融合混合空洞卷积和动态卷积的敦煌壁画修复

1

作者 刘仲民 李耀龙 胡文瑾 《计算机工程与设计》 北大核心 2025年第2期595-602,共8页

为有效修复壁画破损区域的语义信息、解决壁画深层特征信息提取不足导致的修复伪影以及修复失真等问题,提出一种融合混合空洞卷积与动态卷积的敦煌壁画修复模型。针对修复伪影问题,在模型编码阶段设计一种混合残差模块;针对修复失真问题... 为有效修复壁画破损区域的语义信息、解决壁画深层特征信息提取不足导致的修复伪影以及修复失真等问题,提出一种融合混合空洞卷积与动态卷积的敦煌壁画修复模型。针对修复伪影问题,在模型编码阶段设计一种混合残差模块;针对修复失真问题,通过在动态核预测分支和动态语义及图像滤波分支中加入动态卷积来提高网络的预测和滤波性能。实验结果表明,所提模型具有更高的评价指标,且视觉效果上具有更细致的纹理,语义信息更丰富,边缘结构更连贯。 展开更多

关键词 信息处理技术 壁画修复 混合空洞卷积 动态卷积 图像滤波 残差网络 深度学习

在线阅读 下载PDF 职称材料

求解时变凸二次规划的变参积分动态学习网络

2

作者 陆荣秀 黄伟 +1 位作者 杨辉 张智军 《小型微型计算机系统》 CSCD 北大核心 2022年第9期1853-1861,共9页

凸二次规划问题在许多领域都有着广泛的应用,系统分析、组合优化等诸多科学问题和工程问题都可以表述为二次规划问题后求解.为了高效地求解线性等式约束下的时变凸二次规划问题,本文提出了一种基于误差积分设计的新型变参积分动态学习网... 凸二次规划问题在许多领域都有着广泛的应用,系统分析、组合优化等诸多科学问题和工程问题都可以表述为二次规划问题后求解.为了高效地求解线性等式约束下的时变凸二次规划问题,本文提出了一种基于误差积分设计的新型变参积分动态学习网络.该网络引入时变指数型设计参数,具有灵活和自适应调整的特点.理论分析证明变参积分动态学习网络在使用单调递增的奇激活函数时有全局收敛性质和较强的鲁棒性.除此之外,变参积分动态学习神经网络还具有灵活的控制策略和超指数级收敛速率.仿真实验结果表明,使用不同激活函数的变参积分动态学习网络比传统的微分神经网络(即梯度神经网络,零化神经网络和变参收敛微分神经网络)有更好的收敛性质. 展开更多

关键词 变参积分动态学习网络 时变问题求解 二次规划 收敛性 鲁棒性

在线阅读 下载PDF 职称材料

求解时变非线性不等式的新型动态学习网络 被引量：1

3

作者 陆荣秀 黄学文 +1 位作者 杨辉 张智军 《控制工程》 CSCD 北大核心 2022年第3期404-412,共9页

为有效地求解时变矢量型非线性不等式,针对传统的零化神经网络在求解时变矢量型非线性不等式时收敛速度慢、鲁棒性弱的问题,提出了一种新型混合变参动态学习网络(mixed variant-parameter dynamic learning network,MVP-DLN)。首先,定... 为有效地求解时变矢量型非线性不等式,针对传统的零化神经网络在求解时变矢量型非线性不等式时收敛速度慢、鲁棒性弱的问题,提出了一种新型混合变参动态学习网络(mixed variant-parameter dynamic learning network,MVP-DLN)。首先,定义矢量型的无界误差函数;其次,构造混合变参神经动力学设计公式;最后,通过替代方法和神经动力学设计公式,开发出MVP-DLN模型。理论分析表明MVP-DLN模型具有全局的收敛性能和强鲁棒性。最后,采用仿真实验验证模型的性能,实验结果表明,相比于传统的零化神经网络,MVP-DLN模型在求解时变非线性不等式时具有更好的收敛性能和更强的鲁棒性。 展开更多

关键词 混合变参动态学习网络 时变矢量型非线性不等式 收敛性 鲁棒性

在线阅读 下载PDF 职称材料

学习共同体演化动态及其参与者交互模式研究——数据驱动的社会认知网络分析 被引量：14

4

作者 彭文辉 王中国 +1 位作者 上超望 史玲玲 《电化教育研究》 CSSCI 北大核心 2021年第11期69-76,共8页

混合式学习中创建并维持混合式学习共同体,有助于发展和维持动态平衡的跨界学习关系和认知过程,从而激发批判性思考和优化知识建构。研究采用数据驱动的社会认知网络分析方法,探索混合式学习共同体演化动态及其与参与者交互模式发展之... 混合式学习中创建并维持混合式学习共同体,有助于发展和维持动态平衡的跨界学习关系和认知过程,从而激发批判性思考和优化知识建构。研究采用数据驱动的社会认知网络分析方法,探索混合式学习共同体演化动态及其与参与者交互模式发展之间潜在的关联。研究表明:以问题导向策略组织的学习共同体演化动态呈现短周期性,受时间契约影响;在线学习共同体中参与者交互模式动态变化,交互关系由生—师交互为主发展为生—生交互为主,高交互分组偏好于生—生交互,表现出较高的知识建构水平;参与者在不同学习共同体中存在较为一致的表现,与学习共同体相互影响;高成就组参与者注重发展和维持动态平衡的跨界学习和连贯一致的认知过程。基于研究结果,建议在混合式教学中发展和维持多样化学习共同体,鼓励同侪互动和跨界协作学习,提供动态教学支架进行动态干预。 展开更多

关键词 混合式学习共同体 演化动态 交互模式 社会认知网络分析

在线阅读 下载PDF 职称材料

基于时空动态图的交通流量预测方法研究

5

作者 孟祥福 谢伟鹏 崔江燕 《智能系统学报》 北大核心 2025年第4期776-786,共11页

为改进现有交通流量预测方法在建模时空数据和捕捉动态空间相关性方面的不足,提出了一种时空动态图卷积网络(spatio-temporal dynamic graph network,STDGNet)。该模型采用带嵌入层的编码器–解码器架构,通过动态图生成模块从数据驱动... 为改进现有交通流量预测方法在建模时空数据和捕捉动态空间相关性方面的不足,提出了一种时空动态图卷积网络(spatio-temporal dynamic graph network,STDGNet)。该模型采用带嵌入层的编码器–解码器架构,通过动态图生成模块从数据驱动的角度挖掘潜在的时空关系,并重构每个时间步的节点动态关联图。嵌入层使用时空自适应嵌入方法建模交通数据的内在时空关系和时间信息;编码器部分利用时空记忆注意力机制,从全局视角对时空特征进行建模;解码器部分将图卷积模块注入循环神经网络中,以同时捕捉时间和空间依赖关系,并输出未来流量情况。实验结果表明,所提模型与最优基线模型解耦动态时空图神经网络(decoupled dynamic spatial-temporal graph neural network,D2STGNN)相比,平均绝对误差降低了1.63%,模型训练时间缩短了近2.5倍。本研究有效提升了交通流量预测的准确性与效率,为智能交通系统的建设提供了有力支撑。 展开更多

关键词 交通流量 时空数据 混合模型 注意力机制 时空动态图 图卷积神经网络 循环神经网络 深度学习

在线阅读 下载PDF 职称材料

混合动力汽车深度强化学习分层能量管理策略 被引量：1

6

作者 戴科峰 胡明辉 《重庆大学学报》 CAS CSCD 北大核心 2024年第1期41-51,共11页

为了提高混合动力汽车的燃油经济性和控制策略的稳定性,以第三代普锐斯混联式混合动力汽车作为研究对象,提出了一种等效燃油消耗最小策略(equivalent fuel consumption minimization strategy,ECMS)与深度强化学习方法(deep feinforceme... 为了提高混合动力汽车的燃油经济性和控制策略的稳定性,以第三代普锐斯混联式混合动力汽车作为研究对象,提出了一种等效燃油消耗最小策略(equivalent fuel consumption minimization strategy,ECMS)与深度强化学习方法(deep feinforcement learning,DRL)结合的分层能量管理策略。仿真结果证明,该分层控制策略不仅可以让强化学习中的智能体在无模型的情况下实现自适应节能控制,而且能保证混合动力汽车在所有工况下的SOC都满足约束限制。与基于规则的能量管理策略相比,此分层控制策略可以将燃油经济性提高20.83%~32.66%;增加智能体对车速的预测信息,可进一步降低5.12%的燃油消耗;与没有分层的深度强化学习策略相比,此策略可将燃油经济性提高8.04%;与使用SOC偏移惩罚的自适应等效燃油消耗最小策略(A-ECMS)相比,此策略下的燃油经济性将提高5.81%~16.18%。 展开更多

关键词 混合动力汽车 动态规划 强化学习 深度神经网络 等效燃油消耗

在线阅读 下载PDF 职称材料

基于动态运动原语和自适应控制的机器人技能学习 被引量：2

7

作者 张文安 高伟展 刘安东 《上海交通大学学报》 EI CAS CSCD 北大核心 2023年第3期354-365,共12页

提出一种基于动态运动原语(DMP)和自适应控制的机器人技能学习方法.现有的DMP从单示教轨迹中学习动作,且其高斯基函数分布方式固定,并不适用于各种不同特征的动作轨迹.因此,将高斯混合模型和高斯混合回归引入DMP中,使其能从多示教轨迹... 提出一种基于动态运动原语(DMP)和自适应控制的机器人技能学习方法.现有的DMP从单示教轨迹中学习动作,且其高斯基函数分布方式固定,并不适用于各种不同特征的动作轨迹.因此,将高斯混合模型和高斯混合回归引入DMP中,使其能从多示教轨迹中学习技能,并且将径向基神经网络(RBFNN)引入DMP中构成RBF-DMP方法,以梯度下降的方式学习高斯基中心位置和权重,提高技能学习的精度.设计自适应神经网络控制器,用于控制机械臂复现示教中学习的动作.在Franka Emika Panda协作机械臂上开展实验研究,验证方法的有效性. 展开更多

关键词 动态运动原语 高斯混合模型 径向基神经网络 机器人学习

在线阅读 下载PDF 职称材料

基于变分贝叶斯深度学习的水文概率预报方法 被引量：11

8

作者 李大洋 姚轶 +2 位作者 梁忠民 周艳 李彬权 《水科学进展》 EI CAS CSCD 北大核心 2023年第1期33-41,共9页

目前水文领域关于深度学习的研究多集中于提高预测能力方面,与具有物理机制的水文模型相比,深度学习复杂的内部结构导致其不具备可解释性,预测结果难以被信任,因此发展可信赖的深度学习对于推进水科学发展具有重要意义。基于预报残差分... 目前水文领域关于深度学习的研究多集中于提高预测能力方面,与具有物理机制的水文模型相比,深度学习复杂的内部结构导致其不具备可解释性,预测结果难以被信任,因此发展可信赖的深度学习对于推进水科学发展具有重要意义。基于预报残差分析框架,构建具有物理机制的水文模型与深度学习融合的混合模型,以充分利用两者优势;引入变分贝叶斯理论,提出变分贝叶斯与深度学习耦合的概率预报模型VB-LSTM,以定量评估水文预报结果的不确定性、提高结果可靠度。以黄河源区1961—2015年的径流过程为研究对象,对VB-LSTM模型进行应用示例研究。结果表明:与长短时记忆网络(LSTM)相比,VB-LSTM模型在验证期预报精度更高,结果更稳定;与传统基于“线性-正态”假设的水文概率预报方法相比,VB-LSTM模型具有更高的预报精度,且不确定性更小、预报结果更可靠。 展开更多

关键词 水文概率预报 深度学习 变分贝叶斯 长短时记忆网络 混合模型

在线阅读 下载PDF 职称材料

动态神经元网络的直接自适应控制与应用

9

作者 王一平 戴琼海 柴天佑 《阜新矿业学院学报》 1996年第2期230-233,共4页

本文对一类未知的非线性多变量系统,提出了用动态神经元网络实现直接自适应控制的策略;基于 Lyapunov理论,获得一个稳定且连续的学习律,避免了递归训练过程;闭环系统被证明是稳定的。这种方法的特点是,不需要离线学习阶段;对非线性电机... 本文对一类未知的非线性多变量系统,提出了用动态神经元网络实现直接自适应控制的策略;基于 Lyapunov理论,获得一个稳定且连续的学习律,避免了递归训练过程;闭环系统被证明是稳定的。这种方法的特点是,不需要离线学习阶段;对非线性电机仿真的结果验证了提出的动态网自适应控制算法的有效性。 展开更多

关键词 动态神经元网络 自适应控制 非线性变参系统

在线阅读 下载PDF 职称材料

条件变分时序图自编码器 被引量：2

10

作者 陈可佳 鲁浩 张嘉俊 《计算机研究与发展》 EI CSCD 北大核心 2020年第8期1663-1673,共11页

网络表示学习(也被称为图嵌入)是链接预测、节点分类、社区发现、图可视化等图任务的基础.现有大多数的图嵌入算法主要是针对静态图开发的,难以捕捉现实世界的网络随时间进化的动态特征.目前,针对动态网络表示学习方法的研究工作仍相对... 网络表示学习(也被称为图嵌入)是链接预测、节点分类、社区发现、图可视化等图任务的基础.现有大多数的图嵌入算法主要是针对静态图开发的,难以捕捉现实世界的网络随时间进化的动态特征.目前,针对动态网络表示学习方法的研究工作仍相对不足.提出了条件变分时序图自编码器(TS-CVGAE),可以同时学习动态网络的局部结构和随时间的演化模式.该方法首先改进了传统图卷积得到时序图卷积,并在条件变分自编码器的框架下使用时序图卷积对网络节点进行编码.训练结束后,条件变分自编码器的中间层就是最终的网络嵌入结果.实验结果表明,该方法在4个现实动态网络数据集上的链接预测表现均优于相关的静、动态网络表示学习方法. 展开更多

关键词 网络表示学习 条件变分自编码器 动态网络 图卷积 链接预测

在线阅读 下载PDF 职称材料

基于自回归预测模型的深度注意力强化学习方法 被引量：18

11

作者 梁星星 冯旸赫 +3 位作者 黄金才 王琦 马扬 刘忠 《软件学报》 EI CSCD 北大核心 2020年第4期948-966,共19页

近年来,深度强化学习在各种决策、规划问题中展示了强大的智能性和良好的普适性,出现了诸如AlphaGo、OpenAI Five、Alpha Star等成功案例.然而,传统深度强化学习对计算资源的重度依赖及低效的数据利用率严重限制了其在复杂现实任务中的... 近年来,深度强化学习在各种决策、规划问题中展示了强大的智能性和良好的普适性,出现了诸如AlphaGo、OpenAI Five、Alpha Star等成功案例.然而,传统深度强化学习对计算资源的重度依赖及低效的数据利用率严重限制了其在复杂现实任务中的应用.传统的基于模型的强化学习算法通过学习环境的潜在动态性,可充分利用样本信息,有效提升数据利用率,加快模型训练速度,但如何快速建立准确的环境模型是基于模型的强化学习面临的难题.结合基于模型和无模型两类强化学习的优势,提出了一种基于时序自回归预测模型的深度注意力强化学习方法.利用自编码模型压缩表示潜在状态空间,结合自回归模型建立环境预测模型,基于注意力机制结合预测模型估计每个决策状态的值函数,通过端到端的方式统一训练各算法模块,实现高效的训练.通过CartPole-V0等经典控制任务的实验结果表明,该模型能够高效地建立环境预测模型,并有效结合基于模型和无模型两类强化学习方法,实现样本的高效利用.最后,针对导弹突防智能规划问题进行了算法实证研究,应用结果表明,采用所提出的学习模型可在特定场景取得优于传统突防规划的效果. 展开更多

关键词 注意力机制 深度强化学习 actor-critic算法 变分自动编码 混合密度网络-循环神经网络

在线阅读 下载PDF 职称材料

基于工况识别的PHEB能量管理策略研究 被引量：3

12

作者 尹安东 张黎明 《合肥工业大学学报（自然科学版）》 CAS 北大核心 2020年第2期145-150,共6页

为提高插电式混合动力客车(plug-in hybrid electric bus,PHEB)的燃油经济性,文章提出了一种基于工况识别的PHEB能量管理策略。首先运用主成分分析(principal component analysis,PCA)和模糊C均值聚类法构建代表性城市工况;然后基于学... 为提高插电式混合动力客车(plug-in hybrid electric bus,PHEB)的燃油经济性,文章提出了一种基于工况识别的PHEB能量管理策略。首先运用主成分分析(principal component analysis,PCA)和模糊C均值聚类法构建代表性城市工况;然后基于学习向量量化(learning vector quantization,LVQ)神经网络进行工况识别,并根据改进动态规划(dynamic programming,DP)算法提炼出全局最优能量分配规则,对能量管理策略进行优化;最后基于AMESim和Simulink建立PHEB整车和能量管理策略仿真模型,并在构建的合肥市代表性城市工况下进行仿真分析。仿真结果表明,该文提出的能量管理策略比电量消耗-电量维持(CD-CS)能量管理策略的燃油经济性提高了5.2%。 展开更多

关键词 插电式混合动力客车(PHEB) 能量管理策略 行驶工况 学习向量量化(LVQ)神经网络 动态规划(DP)算法

在线阅读 下载PDF 职称材料