击节点的状态会改变,导致与其相应的连接无法工作,设计修复策略恢复被攻击节点及其相应的连接,给出网络攻击下分布式事件触发控制协议.在静态事件触发机制基础上,通过引入动态阈值参数,提出动态事件触发机制.进一步,利用图论、线性矩阵不等式和李雅普诺夫函数方法,给出网络攻击下实现多智能体系统一致性的充分条件,并证明在所提出的动态事件触发条件下,能够有效避免芝诺行为.最后,通过仿真例子来验证理论结果的有效性.

关键词：多智能体系统网络攻击动态事件触发机制一致性芝诺行为

在线全文

学校读者我要写书评

暂无评论

基于基因互作网络熵量化细胞分化状态

生物工程学报 2022年第2期38卷 820-830页

作者：关天昊高洁江南大学理学院江苏无锡214122

细胞动态过程的研究表明,细胞在动态过程中会发生状态变化,主要由细胞内部的基因表达情况控制。随着高通量测序技术的发展,大量的基因表达数据能够在单细胞水平上获得细胞真实的基因表达信息。然而,现有大多数研究方法需要使用除基因表... 详细信息

细胞动态过程的研究表明,细胞在动态过程中会发生状态变化,主要由细胞内部的基因表达情况控制。随着高通量测序技术的发展,大量的基因表达数据能够在单细胞水平上获得细胞真实的基因表达信息。然而,现有大多数研究方法需要使用除基因表达以外其他的信息,带来了额外的复杂度和不确定性。此外,普遍存在的“缺失值”事件更是影响了对细胞动态发展的研究。为此,文中提出了基因互作网络熵方法,来量化细胞的分化状态,以此来研究细胞的发展动态。具体而言,通过借助网络的稳定性,依据基因间的关联来构造细胞特异性网络,并定义基因互作网络熵,从而将不稳定的基因表达数据转换成相对稳定的基因互作网络熵。该方法没有额外的复杂度和不确定性,同时在一定程度上规避了“缺失值”事件的影响,能更可靠地表征诸如细胞命运等生物学过程。将该方法应用于头颈部鳞状细胞癌和慢性髓细胞白血病两个单细胞RNA-seq数据集,不仅能够有效区分恶性细胞与良性细胞、有效区分不同分化时期,还可以有效反映疾病疗效过程,证明了利用基因互作网络熵方法研究细胞动态的潜力。该方法旨在探索单细胞混乱程度水平的动态信息,从而研究生物系统进程中的动态变化情况。研究结果能够为细胞分化、追踪癌症发展以及疾病对药物反应过程等研究提供科学建议。

关键词：单细胞RNA-seq数据基因互作网络熵细胞动态过程分化状态

在线全文

学校读者我要写书评

暂无评论

区间2型T-S模糊系统的事件触发预测控制

控制理论与应用 2022年第8期39卷 1471-1478页

作者：周靖峰胡满峰江南大学理学院江苏无锡214000

本文研究了前提不匹配的区间2型(IT2)模糊系统的事件触发预测控制问题.首先,提出了一个IT2模糊系统模型,包括动态事件触发机制(ETM)和预测控制器,ETM可以通过减少传输的数据包数量来节省有限的网络资源,预测控制器可以预测两个成功传输... 详细信息

本文研究了前提不匹配的区间2型(IT2)模糊系统的事件触发预测控制问题.首先,提出了一个IT2模糊系统模型,包括动态事件触发机制(ETM)和预测控制器,ETM可以通过减少传输的数据包数量来节省有限的网络资源,预测控制器可以预测两个成功传输时刻之间的系统状态来处理不可靠的通信网络.其次,根据李雅普诺夫稳定性理论和前提不匹配方法,得到了系统稳定的充分条件.然后,根据线性矩阵不等式(LMI)得到控制器增益.最后通过数值模拟验证了方法的有效性.

关键词：模糊系统预测控制事件触发机制李雅普诺夫稳定性理论线性矩阵不等式

EEG信号识别中可调优化Q因子小波变换的多特征融合算法

在线全文

学校读者我要写书评

暂无评论

控制理论与应用 2022年第12期39卷 2302-2312页

作者：刘朕朱炳宇张景祥江南大学理学院江苏无锡214122

EEG信号对脑部疾病诊断具有重要意义,但其特征选择对信号识别准确率影响较大.针对这个问题,本文基于Q因子小波变换,提出一种可调优化Q因子小波变换融合多维特征的脑电信号识别(Ad-TQWT MF)算法.该算法首先根据小波分解后的子带信号定义... 详细信息

EEG信号对脑部疾病诊断具有重要意义,但其特征选择对信号识别准确率影响较大.针对这个问题,本文基于Q因子小波变换,提出一种可调优化Q因子小波变换融合多维特征的脑电信号识别(Ad-TQWT MF)算法.该算法首先根据小波分解后的子带信号定义能量香农熵比,用其作为可调Q因子小波的优化评价标准;再融合变换后信号的时域,频域和非线性特征,通过自适应特征选择方法构建特征子空间;最后在该特征子空间下对脑电信号进行识别.在BCI脑电竞赛数据集DatasetⅢ,O3VR,X11b和S4b进行了实验,实验结果表明:Ad-TQWT MF算法在LDA分类器中精度为89.2%,81.2%,83.2%和85.6%,相比于原Q因子小波变换,冗余特征减少10%~30%,相较于Haar和Db 4小波精度提高3%~5%,证明了Ad-TQWT MF算法的有效性.

关键词： EEG信号可调Q因子小波变换能量香农熵比特征选择

基于值分布最大熵Actor-Critic算法的投资组合管理

在线全文

学校读者我要写书评

暂无评论

华中科技大学学报（自然科学版） 2023年第5期51卷 26-32页

作者：刘磊陈浩河海大学理学院江苏南京210000

针对投资组合管理问题,提出一种基于值分布强化学习算法(VD-MEAC)的投资组合框架.首先,以投资组合收益最大化为目标建立强化学习框架,智能体的动作就是投资组合的权重变化;然后,选择股票因子做为智能体观察到的状态信息.在算法设计上通... 详细信息

针对投资组合管理问题,提出一种基于值分布强化学习算法(VD-MEAC)的投资组合框架.首先,以投资组合收益最大化为目标建立强化学习框架,智能体的动作就是投资组合的权重变化;然后,选择股票因子做为智能体观察到的状态信息.在算法设计上通过新颖的技巧来平衡风险与收益:在控制风险方面,Critic网络学习未来收益的整个分布,并排除过度自信的决策信息从而避免过估计带来的风险;在提高收益方面,增加熵正则,鼓励投资者探索动作空间,避免过早陷入局部最优.在数值实验方面,选择真实的股票数据做为金融环境,多次进行测试以验证策略的稳定性.实验结果表明:VD-MEAC策略的收益均值为2.490,夏普比率均值为2.978,并且在收益率、最大回撤和夏普比率等指标上明显优于对照组(等权重,沪深300,DDPG,TD3,SAC),证明了该策略的有效性.

关键词：值分布强化学习投资组合管理量化投资因子模型深度学习

在线全文

学校读者我要写书评

暂无评论

基于双层多指标优化的水下偏振成像技术

物理学报 2023年第7期72卷 197-206页

作者：高晨栋赵明琳卢德贺窦健泰江苏科技大学理学院镇江212100

无先验水下主动偏振成像方法能够实现目标信息光偏振度和后向散射光偏振度的自动获取,但该方法在反演过程中仅追寻高对比度这一单一指标,有时会导致自动获取的两项偏振反演参数过于相近,使图像复原效果不理想,且常伴有大量噪声.针对上... 详细信息

无先验水下主动偏振成像方法能够实现目标信息光偏振度和后向散射光偏振度的自动获取,但该方法在反演过程中仅追寻高对比度这一单一指标,有时会导致自动获取的两项偏振反演参数过于相近,使图像复原效果不理想,且常伴有大量噪声.针对上述仅追求单一指标导致复原图像质量不理想的问题,本文提出一种基于双层多指标优化的水下偏振成像方法.首先,第1层以互信息和对比度为目标函数,基于多目标遗传优化算法自动获取偏振参数最优解集;其次,选择信息熵为第2层目标函数,遍历最优解集,获取偏振参数最终解,并将其代入成像模型,获取复原图像;最终,根据所获偏振参数之差,选取适当数字图像处理手段进一步提升复原图像质量.实验结果表明,无论背景区域存在与否,无论目标物偏振度高低,本方法均能有效增强图像细节,平衡各项图像质量评价指标,得到综合质量较高的复原图像.

关键词：水下成像偏振散射双层多指标优化

在线全文

学校读者我要写书评

暂无评论

密度造型方法的初步探索

图学学报 2023年第3期44卷 579-587页

作者：沈莞蔷江南大学理学院江苏无锡214122

传统的自由曲线造型系统,可描述为“(离散的)控制顶点序列,关于(离散的)基函数序列,进行(离散的)加权平均”。现打破其离散属性,改变为连续属性,即将描述改为“(连续的)曲线,关于(连续的)函数族,进行(连续的)积分平均”。相应的变化,类... 详细信息

传统的自由曲线造型系统,可描述为“(离散的)控制顶点序列,关于(离散的)基函数序列,进行(离散的)加权平均”。现打破其离散属性,改变为连续属性,即将描述改为“(连续的)曲线,关于(连续的)函数族,进行(连续的)积分平均”。相应的变化,类似于概率论中,离散型随机变量使用分布律定义的数学期望,变为连续型随机变量使用概率密度函数定义的数学期望,因此,这种连续属性的造型方法称为密度造型方法。其中,连续的曲线,称为控制曲线;连续的函数族,称为基密度函数。为了初步探索密度造型方法,定义了其模型,并尝试构造了一种满足非负、规范、对称性质的1次与2次的基密度函数,进一步研究了基密度的导数,以及对应随机变量的任意阶矩函数的情况。在密度造型的过程中,输入可以是任意次数的多项式甚至非多项式的参数曲线,输出的造型曲线是次数分别不超过1和2的多项式曲线。密度造型的曲线具备凸包、仿射不变和对称等性质。

关键词：自由曲线造型 Bézier曲线基函数数学期望概率密度函数

在线全文

学校读者我要写书评

暂无评论

人工智能中的类比推理研究综述

智能系统学报 2023年第4期18卷 643-661页

作者：潘正华王勇江南大学理学院江苏无锡214122

类比推理(analogical reasoning,AR)是人的思维中的一种基本推理形式,是人工智能(artificial intelligence,AI)理论和技术研究中的一个重要领域。AI中的类比推理研究,旨在结合相关学科的研究进行计算建模,在计算机上模拟实现类比推理处... 详细信息

类比推理(analogical reasoning,AR)是人的思维中的一种基本推理形式,是人工智能(artificial intelligence,AI)理论和技术研究中的一个重要领域。AI中的类比推理研究,旨在结合相关学科的研究进行计算建模,在计算机上模拟实现类比推理处理过程,以产生能推断出新知的智能推理和学习系统。自20世纪60年代开始的AI中的类比推理理论和技术研究,至今取得了丰富的研究成果,特别是近年来将类比推理与深度学习结合的研究更加显示了其在AI研究中的重要性。本文旨在对从过去到现在AI中的类比推理主要研究及其特点进行系统总结和述评。在对检索出的AI领域中的700余篇类比推理研究文献进行全面考察的基础上,对其中具有代表性的142篇研究文献进行了系统分析,认为AI中主要的类比推理研究在上世纪和本世纪2个时期呈现了不同的研究特点,将2个时期中的类比推理研究归纳为“类比问题求解”、“计算模型”和“AR学习”等8个研究主题,并对各研究主题及其代表性研究工作的基本研究思想、内容和特点以及存在的问题进行总结分析。最后,展望了AI中类比推理未来的研究方向以及发展趋势。

关键词：人工智能类比推理对象目标映射计算模型基于案例的推理深度学习

在线全文

学校读者我要写书评

暂无评论

极值点自适应加权的动态时间规整算法

计算机工程 2023年第7期49卷 150-160页

作者：汤卫芬高翠芳江南大学理学院江苏无锡214122

针对现有动态时间规整(DTW)算法普遍计算量大、时间复杂度高的问题,提出极值点自适应加权的动态时间规整算法(EWDTW)。局部极值的波动可反映序列变化趋势和整体形状特征,在提取局部极值点后按其原有位置分布近似表示原始时间序列,降低... 详细信息

针对现有动态时间规整(DTW)算法普遍计算量大、时间复杂度高的问题,提出极值点自适应加权的动态时间规整算法(EWDTW)。局部极值的波动可反映序列变化趋势和整体形状特征,在提取局部极值点后按其原有位置分布近似表示原始时间序列,降低原始序列维数。在计算极值序列最佳动态弯曲路径的过程中,基于极值点的相位差、大小、类型等特征量为每个点设置自适应代价权重。利用权重参数调整距离矩阵的加权结构以适应不同特征的数据,并在降低计算复杂度的同时有效改善序列的病态对齐现象。实验结果表明,相比于DTW及其衍生算法,EWDTW算法在15个UCR数据集上的运算效率提升了10倍以上,尤其是在长时间序列和极值点占比低的序列上表现突出,并且对于大部分不同类型的时间序列具有良好度量性能,分类准确率更高。

关键词：动态时间规整相似性度量局部极值自适应代价权重时间序列