摘要:精确实时地进行目标检测是自动驾驶车辆能够准确感知周围复杂环境的重要功能之一,如何对周围物体的尺寸、距离、位置、姿态等3D信息进行精准判断是自动驾驶3D目标检测的经典难题.服务于自动驾驶的3D目 标检测已成为近年来炙手可热的研究领域,鉴于此,对该领域主要研究进展进行综述.首先,介绍自动驾驶感知周围环境各相关传感器的特点;其次,介绍3D目标检测算法并按照传感器获取数据类型将其分为:基于单目/立体图像的算法、基于点云的算法以及图像与点云融合的算法;然后,对每类3D目标检测的经典算法以及改进算法进行详细综述、分析、比较,梳理了当前主流自动驾驶数据集及其3D目标检测算法的评估标准,并对现有文献广泛采用的KITTI和NuScenes数据集实验结果进行对比及分析,归纳了现有算法存在的难点和问题;最后,提出自动驾驶3D目标检测在数据处理、特征提取策略、多传感器融合和数据集分布问题方面可能遇到的机遇及挑战,并对全文进行总结及展望.

摘要:多目标跟踪的研究对于构建人、路、车、云协同一体化的智能交通监控系统具有广泛的应用价值,传统手工设计特征的方法对高层信息的表征能力有限,难以进行复杂场景下的多目标跟踪,随着深度学习的发展,多目标跟踪算法的性能取得较大进展.为了宏观把握基于深度学习的多目标跟踪算法的研究进展,首先比较基于检测的跟踪算法、基于联合检测与跟踪算法、基于单目标跟踪器的多目标跟踪算法的优缺点;然后介绍多目标跟踪算法在智能交通监控场景的应用;最后总结目前多目标跟踪存在的问题与挑战,对多目标跟踪算法未来在智能交通领域的发展进行思考和展望.

摘要:针对海洋捕食者算法自适应能力有限、局部桎梏概率高等不足,提出阶段化改进的海洋捕食者算法.在高速度比阶段实施差分演化,在原始猎物群体的变异与交叉中扩大全局探索范围,遍历优化个体质量;引入正余弦算法等概率波动等速度比阶段的并行架构,提升莱维飞行群体与布朗运动群体的灵活性,促进群体间渗透,同节奏优化算法的开发能力与探索能力;融合柯西变异策略与反向学习策略改进低速度比阶段捕食者,生成具备自我调节能力的柯西镜像捕食者,避免迭代末期种群同化过度,强化算法反早熟能力.通过基准函数对比寻优实验及Wilcoxon符号秩检验来评估改进算法的性能,实验结果验证了阶段化改进策略对算法整体表现力的提升.利用改进算法优化在线序列极限学习机参数并应用于变压器故障诊断,进一步验证阶段化改进策略的有效性及工程实用性.

摘要:针对传统模拟退火算法在求解旅行商问题时运行时间长,易陷入局部最优,且随着问题规模的增大缺陷愈发明显的问题,对传统算法的内循环过程和退火机制进行改进,使得内循环的搜索强度根据温度的变化自适应调整,同时提出波动温度控制机制,使得算法在保持温度幅值递减的总趋势下实现多次升温过程,增强求解效果,缩短求解时间,并通过TSPLIB数据库提供的大量实例得以验证.

摘要:为有效改善极限学习机(ELM)的分类识别性能,提出一种融合群集正反向回溯的改进人工生态系统优化算法(IAEO),并用于ELM的超参优选.群集正反向引导机制启发于生态系统中消费者数量因上下级捕食关系的正反向调控机理而被构建,局部回溯开采策略则通过继承种群历史最优信息以动态再挖掘分解者的局部微小邻域,并引导种群进化以实现局部优化性能的改善.数值实验结果表明,两种改进策略可有效改善AEO算法的全局勘探和局部开采性能,IAEO算法具有较高的收敛精度、强稳健性和良好的高维优化适用性;同时验证了所提IAEO算法在ELM超参优化以增强分类泛化性能的有效性和可行性.

摘要:为了解决非仿射非线性多智能体系统在给定时间区间上一致性完全跟踪问题,基于迭代学习控制方法设计一种分布式一致性跟踪控制算法.首先,由引入的虚拟领导者与所有跟随者组成多智能体系统的通信拓扑,其中虚拟领导者的作用是提供期望轨迹.然后,在只有部分跟随者能够获得领导者信息的条件下,利用每个跟随者及其邻居的跟踪误差构造每个跟随者的迭代学习一致性跟踪控制器.同时采用中值定理将非仿射非线性多智能体系统转化仿射形式,并基于压缩映射方法证明所提算法的收敛性,给出算法的收敛条件.理论分析表明,在智能体的非线性函数未知情况下,利用所提算法可以使非仿射非线性多智能体系统在给定时间区间上随迭代次数增加逐次实现一致性完全跟踪.最后,通过仿真算例进一步验证所提算法的有效性.

摘要:针对现有目标检测算法对于小目标检测精度低的问题,提出一种全局与局部图像特征自适应融合的一阶段小目标检测算法SODet.首先,将Transformer与卷积神经网络相结合构建主干网络,分别提取图像全局和局部信息,并利用自适应特征选择模块AFS对二者输出进行融合;然后,在特征融合网络中利用额外尺度特征图进行特征融合,同时利用大目标抑制单元约束大目标特征表达、转移小目标特征,输出4个尺度的特征图送入预测网络;最后,在损失函数部分针对小目标检测利用EIOU和Focal loss进行优化.实验结果表明,SODet算法在MS COCO验证集上$\rm AP_S$达到31.5%,相比于其他算法具有较强的竞争力,同时具有较高的推理速度.

摘要:针对具有连续状态空间的无模型非线性系统,提出一种基于径向基(radial basis function,RBF)神经网络的多步强化学习控制算法.首先,将神经网络引入强化学习系统,利用RBF神经网络的函数逼近功能近似表示状态-动作值函数,解决连续状态空间表达问题;然后,结合资格迹机制形成多步Sarsa算法,通过记录经历过的状态提高系统的学习效率;最后,采用温度参数衰减的方式改进softmax策略,优化动作的选择概率,达到平衡探索和利用关系的目的.MountainCar任务的仿真实验表明:所提出算法经过少量训练能够有效实现无模型情况下的连续非线性系统控制;与单步算法相比,该算法完成任务所用的平均收敛步数更少,效果更稳定,表明非线性值函数近似与多步算法结合在控制任务中同样可以具有良好的性能.

摘要:针对多艘无人水面艇(USV)相遇自主避碰问题,考虑可能存在异常行驶的USV,基于改进动态窗口法(DWA)提出一种包含碰撞风险检测和行驶职责划分的分布式避碰算法.首先,引入障碍物预测轨迹和权重因子改进传统DWA的距离评价函数,提高USV躲避多个动态障碍物的能力,同时,结合国际海上避碰规则(COLREGS)引入新的规则评价函数约束USV的避让动作;然后,引入期望速度和航向改进现有碰撞风险检测算法,减少因碰撞风险变化导致的轨迹波动;接着,针对COLREGS仅规定两船相遇时的行驶职责划分问题,提出一种考虑异常USV的多USV职责划分方法;最后,基于Matlab实现多USV相遇自主避碰仿真.实验结果表明,即使存在异常USV,分布式避碰算法依旧保证正常USV能够作出符合COLREGS的安全避让动作.

摘要:面向机器人柔顺装配圆轴与圆孔零件,建立基于3D、单目视觉与导纳控制的机器人自动装配系统,提出基于三维点云的轴线位姿估计算法、图像深度学习目标检测、导纳控制结合的圆轴孔零件的装配策略.针对3D视觉估计圆孔零件位姿问题,重点研究基于三维点云的轴线位姿估计算法.首先,介绍三维点云关键点选取方法;然后,以点云表面法线与轴线的几何约束为基础,提出并分析轴线粗估计的算法;最后,在轴线粗估计的基础上,提出并分析基于迭代鲁棒最小二乘的轴线位姿优化的算法.实验结果表明:轴线位姿估计的角度均方根误差为0.248$^\circ$,位置均方根误差为0.463mm,与现有流行的轴线估计方法相比,所提方法的精度更高,使装配策略很好地满足了机器人圆形轴孔零件装配的精度高、稳定可靠的要求.

摘要:空中机械臂在外部环境交互作业方面表现出很强的研究和应用价值,但当前系统位姿控制性能较弱、负载能力不足以及续航时间短的问题严重制约其作业能力的提升.鉴于此,设计一种带有绳驱动机械臂的新型空中机械臂系统,并将引入绳驱动机制带来的柔性效应等价到关节处,建立考虑关节柔性的刚柔耦合动力学模型.首先,针对系统在集总干扰下的关节空间轨迹跟踪控制,采用线性扩张状态观测器对集总干扰进行估计和补偿,并采用超螺旋算子和分数阶非奇异终端滑模以保证系统在到达阶段和滑模阶段均有较好的控制性能;然后,在Lyapunov稳定性框架下验证所设计控制器的稳定性;最后,通过可视化仿真和地面实验对所设计控制器的有效性进行验证.实验结果表明,所设计的鲁棒控制器比其他两种现有的控制器具有更快的响应速度、更强的抗干扰能力以及更高的跟踪精度,能够满足绳驱动空中机械臂的控制需求.

摘要:以多视图几何原理为基础,有效结合卷积神经网络进行图像深度估计和匹配筛选,构造无监督单目视觉里程计方法.针对主流深度估计网络易丢失图像浅层特征的问题,构造一种基于改进密集模块的深度估计网络,有效地聚合浅层特征,提升图像深度估计精度.里程计利用深度估计网络精确预测单目图像深度,利用光流网络获得双向光流,通过前后光流一致性原则筛选高质量匹配.利用多视图几何原理和优化方式求解获得初始位姿和计算深度,并通过特定的尺度对齐原则得到全局尺度一致的6自由度位姿.同时,为了提高网络对场景细节和弱纹理区域的学习能力,将基于特征图合成的特征度量损失结合到网络损失函数中.在KITTI Odometry数据集上进行实验验证,不同阈值下的深度估计取得了85.9%、95.8%、97.2%的准确率.在09和10序列上进行里程计评估,绝对轨迹误差在0.007m.实验结果验证了所提出方法的有效性和准确性,表明其在深度估计和视觉里程计任务上的性能优于现有方法.

摘要:在使用多微波源阵列进行空间功率合成的微波应用装置时,如何协同多微波源馈入功率的状态信息以利用温度分布的自组织特性优化温度均匀性是研究的重点.为此,一方面,提出微波源构成智能体的必要要素,并构建技术方案.在此基础上,引入基于代数图论的二阶非全连接通信拓扑一致性算法协同多微波源的功率馈入状态信息,保证在利用自组织特性优化温度分布的过程中不会有新的热点产生;另一方面,使用有限元方法,构建解决整型变量和连续型变量混合优化的数值计算模型,开展优化温度场分布均匀性的有效计算.最后通过仿真实验验证微波源智能体化方案的有效性,数值计算结果表明:所提模型较通用加热模型在各水平和铅垂截面能够分别提升24.3%sim55.5%和20.4%sim82.9%的均匀性;同时能提升10.0%sim43.7%的热能转化效率.以上结果验证了所提基于一致性理论的多源微波加热温度均匀性优化方法是可行且高效的.

摘要:针对自抗扰控制器在热力系统高阶大惯性过程控制中效果不佳的问题,提出一种利用高阶系统模型信息进行补偿的自抗扰控制器设计方法.基于理论分析,给出各可调参数的物理意义及其定量化参数整定方法,并从观测误差、开环频率特性和参数稳定域等方面分析补偿自抗扰控制器能够提高控制效果的原因.仿真对比实验和鲁棒性检验结果表明,所提方法在设定值跟踪、抗扰能力和性能鲁棒性方面均优于PI/PID,同时能够显著改善低阶自抗扰控制器对高阶大惯性过程的控制效果,具有很好的工程推广潜力.

摘要:针对机电伺服系统精确动力学模型难以获取以及系统状态信息的测量易受噪声影响的问题,设计一种基于指令滤波与神经网络相结合的非线性反步控制算法,该算法能够有效地补偿未建模动态和外部扰动对机电伺服系统的影响.首先,引入指令滤波器来获取已知信号的微分估计并处理噪声;其次,利用神经网络估计未知的系统动态,包括未建模的摩擦和外部干扰;然后,神经网络权值的更新律通过梯度下降算法在线实现,没有离线学习阶段;最后,利用李雅普诺夫函数分析方法证明闭环系统的稳定性.为验证所提出算法的有效性,在机电伺服实验平台上进行大量对比实验,实验结果表明,所提出的算法具有良好的控制效果,对系统不确定性和外部干扰具有良好的鲁棒性.

摘要:近年来,许多基于深度学习的方法被用于故障诊断领域,并且取得了良好的效果,但是发电机故障样本数据难以获取,在数据量较少的情况下,基于深度学习的方法存在过拟合现象,导致模型泛化能力差、诊断精度不高.为了解决这一问题,提出一种基于随机变分推理贝叶斯神经网络的故障诊断方法.该方法以贝叶斯推理与随机变分推理为基础,可以根据少量数据得到较为可靠的模型,获得网络各层参数的概率分布,有效解决过拟合的问题.采用证据下限(evidence lower bound,ELBO)派生类函数TraceGraph ELBO进行随机变分推理,解决派生类函数Trace ELBO诊断精度较低的问题.将所提方法应用于发电机轴承的故障诊断,并与其他方法对比,结果表明,所提方法在故障样本数据量较少的情况下具有较高的诊断性能.

摘要:信息社会中,基于用户的历史活动轨迹发掘和预测人类位置轨迹及活动规律至关重要.已有研究大多采用基于时间和轨迹间相似度分类的马尔可夫模型,忽略了不同出行方式下的移动规律差异.对此,区别不同出行方式,基于轨迹的速度、加速度和航向变化速度等特征,用XGBoost算法识别轨迹所对应的出行方式,并采用基于优化的轨迹分割算法,将人类出行轨迹按出行方式分解成多个轨迹,采用由不同出行方式轨迹建立的马尔可夫模型实现出行轨迹的精准预测.实验表明,不同出行方式的轨迹的移动规律存在显著差异,且所提出方法的预测精度和距离偏差明显优于几个基准方法.

摘要:在巡游模式下,出租车与乘客间供需不易匹配,造成出租车空载和乘客打车难现象并存,准确高效地实现路网出租车需求预测有利于有效缓解这一问题.针对现有交通流预测模型对空间特征提取不充分,特别是对城市路网内路段之间的空间关系没有全面挖掘这一问题,充分考虑路网内路段间的3种空间关系,对其分别构建路段间的局部关系图、路段全局关系图和路段OD次数关系图,提出一种由图卷积网络与时间卷积网络相结合的出租车需求预测模型.其中,采用图卷积网络对城市路网内路段的空间关系特征进行挖掘,采用时间卷积网络对交通数据集中的时间序列特征进行挖掘,并且考虑外部因素的影响.实验中,首先从真实出租车GPS轨迹数据中提取城市路网中各个路段的出租车出行量,并利用道路上在多个时隙形成的出行量序列对预测模型进行验证.结果表明,相比其他交通流预测模型,所提出的预测模型具有较优的平均绝对误差、均方根误差和平均绝对百分误差.

摘要:宽度学习系统(BLS)是最近提出的一种准确且高效的新兴机器学习算法,已在分类、回归等问题中展现出优越的学习性能.然而,传统BLS以最小二乘作为学习准则,易受到离群值的干扰从而生成不准确的学习模型.鉴于此,提出一种基于M-estimator的鲁棒宽度学习系统(RBLS).与BLS不同,RBLS在学习模型中使用具有鲁棒特性的M-estimator代价函数替代传统的最小二乘代价函数,并采用拉格朗日乘子法和迭代加权最小二乘方法进行优化求解.在迭代学习过程中,正常样本和离群值样本将根据其训练误差的大小而被逆向赋予不同的权重,从而有效地抑制或消除离群值误差对学习模型的不利影响.实验结果表明,作为一种统一的鲁棒学习框架,RBLS可以融合使用不同的M-estimator加权策略,且能够取得更好的泛化性能和鲁棒性.

摘要:密度峰值聚类(DPC)算法是一种新颖的基于密度的聚类算法,其原理简单、运行效率高.但DPC算法的局部密度只考虑了样本之间的距离,忽略了样本所处的环境,导致算法对密度分布不均数据的聚类效果不理想;同时,样本分配过程易产生分配错误连带效应.针对上述问题,提出一种基于相对密度估计和多簇合并的密度峰值聚类(DPC-RD-MCM)算法.DPC-RD-MCM算法结合K近邻和相对密度思想,定义了相对K近邻的局部密度,以降低类簇疏密程度对类簇中心的影响,避免稀疏区域没有类簇中心;重新定义微簇间相似性度量准则,通过多簇合并策略得到最终聚类结果,避免分配错误连带效应.在密度分布不均数据集、复杂形态数据集和UCI数据集上,将DPC-RD-MCM算法与DPC及其改进算法进行对比,实验结果表明:DPC-RD-MCM算法能够在密度分布不均数据上获得十分优异的聚类效果,在复杂形态数据集和UCI数据集的聚类性能上高于对比算法.

摘要:城市公交系统由于受外界干扰,其需求和运行环境在时空上呈现高度不确定性,给日常运营组织带来了巨大挑战.为增强公交系统对于客流需求和运行场景双重不确定性的应对能力,提出一种权衡服务质量和服务鲁棒性的单一线路时刻表优化方法.方法采用离散场景集刻画需求的不确定性,并以滞留人数的期望值和条件风险值最小化为目标,综合考虑多方面约束,构建多场景耦合的分布鲁棒优化模型(DRO).为方便模型求解,运用模糊集描述场景发生概率的不确定性,再借助对偶理论和常规线性化方法将原模型转化为等价的混合整数线性规划形式.最后通过实际案例对方法进行分析,结果表明:等价转换得到的线性形式可由GUROBI优化软件快速求得最优解;DRO模型所得时刻表能有效应对双重不确定性;随着不确定性的上升,分布鲁棒优化方法相较于传统随机规划方法体现出更强的鲁棒性,可以切实改善公交系统运营的稳定性.

摘要:列车停站方案与列车时刻表协同优化能够克服两者单独优化难以实现系统最优的弊端,从而可以得到旅客满意和企业期望的运营方案.首先,针对多场景不确定旅客需求概率分布信息已知的情形,综合考虑轨道与车站站线占用等约束,以极小化列车总行程时间、各场景未被满足旅客需求以及列车冗余之和为目标,构建列车停站方案与时刻表两阶段随机规划模型.在此基础上,进一步考虑旅客需求场景概率分布信息部分已知的情形,构建与之相对应的两阶段分布鲁棒优化模型.其次,借助$L_\infty$范数非精确集,将所构建的列车停站方案与时刻表两阶段分布鲁棒协同优化模型转换为等价的混合整数线性规划模型,并利用Visual C++平台调用GUROBI进行求解.最后,将所构建模型应用到武汉-广州高速铁路走廊上验证其有效性,结果表明,相比于随机优化模型,分布鲁棒优化模型只需付出较小的代价,即可抵御旅客需求概率分布不确定性带来的影响,且可以改善最坏情形下解的质量,为得到鲁棒性较强的铁路列车停站方案与时刻表提供一定的理论依据.

摘要:针对固定翼无人机密集编队穿越门框的任务场景,提出系统编队穿越方案.首先,根据机载相机测量信息,提出基于视线角的制导策略,能够快速调整机头指向对准门框;其次,为了提高成功穿越的可靠性以及解决视线遮挡问题,提出基于门框位置解算的协同制导策略;然后,针对复赛存在导航干扰情况,在水平方向上设计基于特征点测量的惯性导航算法,在垂直方向采用基于微分滤波的气压高度和升降率提取方法,并且利用视线角穿越门框,设计基于距离控制的编队控制律;最后,设计相应的固定翼无人机系统,并以7机编队的形式参加了2021年“无人争锋”极速穿越比赛,参赛结果验证了所提出极速穿越方法的有效性.

摘要:复合绝缘子在电力传输系统中,主要功能是实现电气绝缘和机械固定,即在输电线路中防止电流回地和支撑导线.复合绝缘子在规定的机、电负荷和各种环境条件下长期运行会产生劣化,也会遭受过电压、机械应力等外部冲击.复合绝缘子长期暴露在自然环境下的可靠性,对其生产商和线路传输具有重要作用.首先,针对复合绝缘子的老化失效问题,考虑疏水性的自康复过程,对复合绝缘子建立一个自然退化与多种外部冲击共同作用的相依竞争失效模型;然后,对复合绝缘子的可靠度和平均使用寿命进行研究,用极大似然估计的方法对模型中的参数进行估计;最后,利用数值模拟验证模型的有效性.

摘要:脑功能连接判别特征可以作为神经精神类疾病诊断的一种生物标记物,利用机器学习方法对其进行识别是脑科学研究中的一项重要课题.已有脑功能连接生物标记物的识别方法大都忽视了脑功能连接数据高维、连续、多噪声的特性对识别性能的影响,导致所得到的生物标记物的分类能力不强.对此,提出一种基于邻域决策粗糙集的脑功能连接生物标记物识别方法.首先,针对脑功能连接数据连续性和高噪声的特点,引入能有效处理连续和高噪声数据的邻域决策粗糙集来识别分类能力更强的脑功能连接判别特征作为生物标记物;其次,针对脑功能连接数据的高维特点,通过快速生成邻域和缩小特征搜索空间来保证邻域决策粗糙集识别脑功能连接生物标记物的效率.在ABIDE I和ADNI数据集上的实验结果表明,所提出方法能够准确快速地获得分类能力更强的脑功能连接判别特征,有望为神经精神类疾病的诊断提供更准确的生物标记物.

摘要:为解决变压器检测机器人在变质、变色的变压器油内部采集的图像存在色彩失真、对比度低等问题,提出一种变压器油下图像融合增强算法.首先,利用完美反射算法对图像进行白平衡处理,以消除油下光照强度不均匀对图像颜色的影响,使得色彩更加均衡;然后,对色彩校正的图像进行自适应伽马校正,以提高图像的对比度;最后,采用多尺度融合策略将色彩校正后的图像与自适应伽马校正处理后的图像进行融合,得到变压器油下清晰的图像.实验结果表明,经所提出算法处理后的变压器油下图像色彩鲜明、细节丰富,与原始图像相比,图像质量评价指标(UCIQE)、特征点匹配个数以及信息熵均有显著提高,能够为变压器内部故障检测提供清晰的数据.

摘要:针对当前综合评价大多集中在静态评价以及属性权重未知的问题,在直觉模糊语言环境下提出一种三维动态评价方法.首先,利用模糊质量功能展开求解指标权重以弥补传统主客观确权方法的不足,体现指标越能表征顾客需求贡献度权重越大的赋权思路;其次,考虑到评价指标间的相互关系也会影响最终的评价结果,引入幂平均算子并将其扩展到直觉模糊语言集中,通过直觉模糊语言幂加权平均算子集结多属性信息得到静态综合评价值;接着,在静态评价值求解的基础上,基于全局信息定义分层激励因子和阶段信息定义成长因子分别对评价基础值的增长态势和增长趋势进行测度,构建基于评价基础值、变化状态与发展趋势的三维动态评价指数模型;最后以小微企业的信用评价为例验证所提出方法的有效性和可行性.

摘要:针对概率语言信息下产品服务模块双边匹配问题,考虑匹配主体间的相互作用与影响以及决策者的心理行为,提出一种基于BWM(best-worst method)、DEMATEL(decision making trial and evaluation laboratory)权重确定方法和改进TODIM的概率语言双边匹配方法.首先,通过BWM方法和概率语言DEMATEL方法确定各匹配模块综合权重;然后,通过TODIM方法计算产品服务模块的总体优势度,得到产品服务模块双边匹配满意度矩阵;接着,在此基础上,构建以产品和服务效用达到最大的多目标优化模型,利用线性加权法将其转化为单目标模型求解,进而得到最优匹配方案;最后,通过新能源汽车产品服务匹配的案例,验证所提出方法的有效性和可行性,为新能源汽车产品与服务融合发展提供新方向.

摘要:针对稀土萃取过程进行质量监控时,存在采集样本重复率高、有效数据少的小样本问题,提出一种基于混合虚拟样本生成的稀土萃取过程组分含量预测方法.首先,以萃取现场的小样本为基础,采用中点插值法生成虚拟样本输出数据,再根据随机配置网络(SCN)中隐含层与输出层、输入层与隐含层间的映射关系,生成虚拟样本输入数据;鉴于这些虚拟样本仅能在邻近点产生,采用结合遗传算法(GA)的多分布趋势扩散技术(MD-MTD)生成优化的虚拟样本集进行补充.依据数据合理性原则,将虚拟样本与真实小样本进行融合,建立基于SCN的组分含量预测模型.铈镨/钕萃取现场数据验证和对比实验分析表明,所提出的方法能有效解决小样本问题,适用于稀土萃取过程组分含量监控.

摘要:多人在线战术竞技(MOBA)游戏是当前世界最流行的电子游戏类型之一,该类游戏涉及的知识领域相当复杂.随着电子竞技产业的飞速发展,数据分析对MOBA游戏的影响也越来越大,在对该类游戏的实时局势进行评价时,一般是选择过程变量作为指标,例如经济差、经验差,但目前缺少趋势预测的相关研究.针对该问题,提出一种基于序列到序列结构的MOBA游戏趋势预测模型(MOBA-Trend).在预处理阶段,针对该类游戏数据的特点,设计一种数据缩放算法体现数据间的重要度,并使用低通滤波器消除数据噪声;之后将双方阵容与历史战斗信息作为输入特征,构建带有注意力机制的序列模型,同时预测经济差、经验差;最后将模型应用于Dota2,构建并发布相关数据集.实验结果表明,所提出的模型能够有效地预测序列的变化趋势.

摘要:为设计出简便高效的方法搜索最优神经网络结构,提出一种改进鲸鱼优化算法的浅层神经网络搜索方法.该方法首先通过模拟鲸鱼狩猎的个体偏好行为和鲸鱼群位置移动的非线性权值更新机制对传统鲸鱼优化算法进行改进;然后将改进鲸鱼优化算法作为浅层BP神经网络结构搜索策略,构建基于浅层BP神经网络的最优网络结构的权值阈值搜索优化方法.数值实验结果表明,改进的鲸鱼优化算法不仅在求解不同维复杂函数上具有良好的寻优性能,而且通过改进鲸鱼优化算法搜索得到的最优浅层BP神经网络结构在回归任务中具有更好的预测精度和泛化性能.