引入深度强化学习思想的脑-机协作精密操控方法

针对精密操控中人-机之间缺乏信息双向交互,以及人的精神状态变化会严重影响肢体操控的精度和安全性等问题,提出了一种引入深度强化学习思想的脑-机协作精密操控方法。首先,结合人在上层规划与机器在精细控制上的各自优势,建立由主动操控和被动调控组成的双环路人-机信息交互机制;其次,引入深度强化学习思想,从蒙特卡罗采样原理出发,以表征精神状态的脑电信号(EEG)作为模型的输入,以机器人速度指令作为模型的输出,推导出脑-机协作方法的数学模型;再次,建立具有3个全连接层的精神状态感知网络,从脑-机接口系统的实时监测计算机内存中提取最后1 000ms的EEG作为输入信号,设计开发脑-机协作精密操控算法。最后,创建轨迹跟踪虚拟环境和任务场景,对脑-机协作精密操控方法进行了实验验证,结果表明:该方法在轨迹跟踪任务的控制精度和完成时间指标上均得到了提高;相较于传统方法,该方法的平均轨迹跟踪精度和完成时间指标分别提高了36.55%和22.81%。     

EPC项目业主与承包商设计决策博弈

与传统的设计-招标-建造(DBB)模式将设计与施工分阶段依序进行不同,工程总承包(EPC)模式因能充分发挥设计施工一体化的效用而受到工程界的推崇,业主在项目前期参与设计工作的深度成为EPC项目顺利有效实施的重要因素。该文基于博弈论针对EPC项目前期业主的设计深度对承包商优化设计决策的影响进行研究,并使用数值分析方法寻找适用性更强的双方最优策略。结果显示:随着优化设计的收益成本比的增加,深设计策略的适用性减弱,浅设计策略的适用性增强;深设计策略在收益成本比小于1.2时,存在一个确定的业主承担风险成本比例使得适用性最强,在收益成本比大于1.2时,适用性随着业主承担风险成本比例增加而增强;整体上,招标期业主提供浅设计且后期由承包商进行优化设计是优势策略。该文针对实际工程类型特征给出了有效运用EPC模式的实践建议。     

人工智能心理学研究的知识图谱分析

借助CitespaceⅢ对选自WoS的人工智能心理学研究文献进行知识图谱探析,结合自动聚类视图与议题标签展现了人工智能心理学领域的6个知识聚类:#0人工智能解决问题议题;#1人工与人类认知共性议题;#2人工智能学习议题;#3人工智能脑科学议题;#4人工智能环境认知议题;#5人工智能表征议题。在深入探究各聚类的核心与热点知识的基础上分析了人工智能心理学发展的各阶段特征:1.上世纪50年代图灵和米勒等人对机器认知与学习等概念的猜想与初探;2.70-90年代纽厄尔、西蒙和莱尔德等人基于模块记忆与层级分析对人工智能信息处理模型的系统性构建;3.本世纪初基于神经生理学的降维数据认知理论的发展;4.当下人工智能贝叶斯大脑与深度学习理论的兴起。     

基于深度强化学习的区域化视觉导航方法

针对移动机器人在分布式环境中的导航问题,提出一种基于深度强化学习的区域化视觉导航方法.首先,根据分布式环境特征,在不同区域内独立学习控制策略,同时构建区域化模型,实现导航过程中控制策略的切换和结合.然后,为使机器人具有更好的目标导向行为,在区域导航子模块中增加奖励预测任务,并结合经验池回放奖励序列.最后,在原有探索策略...     

基于CNN的假冒域名识别方法研究

近年来,以僵尸网络为载体的各种网络攻击活动是目前互联网面临的安全威胁之一,各种恶意软件使用域名生成算法(domain generation algorithm, DGA)自动生成大量伪随机域名以连接到命令和控制服务器.为此提出以基于卷积神经网络(CNN)的方法来检测和分类伪随机域名.简要介绍了僵尸网络的危害、基本原理以及假冒域名在僵尸网络中的作用.在分析DGA算法的原理以及传统的DGA域名识别算法的缺陷以后,将重点放在基于卷积神经网络的假冒域名识别方法研究.阐述了关于卷积神经网络的基本概念,模拟了在不同的超参数,不同的激励函数下模型对于解决分类问题效果的差异.分析了数据预处理的原理、模型定义中对于超参数和激励函数、学习速率等选择的合理性.在模型运行结果分析时,给出了卷积神经网络模型识别域名的准确率和损失函数的变化,使用准确率、召回值、F₁值、ROC曲线等评估指标,各项指标均显示模型取得了优秀的分类效果,证明了基于CNN的假冒域名识别是一个可靠的方法.     

南沱河堤下采煤地表沉陷预测的数值模拟研究

运用FLAC3D软件,对百善煤矿6123首采工作面开采所引起的南沱河河堤的移动与变形(以南堤为例)进行了模拟,与实测对比分析,得出了地表移动的基本规律和特征。模拟结果对堤下采煤具有一定的指导意义,为开采沉陷的堤坝治理提供了科学依据。     

负载型铜、钴催化剂的室温固相合成及对邻二甲苯的深度催化氧化

采用低温固相法制备了系列负载型铜、钴以及铜钴复合催化剂,用于邻二甲苯的深度催化氧化,以邻二甲苯的分解率和二氧化碳产率综合评价催化剂的活性.考察了制备方法、活性组分及载体对催化剂活性的影响.采用XRD,BET,SEM,TPR等技术对催化剂进行表征,结果表明:室温固相法制备的催化剂,具有低结晶度、小晶体粒度和高比表面积等结构特点;铜钴复合催化剂的活性高于单-金属氧化物催化剂,载体对催化剂活性影响显著.     

校外实习基地深度参与高校工程教育合作模式研究

高等工程教育关系到我国社会经济发展和产业升级,其教育和工程的两大属性决定了只有通过校企协同育人的深层次合作,才能保证工程科技人才培养的质量.本文通过分析目前我国校企协同育人过程中存在的问题及成因,探索和研究校外实习基地深度参与高校工程教育的有效模式.     

基于多级深度特征与随机游走的显著性检测

为了解决图像显著性检测中传统方法特征学习不全面、复杂场景下显著区域凸出不明显的问题,提出了一种基于多级深度特征和随机游走的显著性检测算法。首先,利用全卷积神经网络,结合深层和浅层卷积特征信息对图像进行多级卷积深度特征提取;然后,对图像进行超像素分割,将提取的深度卷积特征分配给相应的超像素,构建特征矩阵;最后,通过正则化随机游走排序模型生成最终的显著图。在ECSSD和DUT-OMRON数据库上的实验结果表明,与6种具有代表性的显著性检测算法相比,文中算法的准确性和F值具有一定的优势。     

基于深度卷积神经网络的脑电图异常检测

为解决EEG自动检测的错误率非常高的问题,提出了一种基于深层卷积神经网络(CNN)对脑电图进行异常检测的方法:首先,对多个异构数据源按标准进行重构和预处理,生成了有118 716个样本的训练集和有12 022个样本的测试集;然后,构建有快捷连接的深层CNN模型,以自动化学习ECG特征并进行分类识别;接着,将模型在训练集上进行试验与调参,保存了性能最好的模型参数;最后,在测试集上进行预测.预测结果显示该模型达到了94.33%的分类准确率.通过所提方法对脑电信号进行处理与分析,能够自动提取EEG特征并进行异常识别,从而达到快速检测与辅助诊疗的目的.