期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
七轴冗余机器人逆向运动学混合快速求解算法 被引量:4
1
作者 谷加辉 丁力 +1 位作者 刘晨 李子依 《组合机床与自动化加工技术》 北大核心 2022年第5期88-91,95,共5页
传统数值法在求解七轴冗余机器人逆向运动学问题上易受末端位姿初值的影响,求解精度通常不高,无法满足工业生产要求。针对上述问题,提出了一种综合雅克比伪逆法和循环坐标下降法的混合快速算法来提高求解精度。首先,在已知末端执行器目... 传统数值法在求解七轴冗余机器人逆向运动学问题上易受末端位姿初值的影响,求解精度通常不高,无法满足工业生产要求。针对上述问题,提出了一种综合雅克比伪逆法和循环坐标下降法的混合快速算法来提高求解精度。首先,在已知末端执行器目标位姿的前提下,利用雅克比矩阵法获得冗余机器人关节角的近似解;其次,将关节角近似解作为循环坐标下降法的初始值,采用基于前向递归算法进一步挖掘潜在的最优关节角解,使得冗余机器人末端执行器趋近目标位姿;最后,通过逆解仿真算例对所提算法的有效性进行了验证,结果表明混合快速算法的求解精度能达到10^(-6),求解时间可控制在0.5 s以内,具有较好的逆向运动学求解质量与求解效率。 展开更多
关键词 冗余机器人 逆向运动学 混合快速算 雅克比矩阵 循环坐标下降法
在线阅读 下载PDF
基于代价敏感大间隔分布机的不平衡数据分类算法 被引量:1
2
作者 曹雅茜 黄海燕 《华东理工大学学报(自然科学版)》 CAS CSCD 北大核心 2019年第4期606-613,共8页
大间隔分布学习机(LDM)在应用于不平衡据分类时,由于忽略类别不均衡,会使少数类样本的识别率较低.针对这一不足,结合代价敏感思想提出了一种不平衡代价敏感大间隔分布算法(ICS-LDM).首先,在计算间隔均值和间隔方差时,结合数据集的不平... 大间隔分布学习机(LDM)在应用于不平衡据分类时,由于忽略类别不均衡,会使少数类样本的识别率较低.针对这一不足,结合代价敏感思想提出了一种不平衡代价敏感大间隔分布算法(ICS-LDM).首先,在计算间隔均值和间隔方差时,结合数据集的不平衡因子和样本错分代价参数,调整不同类别的间隔分布权重;其次,将可以快速收敛的循环对偶坐标下降法应用于求解目标函数;最后,通过逐渐提高少数类的间隔分布,可以实现间隔分布在各类别平衡且总体最大.在虚拟数据集和UCI公开数据集上的实验结果表明,ICS-LDM可以有效提高少数类的分类精度,平衡各类的分类性能. 展开更多
关键词 不平衡数据 代价敏感学习 大间隔分布 循环对偶坐标下降
在线阅读 下载PDF
基于知识蒸馏的深度无监督离散跨模态哈希 被引量:2
3
作者 张成 万源 强浩鹏 《计算机应用》 CSCD 北大核心 2021年第9期2523-2531,共9页
跨模态哈希因其低存储花费和高检索效率得到了广泛的关注。现有的大部分跨模态哈希方法需要额外的手工标签来提供实例间的关联信息,然而,预训练好的深度无监督跨模态哈希方法学习到的深度特征同样能提供相似信息;且哈希码学习过程中放... 跨模态哈希因其低存储花费和高检索效率得到了广泛的关注。现有的大部分跨模态哈希方法需要额外的手工标签来提供实例间的关联信息,然而,预训练好的深度无监督跨模态哈希方法学习到的深度特征同样能提供相似信息;且哈希码学习过程中放松了离散约束,造成较大的量化损失。针对以上两个问题,提出基于知识蒸馏的深度无监督离散跨模态哈希(DUDCH)方法。首先,结合知识蒸馏中知识迁移的思想,利用预训练无监督老师模型潜藏的关联信息以重构对称相似度矩阵,从而代替手工标签帮助有监督学生模型训练;其次,采用离散循环坐标下降法(DCC)迭代更新离散哈希码,以此减少神经网络学习到的实值哈希码与离散哈希码间的量化损失;最后,采用端到端神经网络作为老师模型,构建非对称神经网络作为学生模型,从而降低组合模型的时间复杂度。在两个常用的基准数据集MIRFLICKR-25K和NUS-WIDE上的实验结果表明,该方法相较于深度联合语义重构哈希(DJSRH)方法在图像检索文本/文本检索图像两个任务上的平均精度均值(mAP)分别平均提升了2.83个百分点/0.70个百分点和6.53个百分点/3.95个百分点,充分体现了其在大规模跨模态数据检索中的有效性。 展开更多
关键词 跨模态哈希 知识蒸馏 相似度矩阵重构 离散循环坐标下降法 非对称
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部