A co-design scheme of event-triggered sampling mechanism and active fault tolerant control(FTC) is developed. Firstly,a fault diagnosis observer is designed to estimate both the fault and the state simultaneously by u...A co-design scheme of event-triggered sampling mechanism and active fault tolerant control(FTC) is developed. Firstly,a fault diagnosis observer is designed to estimate both the fault and the state simultaneously by using the event-triggered sampled output. Some H∞constraints between the estimation errors and the event-triggered sampling mechanism are established to ensure the estimation accuracy. Then, based on the constraints and the obtained fault information, an event-triggered detector and a static fault tolerant controller are co-designed to guarantee the stability of the faulty system and to reduce the sensor communication cost.Furthermore, the problem of the event detector and dynamic FTC co-design is also investigated. Simulation results of an unstable batch reactor are finally provided to illustrate the effectiveness of the proposed method.展开更多
目前,无监督单模态行人重识别研究主要集中于可见光图像。随着新型红外摄像头的普及,无监督红外行人重识别也展现出其研究价值。由于红外图像对比度低、缺乏颜色纹理细节信息,因此全局信息对于红外行人重识别至关重要。本文设计了基于F-...目前,无监督单模态行人重识别研究主要集中于可见光图像。随着新型红外摄像头的普及,无监督红外行人重识别也展现出其研究价值。由于红外图像对比度低、缺乏颜色纹理细节信息,因此全局信息对于红外行人重识别至关重要。本文设计了基于F-ResGAM的无监督红外行人重识别网络。该网络首先利用小波变换对图像进行预处理以增强特征提取能力,接着在resnet50网络结构中引入全局注意力机制(Global Attention Mechanism,GAM)关注更多的全局信息。此外,由于红外伪标签噪声较大,本文提出采用基于样本扩展的分组采样(Group Sampling based on Sample Expansion,GSSE)策略进一步优化伪标签生成,从而提升了模型的识别精度。实验结果表明,本文提出的优化方法有效提升了无监督红外行人重识别的精度,尤其是rank指标显著提升。展开更多
针对当前两阶段的点云目标检测算法PointRCNN:3D object proposal generation and detection from point cloud在点云降采样阶段时间开销大以及低效性的问题,本研究基于PointRCNN网络提出RandLA-RCNN(random sampling and an effectivel...针对当前两阶段的点云目标检测算法PointRCNN:3D object proposal generation and detection from point cloud在点云降采样阶段时间开销大以及低效性的问题,本研究基于PointRCNN网络提出RandLA-RCNN(random sampling and an effectivelocal feature aggregator with region-based convolu-tional neural networks)架构。首先,利用随机采样方法在处理庞大点云数据时的高效性,对大场景点云数据进行下采样;然后,通过对输入点云的每个近邻点的空间位置编码,有效提高从每个点的邻域提取局部特征的能力,并利用基于注意力机制的池化规则聚合局部特征向量,获取全局特征;最后使用由多个局部空间编码单元和注意力池化单元叠加形成的扩展残差模块,来进一步增强每个点的全局特征,避免关键点信息丢失。实验结果表明,该检测算法在保留PointRCNN网络对3D目标的检测优势的同时,相比PointRCNN检测速度提升近两倍,达到16 f/s的推理速度。展开更多
评论是消费者对商品评价和反馈的一种文本形式。评论摘要是指对评论进行提取和压缩,形成能够概括评论信息的短文本。目前,评论摘要任务大多只关注评论的文本序列,忽略了评论中的方面、意见短语和情感极性等相关评价对象信息。因此,提出...评论是消费者对商品评价和反馈的一种文本形式。评论摘要是指对评论进行提取和压缩,形成能够概括评论信息的短文本。目前,评论摘要任务大多只关注评论的文本序列,忽略了评论中的方面、意见短语和情感极性等相关评价对象信息。因此,提出了一种基于T5模型(Text-to-Text Transfer Transformer),结合评价对象信息的评论摘要方法。该方法首先利用T5模型对评论摘要任务进行建模,通过注意力机制学习评论文本中的上下文信息,生成包含核心语义的摘要文本;然后提取摘要文本中的评价对象信息,并将其作为评论摘要任务的辅助信息;最后利用少样本数据对模型参数进行特异性调整,进一步改善摘要的效果,从而生成高质量的评论摘要。实验结果表明,在酒店评论数据集SPACE和产品评论数据集OPOSUM+上,该方法相较于基准模型在ROUGE评价指标上均有显著提升。展开更多
基金supported by the National Natural Science Foundation of China(6147315961374136+1 种基金61104028)the Research Innovation Program of Nantong University(YKC16004)
文摘A co-design scheme of event-triggered sampling mechanism and active fault tolerant control(FTC) is developed. Firstly,a fault diagnosis observer is designed to estimate both the fault and the state simultaneously by using the event-triggered sampled output. Some H∞constraints between the estimation errors and the event-triggered sampling mechanism are established to ensure the estimation accuracy. Then, based on the constraints and the obtained fault information, an event-triggered detector and a static fault tolerant controller are co-designed to guarantee the stability of the faulty system and to reduce the sensor communication cost.Furthermore, the problem of the event detector and dynamic FTC co-design is also investigated. Simulation results of an unstable batch reactor are finally provided to illustrate the effectiveness of the proposed method.
文摘目前,无监督单模态行人重识别研究主要集中于可见光图像。随着新型红外摄像头的普及,无监督红外行人重识别也展现出其研究价值。由于红外图像对比度低、缺乏颜色纹理细节信息,因此全局信息对于红外行人重识别至关重要。本文设计了基于F-ResGAM的无监督红外行人重识别网络。该网络首先利用小波变换对图像进行预处理以增强特征提取能力,接着在resnet50网络结构中引入全局注意力机制(Global Attention Mechanism,GAM)关注更多的全局信息。此外,由于红外伪标签噪声较大,本文提出采用基于样本扩展的分组采样(Group Sampling based on Sample Expansion,GSSE)策略进一步优化伪标签生成,从而提升了模型的识别精度。实验结果表明,本文提出的优化方法有效提升了无监督红外行人重识别的精度,尤其是rank指标显著提升。
文摘针对当前两阶段的点云目标检测算法PointRCNN:3D object proposal generation and detection from point cloud在点云降采样阶段时间开销大以及低效性的问题,本研究基于PointRCNN网络提出RandLA-RCNN(random sampling and an effectivelocal feature aggregator with region-based convolu-tional neural networks)架构。首先,利用随机采样方法在处理庞大点云数据时的高效性,对大场景点云数据进行下采样;然后,通过对输入点云的每个近邻点的空间位置编码,有效提高从每个点的邻域提取局部特征的能力,并利用基于注意力机制的池化规则聚合局部特征向量,获取全局特征;最后使用由多个局部空间编码单元和注意力池化单元叠加形成的扩展残差模块,来进一步增强每个点的全局特征,避免关键点信息丢失。实验结果表明,该检测算法在保留PointRCNN网络对3D目标的检测优势的同时,相比PointRCNN检测速度提升近两倍,达到16 f/s的推理速度。
文摘评论是消费者对商品评价和反馈的一种文本形式。评论摘要是指对评论进行提取和压缩,形成能够概括评论信息的短文本。目前,评论摘要任务大多只关注评论的文本序列,忽略了评论中的方面、意见短语和情感极性等相关评价对象信息。因此,提出了一种基于T5模型(Text-to-Text Transfer Transformer),结合评价对象信息的评论摘要方法。该方法首先利用T5模型对评论摘要任务进行建模,通过注意力机制学习评论文本中的上下文信息,生成包含核心语义的摘要文本;然后提取摘要文本中的评价对象信息,并将其作为评论摘要任务的辅助信息;最后利用少样本数据对模型参数进行特异性调整,进一步改善摘要的效果,从而生成高质量的评论摘要。实验结果表明,在酒店评论数据集SPACE和产品评论数据集OPOSUM+上,该方法相较于基准模型在ROUGE评价指标上均有显著提升。
