MADDPG算法并行优先经验回放机制

多智能体深度确定性策略梯度(multi-agent deep deterministic policy gradient,MADDPG)算法是深度强化学习方法在多智能体系统(multi-agent system,MAS)领域的重要运用,为提升算法性能,提出基于并行优先经验回放机制的MADDPG算法.分析算法框架及训练方...     

基于特征值反问题下的图像修复

图像的分割与修复是图像识别技术的关键所在。图像数据在计算机中以矩阵的形式存在,结合特征值反问题对缺损图像所生成的缺损矩阵进行修复。首先提出两类新的特征值反问题,提供唯一解证明的方法;其次将问题的解法应用于缺失图像的修复并分析图像修复的效果。     

基于经验模态分解的多模型融合售电量预测模型

售电量预测的精度是影响售电公司利润的一个重要因素.传统售电量预测方法难以解决售电量数据序列的趋势性、周期性与随机性等问题.为此,本文提出一种多模型融合的售电量预测方法.首先,采用基于经验模态分解方法将日和月度售电量分解为高、中、低频分量,构建三种独立的基模型,分别对不同频分量进行预测;然后,基于历史数据和同期的外部因素...     

波流作用近海风机单桩基础局部冲刷深度预测

在波浪和潮流的联合作用下,海上风电单桩基础的局部冲刷机理相对复杂,导致现有局部冲刷深度计算方法存在差异,基于量纲分析原理,考虑波流作用下单桩局部冲刷的主要影响因素,结合已有试验资料,提出适用于波流作用下的单桩基础局部冲刷深度预测公式.结合江苏如东海上风电场的冲刷监测数据,应用4种统计学评价指标,对比国内规范公式、DNV规范公式、HEC-18公式、Rudolph公式、Raaijmakers公式和所提出公式的预测值,结果表明,所提出公式的预测值与现场监测数据吻合较好,其相对误差、平均相对误差(20.10%)、方差(3.90%)和归一化方差(3.93%)均小于其他预测公式,从而验证了所提出的局部冲刷深度预测公式的适用性和有效性.该研究为海上风电局部冲刷设计提供了理论参考.     

饮用水水质问题及深度处理方法

世界各国经济迅速发展,现代化工业,尤其是合成化工业更是突飞猛进,生产过程中产生大量的化学物质,这些化学物质的大部分通过人类活动进入水体,使接纳水体的物理化学性状发生了显著的变化,日益严重的水污染使得城市饮用水源频频告急,传统的自来水处理流程已经明显无法保证对现有水源的处理效果,面对饮用水有机污染的现状,必须寻求新的深度处理方法。     

基于多模态深度神经网络的抓取检测方法

针对机器人抓取检测任务中对未知物体抓取检测精度低的问题,本文提出了一种多模态深度神经抓取检测模型。首先,在RGB和深度两个通道中引入残差模块以进一步提升网络的特征提取能力。接着,引入多模态特征融合模块进行特征融合。最终通过全连接层回归融合特征以得到最佳抓取检测结果。实验结果表明,在Cornell抓取数据集上,本文方法的图像拆分检测精度达到95.7%,对象拆分检测精度达到94.6%。此外,本文还通过消融实验证明了引入残差模块可以提高网络抓取检测性能。     

基于YOLOv5s-FCS的钢材表面缺陷检测

针对传统钢材表面缺陷检测方法易出现误检、漏检和部分缺陷种类检测精度低等问题,本文设计了一种钢材表面缺陷网络YOLOv5s-FCS。首先本文引用了FReLU激活函数构建了卷积模块CBF,有效增强了网络的空间解析能力,优化了网络检测精度;其次,本文将坐标注意力机制嵌入到网络的neck部分来增强网络特征融合的能力,从而使网络能够提取更加丰富的特征信息;最后,将YOLOv5s的损失函数替换为SIoU loss,提高了预测框的回归精度。通过在NEU-DET数据集上进行消融实验、可视化对比实验,结果表明,YOLOv5s-FCS网络的mAP值达到了0.747,相较于原YOLOv5s网络提高了8.3%,相较于YOLOv3网络提高了11.8%,相较于YOLOXs网络提高了4.2%,相较于YOLOv6s提高了1.4%,验证了该方法的可行性、有效性。     

基于多尺度特征混合注意力的连续帧深度估计

目的 估计获取拍摄物体到相机之间距离的深度信息是单目视觉 SLAM 中获取深度信息的方法,针对无监督单目深度估计算法出现精度不足以及误差较大的问题,提出基于多尺度特征融合的混合注意力机制的连续帧深度估计网络。 方法 通过深度估计和位姿估计的两种编码器解码器结构分别得到深度信息和 6 自由度的位姿信息,深度信息和位姿信息进行图像重建与原图损失计算输出深度信息,深度估计解码器编码器结构构成 U 型网络,位姿估计网络和深度估计网络使用同一个编码器,通过位姿估计解码器输出位姿信息;在编码器中使用混合注意力机制 CBAM 网络结合 ResNet 网络提取四个不同尺度的特征图,为了提升估计的深度信息轮廓细节在提取的每个不同尺度的特征中再进行分配可学习权重系数提取局部和全局特征再和原始特征进行融合。 结果 在 KITTI 数据集上进行训练同时进行误差以及精度评估,最后还进行了测试,与经典的 monodepth2 单目方法相比误差评估指标相对误差、均方根误差和对数均方根误差分别降低 0. 034、0. 129 和 0. 002,自制测试图片证明了网络的泛化性。 结论使用混合注意力机制结合的 ResNet 网络提取多尺度特征,同时在提取的特征上进行多尺度特征融合提升了深度估计效果,改善了轮廓细节。     

改进的量子彩色图像中值滤波算法

图像处理任务中广泛应用中值滤波器来平滑图像和消除幅度极大或极小的噪声,并且可以保持图像的边缘特性,不会使图像产生明显模糊。提出一种改进的空间域量子彩色图像中值滤波算法,并且在IBM Q(international business machines quantum)平台上进行仿真。该算法将量子彩色图像进行存储,利用量子比较器模块、量子控制交换器模块、中值计算模块和阈值模块设计量子彩色图像中值滤波的量子线路。相较于已有的量子彩色图像中值滤波算法,在进行中值滤波之前加入了阈值进行噪声判断,该算法滤波效果更好,同时时间复杂度也更低。     

基于ROAMP-Net的大规模MIMO系统智能信号检测方法

针对大规模多输入多输出(multiple-input multiple-output,MIMO)系统存在的信号检测计算复杂度高、检测精度不足等问题,参考OAMP-Net算法思想,引入残差结构,提出了一种新的智能信号检测网络模型ROAMP-Net。将正交近似消息传递(orthogonal approximate message passing,OAMP)估算信号的迭代过程展开为深度学习网络,同时引入残差结构,分别对各网络层的线性和非线性估计值进行逐层修正,有效防止估计误差的前向传播和过程积累,避免网络模型随着网络层数增加而发生性能退化,从而提高最终信号检测的准确度。针对不同调制方式和不同天线阵列的系列仿真实验结果表明,不同调制方式和天线阵列下ROAMP-Net在检测准确度上均有不错的性能表现。