基于深度强化学习的云作业调度及仿真研究

针对复杂瞬变的多用户多队列多数据中心云计算环境中作业调度困难的问题,提出一种基于深度强化学习的作业调度方法.建立了云作业调度系统模型及其数学模型,并建立了由传输时间、等待时间和执行时间三部分构成的优化目标.基于深度强化学习设计了作业调度算法,给出了算法的状态空间、动作空间和奖赏函数.设计与开发了云作业仿真调度器,完成作...     

基于投影奖励机制的多机器人协同编队与避障

要：针对多机器人协同编队任务中过度中心化、系统鲁棒性低、编队稳定性较差等问题,提出了基于投影奖励机制的多机器人协同编队与避障（projected reward for multi-robot formation and obstacle avoidance, PRMFO）模型,实现了多机器人基于统一状态表征方法的去中心化决策过程。设计了一种多机器人统一状态表征方法,实现了机器人与外界环境交互信息处理的一致性;基于统一状态表征设计了基于投影的奖励机制,从距离和方向两个维度将奖励过程矢量化,丰富机器人的决策依据;为了解决多机器人系统中过度中心化问题,设置了自主决策层,融合统一状态表征与投影奖励机制的软演员评论家（soft actor-critic, SAC）算法,实现了多机器人协同编队与避障任务。在机器人操作系统（robot operating system,ROS）环境下进行仿真实验,实验数据表明PRMFO模型在单机器人平均回报值、成功率以及时间等指标上分别提高42%、8%、9%,基于PRMFO模型的多机器人编队误差控制在0～0.06范围内,实现了较高精度的多机器人编队。     

基于集合和神经网络架构搜索的自动历史拟合方法

由于人工经验选取的局限性,难以获取决定模型重构精度的最优网络参数是目前使用深度学习方法在自动历史拟合中对油藏地质模型进行降维时的难点之一.针对此问题,通过将深度自编码器与粒子群优化算法相互结合实现最佳网络架构的自动搜索,并以此构建一种基于集合数据同化和神经网络架构自动搜索的油藏自动历史拟合方法.分别对一个二维河流相油藏...     

基于多机协调进相的无功分配方法

针对电网轻负荷运行时段的无功过剩、主网电压升高的问题,提出一种基于多机协调进相运行的无功分配策略.为确定机组最大进相深度,分析了生产厂家、进相试验和PSD-BPA仿真的P-Q曲线(P为有功功率,Q为无功功率),得到机组进相运行特点及差异性,指出多机进相协调运行时,应依据进相机组的当前有功和进相试验曲线得到最大进相深度.以多机进相整体安全裕度最大、各机组安全裕度相近为目标,建立多机协调进相的无功分配模型,并设计了粒子群算法求解模型.最后通过某实际220 kV分区电网仿真分析,验证了方法的有效性.     

基于深度学习的混响感知麦克风阵列语音增强

[目的]针对基于深度神经网络频谱估计的麦克风阵列算法存在数据依赖的问题,提出了一种基于深度学习的混响感知麦克风阵列语音增强算法.[方法]首先利用麦克风阵列波束形成输出与原始信号做互相关,以近似房间冲激响应的形式获取当前环境的混响特性作为LSTM网络的输入,网络模型以干净语音为目标进行训练从而输出房间冲激响应泛化向量,最后通过组合近似房间冲激响应与房间冲激响应泛化向量获得后置抗混响滤波器系数,实现语音增强.[结果]仿真和实验结果中,与波束形成、加权预测误差算法和传统深度学习去混响算法相比,所提出的方法在不同混响场景下具有更好的表现.[结论]本文方法在不同混响场景下都具有相对稳定的抗混响能力,具有较好的泛化性能.     

椭圆方程约束最优控制问题的深度计算

对于PDE约束最优控制问题,传统方法主要借助有限元、有限差分等数值离散手段.本文研究一类受椭圆方程约束的最优控制问题,将问题转化为特定的优化目标,构建出相应的损失函数,最后通过建立深度神经网络来求解.本文给出的深度学习方法具有很好的泛化性,能够求解控制变量无约束和带约束情形.最后实验结果验证了方法的有效性.     

地铁隧道掘进爆破振动监测与爆破参数的优化研究

结合深圳地铁7号线皇—福区间隧道爆破开挖的工程实际,通过理论计算与现场试验的方法,得到了适用于现场地质条件的爆破振动衰减规律。获得了爆破振动回归分析曲线,确定了相应的爆破振动预测公式;同时根据现场试验调整并优化了施工方法及相关的爆破参数。在确保爆破振速和频率满足设计要求的同时,加大了循环进尺,降低了掘进成本,实现了隧道爆破开挖的高效施工;可为后期的爆破设计及施工提供理论依据。     

基于大津算法和深度学习的开集声纹识别自适应阈值计算方法

针对开集声纹识别的自适应阈值计算问题, 提出一种基于大津算法和深度学习的阈值计算方法. 首先, 采用三层受限Boltzmann机堆叠而成的深度置信网络从Mel倒谱系数中提取语音深层特征; 其次, 通过Gauss混合模型计算特征的相似度值, 对特征的相似度值使用大津算法计算阈值. 实验结果表明, 该方法识别效果较理想, 与等错误率计算阈值方法相比, 具有更高的识别准确率.     

基于深度学习的多模态眼科图像回归预测

青光眼是世界第二大致盲性眼病，视网膜神经纤维层（RNFL）缺损是诊断青光眼的重要特征。在临床应用中主要采用光学相干断层扫描（OCT）测量RNFL厚度。然而在我国的多数中小型医院和体检中心，只有眼底照相机而不具备OCT设备。因此利用眼底照和OCT的多模态数据，设计了一种基于眼底照来预测RNFL厚度的深度残差回归神经网络。该网络通过眼底照中的局部区域信息预测此区域的RNFL厚度，并对视盘外围一周范围内的RNFL厚度给出全面的刻画。在一个来自北京同仁医院的真实数据集上的实验结果显示，本文算法预测的RNFL厚度值与OCT测量值具有高度的一致性（对于正常眼平均绝对误差E_MA=14.884，Pearson相关系数r=0.885，决定系数R²=0.781；对于青光眼E_MA=15.108，r=0.872，R²=0.754）。评估结果表明所提方法对基于眼底照预测RNFL厚度具有良好的临床实用性。     

二维材料在人工智能中的应用

二维材料是构建神经形态器件并实现低功耗、微型化和规模化集成的首选材料体系。文章对二维材料在人工智能领域的应用现状、优势和面临的问题进行了简要评述，并对其发展趋势进行了展望。