搜索结果: 91-105 共查到“知识库 计算机科学技术”相关记录38417条 . 查询时间(6.169 秒)
智能电网虚假数据注入攻击弹性防御策略的拓扑优化
智能电网 虚假数据注入攻击 攻击防御 拓扑图论
2024/1/17
基于虚拟隐含网络的虚假数据注入攻击(False data injection attack,FDIA)防御控制策略,本文提出了一种基于图论的拓扑优化算法来提高其防御性能.首先,提出了一种图的等效变换方法—权值分配法,实现二分图连接拓扑与二分图拉普拉斯矩阵的一一对应;进而基于网络拓扑的连通度以及连通图的可去边理论,给出了虚拟隐含网络和二分图连接网络的拓扑选择依据;在考虑拓扑权值的基础上,给出了权值拓...
基于跨模态实体信息融合的神经机器翻译方法
实体重构 跨模态学习 多任务学习 多模态机器翻译
2024/1/16
现有多模态机器翻译(Multi-modal machine translation,MMT)方法将图片与待翻译文本进行句子级别的语义融合.这些方法存在视觉信息作用不明确和模型对视觉信息不敏感等问题,并进一步造成了视觉信息与文本信息无法在翻译模型中充分融合语义的问题.针对这些问题,提出了一种跨模态实体重构(Cross-modal entity reconstruction,CER)方法.区别于将完整...
切换拓扑下动态事件触发多智能体系统固定时间一致性
多智能体系统 固定时间一致性 动态事件触发控制 切换拓扑
2024/1/16
针对有扰动的一阶非线性多智能体系统在切换拓扑下的实际固定时间平均一致性问题,提出了基于动态事件触发机制的固定时间一致性协议.该一致性协议在节约更多资源的情况下,使多智能体系统以更快的速度达到一致.相对于有限时间一致性控制算法,固定时间一致性控制算法的收敛时间不依赖于初始状态,并且可以通过选择合适的控制器参数设定相应的收敛时间上界.通过设计一个包含双曲正切函数的测量误差,证明系统不存在Zeno行为....
一种空间几何角度最大化的随机增量学习模型及应用
随机权神经网络 增量学习 空间几何角度最大化约束 无限逼近性
2024/1/16
针对随机权神经网络(Random weight neural networks,RWNNs)隐含层节点随机生成过程可解释性不足和节点随机生成而导致的网络结构不紧致等问题,提出了一种空间几何角度最大化随机增量学习模型(Stochastic incremental learning model with maximizing spatial geometry angle,SGA-SIM).首先,以空间...
基于广义PI观测器零点配置的抗扰残差评估和故障检测
故障检测 广义比例积分观测器 零点配置 条件数
2024/1/16
对一类存在周期性扰动的系统,提出一种新型的基于广义比例积分(Proportional-integral,PI)观测器零点配置的抗扰残差评估框架.充分利用广义PI观测器的零点可配置性,通过调整传递函数矩阵在阻塞零点处的相位响应,并利用该频点处矩阵的零特征向量对残差信号进行滤波,实现残差信号与周期性扰动的解耦.此外,还创新性地提出一种基于矩阵条件数的优化目标函数,改善了残差信号对故障的敏感性.最后,通...
基于剪枝堆栈泛化的离线数据驱动进化优化
堆栈泛化 代理模型 离线数据驱动优化 进化计算
2024/1/16
现实世界中存在很多目标函数的计算非常昂贵,甚至目标函数难以建模的复杂优化问题.常规优化方法在解决此类问题时要么无从入手,要么效率低下.离线数据驱动的进化优化方法不需对真实目标函数进行评估,跳出了传统优化方法的固铚,极大推动了昂贵优化问题和不可建模优化问题的求解.但离线数据驱动进化优化的效果严重依赖于所采用代理模型的质量.为提升离线数据驱动进化优化的性能,提出了一个基于剪枝堆栈泛化(Stacked ...
具身智能强调智能受脑、身体与环境协同影响,更侧重关注智能体与环境的“交互”.因此,在具身智能的研究中,智能体的物理形态与感知、学习、控制的关系起到至关重要的作用.当前,具身智能综合吸收了机构学领域关于形态、结构,机器学习领域关于感知、学习,以及机器人领域关于行为、控制等的相关研究成果,形成了相对完整、独立并仍在蓬勃发展的学科分支。
一种基于自监督学习的矢量球面卷积网络
矢量球面卷积网络 自监督学习 三维目标分类 三维目标部分分割
2024/1/17
在三维视觉任务中,三维目标的未知旋转会给任务带来挑战,现有的部分神经网络框架对经过未知旋转后的三维目标进行识别或分割较为困难.针对上述问题,提出一种基于自监督学习方式的矢量型球面卷积网络,用于学习三维目标的旋转信息,以此来提升分类和分割任务的表现.首先,对三维点云信号进行球面采样,映射到单位球上;然后,使用矢量球面卷积网络提取旋转特征,同时将随机旋转后的三维点云信号输入相同结构的矢量球面卷积网络提...
作为聚类的重要组成部分,边界点在引导聚类收敛和提升模式识别能力方面起着重要作用,以BP(Border-peeling clustering)为最新代表的边界剥离聚类借助潜在边界信息来确保簇核心区域的空间隔离,提高了簇骨架代表性并解决了边界隶属问题.然而,现有边界剥离聚类仍存在判别特征不完备、判别模式单一、嵌套迭代等约束。
何天平:从文本构造到界面连接:生成式AI对数字新闻叙事的重塑
文本构造 界面连接 生成式AI 数字新闻叙事
2024/1/2
周葆华:ChatGPT的三重理解:研究对象、概念与方法
ChatGPT 三重理解 研究对象
2023/7/17
铁水硅含量是反映高炉冶炼过程中热状态变化的灵敏指示剂,但无法实时在线检测,造成铁水质量调控盲目.为此,提出一种基于动态注意力深度迁移网络(Attention deep transfer network,ADTNet)的高炉铁水硅含量在线预测方法.首先,针对传统深度网络静态建模思路无法准确描述过程变量与铁水硅含量之间的关系,提出一种基于注意力机制模块的输入过程变量与输出硅含量之间的动态关系描述方法。
在场景文本检测方法中,文本实例的边缘特征与其他特征在大多数模型中都是以同样的方式进行处理,而准确检测相邻文本边缘区域是正确识别任意形状文本区域的关键之一.如果对边缘特征进行增强并使用独立分支进行建模,必能有效提高模型的标识准确率.为此,提出了三个用以增强边缘特征的网络模块。
兵棋推演的智能决策技术与挑战
兵棋推演 人机对抗 智能决策技术 博弈学习
2024/1/17
近年来,以人机对抗为途径的智能决策技术取得了飞速发展,人工智能(Artificial intelligence,AI)技术AlphaGo、AlphaStar等分别在围棋、星际争霸等游戏环境中战胜了顶尖人类选手.兵棋推演作为一种人机对抗策略验证环境,由于其非对称环境决策、更接近真实环境的随机性与高风险决策等特点,受到智能决策技术研究者的广泛关注。