基于中美基金项目数据的深度学习领域研究热点对比分析

与传统研究成果类型不同，基金项目数据中蕴含的潜在情报更具有战略性和前瞻性。本文使用文本挖掘方法，对中美深度学习领域基金项目数据进行挖掘与分析，从资助强度、发展态势、主题聚类及热度演化角度进行分析，对比中美深度学习领域研究热点的异同及热点演化情况。研究发现，中美深度学习领域基金项目数量自2010年后呈上升趋势，发展势头较好，且两国均出台相关政策支持该领域发展。但中美两国在研究的侧重方向上有所不同，美国侧重深度学习基础理论、算法研究，中国在深度学习更关注应用层面的落地情况。在应用层面上，美国更重视生物医学、经济领域、图像识别领域及硬件设备应用，中国不仅重视生物医学领域、同时使用深度学习相关算法对地学领域、多媒体领域的数据应用较多。新兴研究方向上，对深度学习硬件设备及应用方向成为美国的近年来研究热点方向，而中国较新的研究热点方向在于将深度学习应用到生物信息领域。未来我国应加大科研经费的投入，支持人工智能领域的自主创新发展；发挥在地学领域应用、图像和计算机视觉、多媒体领域、以及中医领域应用的科技布局优势，形成成果转化新生态；应关注和加强对理论算法的研究，提高技术实力并掌握科技主动权；对软硬件及...     

基于视觉推理的机器人多物体堆叠场景抓取方法

基于视觉的机器人抓取方法是研究智能机器人抓取问题的重要思路.本文提出了一种基于机器视觉推理的适用于多物体堆叠场景的机器人抓取方法,算法包含了场景理解和抓取规划两个步骤.在第一步的场景理解中,本文的算法包含两个主要部分:视觉操作关系推理和抓取部位检测.在视觉操作关系推理中,本文提出了一种基于深度卷积网络的视觉操作关系网络(Visual Manipulation Relationship Network, VMRN),以对物体和操作关系进行实时推理.在视觉操作关系网络中,通过设计物体对池化层,实现了物体检测和操作关系推理的端对端训练,提升了算法的速度和性能.在第二步的抓取部位检测中,本文提出了基于有向锚点框的全卷积视觉抓取部位检测网络,实现了对物体抓取部位的实时检测,并在康奈尔抓取数据集上取得了目前最高的精度.在抓取规划中,通过结合场景深度信息和抓取部位检测结果,获取当前被抓取物体的抓取点和对应的抓取向量,并通过坐标系变换将Kinect坐标系的抓取向量映射为机器人坐标系的抓取向量,完成当前抓取.实验结果表明,本文提出的机器人抓取方法能够在多物体堆叠环境下按照正确顺序完成抓取任务,并成功抓取目标物体.     

基于多尺度卷积网络的非朗伯光度立体视觉方法

光度立体视觉作为一种精细三维测量技术广泛应用于三维重构、缺陷检测、生物医疗等领域,但传统反射模型对材质真实物理特性的反映能力有限,对于如光亮金属等具有非线性光反射特性的非朗伯表面适应性不佳,极大地限制了该技术的进一步应用.本文提出了一种基于深度学习多尺度卷积架构的光度立体视觉算法,实现了对非透明材质表面在任意光照条件下的高精度法向量恢复.算法在深度网络中设计了多尺度卷积结构,小尺寸卷积核强化了模型在光度物理原理上的表达,使得模型在细节预测上具备优势,大尺寸卷积核鼓励深度网络利用邻域特征,提升模型克服阴影和区分多种材质的能力.为进一步处理任意光照条件的问题,算法设计了对入射光照向量空间的多分辨三维极坐标划分方法,在整合输入图像信息的同时,充分发挥了多尺度卷积的效能.实验结果表明,多尺度卷积深度学习架构有效集成了光度原理和深度学习二者的优势,在保留精细三维形貌恢复能力的同时,极大提高了针对非朗伯表面的适应性,为光度技术的广泛应用提供了有力的技术支持.     

时空上下文融合的无人艇海面目标跟踪

视觉感知作为无人艇环境感知的重要组成部分,为无人艇智能控制提供十分重要的外界信息.准确、鲁棒且实时的海面目标跟踪算法可以有效提升无人艇的智能化水平.海面目标跟踪面临着几个独特的挑战:目标尺度变化极大、目标视角变化极大、目标抖动剧烈.为了解决上述海面目标跟踪任务中面临的三个难点,本文提出了一种时空上下文融合的目标跟踪算法,该算法结合了深度网络多尺度检测的图像空间上下文信息和相关滤波跟踪的视频时间上下文信息,实现了实时、精确且鲁棒的目标跟踪效果.最后,以无人艇在东海、南海实际作业场景中采集的图像数据作为跟踪算法的测试集,验证了该跟踪算法的有效性.     

基于RBF神经网络的烧结终点预测模型

本文提出一种基于径向基函数(RBF)神经网络的烧结终点预测模型.该模型首先采用改进的最近邻聚类算法确定径向基函数中心,接着应用递推最小二乘法训练网络的权值.通过现场采集数据对该模型进行仿真,其实验结果表明,该模型具有较好的学习能力和泛化能力,为烧结终点的预测提供了一种新的解决方法.     

BP网络学习能力与泛化能力满足的不确定关系式

分析BP网络过拟合出现时网络学习能力及泛化能力与其他影响因素之间的内在联系, 引入复相关系数描述样本复杂性程度; 遵循计算不确定性原理和神经网络结构设计的最简原则, 类比信息传递过程中的一般测不准关系式, 建立了BP网络过拟合出现时, 反映网络学习能力的训练样本集的训练相对误差与表征泛化能力的网络对检验样本集的测试相对误差之间满足的不确定关系式; 通过模拟多种不同类型函数的BP网络过拟合数值模拟实验, 确定了关系式中过拟合参数q的取值范围一般为7×10^−3~7×10^−2; 依据不确定关系式, 导出了在用复相关系数描述样本复杂性和满足给定逼近误差要求下, 网络具有较佳泛化能力的隐节点数的计算公式, 并验证了其合理性; 指出BP网络应用于给定样本集的训练过程中, 为改进泛化能力的训练最佳停止方法.     

使用三层神经元网络的先验信息新学习方法

提出一种使用三层神经元网络的先验信息的新学习方法. 通常, 当神经元网络被用于函数逼近时, 没有考虑权之间的关系而独立地学习, 这样, 学习的结果往往不理想. 其原因是在学习中权是相互影响的. 为了克服这一问题, 首先, 给出了一些有关权的先验信息, 然后基于此提出部分权学习和其余权由精确数学方程计算的新学习方法. 这方法在权的学习中几乎保持精确数学结构. 另外, 使用不等式先验信息的学习方法也被提出了. 无论使用不等式还是等式先验信息的学习, 因网络权的自由度被限制而加快了学习速度并保证误差较小. 数值仿真的结果支持提出方法.     

基于特征识别的增强现实跟踪定位算法

文中提出一种在场景自然特征识别基础上采用关键帧匹配的增强现实跟踪注册算法,实现了基于计算机视觉的户外大场景范围内的实时跟踪定位.算法针对关键帧匹配中的宽基线特征匹配问题,提出采用随机树的模式分类方法实现场景自然特征的离线训练和在线实时精确匹配.同时采用Kalman滤波器对参数估计结果进行平滑解决视觉跟踪定位中的抖动问题.以该算法为核心构建出基于视频透视式头盔显示器的移动增强现实系统,并将其成功应用于圆明园大水法景观的数字重现.真实场景实验验证表明,该方法具有实时、鲁棒的优点,适用于户外跟踪定位.     

嫁接用苗生长状态无损测量技术的研究

利用机器视觉技术对蔬菜幼苗的生长特征信息进行了无损检测,该研究技术是定量化研究植物生长规律的关键技术之一,并为蔬菜自动化生产过程中的嫁接、移栽、间苗等作业提供必要的技术理论依据.该研究通过在温室内设计了一套计算机视觉系统,对多株群体蔬菜苗的生长进行了长时间、连续、快速的无损检测,并利用VB6.0编制了图像处理软件,提取了蔬菜幼苗的外部形态特征,经过图像处理软件分析得到蔬菜幼苗的日生长变化规律,发现蔬菜苗在夜间的生长率明显高于白天.研究表明,采用机器视觉及图像处理技术可以快速、准确地监测出蔬菜幼苗的外部形态特征量,能够对蔬菜生长状态进行直观测量,实现对蔬菜幼苗生长规的定量化研究,为蔬菜生产过程中相关作业的自动化提供可靠的理论依据.     

一种自适应小波网络的构造及其学习算法

基于小波框架的时频局部化性质和自适应投影算法,提出了一个新的构造和训练小波网络的学习算法,精确地刻画了有限维Hilbert空间自适应投影算法的指数收敛性.该算法充分地利用了包含在训练数据中的时频信息,迭代地确定小波网络隐层结点的个数和网络的权系数,较好地解决了小波网络的结构优化问题. 通过应用于信号的表示与去噪,进一步证实了该算法是简单和有效的.     

一种基于高斯过程的数据驱动光度立体视觉全局优化算法

光度立体视觉技术难点之一在于快速有效地解决非朗伯体材料的复杂反射问题,针对这一问题,本文提出了一种基于高斯过程的数据驱动光度立体视觉全局优化算法.该方法利用高斯过程,通过贝叶斯推理学习给定材料的实测双向反射分布函数值,建立用于描述非朗伯体材料非线性反射性质的连续数学模型.该模型以光源方向和表面反射光强作为输入,以双向反射分布函数值作为输出,可在光度立体视觉系统中建立更为精确的反射模型,从而得到更高的法向量预测精度.仿真实验和实际实验表明,该方法显著提升了光度立体视觉的法向量恢复精度,且拥有较高的计算效率.     

基于连续化制备的核壳结构压感纤维阵列式精准轮廓识别垫

记录和理解外界压力刺激对于人与周围环境交互的研究和智能机器人的开发具有重要意义.现有的压力传感设备多为刚性结构难以自然贴附于物体表面,且低密度传感单元使得物体压力特征信息的获取受到限制,一种可适形、全覆盖、高密度的压力传感与分析系统亟待研究.本文采用湿法纺丝工艺连续化制备了芯层为混纺导电芯材,包层为碳纳米管掺杂的聚氨酯的核壳结构压感纤维,通过缝纫、刺绣方式在织物表面构筑经纬结构的交叉点压力传感阵列.结合阵列数据采集实时捕获压力图谱帧,基于深度学习卷积神经网络驱动的算法模型,实现了物体轮廓识别垫对环境物体的轮廓精准分类识别.该识别系统准确率高达99.4%,证明了其在提取物体的压力信息和揭示物体的形态特征的应用潜能.     

半监督增量式SVM在故障诊断中的应用研究

基于半监督学习能够有效降低人工标注成本,以及增量学习可以加快训练速度,避免数据量大时训练时间过长等特性,本文提出了一种半监督增量式SVM算法.在算法中,首先对已标记样本进行训练得到初始分类器,然后利用此分类器对新增样本进行标记,最后结合KKT条件选择合适的样本对分类器进行更新.每当有新样本加入便执行以上过程,以保证分类器得到及时更新.将该算法运用于6135D型柴油机的故障诊断中,并与传统SVM算法和增量式SVM算法进行了对比,证实了本文所提算法的可行性与有效性.     

一种自适应小波网络的构建及其学习算法

基于小波框架的时频局部化性质和自适应投影算法，提出了一个新的构造和训练小波网络的学习算法，精确地刻画了有限维Hilbert空间自适应投影算法的指数收敛性，该算法充分地利用了包含在训练数据中的时频信息，迭代地确定小波网络隐层结点的个数和网络的权系数，较好地解决了小波网络的结构优化问题，通过应用于信号的表示与去噪，进一步证明了该算法是简单和有效的。     

利用GPU实现三维图像重建方法研究

利用CT进行三维重建需要高达几十亿字节的数据,处理这样的海量数据对PC机或普通图形工作站的CPU来说都将是十分耗时的,重建速度仍是制约三维锥束CT应用的主要因素之一.图形处理器(Graphics Processing unit,GPU)由于其所具有的超长流水线和高度并行化,不仅在图形处理领域得到广泛应用,而且被用来进行通用计算任务.由于计算机图形学中的投影过程和CT的数据生成本质是一致的,基于GPU进行CT重建是提高速度的有效途径,本文首先针对GPU的特点进行概述,之后着重介绍了在GPU上实现CT重建的原理和方法,同时分析了GPU能够实现加速的原因.     

大脑fMRI数据时/空模式综合分析的一种新方法

提出了一种新的fMRI数据处理方法, 可获得大脑激活区的时空综合信息. 该方法首先利用多窗口谱估计得到脑图像各体元的谱成分, 并在任务相关频率处对体元谱成分作显著性检验, 分离出任务相关脑区; 然后利用时间独立成分分析方法提取脑区任务响应的时间模式, 从而得到任务相关脑区的时-空综合信息. 这一方法的优点是: 无需对血液动力学和任务相关脑区的空间分布做出先验性假设, 具有好的鲁棒性和信息挖掘能力; 解决了单纯的时间独立成分分析在低信噪比下发散、结果不可信、鲁棒性差的问题.     

视觉感知结合学习的自然图像轮廓检测

本文结合非经典感受野的视觉特性与机器学习的方法,提出了一种自然图像轮廓检测模型.当非经典感受野中的刺激与感受野中心刺激形成一种精确的空间结构时,将对中心产生一种增强效应;另一方面非经典感受野中抑制作用会降低同质成分的响应,我们将这两个机制分别用于增强光滑的轮廓和减少背景中与结构无关的干扰成分.利用逻辑回归概率模型将感受野中的信息与来自非经典感受野中的信息进行有效融合,并根据图像的手工标注数据库,通过学习方法获得一组最优的模型参数.自然图像的实验结果表明该轮廓检测方法能极大地抑制来自纹理的局部边缘,减少虚假轮廓,同时能增强具有一致空间结构的成分,避免轮廓缺失.最后利用Berkeley图像数据库定量地评价了我们方法的性能,并与相关方法进行了比较.该模型不仅为复杂场景中的轮廓检测提供了一个可行的策略,并有助于对生理视觉机制的理解.     

基于光学衍射的纳米尺度深度重建

传统的离焦深度恢复方法（depth from defocus,DFD）在计算离焦图像的模糊程度时,均是基于几何光学成像原理,并没有考虑光波衍射对图像模糊的影响.然而,衍射现象是波的基本特性,以针孔成像为基础的光学成像系统中必然存在光波衍射.本文基于光学衍射和图像模糊机理,提出了一种精确的单目视觉全局景物3D深度信息获取方法.首先,详细分析了光学成像系统中的菲涅耳衍射机理,建立了衍射模糊与景物深度之间的关系曲线;然后,采用曲线拟合的方式建立了衍射模糊的模糊程度（点扩散函数扩散程度）与景物深度的数学关系模型,结合热辐射和图像相对模糊原理,构建了衍射模糊热辐射方程组,并把衍射模糊深度获取问题转换成一个深度信息动态优化问题.最后,使用标准的纳米栅格模板验证了衍射模糊深度重建算法在纳米尺度相对深度和绝对深度重建中的有效性和精确性.     

三值光学处理器的数据位管理理论和技术

数据位众多是三值光学计算机的突出特点之一，如何有效地管理众多的数据位成为计算机科学领域的新课题．本文通过继承、更新、增补、归纳和梳理相关的研究成果，形成了比较系统的数据位管理理论和技术架构．这个框架包括下列概念和技术：1）数据位管理基本单位“算位”和“算道”，算位用于标记简单数据类型的数据位，算道用于标记复合数据类型的数据位．2）“计算量指标”用于标示一个任务的计算量规模，对大规模、中规模和小规模的任务、系统将采取不同的管理策略．3）“数据位物理形态”指出在数据传送的各个阶段数据位所占用的具体器件．4）“坏位替换”技术实现了用预留的冗余数据位及时替换失效的数据位，依靠这项技术，三值光学计算机具有对数据位软硬件故障的容错能力．5）“整体重构”技术采用定时重构所有数据位的策略，显著减少了重构过程对计算过程的打断次数．6）“数据位分配技术”将对不同规模的任务采用各不相同的规划策略．另外，文中还讨论了用这个理论指导设计三值光学计算机第三个实验系统（SDll）硬件的情况．SDll的设计目标是为探索如何应用三值光学计算机提供实验平台．SDll的光学处理器基本模块有1024个数据位，还有128个冗余数据位，而一个光学处理器可以包含16个基本模块，所以，一个SDll最多可以有16384个数据位，并有2048个冗余数据位．     

基于证据推理的故障预报模型

为处理存在定量与定性不确定性信息的非线性复杂系统故障预报问题,建立了基于证据推理(evidential reasoning,ER)的故障预报模型,提出了ER预测模型的参数优化方法.该模型利用ER算法可以处理精确数据、不完整数据、模糊数据的能力,及其非线性融合的特性,对模型的输入信号,通过信息变换技术转化到信度结构框架下,应用解析ER算法对输入信息融合,根据输出数据的类型,构造相应的预测输出,给出了故障识别方法.针对ER预测模型参数难以精确的主观确定的困难,建立了非线性优化模型,对模型参数进行优化学习,获取最优模型参数.通过实验对ER预测模型的性能进行了分析,结果表明,建立的预测模型和参数优化模型可以有效的处理故障预报问题.