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

基于旋转单天线的欺骗干扰检测方法

北京航空航天大学学报 2024年

作者：陈世淼倪淑燕王绍山王海宁吕金飞航天工程大学北京航空航天大学人工智能研究院北京跟踪与通信技术研究所

欺骗式干扰具有隐蔽性强、危害性大的特点，这严重威胁了全球导航卫星系统的安全稳定运行。在当前基于信号来向的欺骗干扰检测方法中，实现多来向欺骗干扰的检测均需要多个天线或多接收机。此外，目前基于运动单天线的欺骗干扰检测方法... 详细信息

欺骗式干扰具有隐蔽性强、危害性大的特点，这严重威胁了全球导航卫星系统的安全稳定运行。在当前基于信号来向的欺骗干扰检测方法中，实现多来向欺骗干扰的检测均需要多个天线或多接收机。此外，目前基于运动单天线的欺骗干扰检测方法无法实现多来向欺骗干扰检测。为此，提出了一种用于旋转单天线的基于波达方向角度差的欺骗干扰检测方法。该方法的本质是根据接收信号的载波相位估计一对信号之间的波达方向角度差。当没有欺骗信号时，波达方向角度差的估计值应该与预测值一致。欺骗信号难以精确模拟导航信号的方向性，这会破坏波达方向角度差的估计值和预测值一致性。因此，基于波达方向角度差的估计值和预测值建立检测变量，通过广义似然比检验可以检测多来向欺骗信号。进行了软件仿真来分析旋转单天线的参数对于检测性能的影响，并通过现场实验进行了验证和评估。结果表明，本文提出的方法可高效实现多来向欺骗干扰的检测。

关键词：欺骗干扰检测载波相位波达方向角度差旋转天线

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于对手池的两人格斗游戏深度强化学习

控制理论与应用 2024年

作者：梁荣钦朱圆恒赵冬斌中国科学院大学人工智能学院中国科学院自动化研究所多模态人工智能系统全国重点实验室

双人游戏在游戏人工智能领域是一个基本且重要的问题，其中一对一零和格斗游戏是最为典型的双人游戏之一。在本文中，我们基于深度强化学习对格斗游戏博弈对抗策略进行研究。首先建模格斗游戏环境，设计可用于格斗游戏决策的状态，动作... 详细信息

双人游戏在游戏人工智能领域是一个基本且重要的问题，其中一对一零和格斗游戏是最为典型的双人游戏之一。在本文中，我们基于深度强化学习对格斗游戏博弈对抗策略进行研究。首先建模格斗游戏环境，设计可用于格斗游戏决策的状态，动作以及奖赏函数，并将阶段策略梯度算法应用于对抗策略的学习。为了尽可能学到纳什均衡策略实现战胜任意对手的目标，我们基于历年参赛的智能体构造对手池用于智能体训练，并探索对手选择机制对于训练过程的影响。最后在固定对手池的基础上，设计了自增长对手池算法，以提升对手策略的完备性和训练智能体的鲁棒性。为了提高环境采样速度，我们从传统并行框架出发，设计了可用于双人游戏的多服务器分布式并行采样框架。通过实验对比发现，基于自增长对手池方法所学的智能体能以96.6%的胜率击败固定对手池中的智能体，并且在与三个仅用于测试的智能体对战时，也表现出了72.2%的胜率。

关键词：实时格斗游戏深度强化学习两人零和博弈对手策略池

基于脉冲神经网络微调方法的遥感图像目标检测

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

遥感学报 2024年第7期28卷 1702-1712页

作者：郭柏麟黄立威路遥张雪涛马永强西安交通大学人机混合增强智能全国重点实验室西安710049 北京市遥感信息研究所北京100192 西安交通大学视觉信息与应用国家工程研究中心西安710049 西安交通大学人工智能与机器人研究所西安710049

遥感影像目标检测问题是视觉图像识别任务的重要研究内容之一,但是在船舶遥感图像中,船舶目标小且分布稀疏,使用传统的人工神经网络(ANN)进行目标检测往往会浪费大量的计算资源。脉冲神经网络(SNN)的事件驱动与低功耗特性可以极大地节... 详细信息

遥感影像目标检测问题是视觉图像识别任务的重要研究内容之一,但是在船舶遥感图像中,船舶目标小且分布稀疏,使用传统的人工神经网络(ANN)进行目标检测往往会浪费大量的计算资源。脉冲神经网络(SNN)的事件驱动与低功耗特性可以极大地节省能量消耗同时解放更多的计算资源。然而SNN神经元由于其复杂动态与不可微调的脉冲操作,难以正常进行训练。作为替代,将训练好的ANN转换为SNN可以有效规避这一问题。对于转换后的深层SNN,需要大量时间步长(time steps)来维持其性能。这一过程需要大量的计算资源并对产生较大的延迟,与低功耗的研究初衷相违背。本文研究了转换后SNN需要大量time steps维持模型性能的原因,并提出了新的转换方法,基于微调的逐层转换方法;考虑硬件部署的合理性,提出了泊松群编码,相比泊松编码,泊松群编码输出的脉冲序列噪声更小,对模型性能的影响更小。实验表明,微调转换方法在SAR舰船检测数据集(SSDD、AIR-SARShip)上取得与转换前模型(97.9%、79.6%)相近的性能(96.9%、70.3%),在PASCAL VOC数据集上也获得了较好的检测性能(49.2%),而且对于泊松群编码,time steps相同的条件下神经元数目越多,对模型性能的影响越小,时间步长较少的条件下即可获得与输入模拟频率近似的性能。本文的研究可以提升转换后SNN的性能,减少转换后SNN对time steps的需求,并为SNN的硬件部署提供了一个切实有效的输入编码方法。

关键词：脉冲神经网络目标检测船舶遥感图像 ANN-SNN转换泊松群编码

基于实例对比学习的遥感建筑物变化检测域适应算法

在线全文

学校读者我要写书评

暂无评论

遥感学报 2024年第7期28卷 1771-1788页

作者：张奇路遥王飞张雪涛郑南宁西安交通大学人机混合增强智能全国重点实验室西安710049 西安交通大学视觉信息与应用国家工程研究中心西安710049 北京市遥感信息研究所北京100011 西安交通大学人工智能与机器人研究所西安710049

建筑物变化检测是遥感影像智能解译中的重要研究方向。针对建筑物变化检测的跨域变化检测算法中存在的像素级对比学习噪声过大和目标域样本利用不充分等问题,本文提出了实例级对比学习域适应变化检测算法ICDA-CD。首先,使用区域级域混... 详细信息

建筑物变化检测是遥感影像智能解译中的重要研究方向。针对建筑物变化检测的跨域变化检测算法中存在的像素级对比学习噪声过大和目标域样本利用不充分等问题,本文提出了实例级对比学习域适应变化检测算法ICDA-CD。首先,使用区域级域混合替代实例级域混合,以实现源域和目标域图像的有效混合;然后,利用实例级对比学习,降低伪标签噪声的影响。具体来说,在编码器中,拉开变化实例区域双时相特征距离,并在解码器中,拉近各个变化实例特征之间的距离,这可以显著提升模型对源域和目标域特征表示的一致性;最后,在损失计算部分使用伪标签质量估计,使得低置信度区域的像素也可以参与训练,提高了目标域样本的利用率。将本文方法与DACS、DAFormer、和HRDA等3种目前先进的算法进行实验对比。结果表明本文所提出来的方法在LEVIR-CD域迁移至S2Looking以及S2Looking域迁移至LEVIR-CD时F1分数分别达到了43.91%和74.75%,优于几种先进的算法。

关键词：遥感图像建筑物变化检测对比学习域适应深度学习伪标签

在线全文

学校读者我要写书评

暂无评论

模具的智能化制造研究进展

中国塑料 2024年第7期38卷 100-105页

作者：于佳滨王非石文天蒋雅婷北京工商大学人工智能学院北京100048

总结了实现模具智能化制造的3种方式:依靠三维(3D)软件能够为生产提供更精确的产品参数,以便快速高效完成模具的高精度制造;依靠3D打印技术能够制造内部结构复杂和小批量个性化程度较高的模具;依靠智能制造系统的设计优化能够使各种类... 详细信息

总结了实现模具智能化制造的3种方式:依靠三维(3D)软件能够为生产提供更精确的产品参数,以便快速高效完成模具的高精度制造;依靠3D打印技术能够制造内部结构复杂和小批量个性化程度较高的模具;依靠智能制造系统的设计优化能够使各种类型模具的制造过程更加合理快速流畅。最后分析了模具智能化制造中3种发展方向存在的问题,总结了模具制造未来的发展方向。

关键词：模具制造智能化三维软件三维打印智能制造系统

面向柔性作业车间生产调度的深度强化学习方法

在线全文

学校读者我要写书评

暂无评论

中国机械工程 2024年

作者：祝正宇郭具涛吕佑龙左丽玲张洁东华大学机械工程学院上海航天精密机械研究所东华大学人工智能研究院

针对多品种、小批量生产模式下，柔性作业车间生产调度问题，以最小化订单总拖期时间为优化目标，提出一种基于组合规则和强化学习的智能调度方法。将柔性作业车间生产调度问题转换为马尔科夫决策过程，根据问题特点与优化目标，利用7... 详细信息

针对多品种、小批量生产模式下，柔性作业车间生产调度问题，以最小化订单总拖期时间为优化目标，提出一种基于组合规则和强化学习的智能调度方法。将柔性作业车间生产调度问题转换为马尔科夫决策过程，根据问题特点与优化目标，利用7种特征表征车间状态，设计6种组合式规则作为动作库，通过改进后的DQN（Deep Q-Networks）算法对该问题进行求解。以航天结构件加工车间为案例，分别在5种不同规模大小的算例中，与其他常见的规则式方法进行对比，验证了本方法缩短任务交付期的可行性和有效性。

关键词：生产调度柔性作业车间深度强化学习深度Q网络

基于THz成像和集成学习的番茄根长表型提取及预测

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

农业工程学报 2024年第18期40卷 176-183页

作者：罗慧刘星语韦骁吴嘉仪余赟卢伟南京农业大学人工智能学院南京210095

为检测番茄根系表型,该研究基于THz(Terahertz)成像和集成学习提出一种根系检测技术。首先,对20天生长过程中番茄根系进行多次THz成像。其次,对最优重构后的根系THz伪彩色图去除根系重叠和主根区域的噪声数据。再次,采用Rosenfeld细化... 详细信息

为检测番茄根系表型,该研究基于THz(Terahertz)成像和集成学习提出一种根系检测技术。首先,对20天生长过程中番茄根系进行多次THz成像。其次,对最优重构后的根系THz伪彩色图去除根系重叠和主根区域的噪声数据。再次,采用Rosenfeld细化算法和滑动窗口遍历法计算根系长度。最后,提取根系有效区域中THz时域光谱和折射率光谱,由Stacking集成模型对番茄根长进行预测。由THz成像计算的番茄根长结果误差小,平均相对误差仅为4.16%;由THz时域数据预测的根长与计算得到的根长之间最大决定系数为0.999,最小均方根误差为0.743 cm;由折射率光谱数据预测根长的最大决定系数为0.998,最小均方根误差为0.976 cm。该方法不仅能根据THz图像准确地计算出番茄根系的长度,还能由番茄根系的THz光谱有效地预测番茄根长表型,该研究为根系表型检测方法提供了理论依据。

关键词：番茄 THz成像根系表型 Stacking集成学习

在线全文

学校读者我要写书评

暂无评论

基于改进神经辐射场的植物表型参数测量方法

农业工程学报 2024年第17期40卷 188-196页

作者：李添天戴倩谢元澄南京农业大学人工智能学院南京210012

为解决传统植物表型测量存在的破坏性、主观性强以及三维测量设备成本高,使用场景受限等问题,提出了一种基于改进后的神经辐射场(neural radiance field,NeRF)方法——L-NeRF的植物表型参数测量方法。通过从多视角收集图像数据,利用L-N... 详细信息

为解决传统植物表型测量存在的破坏性、主观性强以及三维测量设备成本高,使用场景受限等问题,提出了一种基于改进后的神经辐射场(neural radiance field,NeRF)方法——L-NeRF的植物表型参数测量方法。通过从多视角收集图像数据,利用L-NeRF技术进行三维重建,非破坏性地获取了植物的关键表型参数,如株高、叶宽和叶长。以墨西哥四叶草(Prosopis juliflora)为研究对象,在室内环境下进行试验,结果表明,该方法在叶宽、叶长与株高的测量上显示出较高的精确度,决定系数分别达到0.9037、0.7827和0.8516。此外,相较于现有的运动结构恢复(structure from motion,SFM)视觉重建方法,在采用L-NeRF技术时,在重建时间上平均减少了约30%,在模型精度上的标准差减少了约45%。试验结果不仅验证了L-NeRF技术在植物表型参数测量中的有效性和实用性,也展示了其在提升研究效率和精度方面的潜力。后续研究将探索收集更多植物品种的数据,以提高该方法的适用性。

关键词：植物点云方法植物表型组学神经辐射场三维重建

面向反制无人机集群的多目标连续鲁棒跟踪算法

在线全文

学校读者我要写书评

暂无评论

航空学报 2024年第7期45卷 256-269页

作者：王传云苏阳王琳霖王田王静静高骞沈阳航空航天大学人工智能学院沈阳110136 沈阳航空航天大学计算机学院沈阳110136 北京航空航天大学人工智能研究院北京100191 中国电子科技集团公司电子科学研究院北京100041

无人机(UAV)集群作战正朝着智能化、实战化迅猛发展,将在未来战场上造成巨大威胁,面向反制无人机集群的探测与跟踪研究势在必行。针对在复杂场景及远距离探测条件下无人机集群目标之间相互遮挡、无人机为弱小目标等原因造成的检测精度... 详细信息

无人机(UAV)集群作战正朝着智能化、实战化迅猛发展,将在未来战场上造成巨大威胁,面向反制无人机集群的探测与跟踪研究势在必行。针对在复杂场景及远距离探测条件下无人机集群目标之间相互遮挡、无人机为弱小目标等原因造成的检测精度降低和跟踪精度降低问题,本文提出的无人机集群多目标(UAVS-MOT)连续鲁棒跟踪算法可以有效解决。UAVS-MOT模型基于FairMOT模型的多分支无锚框预测结构,将坐标注意力模块与DLA-34网络相结合,构建了全新的主干特征提取网络以提升特征信息的表达能力。此外,引入全新的ArcFace Loss损失函数进行训练以提高模型的收敛速度,并利用BYTE数据关联方法以降低目标漏检率和提高轨迹的连贯性。实验表明,本文提出的UAVS-MOT多目标跟踪算法在UAVSwarm Dataset上的多目标跟踪准确度(MOTA)和目标识别准确度(IDF1)分别为73.4%与76.1%,相比原有FairMOT算法分别提升5.7%与2.9%,可以解决目标的漏检、误检和跟踪精度低的问题,鲁棒性好。

关键词：多目标跟踪无人机集群 FairMOT 注意力机制反制