检索结果-维普期刊中文期刊服务平台

基于几何模型预测控制的移动机器人轨迹跟踪算法: 1; 作者古松健吴福祥 +3 位作者高向阳杨梦杰詹忆冰程俊《计算机应用》北大核心 2025年第9期3026-3035,共10页; 针对轮式移动机器人(WMR)在轨迹跟踪过程中因定位失准和未知干扰等因素导致的位姿偏移问题,提出一种基于几何模型预测控制(GMPC)的增强型粒子群优化混合器(EPSO-Mixer)算法,旨在提升WMR的轨迹跟踪性能。首先,以粒子群优化(PSO)为基础,... 展开更多; 关键词轮式移动机器人轨迹跟踪粒子群优化混合多层感知器几何模型预测控制; 在线阅读下载PDF 职称材料

数字说话人视频生成综述被引量：9: 2; 作者宋一飞张炜 +1 位作者陈智能姜育刚《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2023年第10期1457-1468,共12页; 近年来,基于深度学习的生成技术显著推动了虚拟数字人技术的发展.针对当前虚拟数字人研究中的热点问题——数字说话人视频生成进行综述,其在电影配音、动画制作、虚拟助手等场景中具有重要的应用前景.文中从数据集、关键技术、评估策略... 展开更多; 关键词虚拟数字人数字说话人视频生成多模态融合深度学习; 在线阅读下载PDF 职称材料

面向深度强化学习的对抗攻防综述被引量：5: 3; 作者刘艾杉郭骏 +3 位作者李思民肖宜松刘祥龙陶大程《计算机学报》 EI CAS CSCD 北大核心 2023年第8期1553-1576,共24页; 深度强化学习技术以一种端到端学习的通用形式融合了深度学习的感知能力与强化学习的决策能力,在多个领域得到了广泛应用,形成了人工智能领域的研究热点.然而,由于对抗样本等攻击技术的出现,深度强化学习暴露出巨大的安全隐患.例如,通... 展开更多; 关键词对抗样本对抗攻击对抗防御深度强化学习模型鲁棒性; 在线阅读下载PDF 职称材料

可信AI的前世今生被引量：1: 4; 作者陶大程《智能系统学报》 CSCD 北大核心 2021年第4期I0001-I0001,共1页; 人工智能并不是一个新的概念,从1950年的图灵之问开始,到今天产业的蓬勃发展。随着人工智能广泛的产业落地带来的诸多问题,AI面临越来越多的可信挑战,例如AI系统的不确定性导致潜在的安全问题;可解释性的缺乏限制了AI更广泛的应用与赋能... 展开更多; 关键词人工智能数据保护可解释性用户隐私 AI 全球共识前世今生不确定性; 在线阅读下载PDF 职称材料

基于联合对抗训练的鲁棒度量迁移: 5; 作者杨乾成罗勇 +3 位作者胡晗周昕杜博陶大程《上海大学学报（自然科学版）》 CAS CSCD 北大核心 2023年第1期1-9,共9页; 迁移度量学习旨在从强大且可靠的距离度量中迁移知识来改善目标度量的效果,这些度量往往来自于学习目标相关的任务.现有的迁移度量学习算法仅关注于如何迁移知识,而这些知识容易过拟合到源域中.首先研究如何在源域中训练一个适合于迁移... 展开更多; 关键词迁移度量学习深度度量学习联合对抗训练异质域; 在线阅读下载PDF 职称材料

题名基于几何模型预测控制的移动机器人轨迹跟踪算法: 1; 作者古松健吴福祥高向阳杨梦杰詹忆冰程俊; 机构广西高校先进制造与自动化技术重点实验室(桂林理工大学) 中国科学院深圳先进技术研究院盛云科技有限公司京东探索研究院; 出处《计算机应用》北大核心 2025年第9期3026-3035,共10页; 基金国家科技创新2030—“新一代人工智能”重大项目(2021ZD0111700) 国家自然科学基金资助项目(U21A20487) 云南省科技人才与平台计划(院士专家工作站)(202305AF150152)。; 文摘针对轮式移动机器人(WMR)在轨迹跟踪过程中因定位失准和未知干扰等因素导致的位姿偏移问题,提出一种基于几何模型预测控制(GMPC)的增强型粒子群优化混合器(EPSO-Mixer)算法,旨在提升WMR的轨迹跟踪性能。首先,以粒子群优化(PSO)为基础,提出一种增强型粒子群优化(EPSO)算法,以加快收敛并提升优化能力;其次,利用EPSO对GMPC进行改进,根据当前偏移程度筛选出最优跟踪参数,以有效地减小轨迹跟踪误差;最后,结合混合多层感知器(MLP-Mixer)架构,提出EPSO-Mixer算法,从而进一步增强对全局最优解的搜索能力,同时生成更具适应性的控制策略。仿真实验结果表明,与非线性模型预测控制和经典GMPC算法相比,EPSO-Mixer GMPC有效提升了WMR在位姿偏移条件下的轨迹跟踪性能,误差减小8.0%~82.3%,并显著改善了运动中的振动问题。可见,EPSOMixer算法能够提供更有效的控制策略,不仅降低了参数调整的难度与时间成本,而且显著增强了轨迹跟踪控制的自适应能力。; 关键词轮式移动机器人轨迹跟踪粒子群优化混合多层感知器几何模型预测控制; Keywords Wheeled Mobile Robot(WMR) trajectory tracking Particle Swarm Optimization(PSO) Multi-Layer Perceptron Mixer(MLP-Mixer) Geometric Model Predictive Control(GMPC); 分类号 TP242.6 [自动化与计算机技术—检测技术与自动化装置]; 在线阅读下载PDF 职称材料

题名数字说话人视频生成综述被引量：9: 2; 作者宋一飞张炜陈智能姜育刚; 机构复旦大学计算机科学技术学院京东探索研究院; 出处《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2023年第10期1457-1468,共12页; 基金国家自然科学基金(62032006,62172103).; 文摘近年来,基于深度学习的生成技术显著推动了虚拟数字人技术的发展.针对当前虚拟数字人研究中的热点问题——数字说话人视频生成进行综述,其在电影配音、动画制作、虚拟助手等场景中具有重要的应用前景.文中从数据集、关键技术、评估策略3个方面,对数字说话人视频生成技术及研究现状做了较系统的梳理与总结,介绍了其生成过程中涉及的视觉生成、图像识别、语音识别、跨模态分析等多项人工智能的关键技术机器发展演进过程;从数据、模型、评估策略等方面指出该方向需要迫切解决的问题,并通过这些问题展望其未来的发展方向,以期能对该领域的研究者有所帮助和启发,促进该方向的发展.; 关键词虚拟数字人数字说话人视频生成多模态融合深度学习; Keywords virtual digital human talking head generation video generation multi-modal fusion deep learning; 分类号 TP391.41 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名面向深度强化学习的对抗攻防综述被引量：5: 3; 作者刘艾杉郭骏李思民肖宜松刘祥龙陶大程; 机构北京航空航天大学复杂关键软件环境全国重点实验室中关村实验室合肥综合性国家科学中心数据空间研究院京东探索研究院; 出处《计算机学报》 EI CAS CSCD 北大核心 2023年第8期1553-1576,共24页; 基金科技创新2030新一代人工智能重大项目(2020AAA0103502) 国家自然科学基金(62022009,62206009) 软件开发环境国家重点实验室探索性自选课题(SKLSDE-2022ZX-23)资助。; 文摘深度强化学习技术以一种端到端学习的通用形式融合了深度学习的感知能力与强化学习的决策能力,在多个领域得到了广泛应用,形成了人工智能领域的研究热点.然而,由于对抗样本等攻击技术的出现,深度强化学习暴露出巨大的安全隐患.例如,通过在真实世界中打印出对抗贴纸便可以轻松地使基于深度强化学习的智能系统做出错误的决策,造成严重的损失.基于此,本文对深度强化学习领域对抗攻防技术的前沿研究进行了全面的综述,旨在把握整个领域的研究进展与方向,进一步推动深度强化学习对抗攻防技术的长足发展,助力其应用安全可靠.结合马尔科夫决策过程中可被扰动的空间,本文首先从基于状态、基于奖励以及基于动作角度的详细阐述了深度强化学习对抗攻击的进展;其次,通过与经典对抗防御算法体系进行对齐,本文从对抗训练、对抗检测、可证明鲁棒性和鲁棒学习的角度归纳总结了深度强化学习领域的对抗防御技术;最后,本文从基于对抗攻击的深度强化学习机理理解与模型增强的角度分析了对抗样本在强化学习领域的应用并讨论了领域内的挑战和未解决问题.; 关键词对抗样本对抗攻击对抗防御深度强化学习模型鲁棒性; Keywords adversarial example adversarial attacks adversarial defenses deep reinforcement learning model robustness; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名可信AI的前世今生被引量：1: 4; 作者陶大程; 机构京东集团探索研究院澳大利亚科学院 ACM AAAS IEEE; 出处《智能系统学报》 CSCD 北大核心 2021年第4期I0001-I0001,共1页; 文摘人工智能并不是一个新的概念,从1950年的图灵之问开始,到今天产业的蓬勃发展。随着人工智能广泛的产业落地带来的诸多问题,AI面临越来越多的可信挑战,例如AI系统的不确定性导致潜在的安全问题;可解释性的缺乏限制了AI更广泛的应用与赋能;AI系统如何在使用数据的同时保护用户隐私等。构筑可信AI已成为全球共识,2016年欧盟颁布了《通用数据保护条例(GDPR)》;2017年12月,IEEE提出了《人工智能的伦理设计准则》,之后澳洲、美国、新加坡等都提出了相关的政策、指南或白皮书。; 关键词人工智能数据保护可解释性用户隐私 AI 全球共识前世今生不确定性; 分类号 B82-057 [哲学宗教—伦理学] TP18 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名基于联合对抗训练的鲁棒度量迁移: 5; 作者杨乾成罗勇胡晗周昕杜博陶大程; 机构武汉大学计算机学院湖北珞珈实验室北京理工大学信息与电子学院南洋理工大学计算机科学与工程学院京东探索研究院悉尼大学计算机学院; 出处《上海大学学报（自然科学版）》 CAS CSCD 北大核心 2023年第1期1-9,共9页; 基金国家重点研发计划资助项目(2021YFC3300200) 湖北珞珈实验室开放基金资助项目(220100014) +1 种基金新加坡国家研究基金资助项目(NRF2020NRF-CG001-027)。; 文摘迁移度量学习旨在从强大且可靠的距离度量中迁移知识来改善目标度量的效果,这些度量往往来自于学习目标相关的任务.现有的迁移度量学习算法仅关注于如何迁移知识,而这些知识容易过拟合到源域中.首先研究如何在源域中训练一个适合于迁移的源域度量,然后设计了一种通用的深度异质迁移算法来进行高效的迁移学习.值得注意的是,将源域度量以联合对抗学习的方式进行训练,再以深度神经网络的方式将其参数化表示并对其进行迁移.迁移中通过表征模仿的方式来学习源域度量中的知识,这种方式允许源域和目标域中的知识来自于异质域.此外,严格限制目标度量网络的大小,使得目标网络更够进行高效的推理计算.在人脸识别数据集上的实验展现了本方法的有效性.; 关键词迁移度量学习深度度量学习联合对抗训练异质域; Keywords transfer metric learning(TML) deep metric learning joint adversarial training heterogeneous domain; 分类号 TP37 [自动化与计算机技术—计算机系统结构]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于几何模型预测控制的移动机器人轨迹跟踪算法	古松健吴福祥高向阳杨梦杰詹忆冰程俊	《计算机应用》北大核心	2025	0	在线阅读下载PDF 职称材料
2	数字说话人视频生成综述	宋一飞张炜陈智能姜育刚	《计算机辅助设计与图形学学报》 EI CSCD 北大核心	2023	9	在线阅读下载PDF 职称材料
3	面向深度强化学习的对抗攻防综述	刘艾杉郭骏李思民肖宜松刘祥龙陶大程	《计算机学报》 EI CAS CSCD 北大核心	2023	5	在线阅读下载PDF 职称材料
4	可信AI的前世今生	陶大程	《智能系统学报》 CSCD 北大核心	2021	1	在线阅读下载PDF 职称材料
5	基于联合对抗训练的鲁棒度量迁移	杨乾成罗勇胡晗周昕杜博陶大程	《上海大学学报（自然科学版）》 CAS CSCD 北大核心	2023	0	在线阅读下载PDF 职称材料