搜索结果: 31-45 共查到“算法理论”相关记录4690条 . 查询时间(3.797 秒)
![](http://www.firstlight.cn/upload/imgfile/20244/18/2024418184839457.png)
广东省重点领域研发计划项目《高效可解释性神经网络模型及理论研究》通过验收(图)
广东省 神经网络 模型
2023/9/8
![](http://www.firstlight.cn/upload/imgfile/20243/29/20243291017193.png)
新乡学院数学与统计学院硕士生导师赵国喜教授(图)
新乡学院数学与统计学院 硕士生导师 教授 排队论 优化算法
2023/8/24
针对当前过程监测和运行状态评价方法等对工况信息感知不全面、漏报和误报现象严重等问题,在深入研究工业现场数据静−动态特性协同感知方法的基础上,提出关键性能指标(Key performance indicators,KPI)驱动的慢特征分析(Slow feature analysis,SFA)算法.将关键性能指标信息融入到慢特征分析中,协同感知复杂工业过程的静−动态特性变化,并...
面向无人艇的T-DQN智能避障算法研究
无人艇 强化学习 智能避障 深度Q网络
2023/8/21
无人艇(Unmanned surface vehicle,USV)作为一种具有广泛应用前景的无人系统,其自主决策能力尤为关键.由于水面运动环境较为开阔,传统避障决策算法难以在量化规则下自主规划最优路线,而一般强化学习方法在大范围复杂环境下难以快速收敛.针对这些问题,提出一种基于阈值的深度Q网络避障算法(Threshold deep Q network,T-DQN),在深度Q网络(Deep Q ne...
动态多目标优化问题(Dynamic multi-objective optimization problems,DMOPs)的目标函数发生变化时,需要采取变化响应策略对种群进行重新初始化,以快速追踪新环境中的最优解集.现有动态多目标优化算法对不同个体、不同维度的决策变量缺乏针对性的变化响应,导致重新初始化效果尚存在较大改进空间.为此,提出一种对不同个体、不同维度的决策变量分别进行自适应变化响应的动...
![](http://www.firstlight.cn/upload/imgfile/202311/29/20231129201228528.png)
双目深度估计的在线适应是一个有挑战性的问题,其要求模型能够在不断变化的目标场景中在线连续地自我调整并适应于当前环境.为处理该问题,提出一种新的在线元学习适应算法(Online meta-learning model with adaptation,OMLA),其贡献主要体现在两方面:首先引入在线特征对齐方法处理目标域和源域特征的分布偏差,以减少数据域转移的影响;然后利用在线元学习方法调整特征对齐过...
共识算法作为区块链底层关键技术,可解决决策权分散的分布式系统中的一致性难题.良好的共识算法可提升系统健壮性,但大多数方案在网络故障或主动攻击下存在鲁棒性不可控、活性表现差、可扩展性不足等问题.针对上述问题,提出一种抗自适应攻击的健壮拜占庭容错共识算法(Robust Byzantine fault tolerance,RBFT).该算法利用环签名的无条件强匿名性构造排序选主算法,隐匿选举每一轮共识中...
基于多伯努利滤波的厚尾噪声条件下多扩展目标跟踪
多扩展目标跟踪 厚尾噪声 随机超曲面 多伯努利
2023/7/20
针对厚尾噪声条件下不规则星凸形多扩展目标跟踪(Multiple extended target tracking,METT)问题,提出一种基于多伯努利滤波的厚尾噪声条件下多扩展目标跟踪方法.首先,采用学生t分布对厚尾过程噪声和量测噪声进行建模,并基于有限集统计(Finite set statistics,FISST)理论利用随机超曲面模型(Random hypersurface model,RHM...
优化算法中多种群采样方式可转化为蒙特卡洛对当前函数积分的评估,针对不同子种群对整体评估的差异性,提出子种群规模(个体数)自适应的改进策略,并用于多尺度量子谐振子优化算法(Multi-scale quantum harmonic oscillator algorithm,MQHOA)的改进,同时阐述多种群策略所具有的量子特性以及量子隧道效应与寻优性能的相关性.已有的优化算法忽视了动态调节子种群规模对...
![](http://www.firstlight.cn/upload/imgfile/20243/6/202436203636875.png)
贵州大学计算机科学与技术学院张永军老师团队在CVPR2023国际会议上发表科研论文,在全球最权威的Middlebury Evaluation排名第一(图)
张永军 CVPR Middlebury Evaluation 计算机视觉 算法
2023/7/11
作为聚类的重要组成部分,边界点在引导聚类收敛和提升模式识别能力方面起着重要作用,以BP(Border-peeling clustering)为最新代表的边界剥离聚类借助潜在边界信息来确保簇核心区域的空间隔离,提高了簇骨架代表性并解决了边界隶属问题.然而,现有边界剥离聚类仍存在判别特征不完备、判别模式单一、嵌套迭代等约束。