检索结果-南通市图书馆

面向未知动态环境的机器人搜救任务避障算法（英文）

在线全文

学校读者我要写书评

暂无评论

Frontiers of Information Technology & Electronic Engineering 2024年第4期 569-585页

作者：陈洋史殿习杨焕焕李彤月王震北京大学计算机学院天津(滨海)人工智能创新中心智能博弈与决策实验室国防科技大学计算机学院

本文研究未知动态环境下具有多个兴趣目标的移动机器人搜救任务问题。由于移动机器人需要搜救多个目标并避开障碍，此类问题具有挑战性。为确保移动机器人合理避碰，本文提出一种基于混合策略纳什均衡的Dyna-Q算法（MNDQ）。首先，引入... 详细信息

本文研究未知动态环境下具有多个兴趣目标的移动机器人搜救任务问题。由于移动机器人需要搜救多个目标并避开障碍，此类问题具有挑战性。为确保移动机器人合理避碰，本文提出一种基于混合策略纳什均衡的Dyna-Q算法（MNDQ）。首先，引入一种多目标分层结构以简化问题，该结构将整个任务划分为多个子任务，包括搜索目标和躲避障碍。其次，提出基于动态风险相对位置的风险监测机制，使机器人避免潜在碰撞和绕路。此外，为提高采样效率，提出了结合Dyna-Q和混合策略纳什均衡的强化学习方法（MNDQ）。根据混合策略纳什均衡，智能体以概率的形式做出决策从而最大化期望回报，提高Dyna-Q算法的整体性能。最后，通过仿真实验验证所提方法的有效性。结果表明，该方法具有良好的表现并为未来的机器人自主导航任务提供了解决思路。

关键词：搜索救援强化学习博弈论避碰决策问题

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于多任务学习的电力文本信息抽取

北京航空航天大学学报 2024年第8期50卷 2461-2469页

作者：纪鑫武同心余婷董林啸陈屹婷米娜赵加奎国家电网有限公司大数据中心北京100031 北京航空航天大学计算机学院北京100191

为提升电力系统故障文本在实际业务场景中的分析处理速度,提出基于预训练与多任务学习的电力故障文本信息自动抽取模型。利用预训练模型学习电力文本词语的上下文信息,挖掘词语的一阶和二阶融合特征,增强特征的表示能力,利用多任务学习... 详细信息

为提升电力系统故障文本在实际业务场景中的分析处理速度,提出基于预训练与多任务学习的电力故障文本信息自动抽取模型。利用预训练模型学习电力文本词语的上下文信息,挖掘词语的一阶和二阶融合特征,增强特征的表示能力,利用多任务学习框架结合命名实体识别和关系抽取2个任务的学习,实现实体识别和关系抽取的互相补充和互相促进,进而提高电力故障文本信息抽取的性能。通过对某电力网数据中心的日常业务数据进行模型验证,与其他模型相比,所提模型提高了电力故障文本实体识别和关系抽取的准确率和召回率。

关键词：电力故障预训练多任务学习实体识别关系抽取

在线全文

学校读者我要写书评

暂无评论

浅议如何提高高校计算机中心机房的管理效率

经济师 2003年第12期 93-94页

作者：柳春芳长沙理工大学计算机中心湖南长沙410076

文章结合当今高校大发展的现状 ,阐述了提高公用机房管理效率的必要性 ,对如何提高高校公用机房的管理效率提出了看法和建议 ,以期提高高校公用机房管理效率 ,更好地服务于教学和科研。

关键词：高校计算机中心机房管理效率管理模式资源配置系统安全

水液相下缬氨酸钠配合物对映异构的密度泛函理论研究

在线全文

学校读者我要写书评

暂无评论

复旦学报(自然科学版) 2024年

作者：赵宇杨应刘芳王佐成姜春旭李冰白城师范学院计算机科学学院白城师范学院理论计算中心

采用密度泛函理论的M06-2X和MN15方法,结合处理溶剂效应的SMD模型方法,研究了水液相下缬氨酸一价钠配合物（Val→Na+）的对映异构。研究发现:Val→Na+的对映异构可通过质子转移过程实现,考察了α-H以羰基O为转移桥梁、α-H转移到羰基O... 详细信息

采用密度泛函理论的M06-2X和MN15方法,结合处理溶剂效应的SMD模型方法,研究了水液相下缬氨酸一价钠配合物（Val→Na+）的对映异构。研究发现:Val→Na+的对映异构可通过质子转移过程实现,考察了α-H以羰基O为转移桥梁、α-H转移到羰基O后质子化氨基N的H再向α-C转移以及α-H以氨基N为转移桥梁3个反应通道。势能面计算表明:第3个通道有明显的优势,隐性溶剂效应下该反应通道决速步骤的自由能垒是230.3kJ/mol,显性溶剂效应下该能垒降到122.9至123.3kJ/mol。结果表明:水液相下Val→Na+的对映异构过程极其缓慢,缬氨酸钠配合物可以中长期用于生命体同补缬氨酸和钠离子。

关键词：缬氨酸钠密度泛函理论溶剂效应对映异构自由能垒

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

工控协议安全研究综述

通信学报 2024年第6期45卷 60-74页

作者：黄涛王郅伟刘家池龙千禧况博裕付安民张玉清南京理工大学计算机科学与工程学院江苏南京210094 中国科学院大学国家计算机网络入侵防范中心北京101408 中关村实验室北京100194 海南大学网络空间安全学院(密码学院) 海南海口571835

工控协议安全是保障ICS稳定运行的关键,大量工控协议在设计阶段忽视了对安全性的考量,导致目前大部分主流工控协议普遍存在脆弱性问题。结合ICS架构和工控协议的发展特征,深入解析目前工控协议普遍面临的脆弱性问题和攻击威胁。同时,针... 详细信息

工控协议安全是保障ICS稳定运行的关键,大量工控协议在设计阶段忽视了对安全性的考量,导致目前大部分主流工控协议普遍存在脆弱性问题。结合ICS架构和工控协议的发展特征,深入解析目前工控协议普遍面临的脆弱性问题和攻击威胁。同时,针对工控协议的潜在漏洞,深入分析基于静态符号执行、代码审计和模糊测试等工控协议漏洞挖掘技术,并从工控协议的规范设计、通信机制以及第三方中间件3个方面全面剖析协议设计的安全防护技术。另外,从沙箱研制、安全防护及漏洞挖掘等方面,对工控协议安全的未来发展趋势进行展望。

关键词： ICS 工控协议协议脆弱性安全防护漏洞挖掘

ObjectBoxG：基于GC3模块的目标检测算法

在线全文

学校读者我要写书评

暂无评论

智能系统学报 2024年

作者：张建宇谢娟英陕西师范大学计算机科学学院

随着对目标检测任务研究的不断深入，以ObjectBox检测器为代表的无锚框方法引起了研究者们的关注。然而，ObjectBox检测器不能充分利用多尺度特征，也未充分考虑目标中心点与全局信息关联。为此，借助图卷积神经网络的结点相互影响原理... 详细信息

随着对目标检测任务研究的不断深入，以ObjectBox检测器为代表的无锚框方法引起了研究者们的关注。然而，ObjectBox检测器不能充分利用多尺度特征，也未充分考虑目标中心点与全局信息关联。为此，借助图卷积神经网络的结点相互影响原理，提出基于图谱方法的图卷积层模块GConv (Graph Convolution Layer)，学习图像全局特征；融合模块GConv与C3(cross stage partial network with 3 convolutions)得到GC3 (Graph C3 module)模块，进一步提取图像原始特征、细节特征以及全局特征；将GC3结合广义特征金字塔网络GFPN(Generalized Feature Pyramid Network)，提出图广义特征金字塔网络GGFPN (Graph Generalized Feature Pyramid Network)，并嵌入ObjectBox算法，设计出ObjectBoxG算法。经典数据集的试验测试表明，提出的GC3模块比原C3模块具有更强特征提取能力；提出的GGFPN网络比GC3的特征学习能力更强；提出的ObjectBoxG算法具有优良的目标检测性能。

关键词：图卷积神经网络特征提取特征融合目标检测

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

加权共享近邻优化的密度峰值聚类算法

计算机科学与探索 2024年

作者：张文杰谢娟英陕西师范大学计算机科学学院

针对密度峰值聚类算法DPC（Clustering by fast search and find of Density Peaks）的样本局部密度受到数据集规模大小和截断距离dc影响，及其一步分配策略会带来样本分配的“多米诺骨牌效应”，提出基于加权共享近邻优化的密度峰值聚... 详细信息

针对密度峰值聚类算法DPC（Clustering by fast search and find of Density Peaks）的样本局部密度受到数据集规模大小和截断距离dc影响，及其一步分配策略会带来样本分配的“多米诺骨牌效应”，提出基于加权共享近邻优化的密度峰值聚类算法WSN-DPC （Density peak clustering algorithm based on weighted shared neighbors optimization）。算法利用基于标准差加权的距离代替欧氏距离，强化样本不同特征对距离的贡献，利用共享近邻信息定义样本相似度，进而定义样本局部密度和相对距离，以尽可能体现样本真实分布信息。同时，采用不同分配策略对离群点和非离群点依次进行分配，使得每个样本能够尽可能地分配到正确类簇。多个数据集的实验测试和统计性检验结果表明，WSN-DPC算法优于DPC及其改进算法，但不是与所有对比算法均有统计意义上的显著不同。因此，提出的WSN-DPC算法有效地解决了DPC算法的缺陷，成为当前最优的密度峰值聚类算法。

关键词：共享近邻局部密度加权距离类簇中心聚类

机器学习-基于GAN和DF结合的粮食加工过程污染物小样本数据扩充及预测

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

食品科学 2024年

作者：郭香兰王立金学波于家斌白玉廷李涵宇隗立昂马倩温浩然北京工商大学计算机与人工智能学院

粮食加工过程污染物的准确预测对粮食安全具有重要意义，但由于粮食加工工艺复杂，污染物检测困难导致数据量较小难以满足建模预测所需，需要研究小样本的污染物数据扩充方法。同时，较小样本量的粮食加工过程污染物数据往往缺乏足够的... 详细信息

粮食加工过程污染物的准确预测对粮食安全具有重要意义，但由于粮食加工工艺复杂，污染物检测困难导致数据量较小难以满足建模预测所需，需要研究小样本的污染物数据扩充方法。同时，较小样本量的粮食加工过程污染物数据往往缺乏足够的先验知识，传统监督学习的方法对其预测精度较低，且现有连续型深度学习模型不适于粮食加工过程这一间歇过程，需研究基于无监督学习和离散深度学习的粮食加工过程污染物预测方法。为此，本文针对粮食加工过程污染物提出基于时间生成对抗网络(Time Generative Adversarial Networks，TimeGAN)的数据扩充及基于生成对抗网络(Generative Adversarial Networks，GAN)和深度森林(Deep Forest，DF)结合的预测方法。首先构建TimeGAN模型，对小样本数据学习后得到多组样本数据，实现数据扩充；将无监督学习的GAN模型与适用于离散过程的DF模型结合，构建GAN-DF模型，实现污染物预测；再分别将DF与长短时记忆（Long Short Term Memory，LSTM）-DF模型作为生成器嵌入到GAN，构建DFGAN与LSTM-DFGAN模型，进一步提高污染物预测的准确度。通过稻谷加工过程的金属污染物数据进行仿真验证，结果表明TimeGAN方法扩充数据可行，LSTM-DFGAN模型的综合预测效果最好，其扩充数据后的预测平均绝对误差和均方根误差低至7.50e-5和1.60e-8。

关键词：生成对抗网络(GAN) 深度森林(DF) 粮食加工污染物预测

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于物理的可微渲染综述

中国图象图形学报 2024年第10期29卷 2912-2925页

作者：邢健开徐昆普适计算教育部重点实验室北京100084 北京信息科学与技术国家研究中心北京100084 清华大学计算机系北京100084

可微渲染技术是当前计算机图形学与计算机视觉方向的研究热点,其目标是将计算机图形学中的渲染流水线进行可微化改造以支持计算渲染的输出图像关于输入参数如几何、材质等参数的梯度。结合渲染图像与目标图像之间的损失函数,可微渲染允... 详细信息

可微渲染技术是当前计算机图形学与计算机视觉方向的研究热点,其目标是将计算机图形学中的渲染流水线进行可微化改造以支持计算渲染的输出图像关于输入参数如几何、材质等参数的梯度。结合渲染图像与目标图像之间的损失函数,可微渲染允许在生成式分析的框架中,通过梯度下降的方式从图像中推理出场景参数,是解决三维重建、逆向渲染等领域问题的有效方法,并在虚拟现实、自动驾驶等领域有着广泛的应用前景。基于物理的可微渲染旨在对基于物理的渲染管线进行可微化改造,主要涉及对场景几何和材质的表达,以及光路传输模拟过程的梯度计算方法。本文对近年来基于物理的可微渲染领域的发展情况进行了调研,总结了基于物理的可微渲染研究进展。首先总体介绍正向渲染和可微渲染的计算方法;然后介绍如何针对具体的几何、材质以及相机的表达方式进行梯度计算;讨论如何提高可微渲染的效率和鲁棒性;展示可微渲染如何应用于实际任务中;最后本文展望了可微渲染的发展趋势,期望推动该领域的进一步发展。

关键词：渲染可微渲染逆向渲染光线跟踪三维重建