2.793

                    2018影響因子

                    (CJCR)

                    • 中文核心
                    • EI
                    • 中國科技核心
                    • Scopus
                    • CSCD
                    • 英國科學文摘

                    留言板

                    尊敬的讀者、作者、審稿人, 關于本刊的投稿、審稿、編輯和出版的任何問題, 您可以本頁添加留言。我們將盡快給您答復。謝謝您的支持!

                    姓名
                    郵箱
                    手機號碼
                    標題
                    留言內容
                    驗證碼

                    優先發表

                    優先發表欄目展示本刊經同行評議確定正式錄用的文章,這些文章目前處在編校過程,尚未確定卷期及頁碼,但可以根據DOI進行引用。
                    顯示方式:
                    通信延時環境下基于觀測器的智能網聯車輛隊列分層協同縱向控制
                    朱永薪, 李永福, 朱浩, 于樹友
                    , doi: 10.16383/j.aas.c210311
                    摘要:
                    考慮通信延時影響的車輛隊列控制問題, 本文提出了一種基于觀測器的分布式車輛隊列縱向控制器. 首先, 基于分層控制策略分別設計上下層控制器, 通過上層控制器優化期望加速度, 下層控制器克服車輛模型非線性實現期望加速度和實際加速度的一致, 上層控制器設計過程中, 基于三階線性化車輛模型, 考慮觀測器、車輛動態耦合特性和通信延時, 提出一種通信延時環境下基于觀測器的車輛隊列控制器, 利用觀測器估計領導車輛加速度信息從而減輕通信負擔. 然后利用Lyapunov-Krasovskii方法分析了車輛隊列的穩定性, 并得出了通信延時上界, 同時利用傳遞函數方法分析了串穩定性. 最后通過數值仿真驗證上層控制器的有效性和穩定性, 在此基礎上, 利用PreScan軟件中高保真車輛動態模型, 驗證了所提分層控制策略的有效性.
                    基于深度學習LDAMP網絡的量子狀態估計
                    林文瑞, 叢爽
                    , doi: 10.16383/j.aas.c210156
                    摘要:
                    本文設計出一種基于學習去噪的近似消息傳遞(Learned denoising-based approximate message passing, LDAMP)的深度學習網絡, 將其應用于量子狀態的估計. 該網絡將去噪卷積神經網絡(Denoising convolutional neural network, DnCNN)與基于去噪的近似消息傳遞(Denoising-based approximate message passing, DAMP)算法相結合, 利用量子系統輸出的測量值作為網絡輸入, 通過設計出的帶有DnCNN的LDAMP網絡重構出原始密度矩陣, 從大量的訓練樣本中提取各種不同類型密度矩陣的結構特征, 來實現對量子本征態、疊加態以及混合態的估計. 在對4個量子位的量子態估計的具體實例中, 我們分別在無和有測量噪聲干擾情況下, 對基于LDAMP網絡的量子態估計進行了仿真實驗性能研究, 并與基于壓縮感知的交替方向乘子法(Alternating direction multiplier method, ADMM)和三維塊匹配近似消息傳遞(Block matching 3D AMP, BM3D-AMP)等算法進行估計性能對比研究. 數值仿真實驗結果表明, 所設計的LDAMP網絡可以在較少的測量的采樣率下同時完成對四種量子態的更高精度估計.
                    帶時間相關乘性噪聲多傳感器系統的分布式融合估計
                    馬靜, 楊曉梅, 孫書利
                    , doi: 10.16383/j.aas.c210147
                    摘要:
                    本文研究了帶時間相關乘性噪聲多傳感器系統的分布式融合估計問題. 其中時間相關的乘性噪聲滿足一階Gauss-Markov過程. 通過引入虛擬狀態和虛擬過程噪聲, 構建了虛擬狀態的遞推方程. 基于新息分析方法, 分別對系統狀態和虛擬狀態設計了局部一步預報器. 然后基于一步預報器設計了狀態的局部線性濾波器、多步預報器和平滑器. 推導了任意兩個局部狀態估計誤差之間的互協方差矩陣. 進而, 基于線性最小方差意義下的矩陣加權、對角矩陣加權和標量加權融合算法, 給出了相應的分布式融合狀態估值器. 最后, 分析了算法的穩定性. 仿真研究驗證了所提算法的有效性.
                    基于多維度特征融合的云工作流任務執行時間預測方法
                    李慧芳, 黃姜杭, 徐光浩, 夏元清
                    摘要:
                    任務執行時間估計是云數據中心環境下工作流調度的前提. 本文針對現有工作流任務執行時間預測方法缺乏類別型和數值型數據特征的有效提取問題, 提出了基于多維度特征融合的預測方法. 首先, 通過構建具有注意力機制的堆疊殘差循環網絡, 將類別型數據從高維稀疏的特征空間映射到低維稠密的特征空間, 以增強類別型數據的解析能力, 有效提取類別型特征. 其次, 采用極限梯度提升算法對數值型數據進行離散化編碼, 通過對稠密空間的輸入向量進行稀疏化處理, 提高了數值型特征的非線性表達能力. 在此基礎上, 設計多維異質特征融合策略, 將所提取的類別型、數值型特征與樣本的原始輸入特征進行融合, 建立基于多維融合特征的預測模型, 實現了云工作流任務執行時間的精準預測. 為了驗證本文方法的有效性和優越性, 我們在真實云數據中心集群數據集上進行了仿真實驗. 結果表明相對于已有的基準算法, 本文方法具有較好的預測精度, 可用于大數據驅動的云工作流任務執行時間預測.
                    面向網絡空間防御的對抗機器學習研究綜述
                    余正飛, 閆巧, 周鋆
                    , doi: 10.16383/j.aas.c210089
                    摘要:
                    機器學習以強大的自適應性、自學習能力, 成為網絡空間防御的研究熱點和重要方向. 然而, 機器學習模型在網絡空間環境下存在受到對抗攻擊的潛在風險, 可能成為防御體系中最為薄弱的環節, 從而危害整個系統的安全. 為此, 科學分析安全問題場景, 從運行機理上探索算法可行性、安全性, 對運用機器學習模型構建網絡空間防御系統大有裨益. 本文全面綜述對抗機器學習這一跨學科研究領域在網絡空間防御中取得的成果及以后的發展方向. 首先介紹了網絡空間防御、對抗機器學習等背景知識. 其次, 針對機器學習在網絡空間防御中可能遭受的攻擊, 引入機器學習敵手模型概念, 目的是科學評估其在特定威脅場景下的安全屬性. 而后, 針對網絡空間防御的機器學習算法, 分別論述了在測試階段發動規避攻擊、在訓練階段發動投毒攻擊、在機器學習全階段發動隱私竊取的方法, 進而研究如何在網絡空間對抗環境下, 強化機器學習模型的防御方法. 最后, 展望了網絡空間防御中對抗機器學習研究的未來方向和有關挑戰.
                    單幅圖像超分辨率重建技術研究進展
                    張芳, 趙東旭, 肖志濤, 耿磊, 吳駿, 劉彥北
                    , doi: 10.16383/j.aas.c20777
                    摘要:
                    圖像分辨率是衡量一幅圖像質量的重要標準. 在軍事、醫學和安防等領域, 高分辨率圖像是專業人士分析問題并做出準確判斷的前提. 根據成像采集設備、退化因素等條件對低分辨率圖像進行超分辨率重建成為一個既具有研究價值又極具挑戰性的難點問題. 本文首先簡述了圖像超分辨率重建的概念、重建思想和方法分類; 然后重點分析用于單幅圖像超分辨率重建的空域方法, 梳理基于插值和基于學習兩大類重建方法中的代表性算法及其特點; 之后結合用于超分辨率重建技術的數據集, 重點分析比較了傳統超分辨率重建方法和基于深度學習的典型超分辨率重建方法的性能, 分析表明, 基于深度學習的超分辨率重建方法較于傳統超分辨率重建方法在準確率與魯棒性方面性能更佳; 最后對圖像超分辨率重建未來的發展趨勢進行展望.
                    基于擴張狀態觀測器的四旋翼吊掛飛行系統非線性控制
                    范云生, 陳欣宇, 趙永生, 宋保健
                    , doi: 10.16383/j.aas.c210001
                    摘要:
                    針對一類四旋翼飛行器吊掛飛行系統的負載擺動抑制和軌跡跟蹤精確控制的問題, 考慮系統存在未知外界擾動和模型動態不確定的情況, 提出了一種基于擴張狀態觀測器(Extended state observer, ESO)的吊掛負載擺動抑制的非線性軌跡跟蹤控制方法. 本文將四旋翼吊掛飛行系統分解為姿態, 位置和負載擺動控制三個動態子系統, 分別設計非線性控制器實現欠驅動約束下的解耦控制; 設計了一種擴張狀態觀測器, 用以估計和補償四旋翼與吊掛負載耦合飛行的未知外界擾動與模型動態不確定性, 并證明了閉環系統的穩定性, 跟蹤誤差及吊掛負載擺動所有信號的一致最終有界. 最后利用Quanser公司的QBall2飛行器進行三維空間螺旋軌跡的跟蹤控制, 仿真結果驗證了未知干擾下基于擴張狀態觀測器的四旋翼吊掛飛行非線性控制的有效性和優越性, 實現了四旋翼吊掛系統軌跡跟蹤的精確控制和飛行過程中負載擺動的快速抑制.
                    混合動力電動汽車的跟車控制與能量管理
                    趙秀春, 郭戈
                    , doi: 10.16383/j.aas.200136
                    摘要:
                    混合動力電動汽車(Hybrid electric vehicles, HEVs)的能量管理問題至關重要, 而混合動力電動汽車的跟車控制不僅涉及跟車效果及安全性, 也影響著能量的高效利用. 本文將HEVs的跟車控制與能量管理相結合, 提出一種基于安全距離的HEVs車輛跟蹤與能量管理控制方法. 首先考慮了由坡度、載荷變動建立了HEVs車輛跟車系統的非線性模型, 并基于安全距離, 提出一種基于道路觀測器的動態面控制(Dynamic surface control, DSC)進行車輛跟蹤控制. 然后, 結合跟蹤控制下工況循環, 采用滾動動態規劃算法(Dynamic programming, DP)進行混合動力電動汽車能量實時優化控制. 最后, 通過仿真研究進行驗證.
                    面向無人艇的T-DQN智能避障算法研究
                    周治國, 余思雨, 于家寶, 段俊偉, 陳龍, 陳俊龍
                    , doi: 10.16383/j.aas.c210080
                    摘要:
                    無人艇作為一種具有廣泛應用前景的無人系統, 其自主決策能力尤為關鍵. 由于水面運動環境較為開闊, 傳統避障決策算法難以在量化規則下自主規劃最優路線, 而一般強化學習方法在大范圍復雜環境下難以快速收斂. 針對這些問題, 本文提出一種基于閾值的深度Q網絡(Threshold deep Q network, T-DQN)避障算法, 在深度Q網絡(Deep Q network, DQN)基礎上增加長短期記憶(Long short term memory, LSTM)網絡來保存訓練信息, 并設定經驗回放池閾值加速算法的收斂. 通過在不同尺度的柵格環境中進行實驗仿真, 其結果表明所提出的T-DQN算法能快速地收斂到最優路徑, 其整體收斂步數相比Q-Learning算法, DQN算法分別減少69.1 %與24.8 %, 引入的閾值篩選機制使整體收斂步數降低41.1 %. 在Unity 3D強化學習仿真平臺中驗證了復雜地圖場景下的避障任務完成情況, 實驗結果表明, 該算法能實現無人艇的精細化避障和智能安全行駛.
                    自適應變化響應的動態多目標進化算法
                    梁正平, 李輝才, 王志強, 胡凱峰, 朱澤軒
                    , doi: 10.16383/j.aas.c210121
                    摘要:
                    動態多目標優化問題的目標函數發生變化時, 需要采取變化響應策略對種群進行重新初始化, 以快速追蹤新環境中的最優解集. 現有動態多目標優化算法對不同個體不同維度的決策變量缺乏針對性的變化響應, 導致重新初始化的效果尚存在較大改進空間. 為此, 本文提出了一種對不同個體不同維度的決策變量分別進行自適應變化響應的動態多目標進化算法(DMOEA-ACR). 該算法包括兩個核心部分, 首先是對t時間步最優種群和t?1時間步最優種群中對應個體各維度決策變量之間的差異進行計算, 自適應選擇變異策略或預測策略重新初始化不同個體不同維度的決策變量. 其次, 在每輪迭代或重新初始化后, 對非支配個體進行存檔, 基于存檔中心構建預測策略. 為了驗證DMOEA-ACR的有效性, 將其與動態多目標優化領域的6種先進算法在最新測試問題集SDP和DF上進行對比, 實驗結果表明DMOEA-ACR在求解動態多目標優化問題時具有明顯的優勢.
                    模型輔助的計算費時進化高維多目標優化
                    孫超利, 李貞, 金耀初
                    , doi: 10.16383/j.aas.c200969
                    摘要:
                    代理模型能夠輔助進化算法在計算資源有限的情況下加快找到問題的最優解集, 因此建立高效的代理模型輔助多目標進化搜索逐漸受到了人們的重視. 然而, 隨著目標數量的增加, 對每個目標分別建立高斯過程模型時個體整體估值的不確定度會隨之增加. 因此, 本文通過對模型最優解集的搜索探索原問題潛在的非支配解集, 并基于個體的收斂性, 種群的多樣性和估值的不確定度, 提出了一種新的期望提高計算方法, 用于輔助從潛在的非支配解集中選擇使用真實目標函數計算的個體, 從而更新代理模型, 使其能夠在有限的計算資源下更有效地輔助優化算法找到好的非支配解集. 在7個DTLZ 基準測試問題上的實驗對比結果表明, 本文算法在求解計算費時高維多目標優化問題上是有效的, 且具有較強的競爭力.
                    數據和知識驅動的城市污水處理過程多目標優化控制
                    韓紅桂, 張琳琳, 伍小龍, 喬俊飛
                    , doi: 10.16383/j.aas.c210098
                    摘要:
                    城市污水處理過程優化控制是降低能耗的有效手段, 然而, 如何提高出水水質的同時降低能耗依然是當前城市污水處理過程面臨的挑戰. 圍繞上述挑戰, 文中提出了一種數據和知識驅動的多目標優化控制(Data-knowledge driven multiobjective optimal control, DK-MOC)方法. 首先, 建立了出水水質、能耗以及系統運行狀態的表達關系, 獲得了運行過程優化目標模型. 其次, 提出了一種基于知識遷徙學習的動態多目標粒子群優化算法, 實現了控制變量優化設定值的自適應求解. 最后, 將提出的DK-MOC應用于城市污水處理過程基準仿真模型1 (Benchmark simulation model no. 1, BSM1). 結果表明該方法能夠實時獲取控制變量的優化設定值, 提高了出水水質, 并且有效降低了運行能耗.
                    工業鑄件缺陷無損檢測技術的應用進展與展望
                    張輝, 張鄒銓, 陳煜嶸, 吳天月, 鐘杭, 王耀南
                    , doi: 10.16383/j.aas.c210161
                    摘要:
                    鑄造產業一直是人類現代生產生活中重要的、不可替代的產業, 鑄件產品既是工業制造產品, 也是大型機械的組成部分. 隨著經濟水平和工業自動化程度的不斷提升, 人們對于鑄件的需求量呈指數爆炸式增長, 鑄件價值輻射到各行各業. 與此同時, 鑄件在鑄造、服役過程中經常會出現各種缺陷, 而傳統低效的人工檢測方法難以保障工業界對中高端鑄件的性能需求. 因此亟需對鑄件檢測技術進行革新. 本文首先對鑄件鑄造過程以及服役過程中各類缺陷的形成機理進行分析. 然后闡述了基于聲學、光學、電磁學等主流檢測技術及其常規信號處理方法、磁粉檢測技術與滲透檢測技術等其他檢測技術, 并對近年來新興的基于神經網絡的信號處理方法進行了說明. 在此基礎上, 分析了近年來鑄件缺陷無損檢測技術以及基于神經網絡的信號處理方法的研究現狀. 最后, 對鑄件缺陷無損檢測技術及應用的發展趨勢進行了展望.
                    大規模類腦計算系統BiCoSS: 架構、實現及應用
                    楊雙鳴, 郝新宇, 王江, 李會艷, 魏熙樂, 于海濤, 鄧斌
                    , doi: 10.16383/j.aas.c190035
                    摘要:
                    人腦具有協同多種認知功能的能力與極強的自主學習能力, 隨著腦與神經科學的快速發展, 亟需計算結構模擬人腦的、性能更強大的計算平臺進行人腦智能與認知行為機制的進一步探索. 受人腦神經機制的啟發, 本文提出了基于神經認知計算架構的眾核類腦計算系統BiCoSS, 該系統以并行計算的現場可編程門陣列(Field-programmable gate array, FPGA)為核心處理器, 以地址事件表達的神經放電作為信息傳遞載體, 以具有認知計算功能的神經元作為信息處理單元, 實現了四百萬神經元數量級大規模神經元網絡認知行為的實時計算, 填補了從細胞動力學層面理解人腦認知功能的鴻溝. 實驗結果從計算能力、計算效率、功耗、通信效率、可擴展性等方面顯示了BiCoSS系統的優越性能. BiCoSS通過人腦信息處理的計算架構以更貼近神經科學本質的模式實現了類腦智能; 同時, BiCoSS為神經認知和類腦計算的研究和應用提供了新的有效手段.
                    解耦表征學習綜述
                    文載道, 王佳蕊, 王小旭, 潘泉
                    , doi: 10.16383/j.aas.c210096
                    摘要:
                    在大數據時代下, 以高效自主隱式特征提取能力聞名的深度學習引發了新一代人工智能的熱潮, 然而其背后黑箱不可解釋的“捷徑學習”現象成為制約其進一步發展的關鍵性瓶頸問題. 解耦表征學習通過探索大數據內部蘊含的物理機制和邏輯關系復雜性, 從數據生成的角度解耦數據內部多層次、多尺度的潛在生成因子, 促使深度網絡模型學會像人類一樣對數據進行自主智能感知, 逐漸成為新一代基于復雜性的可解釋深度學習領域內重要研究方向, 具有重大的理論意義和應用價值. 本文系統地綜述了解耦表征學習的研究進展, 對當前解耦表征學習中的關鍵技術及典型方法進行了分類闡述, 分析并匯總了現有各類算法的適用場景并對此進行了可視化實驗性能展示, 最后指明了解耦表征學習今后的發展趨勢以及未來值得研究的方向.
                    平行醫院: 從醫院信息管理系統到智慧醫院操作系統
                    王擁軍, 王飛躍, 王曉, 管仲軍, 張文文, 鄭文博, 嚴嵐, 王建功, 歐陽麗煒
                    , doi: 10.16383/j.aas.cxxxxx
                    摘要:
                    本文旨在提出一個智慧化時代的集智能化管理、智能化運營與智能化診療為一體的智慧醫院解決方案, 即基于平行醫學的平行醫院. 平行醫院以虛實互動的平行思想為核心理念, 以突出人以及其社會因素的信息物理社會系統(CPSS)作為基礎設施, 以平行思想的人工場景、計算實驗與平行執行(ACP)理論為指導理論構建了虛實交互的新一代智慧化醫院管理系統. 對比了當前信息系統存在的缺陷, 提出智慧醫院操作系統的概念, 對醫院的資源進行邏輯化統一管理, 重點介紹了對醫院不同設備以及建筑等硬件設施的數字化、虛擬化以及相互交互, 參與人員數字化與虛擬化及其虛實交的智能化系統構建. 在醫院操作系統的應用層, 基于ACP理論的智能化系統通過虛實交互的智能化運行模式, 最終落實閉環、反饋、精準的收斂. 我們通過對天壇醫院的平行醫院實踐案例—天壇智慧大腦進行了案例分析, 印證了本文所提出的智慧化醫院操作系統的可行性與科學性.
                    弱對齊的跨光譜人臉檢測
                    閆夢凱, 錢建軍, 楊健
                    , doi: 10.16383/j.aas.c210058
                    摘要:
                    跨光譜人臉檢測在活體人臉識別、體溫篩查等領域有著重要的應用價值. 眾所周知, 可見光人臉易于檢測, 然而紅外人臉難于檢測, 因此借助可見光圖像的人臉檢測結果進而完成紅外人臉檢測是一種有效的解決方案. 但是跨光譜圖像之間不可避免的存在偏差, 導致檢測精度不高. 為了解決這一問題, 本文提出了一種弱對齊跨光譜圖像的人臉檢測算法, 該方法基于跨光譜圖像之間的偏差設計了候選框布置策略, 并在此基礎上提出了跨光譜特征表示方法用于選取最優候選框. 此外, 本文還構建了一個跨光譜人臉數據集(Cross-spectrum face簡稱為CSF). 最后, 在CSF和OTCBVS (OTCBVS Benchmark dataset collection)人臉數據集上的實驗結果證明, 本文的方法能夠較好地完成紅外圖像人臉檢測任務.
                    知識和數據協同驅動的群體智能決策方法研究綜述
                    蒲志強, 易建強, 劉振, 丘騰海, 孫金林, 李非墨
                    , doi: 10.16383/j.aas.c210118
                    摘要:
                    群體智能系統擁有廣泛的應用前景. 當前的群體智能決策方法主要包括知識驅動、數據驅動兩大類, 但各自存在優缺點. 本文指出, 知識與數據協同驅動將為群體智能決策提供新解法. 文章系統梳理了知識與數據協同驅動可能存在的不同方法路徑, 從知識與數據的架構級協同、算法級協同兩個層面對典型方法進行了分類, 同時將算法級協同方法進一步劃分為算法的層次化協同和組件化協同, 前者包含神經網絡樹、遺傳模糊樹、分層強化學習等層次化方法, 后者進一步總結為知識增強的數據驅動、數據調優的知識驅動、知識與數據的互補結合等方法. 最后, 從理論發展與實際應用的需求出發, 指出了知識與數據協同驅動的群體智能決策中未來幾個重要的研究方向.
                    一種針對德州撲克AI的對手建模與策略集成框架
                    張蒙, 李凱, 吳哲, 臧一凡, 徐航, 興軍亮
                    , doi: 10.16383/j.aas.c210127
                    摘要:
                    以德州撲克游戲為代表的大規模不完美信息博弈是現實世界中常見的一種博弈類型. 現有以求解納什均衡策略為目標的主流德州撲克求解算法存在依賴博弈樹模型、算力消耗大、策略過于保守等問題, 導致智能體在面對不同對手時無法最大化自身收益. 為解決上述問題, 本文提出一種輕量高效且能快速適應對手策略變化進而剝削對手的不完美信息博弈求解框架. 本框架分為智能體離線訓練和在線博弈兩階段. 第一階段基于演化學習思想訓練智能體, 得到能夠剝削不同博弈風格對手的策略神經網絡. 在博弈階段中, 智能體在線建模并適應未知風格對手, 利用種群策略集成的方法最大化剝削對手. 在兩人無限注德州撲克環境中的實驗結果表明, 本框架在面對動態對手策略時, 相比已有方法能夠大幅提升博弈性能.
                    大數據下數模聯動的隨機退化設備剩余壽命預測技術
                    李天梅, 司小勝, 劉翔, 裴洪
                    , doi: 10.16383/j.aas.c201068
                    摘要:
                    本文面向大數據背景下隨機退化設備剩余壽命預測的現實需求, 結合隨機退化設備監測大數據特點及剩余壽命預測不確定性量化這一核心問題, 深入分析了機理模型與數據混合驅動的剩余壽命預測技術、基于機器學習的剩余壽命預測技術、統計數據驅動的剩余壽命預測技術以及機器學習和統計數據驅動相結合的剩余壽命預測技術的基本研究思想和發展動態, 剖析了當前研究存在的局限性和共性難題. 針對存在的局限性和共性難題, 以多源傳感監測大數據下剩余壽命預測問題為例, 提出了一種數模聯動的大數據下隨機退化設備剩余壽命預測解決思路, 并通過航空發動機多源監測數據初步驗證了該思路的可行性和有效性. 最后, 借鑒數模聯動思路, 綜合考慮機器學習方法和統計數據驅動方法的優勢, 緊緊扭住大數據背景下隨機退化設備剩余壽命預測不確定性量化問題, 提出了大數據背景下深度學習與隨機退化建模交互聯動、監測大數據與剩余壽命及其預測不確定性映射機制、非理想大數據下的剩余壽命預測等亟待解決的關鍵科學問題.
                    中值互補集合經驗模態分解
                    劉淞華, 何冰冰, 郎恂, 陳啟明, 張榆鋒, 蘇宏業
                    , doi: 10.16383/j.aas.c201031
                    摘要:
                    針對經驗模態分解(Empirical mode decomposition, EMD)系列方法存在的模態分裂(Mode Splitting, MS)問題, 本文提出中值互補集合經驗模態分解(Median complementary ensemble EMD, MCEEMD)算法. 通過概率模型量化互補集合經驗模態分解(Complementary ensemble EMD, CEEMD)的MS問題, 證明了使用中值算子替代算術平均算子對抑制MS的有效性. MCEEMD算法首先添加 對互補的白噪聲至原信號中, 并經過EMD分解得到 組固有模態函數(Intrinsic mode functions, IMFs), 然后分別對其中互補相關的IMFs兩兩取平均得到 組IMFs, 最后使用中值算子處理上述 組IMFs得到輸出結果. 對仿真信號與實測信號的分析結果表明, 本文提出的MCEEMD方法不僅有效抑制了CEEMD的MS問題, 而且避免了單一使用中值算子的兩個缺點, 即: 1)分解完備性差和2) IMFs中存在毛刺現象.
                    基于輔助信息補償和控制信號編碼的重放攻擊檢測方法
                    張正道, 楊佳佳, 謝林柏
                    , doi: 10.16383/j.aas.c210092
                    摘要:
                    在最優控制信號中加入編碼信號是實現信息物理系統重放攻擊檢測的有效方法, 但會造成系統控制性能的損失. 如何在保證重放攻擊檢測率條件下降低系統的控制性能損失是一個值得研究的問題. 本文提出了一種基于輔助信息補償的控制信號編碼檢測方法, 通過向測量值添加輔助信號補償控制編碼信號對最優狀態估計的影響. 首先, 論文證明了此方案下重放攻擊的可檢測性, 導出了檢測率的上界和檢測函數閾值間的定量關系. 其次證明了加入輔助信號后系統控制信號與未添加編碼信息時相同, 之前時刻的控制編碼信號不會造成累積效應. 因此系統當前時刻的控制性能損失僅與當前時刻編碼信號的大小有關. 最后, 將編碼信號的協方差矩陣, 檢測率和檢測閾值之間的關系表示成一個最優化問題, 給出了編碼信號方差的計算方法. 仿真結果表明, 本文方法能有效地檢測重放攻擊的發生, 且系統控制的性能損失較小.
                    基于多伯努利濾波的厚尾噪聲條件下多擴展目標跟蹤
                    陳輝, 張星星
                    , doi: 10.16383/j.aas.c201061
                    摘要:
                    針對厚尾噪聲條件下不規則星凸形多擴展目標跟蹤問題, 本文提出了一種基于多伯努利濾波的厚尾噪聲條件下多擴展目標跟蹤方法. 首先, 采用學生t分布對厚尾過程噪聲和量測噪聲進行建模, 并基于有限集統計理論(Finite set statistics, FISST)利用隨機超曲面模型(Random matrix model, RHM)建立不規則星凸形多擴展目標的跟蹤濾波模型. 然后, 利用學生t混合(Student's t mixture, STM)模型來表征多伯努利密度, 提出學生t混合多擴展目標多伯努利濾波算法, 并進一步基于魯棒學生t容積濾波算法提出了非線性魯棒學生t混合星凸形多擴展目標多伯努利濾波算法. 最后, 通過構造厚尾噪聲條件下星凸形多擴展目標和多群目標的跟蹤仿真實驗驗證了所提方法的有效性.
                    基于元學習的雙目深度估計在線適應算法
                    張振宇, 楊健
                    , doi: 10.16383/j.aas.c200286
                    摘要:
                    雙目深度估計的在線適應是一個有挑戰性的問題, 其要求模型能夠在不斷變化的目標場景中在線連續地自我調整并適應于當前環境. 為處理該問題, 本文提出了一種新的在線元學習適應算法(Online meta-learning model with adaptation, OMLA), 其貢獻主要體現在兩方面: 首先引入在線特征對齊方法處理目標域和源域特征的分布偏差, 以減少數據域轉移的影響, 然后利用在線元學習方法調整特征對齊過程和網絡權重, 使模型實現快速收斂.此外, 本文提出了一種新的基于元學習的預訓練方法, 以獲得適用于在線學習場景的深度網絡參數, 相關實驗分析表明, OMLA和元學習預訓練算法均能幫助模型快速適應于新場景, 在KITTI數據集上的實驗對比表明, 本文方法的效果超越了當前最佳的在線適應算法, 接近甚至優于在目標域離線訓練的理想模型.
                    一類具有未知冪次的高階不確定非線性系統的自適應控制
                    劉玉發, 劉勇華, 蘇春翌, 魯仁全
                    , doi: 10.16383/j.aas.c200893
                    摘要:
                    本文研究了一類具有未知冪次的高階不確定非線性系統的自適應跟蹤控制問題. 在無需系統函數先驗知識的條件下, 采用積分反推技術和障礙李雅普諾夫方法, 提出了一種新穎的自適應跟蹤控制算法. 該控制算法的顯著特點是所設計的自適應控制器均與系統冪次無關, 并且能夠保證閉環系統的所有信號皆有界. 仿真算例驗證了該控制算法的有效性.
                    慣性組合導航系統性能評估方法研究進展
                    董銘濤, 程建華, 趙琳, 劉萍
                    , doi: 10.16383/j.aas.c210377
                    摘要:
                    性能評估方法能夠解決試驗法無法評估定性指標, 以及試驗難以開展時無法評估性能的問題, 已成為支撐各類軍民裝備現代化的重要技術手段. 然而, 性能評估方法的指標體系, 無量綱化方法及權重方法均存在不足, 難以滿足精確性的要求. 對于指標具有模糊性和不可公度性, 且包含多個指標, 指標間具有多層次關系的系統而言, 例如, 慣性組合導航系統, 性能評估方法精確性尤為重要. 本文梳理了慣性組合導航系統性能評估方法研究進展. 首先, 介紹了慣性組合導航系統性能評估方法概述, 包括性能評估方法概念分析, 慣性組合導航系統特殊性討論及慣性組合導航系統與性能評估方法關系分析. 其次, 分析了慣性組合導航系統指標體系, 無量綱化方法, 組合權重方法及評估方法等內容. 最后, 闡述慣性組合導航系統性能評估方法存在的問題及未來研究方向.
                    基于層次特征復用的視頻超分辨率重建
                    周圓, 王明非, 杜曉婷, 陳艷芳
                    , doi: 10.16383/j.aas.c210095
                    摘要:
                    當前的深度卷積神經網絡方法, 在視頻超分辨率任務上實現的性能提升相對于圖像超分辨率任務略低一些, 部分原因是它們對層次結構特征中的某些關鍵幀間信息的利用不夠充分. 為此, 本文提出了一個稱作層次特征復用網絡(Hierarchical feature reuse network, HFRNet)的結構, 用以解決上述問題. 該網絡保留運動補償幀的低頻內容, 并采用密集層次特征塊(Dense hierarchical feature block, DHFB)自適應地融合其內部每個殘差塊的特征, 之后用長距離特征復用融合多個DHFB間的特征, 從而促進高頻細節信息的恢復. 實驗結果表明, 本文提出的方法在定量和定性指標上均優于當前的方法.
                    具有遺忘群體的社會網絡多維觀點動力學分析與應用
                    劉青松, 李明鵬, 柴利
                    , doi: 10.16383/j.aas.c210091
                    摘要:
                    在個體觀點演化過程中, 由于通訊技術和實際環境的限制, 個體之間往往不能進行充分地交流. 另一方面, 由于社會群體的從眾壓力影響, 個體會改變已形成的觀點. 本文研究具有遺忘群體和從眾壓力的擬強連通社會網絡中表達/私人觀點演化問題. 為了刻畫不同話題之間表達/私人觀點的相互影響, 提出一個新的多維觀點動力學模型. 根據邏輯矩陣和網絡影響子矩陣的正則性, 給出了表達和私人觀點收斂的充分條件. 應用本文所提出的觀點動力學模型, 復現了“多元無知”的社會現象. 仿真分析表明, 從眾壓力的恢復力越小, 表達觀點與私人觀點的差異越大.
                    基于流形正則化框架和MMD的域自適應BLS模型
                    趙慧敏, 鄭建杰, 郭晨, 鄧武
                    , doi: 10.16383/j.aas.c210009
                    摘要:
                    寬度學習系統(Broad learning system, BLS)作為一種基于隨機向量函數型網絡(Random vector functional link network, RVFLN)的高效增量學習系統, 具有快速自適應模型結構選擇能力和高精度的特點. 但針對目標分類任務中有標簽數據匱乏問題, 傳統的BLS難以借助相關領域知識來提升目標域的分類效果, 為此本文提出一種基于流形正則化框架和最大均值差異(Maximum mean discrepancy, MMD)的域適應BLS(DABLS)模型, 實現目標域無標簽條件下的跨域圖像分類. DABLS模型首先構造BLS的特征節點和增強節點, 從源域和目標域數據中有效提取特征; 再利用流形正則化框架構造拉普拉斯矩陣, 以探索目標域數據中的流形特性, 挖掘目標域數據的潛在信息. 接著基于遷移學習方法構建源域數據與目標域數據之間的MMD懲罰項, 以匹配源域和目標域之間的投影均值; 將特征節點、增強節點、MMD懲罰項和目標域拉普拉斯矩陣相結合, 構造目標函數, 并采用嶺回歸分析法對其求解, 獲得輸出系數, 從而提高模型的跨域分類性能. 最后在不同圖像數據集上進行大量的驗證與對比實驗, 結果表明DABLS在不同圖像數據集上均能獲得較好的跨域分類性能, 具有較強的泛化能力和較好的穩定性.
                    數據驅動的燃煤發電裝備運行工況監控——現狀與展望
                    趙春暉, 胡赟昀, 鄭嘉樂, 陳軍豪
                    , doi: 10.16383/j.aas.c200993
                    摘要:
                    大容量、高參數、低能耗的百萬千瓦超超臨界機組是燃煤發電領域的重大裝備, 已成為全國電力工業發展的主流方向, 其安全可靠運行對推動發電企業轉型升級具有重要意義. 本文從分析以百萬千瓦超超臨界機組為代表的燃煤發電裝備的本質特性出發, 揭示了其變負荷深度調峰導致的非平穩運行特性和全流程復雜耦合特性, 總結了燃煤發電過程區別于一般連續過程的問題, 指出了研究燃煤發電裝備運行工況監控算法的必要性. 進而, 基于這些特性, 我們對面向燃煤發電裝備工況監控的數據驅動算法近30年的發展進行回顧和分析, 展示了算法發展的不同階段. 在此基礎上, 梳理了目前燃煤發電裝備工況監控中存在的問題, 并進一步介紹了燃煤發電裝備工況監控未來可能的發展方向.
                    基于線性變換的領導-跟隨多智能體系統動態反饋均方一致性控制
                    鄭維, 張志明, 劉和鑫, 張明泉, 孫富春
                    , doi: 10.16383/j.aas.c200850
                    摘要:
                    本文研究了基于半馬爾科夫(Markov)跳變的領導-跟隨多智能體系統的均方一致性控制問題. 首先, 針對多智能體系統同時存在通信時滯和執行器故障的問題, 提出基于線性變換的動態反饋控制策略. 其次, 將實現領導-跟隨多智能體系統的均方一致性問題轉化為多智能體誤差系統的穩定性控制問題. 再次, 設計動態反饋控制器, 利用李亞譜諾夫(Lyapunov)函數抑制系統的非線性特性, 解決由控制器未知增益矩陣產生的非線性問題. 使領導-跟隨多智能體系統達到均方一致, 并給出系統的\begin{document}${H_{\infty} }$\end{document}性能指標分析系統的魯棒性. 最后, 仿真結果表明基于線性變換設計的動態反饋控制策略具有良好的控制性能, 并且能夠提高領導-跟隨多智能體系統的動態特性.
                    基于非線性干擾觀測器的飛機全電剎車系統滑??刂圃O計
                    李繁飆, 黃培銘, 陽春華, 廖力清, 桂衛華
                    , doi: 10.16383/j.aas.c201041
                    摘要:
                    飛機防滑剎車具有典型的強非線性、強耦合和參數時變等特點, 并且受跑道環境的干擾容易對飛機的地面滑跑性能造成不利影響. 本文提出了一種基于非線性干擾觀測器的飛機全電防滑剎車系統滑??刂圃O計方法. 首先, 考慮了實際剎車不確定性干擾條件下的防滑剎車動力學建模問題, 通過對高階非線性剎車系統進行反饋線性化處理, 簡化了基于嚴格反饋的模型. 其次, 基于對主輪打滑原因的深入分析, 設計了非線性干擾觀測器對干擾進行在線估計, 并在控制律設計中引入補償部分. 通過構造遞歸結構的快速終端滑??刂破鱽砀檶崟r變化的最佳滑移率并建立穩定性條件, 實現了飛機全電防滑剎車系統的有限時間快速穩定并有效抑制了主輪鎖定打滑. 通過在不同跑道狀態下進行模擬仿真, 驗證了本文提出的飛機防滑剎車控制策略可以有效地提高剎車效率.
                    機械臂變長度誤差跟蹤迭代學習控制
                    陳強, 陳凱杰, 施卉輝, 孫明軒
                    , doi: 10.16383/j.aas.c200701
                    摘要:
                    針對任意初始狀態下機械臂軌跡跟蹤問題, 本文提出一種變長度誤差跟蹤迭代學習控制方法. 首先, 構造不依賴于期望軌跡的雙曲余弦型期望誤差軌跡, 放寬經典迭代學習控制的初始狀態要求嚴格一致條件. 由于該誤差軌跡只需設置一個常數項, 因而能夠有效減少計算量, 使得期望誤差軌跡的設計更為簡單. 其次, 考慮機械臂運行區間隨迭代次數變化的問題, 構建虛擬誤差變量補償機制, 通過定義虛擬誤差變量對未運行區間進行信息補償, 放寬經典迭代學習控制的迭代長度不變條件. 在此基礎上, 基于Lyapunov-like理論設計迭代學習控制器和全限幅學習律, 實現機械臂關節位置在指定區間上跟蹤給定的期望軌跡和保證未知參數估計值的有界性. 最后, 仿真結果驗證了本文所提方法的有效性.
                    數據驅動的溶解氧濃度在線自組織控制方法
                    權利敏, 楊翠麗, 喬俊飛
                    , doi: 10.16383/j.aas.c210041
                    摘要:
                    針對城市污水處理過程的非線性, 不確定性以及非高斯等特點, 提出一種基于數據驅動的溶解氧濃度在線自組織控制方法. 首先, 設計了一種基于相關熵的自組織模糊神經網絡控制器(Correntropy-based self-organizing fuzzy neural network, CSOFNN), 采用相關熵與規則貢獻度指標實現控制器結構與參數的自動構建或修剪. 其次, 設計了基于相關熵誘導準則的補償控制器及參數自適應律, 充分利用了相關熵抑制非高斯噪聲的能力, 能夠有效地降低系統中的不確定性. 然后, 分析了所提出的控制方法的穩定性, 從而保證其在實際應用中的可靠性. 最后, 基于基準仿真1號模型的實驗驗證了所提方法的有效性.
                    多階段注意力膠囊網絡的圖像分類
                    宋燕, 王勇
                    , doi: 10.16383/j.aas.c210012
                    摘要:
                    本文針對膠囊網絡特征提取不充分的問題, 提出了一種圖像分類的多階段注意力膠囊網絡模型. 首先在卷積層對低層特征和高層特征分別采用空間和通道注意力來提取有效特征; 然后提出基于向量方向的注意力機制作用于動態路由層, 增加對重要膠囊的關注, 進而提高低層膠囊對高層膠囊預測的準確性; 最后, 在五個公共數據集上進行對比實驗, 結果表明本文提出的模型在分類精度和魯棒性上優于其他膠囊網絡模型, 在仿射變換圖像重構上也表現良好.
                    一種基于自訓練的眾包標記噪聲糾正算法
                    楊藝, 蔣良孝, 李超群
                    , doi: 10.16383/j.aas.c210051
                    摘要:
                    針對眾包標記經過標記集成后仍然存在噪聲的問題, 提出了一種基于自訓練的眾包標記噪聲糾正算法(Self-training-based label noise correction, STLNC). STLNC整體分為三個階段: 第一階段利用過濾器將帶集成標記的眾包數據集分為噪聲集和干凈集. 第二階段利用加權密度峰值聚類算法構建數據集中低密度實例指向高密度實例的空間結構關系. 第三階段首先根據發現的空間結構關系設計噪聲實例選擇策略; 然后利用在干凈集上訓練的集成分類器對選擇的噪聲實例按照設計的實例糾正策略進行糾正, 并將糾正后的實例加入到干凈集, 再重新訓練集成分類器; 重復實例選擇與糾正過程直到噪聲集中所有的實例被糾正; 最后用最后一輪訓練得到的集成分類器對所有實例進行糾正. 在仿真標準數據集和真實眾包數據集上的實驗結果表明STLNC比其他五種最先進的噪聲糾正算法在噪聲比和模型質量兩個度量指標上表現更優.
                    模糊失真圖像無參考質量評價綜述
                    陳健, 李詩云, 林麗, 王猛, 李佐勇
                    , doi: 10.16383/j.aas.c201030
                    摘要:
                    圖像的模糊問題影響人們對信息的感知、獲取及圖像的后續處理. 無參考模糊圖像質量評價是該問題的主要研究方向之一. 本文分析了近20年來模糊圖像無參考質量評價相關技術的發展. 首先, 本文結合主要數據集對圖像模糊失真進行分類說明; 其次, 對主要的模糊圖像無參考質量評價方法進行分類介紹與詳細分析; 隨后, 介紹了用來衡量模糊圖像無參考質量評價方法性能優劣的主要評價指標; 接著, 選擇典型數據集及評價指標, 并采用常見的模糊圖像無參考質量評價方法進行性能比較; 最后, 對無參考模糊圖像質量評價的相關技術及發展趨勢進行總結與展望.
                    基于強化學習的綜合能源系統管理綜述
                    熊珞琳, 毛帥, 唐漾, 孟科, 董朝陽, 錢鋒
                    , doi: 10.16383/j.aas.c210166
                    摘要:
                    為了滿足日益增長的能源需求并減少對環境的破壞, 節能成為全球經濟和社會發展的一項長遠戰略方針, 加強能源管理能夠提高能源利用效率、促進節能減排. 然而, 可再生能源和柔性負載的接入使得綜合能源系統發展成為具有高度不確定性的復雜動態系統, 給現代化能源管理帶來巨大的挑戰. 強化學習作為一種典型的交互試錯型學習方法, 適用于求解具有不確定性的復雜動態系統優化問題, 因此在綜合能源系統管理問題中得到廣泛關注. 本文從模型和算法的層面系統地回顧了利用強化學習求解綜合能源系統管理問題的現有研究成果, 并從多時間尺度特性、可解釋性、遷移性和信息安全性四個方面提出展望.
                    基于自適應LASSO先驗的稀疏貝葉斯學習算法
                    白宗龍, 師黎明, 孫金瑋
                    , doi: 10.16383/j.aas.c210022
                    摘要:
                    為了提高稀疏信號恢復的準確性, 本文開展了基于自適應套索算子(Least absolute shrinkage and selection operator, LASSO)先驗的稀疏貝葉斯學習(Sparse bayesian learning, SBL)算法研究. 第一, 在稀疏貝葉斯模型構建階段, 構造了一種新的多層貝葉斯框架, 賦予信號中元素獨立的LASSO先驗. 該先驗比現有稀疏先驗更有效的鼓勵稀疏并且該模型中所有參數更新存在閉合解. 然后在該多層貝葉斯框架的基礎上提出了一種基于自適應LASSO先驗的SBL算法. 第二, 為降低提出的算法的計算復雜度, 在貝葉斯推斷階段利用空間輪換變元方法對提出的算法進行改進, 避免了矩陣求逆運算, 使參數更新快速高效, 從而提出了一種基于自適應LASSO先驗的快速SBL算法. 本文提出的算法的稀疏恢復性能通過實驗進行了驗證, 分別針對不同大小測量矩陣的稀疏信號恢復以及單快拍波達方向(Direction of arrival, DOA)估計開展了實驗. 實驗結果表明: 本文提出基于自適應LASSO先驗的SBL算法比現有算法具有更高的稀疏恢復準確度; 本文提出的快速算法的準確度略低于提出的基于自適應LASSO先驗的SBL算法, 但計算復雜度明顯降低.
                    基于黎曼度量的一類反饋控制系統性能監測與診斷
                    李琳琳, 李莎莎, DINGSteven Xianchun, 彭鑫, 彭開香
                    , doi: 10.16383/j.aas.c210027
                    摘要:
                    針對復雜工業系統對性能衰退的容忍度低等問題, 提出基于系統性能預測的一類反饋控制系統過程監測方法, 通過黎曼度量對控制性能衰退程度進行預測與監測, 并給出發生故障的類型, 以提升過程監測系統的實時性與準確性. 首先, 利用系統的實時數據, 計算系統性能衰退的預測指標; 其次, 利用黎曼度量對系統性能衰退程度進行預測與監測, 并利用隨機算法給出對應的閾值來診斷系統性能衰退; 最后, 通過訓練各類引發系統性能衰退的故障的性能預測指標集合的中心和閾值, 實現故障的實時定位. 所提出的方法通過三容水箱仿真實驗平臺進行驗證.
                    基于兩階段自適應Wiener過程的剩余壽命預測方法
                    董青, 鄭建飛, 胡昌華, 李冰, 牟含笑
                    , doi: 10.16383/j.aas.c210057
                    摘要:
                    針對退化過程呈現兩階段特征的一類隨機退化設備, 現有剩余壽命預測方法不適用于測量間隔分布不均勻、監測數據的測量頻率與歷史數據頻率不一致的情況, 并且忽略了自適應漂移的可變性. 鑒于此, 提出了一種新的考慮個體差異性的兩階段自適應Wiener過程剩余壽命預測模型與方法. 首先, 基于自適應Wiener過程分階段構建隨機退化模型, 在首達時間意義下推導出壽命和剩余壽命解析式. 然后, 結合Kalman濾波技術和期望最大化算法進行參數自適應更新, 同時利用赤池信息準則實現退化模型變點的辨識. 最后, 通過蒙特卡洛仿真和鋰電池實例, 驗證了本文所提方法的有效性和實用價值.
                    融合MRI信息的PET圖像去噪: 基于圖小波的方法
                    易利群, 盛玉霞, 柴利
                    , doi: 10.16383/j.aas.c201036
                    摘要:
                    正電子發射斷層成像(Positron emission tomography, PET)是一種強大的核醫學功能成像模式, 廣泛地應用于臨床診斷, 但PET圖像的空間分辨率低且含有噪聲, 有必要對PET圖像進行去噪來提升PET圖像的質量. 隨著PET/MR等一體化成像設備的出現, 磁共振成像(Magnetic resonance imaging, MRI)的先驗信息可用于PET圖像去噪, 提高PET圖像質量. 針對動態PET圖像, 提出了一種融合MRI先驗信息的PET圖像圖小波去噪新方法. 首先構建PET合成圖像; 再將PET合成圖像與MRI信息通過硬閾值方法進行融合; 接著在融合圖像上構造圖拉普拉斯矩陣; 最后通過圖小波變換對動態PET圖像去噪. 仿真實驗結果表明, 與單獨的圖濾波、圖小波去噪方法, 以及其他結合MRI的PET圖像去噪方法相比, 本文方法有更高的信噪比, 更好地保留了病灶信息; 本文方法的去噪性能與VGG深度神經網絡等基于學習的方法相當, 但不需要大量數據的訓練, 計算復雜度低.
                    一種基于區塊鏈的DNSSEC公鑰驗證機制
                    陳聞宇, 李曉東, 楊學, 徐彥之
                    , doi: 10.16383/j.aas.c201082
                    摘要:
                    針對中心化DNSSEC架構所導致的信任鏈復雜性和單邊控制模式, 提出了一種去中心化的DNSSEC公鑰驗證機制. 該機制結合區塊鏈結構、密碼學累加器和共識算法設計, 創新性地實現使用區塊鏈技術的密鑰綁定、輪轉和驗證操作, 無需中心化權威節點即可使用可信公鑰驗證域名記錄. 進一步的分析和實驗表明, 所提出的機制在保證密鑰管理安全性的同時, 提高了密鑰驗證的效率.
                    基于ANFIS的多AUV協同定位系統量測異常檢測方法
                    徐博, 李盛新, 王連釗, 王權達
                    , doi: 10.16383/j.aas.c200921
                    摘要:
                    針對異常水聲測距信息對多自主水下航行器(Autonomous underwater vehicles, AUV)協同定位系統的影響, 以及傳統故障檢測方法在多水聲測距信息交替混淆的情況下檢測效率低的問題, 本文提出了一種基于自適應神經模糊推理系統(Adaptive neuro-fuzzy inference system, ANFIS)的量測異常檢測方法. 首先, 分別建立與各水聲測距系統相對應的ANFIS模型; 然后, 通過自適應容積卡爾曼濾波和馬氏距離構造能夠反映量測異常的特征信息作為ANFIS的輸入, 并基于預定義的量測異常信息建立初始混合數據庫, 訓練ANFIS模型實現對量測異常的在線實時檢測與隔離. 最后, 利用湖水試驗數據進行了AUV協同定位仿真驗證, 實驗結果表明該方法可以準確識別異常水聲測距信息, 與傳統故障檢測方法相比誤報率與漏檢率均減少70%以上.
                    卷積神經網絡表征可視化研究綜述
                    司念文, 張文林, 屈丹, 羅向陽, 常禾雨, 牛銅
                    , doi: 10.16383/j.aas.c200554
                    摘要:
                    近年來, 深度學習在圖像分類、目標檢測及場景識別等任務上取得了突破性進展, 這些任務多以卷積神經網絡(Convolutional neural network, CNN)為基礎搭建識別模型, 訓練后的模型擁有優異的自動特征提取和預測性能, 能夠為用戶提供“輸入-輸出”形式的解決方案. 然而, 由于分布式的特征編碼和越來越復雜的模型結構, 人們始終無法準確理解CNN模型內部知識表示, 以及促使其做出特定決策的潛在原因. 另一方面, CNN模型在一些高風險領域的應用, 也要求對其決策原因進行充分了解, 方能獲取用戶信任. 因此, CNN的可解釋性問題逐漸受到關注. 研究人員針對性的提出了一系列用于理解和解釋CNN的方法, 包括事后解釋方法和構建自解釋的模型等, 這些方法各有側重和優勢, 從多方面對CNN進行特征分析和決策解釋. 表征可視化是其中一種重要的CNN可解釋性方法, 能夠對CNN所學特征及輸入-輸出之間的相關關系以視覺的方式呈現, 從而快速獲取對CNN內部特征和決策的理解, 具有過程簡單和效果直觀的特點. 本文對近年來CNN表征可視化領域的相關文獻進行了綜合性回顧, 按照以下幾個方面組織內容: 表征可視化研究的提起、相關概念及內容、可視化方法、可視化的效果評估及可視化的應用, 重點關注了表征可視化方法的分類及算法的具體過程. 最后, 對該領域仍存在的難點及未來研究趨勢進行了展望, 并總結了全文.
                    基于時空共現模式的視覺行人再識別
                    錢錦浩, 宋展仁, 郭春超, 賴劍煌, 謝曉華
                    , doi: 10.16383/j.aas.c200897
                    摘要:
                    基于視頻圖像的視覺行人再識別是指利用計算機視覺技術關聯非重疊域攝像頭網絡下的相同行人, 在視頻安防和商業客流分析中具有重要應用. 目前視覺行人再識別技術已經取得了相當不錯的進展, 但依舊面臨很多挑戰, 比如攝像機的拍攝視角不同、遮擋現象和光照變化等所導致的行人表觀變化和匹配不準確問題. 為了克服單純視覺匹配困難問題, 本文提出一種結合行人表觀特征跟行人時空共現模式的行人再識別方法. 所提方法利用目標行人的鄰域行人分布信息來輔助行人相似度計算, 有效地利用時空上下文信息來加強視覺行人再識別. 在行人再識別兩個權威公開數據集Market-1501和DukeMTMC-ReID上的實驗驗證了所提方法的有效性.
                    基于無監督深度模型遷移的滾動軸承壽命預測方法
                    康守強, 邢穎怡, 王玉靜, 王慶巖, 謝金寶, MIKULOVICHV.I.
                    , doi: 10.16383/j.aas.c200890
                    摘要:
                    針對實際中某種工況滾動軸承帶標簽振動數據獲取困難, 健康指標難以構建及壽命預測誤差大的問題, 提出一種基于無監督深度模型遷移的滾動軸承剩余使用壽命預測方法. 該方法首先對滾動軸承全壽命周期振動數據提取均方根特征, 并引入新的自下而上時間序列分割算法將特征序列分割為正常期、退化期和衰退期3種狀態; 對振動信號經快速傅里葉變換后的幅值序列進行狀態信息標記, 并將其輸入到新增卷積層的全卷積神經網絡中, 提取深層特征, 得到預訓練模型; 提出將預訓練模型的梯度作為一種“特征”與傳統預訓練模型特征一起參與目標域網絡訓練過程, 從而得到狀態識別模型; 利用狀態概率估計法結合狀態識別模型建立滾動軸承壽命預測模型. 實驗驗證, 所提方法無需構建健康指標, 可實現無監督條件下不同工況滾動軸承剩余壽命預測, 并獲得較好的效果.
                    機器人運動軌跡的模仿學習綜述
                    黃艷龍, 徐德, 譚民
                    , doi: 10.16383/j.aas.c210033
                    摘要:
                    作為機器人技能學習中的一個重要分支, 模仿學習近年來在機器人系統中得到了廣泛的應用. 模仿學習能夠將人類的技能以一種相對直接的方式遷移到機器人系統中, 其思路是先從少量示教樣本中提取相應的運動特征, 然后將該特征泛化到新的情形. 本文針對機器人運動軌跡的模仿學習進行綜述. 首先 詳細解釋模仿學習中的技能泛化、收斂性和外插等基本問題; 其次從原理上對動態運動基元、概率運動基元和核化運動基元等主要的模仿學習算法進行介紹; 然后深入地討論模仿學習中姿態和剛度矩陣的學習問題、協同和不確定性預測的問題以及人機交互中的模仿學習等若干關鍵問題; 最后本文探討了結合因果推理的模仿學習等幾個未來的發展方向.
                    面向非獨立同分布數據的自適應聯邦深度學習算法
                    張澤輝, 李慶丹, 富瑤, 何寧昕, 高鐵杠
                    , doi: 10.16383/j.aas.c201018
                    摘要:
                    近些年, 聯邦學習由于能夠打破數據壁壘, 實現孤島數據價值變現, 受到了工業界和學術界的廣泛關注. 然而, 在實際工程應用中, 聯邦學習存在著數據隱私泄露和模型性能損失的問題. 對此, 本文首先對這兩個問題進行了數學描述與分析. 然后, 提出了一種自適應模型聚合方案, 該方案能夠設定各參與者的mini-batch值和自適應調整全局模型聚合間隔, 旨在保證模型精度的同時, 提高聯邦學習訓練效率. 并且, 混沌系統被首次引入聯邦學習領域中, 用于構建一種基于混沌系統和同態加密的混合隱私保護方案, 從而進一步提升系統的隱私保護水平. 理論分析與實驗結果表明, 本文提出的聯邦學習算法能夠保證參與者的數據隱私安全. 并且, 在非獨立同分布數據的場景下, 該算法夠在保證模型精度的前提下提高訓練效率, 降低系統通信成本, 具備實際工業場景應用的可行性.
                    融合注意力機制的增強受限玻爾茲曼機驅動的交互式分布估計算法
                    暴琳, 孫曉燕, 鞏敦衛, 張勇
                    , doi: 10.16383/j.aas.c200604
                    摘要:
                    面向用戶生成內容的進化搜索在大數據及個性化服務領域已引起廣泛關注, 其關鍵在于基于多源異構用戶生成內容構建用戶認知偏好模型, 進而設計高效的進化搜索機制. 針對此, 本文提出了融合注意力機制的受 限玻爾茲曼機偏好認知代理模型構建機制, 并應用于交互式分布估計算法, 設計含用戶生成內容的個性化進化搜索策略. 基于用戶群體提供的文本評論, 以及搜索物品的類別文本, 構建無監督受限玻爾茲曼機模型提取廣義特征; 設計注意力機制, 融合廣義特征, 獲取對用戶認知偏好高度相關特征的集成; 利用該特征再次訓練受限玻爾茲曼機, 實現對用戶偏好認知代理模型的構建; 根據用戶偏好認知代理模型, 給出交互式分布估計算法概率更新模型以及物品適應度評價函數, 實現物品個性化進化搜索. 算法在亞馬遜個性化搜索實例的應用驗證了用戶認知偏好模型的可靠性, 以及個性化進化搜索的有效性.
                    基于通用逆擾動的對抗攻擊防御方法
                    陳晉音, 吳長安, 鄭海斌, 王巍, 溫浩
                    , doi: 10.16383/j.aas.c201077
                    摘要:
                    現有研究表明深度學習模型容易受到精心設計的對抗樣本攻擊, 從而導致模型給出錯誤的推理結果, 引發潛在的安全威脅. 已有較多有效的防御方法, 其中大多數針對特定攻擊方法具有較好防御效果, 但由于實際應用中無法預知攻擊者可能采用的攻擊策略, 因此提出不依賴攻擊方法的通用防御方法是一個挑戰. 本文提出了一種基于通用逆擾動的對抗樣本防御方法, 通過學習原始數據集中的類相關主要特征, 生成通用逆擾動(Universal Inverse Perturbation, UIP), 且UIP對數據樣本和攻擊方法都具有通用性, 即一個UIP可以實現對不同攻擊方法作用于整個數據集得到的所有對樣本進行防御. 此外, UIP通過強化良性樣本的類相關重要特征實現對良性樣本精度的無影響, 且生成UIP無需對抗樣本的先驗知識. 通過大量實驗驗證, 表明UIP在不同數據集、不同模型中對各類攻擊方法都具備顯著的防御效果, 且提升了模型對正常樣本的分類性能.
                    微電網的電流均衡/電壓恢復自適應動態規劃策略研究
                    王睿, 孫秋野, 張化光
                    , doi: 10.16383/j.aas.c210015
                    摘要:
                    含多類型分布式電源的微電網已經成為了未來電力系統的重要發展方向, 其中風能和光能在降低化石能源消耗和二氧化碳排放等方面有著極大優勢, 考慮二者之間強互補性的協同調度已被廣泛研究. 但風/光協同調度的微電網多關注分鐘級的調度或優化問題而非風/光波動下秒級的實時電流按容量比例精準分擔, 簡稱電流均衡, 而精準電流均衡有助于可再生能源的高比例消納. 因此, 本文提出了基于自適應動態規劃的微電網電流均衡和電壓恢復控制策略. 首先, 構建包含風電整流型電能變換器和光電升壓型電能變換器的廣義風光拓撲同胚升壓變換器模型, 其提供了后續控制器設計的模型基礎. 其次, 本文將電流均衡和電壓恢復問題轉化為最優控制問題, 基于此, 每個能源主體的目標函數轉化為獲取最優控制變量和最小電壓/電流控制偏差, 進而轉化為求解哈密頓-雅克比-貝爾曼(Hamilton-Jacobi-Bellman, HJB)方程問題. 基于此, 提出了基于貝爾曼準則的分布式自適應動態規劃控制策略以求取HJB方程的數值解, 最終實現電流均衡和電壓恢復. 最后仿真結果驗證了所提分布式自適應動態規劃控制策略的有效性.
                    基于混合變分自編碼器回歸模型的軟測量建模方法
                    崔琳琳, 沈冰冰, 葛志強
                    , doi: 10.16383/j.aas.c200256
                    摘要:
                    近年來, 變分自編碼器(Variational auto-encoder, VAE)模型由于在概率數據描述和特征提取能力等方面的優越性, 受到了學術界和工業界的廣泛關注, 并被引入到工業過程監測、診斷和軟測量建模等應用中. 然而, 傳統基于VAE的軟測量方法使用高斯分布作為潛在變量的分布, 限制了其對復雜工業過程數據, 尤其是多模態數據的建模能力. 為了解決這一問題, 本論文提出了一種混合變分自編碼器回歸模型(Mixture variational autoencoder regression, MVAER), 并將其應用于復雜多模態工業過程的軟測量建模. 具體來說, 該方法采用高斯混合模型來描述VAE的潛在變量分布, 通過非線性映射將復雜多模態數據映射到潛在空間, 學習各模態下的潛在變量, 獲取原始數據的有效特征表示. 同時, 建立潛在特征表示與關鍵質量變量之間的回歸模型, 實現軟測量應用. 通過一個數值例子和一個實際工業案例, 對所提模型的性能進行了評估, 驗證了該模型的有效性和優越性.
                    基于EEG的癲癇自動檢測: 綜述與展望
                    彭睿旻, 江軍, 匡光濤, 杜浩, 伍冬睿, 邵劍波
                    , doi: 10.16383/j.aas.c200745
                    摘要:
                    癲癇是一種由腦部神經元陣發性異常超同步電活動導致的慢性非傳染性疾病, 也是全球最常見的神經系統疾病之一. 基于EEG的癲癇自動檢測是指通過機器學習、分布檢驗、相關性分析和時頻分析等數據分析方法, 對癲癇發作階段的EEG信號進行自動識別的研究問題, 能夠為癲癇診療與評估提供客觀參考依據, 從而減輕醫生工作負擔并提高治療效率, 因此具有十分重要的理論意義與實際應用價值. 本文詳細介紹基于EEG的癲癇自動識別整體框架, 以及對應于各個步驟所涉及的典型方法. 針對核心模塊, 即特征提取與分類器選擇, 進行方法總結與理論解釋. 最后, 對癲癇自動檢測研究領域的未來研究方向進行展望.
                    基于可見光與紅外熱圖像的行車環境復雜場景分割
                    陳武陽, 趙于前, 陽春華, 張帆, 余伶俐, 陳白帆
                    , doi: 10.16383/j.aas.c210029
                    摘要:
                    復雜場景分割是自動駕駛領域智能感知的重要任務, 對穩定性和高效性都有較高的要求. 由于一般的場景分割方法主要針對可見光圖像, 分割效果非常依賴于圖像獲取時的光線與氣候條件, 且大多數方法只關注分割性能, 忽略了計算資源. 本文提出一種基于可見光與紅外熱圖像的輕量級雙模分割網絡(DMSNet), 通過提取并融合兩種模態圖像的特征得到最終分割結果. 考慮到不同模態特征空間存在較大差異, 直接融合將降低對特征的利用率, 本文提出了雙路特征空間自適應(DPFSA)模塊, 該模塊能夠自動學習特征間的差異從而轉換特征至同一空間. 實驗結果表明, 本文方法提高了對不同模態圖像的利用率, 對光照變化有更強的魯棒性, 且以少量參數取得了較好的分割性能.
                    基于模糊核估計的圖像盲超分辨率神經網絡
                    李公平, 陸耀, 王子建, 吳紫薇, 汪順舟
                    , doi: 10.16383/j.aas.c200987
                    摘要:
                    模糊圖像的超分辨率重建具有挑戰性并且有重要的實用價值. 本文提出了一種基于模糊核估計的圖像盲超分辨率神經網絡, 主要包括兩部分: 模糊核估計子網絡和模糊核自適應的圖像重建子網絡. 給定任意低分辨率圖像, 該網絡首先利用模糊核估計子網絡從輸入圖像估計出實際的模糊核, 然后根據估計到的模糊核, 該網絡利用模糊核自適應的圖像重建子網絡完成輸入圖像的超分辨率重建. 與其他圖像盲超分辨率方法不同, 本文提出的模糊核估計子網絡能夠顯式地從輸入低分辨率圖像中估計出完整的模糊核, 然后模糊核自適應的圖像重建子網絡根據估計到的模糊核, 動態地調整網絡各層的圖像特征, 從而適應不同輸入圖像的模糊. 本文在多個基準數據集上進行了有效性實驗, 定性和定量的結果都表明該網絡優于同類的圖像盲超分辨率神經網絡.
                    一種腦肢融合的神經康復訓練在線評價與調整方法
                    舒智林, 李思宜, 于寧波, 朱志中, 巫嘉陵, 韓建達
                    , doi: 10.16383/j.aas.c200452
                    摘要:
                    在腦卒中康復訓練中, 保持患者積極主動參與、提供適配其運動能力的訓練難度對于取得良好的康復效果至關重要. 針對患者在長期康復訓練過程中容易懈怠甚至出現惰性效應、運動能力有波動等挑戰, 本文系統提出了一種腦肢融合的神經康復訓練在線評價與調整方法. 首先, 從腦、肢體、以及訓練任務三個層面, 基于腦電信號(Electroenc ephalo graphy, EEG)、肢體運動數據和任務評分, 建立了對患者神經參與程度、運動控制能力和任務完成情況的量化評價方法. 進而, 在任務操作難度、輔助和干擾力場、以及視覺輔助等方面, 設計了康復訓練任務內和任務間的在線調整方法. 通過一個針對手功能康復的靈巧操作任務, 實現了基于所提出的腦肢融合在線評價與調整方法的閉環神經康復訓練. 開展試驗, 招募16名受試者參加, 對比分析開環訓練和閉環訓練兩種情況下的實驗結果, 驗證了所提出方法的可行性和有效性. 本文工作可推廣應用到腦功能障礙患者的運動康復訓練, 進一步提高康復效果.
                    基于耦合反步法的軋機垂扭耦合振動控制策略研究
                    張柳柳, 錢承, 華長春, 白振華, 雷彤
                    , doi: 10.16383/j.aas.c200936
                    摘要:
                    本文針對軋機機電液垂扭耦合系統存在耦合振動問題, 提出了一種基于耦合反步法的軋機垂扭耦合振動抑制控制策略. 首先考慮了軋機傳動系統、液壓系統與輥系機械間的相互影響, 根據動力學定理, 建立了軋機機電液垂扭耦合振動數學模型. 其次考慮到軋機耦合垂振系統和耦合扭振系統間存在狀態耦合關系, 利用耦合反步法, 解決了振動控制器設計中存在的相互嵌套問題. 針對耦合系統輸出性能受限問題, 借助于障礙李雅普諾夫函數方法, 同時利用神經網絡來逼近未知非線性函數, 設計了自適應神經網絡振動抑制控制策略. 基于李雅普諾夫穩定理論嚴格證明了本文設計的控制方法能夠保證系統輸出滿足所要求的暫穩態性能指標. 最后, 根據650 mm軋機的實際數據進行仿真, 驗證了本文設計控制策略的有效性與優越性.
                    非線性預測控制終端約束集的優化
                    于樹友, 馮陽陽, KimJung-Su, 陳虹
                    , doi: 10.16383/j.aas.c200911
                    摘要:
                    為了保證預測控制的穩定性, 經典的策略是在預測控制的優化問題中加入終端約束集和終端懲罰函數并保證終端約束集是一個在終端控制律作用下的正不變集, 終端懲罰函數是受控系統的局部控制Lyapunov函數. 本文提供了一種求解非線性系統終端約束集、終端控制律和終端懲罰函數的新策略. 通過在優化問題中引入新的變量來降低求解終端約束條件的保守性, 并且可以從理論上保證求解得到的終端約束集更大. 通常情況下, 較大的終端約束集將允許選取的預測時域較小, 因而可以降低預測控制的在線計算負擔. 從形式上看, 新的變量的引入使得終端約束集和終端懲罰項實現了某種程度的解耦, 也即終端約束集不再是終端懲罰函數的水平截集. 最后通過仿真算例驗證了所提策略的有效性.
                    基于MHSA和句法關系增強的機器閱讀理解方法研究
                    張虎, 王宇杰, 譚紅葉, 李茹
                    , doi: 10.16383/j.aas.c200951
                    摘要:
                    機器閱讀理解是自然語言處理領域中一項重要研究任務, 目標是通過機器理解給定的閱讀材料和問題, 最終實現自動答題. 目前聯合觀點類問題解答和答案依據挖掘的多任務聯合學習研究在機器閱讀理解應用中受到廣泛關注, 它可以同時給出問題答案和支撐答案的相關證據, 然而現有觀點類問題的答題方法在答案線索識別上表現還不是太好, 已有答案依據挖掘方法仍不能較好捕獲段落中詞語之間的依存關系. 基于此, 本文引入多頭自注意力(Multi-Head Self-Attention, MHSA)進一步挖掘閱讀材料中觀點類問題的文字線索, 改進了觀點類問題的自動解答方法; 將句法關系融入到圖構建過程中, 提出了基于關聯要素關系圖的多跳推理方法, 實現了答案支撐句挖掘; 通過聯合優化兩個子任務, 構建了基于多任務聯合學習的閱讀理解模型. 在2020中國“法研杯”司法人工智能挑戰賽(China AI Law Challenge 2020, CAIL2020)和HotpotQA數據集上的實驗結果表明, 本文提出的方法相比已有基線模型取得了更好的效果.
                    PLVO: 基于平面和直線融合的RGB-D視覺里程計
                    孫沁璇, 苑晶, 張雪波, 高遠兮
                    , doi: 10.16383/j.aas.c200878
                    摘要:
                    針對利用平面特征計算RGB-D相機位姿時的求解退化問題, 提出平面和直線融合的RGB-D視覺里程計(Plane-line-based RGB-D visual odometry, PLVO). 首先, 提出基于平面-直線混合關聯圖(Plane-line hybrid association graph, PLHAG)的多特征關聯方法, 充分考慮平面和平面、平面和直線之間的幾何關系, 對平面和直線兩類幾何特征進行一體化關聯. 然后, 提出基于平面和直線主輔相濟、自適應融合的RGB-D相機位姿估計方法. 具體來說, 鑒于平面特征通常比直線特征具有更好的準確性和穩定性, 本文通過自適應加權的方法, 確保平面特征在位姿計算中的主導作用, 而對平面無法約束的位姿自由度, 利用直線特征進行補充, 從而實現兩類特征的融合, 解決了單純使用平面特征求解位姿時的退化問題. 最后, 通過公開數據集上的定量實驗以及真實室內環境下的機器人實驗, 驗證了所提出方法的有效性.
                    基于氣壓肌動圖和改進神經模糊推理系統的手勢識別研究
                    汪雷, 黃劍, 段濤, 伍冬睿, 熊蔡華, 崔雨琦
                    , doi: 10.16383/j.aas.c200901
                    摘要:
                    手勢識別是人機交互領域的重要研究內容, 為截肢患者控制智能假肢手提供基礎. 當前主流方法之一是利用表面肌電圖識別手部運動意圖, 但肌電信號存在信號弱、易受噪聲、汗液、疲勞影響等缺點. 同時肌電圖在識別準確率方面, 尤其是截肢患者手勢識別方面仍然具有較大的提升空間. 針對這些問題, 本文設計了基于氣壓肌動圖的穿戴式信號采集裝置, 為手勢識別提供了優質的信號源. 結合深度神經網絡中全連接層結構、典型抽樣和標準正則化技術, 提出了一種改進多類神經模糊推理系統, 與傳統神經模糊推理系統相比泛化能力得到顯著提升. 我們招募了7名健康受試者和1名截肢受試者, 并用八種算法開展離線實驗. 所提方法在殘疾人手勢識別實驗中取得了97.25%的最高平均準確率, 在健康人手勢識別實驗中取得了98.18%的最高平均準確率. 與近年公開報道的多種手勢識別研究相比, 本文所提方法的綜合性能更優.
                    高速鐵路信號系統運維分層架構模型研究
                    林鵬, 田宇, 袁志明, 張琦, 董海榮, 宋海鋒, 陽春華
                    , doi: 10.16383/j.aas.c210109
                    摘要:
                    高速鐵路信號系統是高速鐵路安全可靠運營的核心裝備, 實現高速鐵路信號系統智能運維是降低高速鐵路運行風險的必要基礎保障. 目前我國高速鐵路信號系統運維研究工作主要集中于器件級系統或基本單元系統, 系統層面的相關研究還幾乎為空白, 亟需從整體上建立全局架構理論模型. 為此, 本文定義了關聯信號系統, 提出了分散式動態評估函數, 構建了分層架構模型. 在此基礎上, 針對分層架構模型的決策層和關聯信號層, 提出了動態定量評估、動態風險預警和故障診斷的研究方法, 并展望了所面臨的挑戰.
                    非仿射高超聲速飛行器輸出反饋控制方法研究
                    路遙
                    摘要:
                    針對一類考慮模型非仿射特性和執行機構飽和特性的高超聲速飛行器軌跡跟蹤控制問題, 提出一種基于backstepping的輸出反饋非線性控制方法. 考慮執行機構故障激發的未知非線性動態, 建立了非仿射形式飛行器模型. 為解決實際工程應用中存在的氣流角測量值難以使用的問題, 利用高度和速度測量值以及高階微分器設計了航跡傾角在線估計方法. 基于跟蹤微分器設計了模型干擾項的估計方法, 并解決了backstepping方法應用中存在的“微分項爆炸”問題. 引入輔助系統降低控制量飽和帶來的不利影響. 基于Lyapunov理論證明了閉環系統的穩定性. 最后, 通過對比仿真實驗驗證了所提方法的有效性.
                    DoS攻擊下具備隱私保護的多智能體系統均值趨同控制
                    胡沁伶, 鄭寧, 徐明, 伍益明, 何熊熊
                    , doi: 10.16383/j.aas.c201019
                    摘要:
                    均值趨同是一種廣泛應用于分布式計算和控制的算法, 旨在系統通過相鄰節點間信息交互、更新, 最終促使系統中所有節點以它們初始值的均值達成一致. 本文研究拒絕服務(denial-of-service, DoS)攻擊下的分布式離散時間多智能體系統均值趨同問題. 首先, 給出一種基于狀態分解思想的分布式網絡節點狀態信息處理機制, 可保證系統中所有節點輸出值的隱私. 然后, 利用分解后的節點狀態值及分析給出的網絡通信拓撲條件, 提出一種適用于無向通信拓撲的多智能體系統均值趨同控制方法. 理論分析表明, 該方法能夠有效抵御DoS攻擊的影響, 且實現系統輸出值均值趨同. 最后, 通過仿真實例驗證了所提方法的有效性.
                    融合類別先驗 Mixup 數據增強的罪名預測方法
                    線巖團, 陳文仲, 余正濤, 張亞飛, 王紅斌
                    , doi: 10.16383/j.aas.c200908
                    摘要:
                    罪名預測是人工智能技術應用于司法領域的代表性任務. 該任務根據案情描述和事實預測被告人被判的罪名. 由于各類罪名樣本數量高度不平衡, 分類模型訓練時分類器易偏向高頻罪名類別, 從而導致低頻罪名預測性能嚴重下降. 本文針對罪名預測類別不平衡問題, 提出融合類別先驗 Mixup 數據增強策略的罪名預測模型, 改進低頻罪名預測效果. 該模型利用雙向長短期記憶網絡與結構化自注意力機制學習文本向量表示, 在此基礎上, 通過 Mixup 數據增強策略在文本向量表示空間中合成偽樣本, 并利用類別先驗使合成樣本的標簽偏向低頻罪名類別, 以此來擴增低頻罪名訓練樣本. 實驗結果表明, 與現有方法相比, 本文方法在準確率、宏精確率、宏召回率和宏 F1 值上都獲得了大幅提升, 低頻罪名預測的宏 F1 值提升達到 13.5%.
                    人臉親子關系驗證研究綜述
                    吳曉婷, 馮曉毅, 黃安, 張雪毅, 董晶, 劉麗
                    , doi: 10.16383/j.aas.c201023
                    摘要:
                    人臉親子關系驗證即通過給定的不同人的兩幅人臉圖像判斷其是否具有親子關系, 是計算機視覺和機器學習領域中一個重要的研究問題, 在丟失兒童尋找、社會媒體分析、圖像自動標注等領域具有廣泛的應用價值. 隨著人臉親子關系驗證問題受到越來越多的關注, 其在多個方面都得到了相應的發展, 本文對人臉親子關系驗證方法做了綜述整理. 首先, 簡要介紹了人臉親子關系驗證在近十年的研究現狀, 隨后對問題進行了定義并討論其面臨的挑戰. 接下來, 匯總了常用的親子數據庫, 對數據庫屬性做了詳細的總結和對比. 然后, 對人臉親子關系驗證方法進行了分類總結、對比, 以及不同方法的性能表現. 最后, 展望了人臉親子關系驗證今后可能的研究方向.
                    聯合樣本輸出與特征空間的半監督概念漂移檢測法及其應用
                    孫子健, 湯健, 喬俊飛
                    , doi: 10.16383/j.aas.c200984
                    摘要:
                    城市固廢焚燒(Municipal solid waste incineration, MSWI)過程受垃圾成分波動、設備磨損與維修、季節交替變化等因素的影響而存在概念漂移現象, 這導致用于污染物排放濃度的建模數據具有時變性. 為此, 需要識別能夠表征概念漂移的新樣本對污染物測量模型進行更新, 但現有漂移檢測方法難以有效應用于建模樣本真值獲取困難的工業過程. 針對上述問題, 本文提出一種聯合樣本輸出與特征空間的半監督概念漂移檢測方法. 首先, 采用基于主成分分析(Principal component analysis, PCA)的無監督機制識別特征空間內的概念漂移樣本; 然后, 在樣本輸出空間采用基于時間差分(Temporal-difference, TD)學習的半監督機制對上述概念漂移樣本進行偽真值標注后, 再用Page-Hinkley檢測法確認能夠表征概念漂移的樣本; 最后, 采用上述步驟獲得的新樣本結合歷史樣本對模型進行更新. 本文基于合成和真實工業過程數據集的仿真結果表明所提方法具有優于已有方法的性能, 能夠在加強模型漂移適應性的同時有效縮減樣本標注成本.
                    基于最優工況遷移的高爐鐵水硅含量預測方法
                    蔣朝輝, 許川, 桂衛華, 蔣珂
                    , doi: 10.16383/j.aas.c200980
                    摘要:
                    高爐鐵水硅含量是鐵水品質與爐況的重要表征, 冶煉過程關鍵參數頻繁波動及大時滯特性給高爐鐵水硅含量預測帶來了巨大挑戰. 本文提出一種基于最優工況遷移的高爐鐵水硅含量預測方法. 首先, 針對過程變量頻繁波動問題, 提出基于邦費羅尼指數的自適應密度峰值聚類算法, 實現對高爐冶煉過程變量的工況劃分, 并建立不同工況硅含量預測子模型; 其次, 針對冶煉過程的大時滯特性, 定義相鄰時間節點間的硅含量工況遷移代價函數, 并提出多源路徑尋優算法, 實現冶煉過程中硅含量最優工況遷移路徑及當前時刻硅含量最優預測值的求解. 最后基于工業現場數據驗證了本文所提方法的有效性與準確性.
                    集群機器人系統特性評價研究綜述
                    武文亮, 周興社, 沈博, 趙月
                    , doi: 10.16383/j.aas.c200964
                    摘要:
                    集群機器人系統是群體智能的一個重要應用研究領域, 也是機器人系統未來發展的重要方向之一. 集群機器人系統特性評價是一個極具挑戰性的關鍵技術與理論問題, 對于集群機器人系統的研究與發展具有重要意義. 論文首先給出了對集群機器人系統基本概念的理解, 并且從多種不同角度做出了分類; 其次, 梳理了多個關鍵的集群機器人系統期望特性; 在此基礎上, 分別從評價標準、評價指標體系和評價方法三方面對已有集群機器人系統特性評價研究成果進行了比較全面的評述. 最后, 分析總結了當前集群機器人系統特性評價研究研究工作的不足, 并對未來發展方向進行了展望.
                    基于多階運動參量的四旋翼無人機識別方法
                    劉孫相與, 李貴濤, 詹亞鋒, 高鵬
                    , doi: 10.16383/j.aas.c200862
                    摘要:
                    以小型多軸無人機為代表的低慢小目標, 通常難以被常規手段探測, 而此類目標又會嚴重威脅某些重要設施. 因此對該類目標的識別已經成為一個亟待解決的重要問題. 本文基于目標運動特征, 提出了一種無人機目標識別方法, 并揭示了二階運動參量以及重力方向運動參量是無人機識別過程中的關鍵參數. 該方法首先提取候選目標的多階運動參量, 建立梯度提升樹(Gradient boosting decision trees, GBDT)和門控制循環單元(Gate recurrent unit, GRU)記憶神經網絡分別完成短時和長期識別, 然后融合表觀特征識別結果得到最終判別結果. 此外, 本文還建立了一個綜合多尺度無人機數據集(Multi-scale UAV dataset, MUD), 本文所提出的方法在該數據集上相對于傳統基于運動特征的方法, 其識別精度(Average precision, AP)提升103%, 融合方法提升26%.
                    EPnL: 一種高效且精確的PnL問題求解算法
                    王平, 何衛隆, 張愛華, 姚鵬鵬, 徐貴力
                    , doi: 10.16383/j.aas.c200927
                    摘要:
                    現有PnL(Perspective-n-Line)問題求解算法無法在獲得高求解精度的同時保證高求解效率. 為解決這一缺點, 本文提出了EPnL算法. EPnL首先將PnL問題轉換為求二次曲面方程組交點的問題, 然后利用單位四元數中變量不同時為零的特性, 分類參數化PnL問題中的旋轉矩陣. 最后, 為克服常規優化方法可靠性和效率較低的問題, EPnL利用二次曲面方程組自身的結構信息, 采用低次項參數化高次項的方式將二次曲面方程組的求解問題轉換為單變量多項式的求解問題. 實驗表明, 相比于現有算法, 本文提出的EPnL算法在具有高求解精度的同時也兼具有高求解效率.
                    路網約束下異構機器人系統路徑規劃方法
                    陳夢清, 陳洋, 陳志環, 趙新剛
                    , doi: 10.16383/j.aas.c200806
                    摘要:
                    由無人機和地面移動機器人組成的異構機器人系統在協作執行任務時, 可以充分發揮兩類機器人各自的優勢. 無人機運動靈活, 但通常續航能力有限; 地面機器人載荷多, 適合作為無人機的著陸平臺和移動補給站, 但運動受路網約束. 本文研究這類異構機器人協作路徑規劃問題. 為了降低完成任務的時間代價, 本文提出一種由蟻群算法和遺傳算法相結合的兩步法對地面機器人和無人機的路線進行解耦, 同時規劃地面機器人和無人機的路線. 第一步使用蟻群算法為地面機器人搜索可行路線. 第二步對無人機的最優路徑建模, 采用遺傳算法求解并將無人機路徑長度返回至第一步中, 用于更新路網的信息素參數, 從而實現異構協作系統路徑的整體優化. 為了進一步降低無人機的飛行時間代價, 還研究了無人機在其續航能力內連續完成多任務的協作路徑規劃問題. 最后通過大量仿真實驗驗證了所提方法的有效性.
                    數據驅動的保證收斂速率最優輸出調節
                    姜藝, 范家璐, 柴天佑
                    , doi: 10.16383/j.aas.c200932
                    摘要:
                    本文針對具有外部系統擾動的線性離散時間系統的輸出調節問題, 提出了可保證收斂速率的數據驅動最優輸出調節方法, 包括狀態可在線測量系統的基于狀態反饋的算法, 與狀態不可在線測量系統的基于輸出反饋的算法. 首先, 該問題被分解為輸出調節方程求解問題與反饋控制律設計問題, 基于輸出調節方程的解, 本文通過引入收斂速率參數, 建立了可保證收斂速率的最優控制問題, 通過求解該問題得到具有保證收斂速率的輸出調節器. 之后, 利用強化學習的方法, 設計基于值迭代的數據驅動狀態反饋控制器, 學習得到基于狀態反饋的最優輸出調節器. 對于狀態無法在線測量的被控對象, 本文利用歷史輸入輸出數據對狀態進行重構, 并以此為基礎設計基于值迭代的數據驅動輸出反饋控制器. 仿真實驗驗證了本文所提方法的有效性.
                    基于時變障礙李雅普諾夫函數的變體無人機有限時間控制
                    李新凱, 張宏立, 范文慧
                    , doi: 10.16383/j.aas.c200712
                    摘要:
                    針對復雜擾動下可執行多種任務的復合式變體無人機, 提出了一種基于浸入與不變理論和隱含系統狀態受限條件的復合時變障礙Lyapunov函數的控制方案. 設計了一種基于浸入與不變理論的擾動觀測器, 構建了一種基于監督因子的有限時間動態尺度調節器. 在此基礎上, 設計了一種基于復合時變障礙Lyapunov函數和動態滑模面的控制器, 保證系統狀態始終在約束條件之內. 通過衍生定理證明軌跡跟蹤誤差是有限時間穩定的. 最終仿真結果驗證了所提方案的有效性.
                    基于圖譜域移位的帶限圖信號重構算法
                    楊杰, 趙磊, 郭文彬
                    , doi: 10.16383/j.aas.c200802
                    摘要:
                    針對帶限圖信號的重構問題, 本文提出了基于圖譜域移位的帶限圖信號重構模型, 該模型將圖帶限分量的恒等不變特性建模為最小二乘問題. 基于所提出的重構模型, 本文設計了基于譜移位的重構算法和基于殘差譜移位的重構算法. 相比于其他重構算法, 兩種新算法提升了迭代效率和重構精度. 此外, 本文算法還適用于分段帶限圖信號的重構問題, 并且具有良好的迭代效率和重構精度.通過實驗仿真表明, 相比于目前其他的帶限圖信號重構算法, 新算法的迭代效率提升約70%和重構精度提升約60%.
                    基于平行Petri網的制造系統調度與控制一體化方法
                    李大成, 羅繼亮, 孫莎莎, 聶維余, 聶卓赟, 方慧娟
                    , doi: 10.16383/j.aas.c200842
                    摘要:
                    為了消除制造系統調度層和控制層之間的隔閡, 實現對生產事件快速靈活響應, 本文提出了一種調度與控制一體化的方法. 首先, 定義了一種新型Petri網模型, 即平行Petri網, 從而集成地描述了傳感器、執行器、任務和資源信息, 構建制造系統的信息物理系統模型; 其次, 提出了一種從平行Petri網到賦時Petri網的抽象簡化方法, 大規模壓縮優化調度所需搜索的狀態空間; 再次, 定義了策略Petri網以描述最優調度策略. 最后, 給出了平行Petri網與策略Petri網同步執行算法, 使得平行Petri網與物理系統同步執行.
                    污水處理過程出水水質稀疏魯棒建模
                    聞超垚, 周平
                    , doi: 10.16383/j.aas.c200707
                    摘要:
                    污水處理過程中, 出水水質參數是衡量污水處理性能的最重要指標, 需要進行嚴格監測, 但現有傳感技術難以對其進行實時準確的在線測量. 因此, 提出一種新型的基于隨機權神經網絡(Random vector functional-link networks, RVFLNs)與Schweppe型廣義M估計(Generalized M-estimation, GM-estimation)的稀疏魯棒建模方法, 用于水質指標的在線魯棒預測. 首先, 針對常規RVFLNs隱含層矩陣存在多重共線性而導致最小二乘估計失效的問題, 利用稀疏偏最小二乘(Sparse partial least squares, SPLS)代替RVFLNs輸出權值求解的最小二乘估計, 從而提出SPLS-RVFLNs. 該算法不僅可有效解決傳統RVFLNs的多重共線性問題, 還可以進行建模變量選擇, 提高模型的可解釋性和最終的預測精度. 同時, 考慮到SPLS-RVFLNs在求解輸出權值時會同時受到隱含層矩陣和輸出層矩陣兩個方向離群點的影響, 進一步采用Schweppe型廣義M估計對SPLS-RVFLNs進行魯棒改進, 從而提出GM-SPLS-RVFLNs, 可顯著提高模型的稀疏魯棒性能. 最后, 將提出的GM-SPLS-RVFLNs用于污水處理過程出水水質指標預測建模, 數據實驗結果表明所提方法不僅解決了常規RVFLNs多重共線性和魯棒性差的問題, 而且具有很好的預測精度和泛化性能.
                    一種改進的特征子集區分度評價準則
                    謝娟英, 吳肇中, 鄭清泉, 王明釗
                    , doi: 10.16383/j.aas.c200704
                    摘要:
                    針對特征子集區分度準則DFS(Discernibility of feature subsets)沒有考慮特征測量量綱對特征子集區分能力影響的缺陷, 引入離散系數, 提出GDFS(Generalized discernibility of feature subsets)特征子集區分度準則. 結合順序前向、順序后向、順序前向浮動和順序后向浮動4種搜索策略, 以極限學習機為分類器, 得到4種混合特征選擇算法. UCI數據集與基因數據集的實驗測試, 以及與DFS、Relief、DRJMIM、mRMR、LLE Score、AVC、SVM-RFE、VMInaive、AMID、AMID-DWSFS、CFR和FSSC-SD的實驗比較和統計重要度檢測表明: 提出的GDFS優于DFS, 能選擇到分類能力更好的特征子集.
                    基于門限和環簽名的抗自適應攻擊拜占庭容錯共識算法
                    孫海鋒, 張文芳, 王小敏, 馬征, 黃路非, 李暄
                    , doi: 10.16383/j.aas.c200694
                    摘要:
                    共識算法作為區塊鏈底層關鍵技術, 可解決決策權分散的分布式系統中的一致性難題. 良好的共識算法可提升系統健壯性, 但大多數方案在網絡故障或主動攻擊下存在魯棒性不可控、活性表現差、可擴展性不足等問題. 針對上述問題, 本文提出一種抗自適應攻擊的健壯拜占庭容錯共識算法. 該算法利用環簽名的無條件強匿名性構造排序選主算法, 隱匿選舉每一輪共識中的提案者, 進而達到模糊敵手攻擊對象、有效抵抗自適應攻擊的目的. 同時, 通過在多輪投票中合成代表法定人數投票意愿的門限簽名, 將網絡劃分為眾多最小連通性網絡, 以保證在最小連通性網絡環境中實現低延遲、高魯棒性的拜占庭容錯共識算法. 分析表明, 系統在提升可擴展性、減少視圖更換、降低簽名驗證開銷的同時, 能夠有效保證系統活性.
                    基于低秩張量圖學習的不完整多視角聚類
                    文杰, 顏珂, 張正, 徐勇
                    , doi: 10.16383/j.aas.c200519
                    摘要:
                    傳統多視角聚類都基于視角完備假設, 要求所有樣本的視角信息完整, 不能處理存在部分視角缺失情形下的不完整多視角聚類任務. 為解決該問題, 本文提出一種基于低秩張量圖學習的不完整多視角聚類方法. 為了恢復相似圖中缺失視角所對應的樣本關聯信息, 該方法將低秩張量圖約束和視角內在圖保持約束融入到多視角譜聚類模型. 通過在一個統一模型中同時挖掘視角間的互補信息和視角內未缺失樣例的關聯信息, 所提出的方法能夠得到表征樣例鄰接關系的完整相似圖和視角間一致的最優聚類指示矩陣. 與12種不完整多視角聚類方法進行實驗對比, 實驗結果表明所提出的方法在多種視角缺失率下的五個數據集上獲得了最好的聚類性能.
                    面向性能增強的雙慣量伺服系統狀態反饋控制
                    王樹波, 那靖, 任雪梅
                    , doi: 10.16383/j.aas.c200726
                    摘要:
                    為避免使用函數逼近器(神經網絡或模糊系統), 并提高雙慣量伺服系統的瞬態響應和穩態性能, 本文針對含外部擾動的雙慣量伺服系統, 提出一種基于預設性能函數的類比例狀態反饋控制策略. 首先, 提出一種改進的帶有最大超調、收斂速率以及穩態誤差的預設性能函數, 并將該函數融入控制器設計使二慣量伺服的跟蹤誤差保持在預定的邊界之內. 其次, 基于預設性能函數設計了類比例狀態反饋控制器實現跟蹤控制. 與傳統基于函數逼近控制方法相比較, 該方法可降低控制系統計算復雜度同時消除反演控制中存在的復雜度爆炸問題. 最后, 利用雙慣量伺服系統實驗平臺開展了對比實驗, 驗證了所提出的方法有效性和性能改進.
                    面向入侵檢測的元圖神經網絡構建與分析
                    王振東, 徐振宇, 李大海, 王俊嶺
                    , doi: 10.16383/j.aas.c200819
                    摘要:
                    網絡入侵樣本數據特征間存在未知的非歐式空間圖結構關系, 深入挖掘并利用該關系可有效提升網絡入侵檢測方法的檢測效能. 對此, 本文設計了一種元圖神經網絡(Meta graph neural network, MGNN), MGNN能夠對樣本數據特征內部隱藏的圖結構關系進行挖掘與利用, 在應對入侵檢測問題時優勢明顯. 首先, 設計了元圖網絡層MGNL, 挖掘出樣本數據特征內部隱藏的圖結構關系, 并利用該關系對樣本數據的原始特征進行更新; 然后, 針對MGNN存在的圖信息傳播過程中父代信息湮滅現象提出反信息湮滅策略, 并設計了注意力損失函數, 簡化MGNN中實現注意力機制的運算過程. KDD-NSL、UNSW-NB15、CICDoS2019數據集上的實驗表明, 與經典深度學習算法DNN、CNN、RNN、LSTM和傳統機器學習算法SVM、DT、RF、KNN、LR相比MGNN在準確率、F1值、精確率、召回率評價指標上均具有良好效果.
                    時滯取值概率未知下的線性時滯系統辨識方法
                    劉鑫
                    , doi: 10.16383/j.aas.c201016
                    摘要:
                    在大多數系統辨識方法中, 通常假設時變時滯在其可能的取值范圍內服從均勻分布. 但是這種假設是非常受限的并且在實際過程中常常無法得到滿足. 因此本文在時滯取值概率條件未知的情況下, 針對一類線性時變時滯系統提出有效的辨識方法. 利用期望最大化算法將擬研究的辨識問題公式化, 期望最大化算法通過不斷地迭代執行期望步驟和最大化步驟來得到優化的參數估計. 在期望步驟中, 將未知的時變時滯當作隱含變量來處理并且假設它可能的取值范圍已知. 在每一個采樣時刻, 時滯的變換由一個概率向量控制, 并且該向量中的每一個元素是未知的, 將其當作待估計的未知參數處理. 在算法的每次迭代過程中, 計算時滯的后驗概率密度函數并在此基礎上構造代價函數(Q-函數). 在最大化步驟中, 通過不斷優化(Q-函數)來估計想要的參數, 包括: 模型參數、噪聲參數、控制概率向量中的每一個元素和未知的時滯. 最后通過一個數值例子來驗證本文提出的算法的有效性.
                    基于文本引導的注意力圖像轉發預測排序網絡
                    潘文雯, 趙洲, 俞俊, 吳飛
                    , doi: 10.16383/j.aas.c200629
                    摘要:
                    轉發預測在社交媒體網站(Social media sites, SMS)中是一個很有挑戰性的問題. 本文研究了SMS中的圖像轉發預測問題, 預測用戶再次轉發圖像推特的圖像共享行為. 與現有的研究不同, 本文首先提出異構圖像轉發建模網絡(IRM), 所利用的是用戶之前轉發圖像推特中的相關內容、之后在SMS中的聯系和被轉發者的偏好三方面的內容. 在此基礎上, 提出文本引導的多模態神經網絡, 構建新型多方面注意力排序網絡學習框架, 從而學習預測任務中的聯合圖像推特表征和用戶偏好表征. 在Twitter的大規模數據集上進行的大量實驗表明, 我們的方法較之現有的解決方案而言取得了更好的效果.
                    電熔鎂砂熔煉過程電極電流飽和約束一步最優控制
                    富月, 李寶
                    , doi: 10.16383/j.aas.c200896
                    摘要:
                    電熔鎂砂熔煉過程通過電極電流熔化物料, 采用埋弧方式, 邊熔化邊加料, 其被控對象是以轉動方向與頻率為輸入, 以電極電流為輸出的三相電機. 本文通過引入中間變量并轉化控制目標, 將電熔鎂砂熔煉過程三相電極電流的復雜非線性控制問題簡化為線性控制問題, 提出了一種簡化的電極電流飽和約束一步最優控制方法, 并通過引入拉格朗日乘子向量和松弛向量驗證了該方法的最優性. 理論分析和仿真對比實驗結果表明本文所提簡化控制方法的有效性和優越性. 此外, 當考慮電熔鎂砂熔煉過程中存在的不可測外部干擾時, 在上述簡化的電極電流飽和約束算法的基礎上設計了高階干擾觀測器, 理論分析和仿真結果驗證了具有高階干擾觀測器的簡化算法的優越性.
                    作者識別研究綜述
                    張洋, 江銘虎
                    , doi: 10.16383/j.aas.c200654
                    摘要:
                    作者識別是根據已知文本推斷未知文本作者的學科, 這是一個歷史悠久的、涉及多學科的領域. 其傳統研究主要基于文學或語言學的經驗知識, 而現代研究則主要依靠數學方法量化作者的寫作風格. 本文主要站在計算語言學的角度綜述作者識別領域現代研究中的方法和思路. 首先, 簡要介紹了作者識別的發展歷程. 然后, 詳細介紹了文體風格特征、作者識別方法以及該領域中多層面的研究. 接著介紹了與作者識別相關的一些評測、數據集及評價指標. 最后, 指出該領域存在的一些問題, 結合這些問題分析并展望了作者識別的發展趨勢.
                    復雜網絡能控性魯棒性研究進展
                    樓洋, 李均利, 李升, 鄧浩
                    , doi: 10.16383/j.aas.c200916
                    摘要:
                    研究復雜網絡能控性魯棒性對包括社會網絡、生物和技術網絡等在內的復雜系統的控制和應用具有重要價值. 復雜網絡的能控性是指: 可通過若干控制節點和適當的輸入, 在有限時間內將系統狀態驅動至任意目標狀態. 能控性魯棒性則是指在受到攻擊的情況下, 復雜網絡依然維持能控性的能力. 設計具有優異能控性魯棒性的復雜網絡模型和優化實際網絡的能控性魯棒性一直是復雜網絡領域的重要研究內容. 本文首先比較了常用的能控性魯棒性定義及度量, 接著從攻擊策略的角度分析了三類攻擊的特點及效果, 包括隨機攻擊、基于特征的蓄意攻擊和啟發式攻擊. 然后比較了常見模型網絡的能控性魯棒性. 介紹了常用優化策略, 包括模型設計和重新連邊等. 目前的研究在攻擊策略和拓撲結構優化方面都取得了進展, 也為進一步理論分析提供條件. 最后總結全文并提出潛在研究方向.
                    子空間結構保持的多層極限學習機自編碼器
                    陳曉云, 陳媛
                    , doi: 10.16383/j.aas.c200684
                    摘要:
                    處理高維復雜數據的聚類問題, 通常需先降維后聚類, 但常用的降維方法未考慮數據的同類聚集性和樣本間相關關系, 難以保證降維方法與聚類算法相匹配, 從而導致聚類信息損失. 非線性無監督降維方法極限學習機自編碼器(ELM-AE)因其學習速度快、泛化性能好, 近年來被廣泛應用于降維及去噪. 為使高維數據投影至低維空間后仍能保持原有子空間結構, 本文提出基于子空間結構保持的多層極限學習機自編碼器降維方法(ML-SELM-AE). 該方法在保持聚類樣本多子空間結構的同時, 利用多層極限學習機自編碼器捕獲樣本集的深層特征. 實驗結果表明, 該方法在UCI數據、腦電數據和基因表達譜數據上可以有效提高聚類準確率且取得較高的學習效率.
                    一種基于目標空間轉換權重求和的超多目標進化算法
                    梁正平, 駱婷婷, 王志強, 朱澤軒, 胡凱峰
                    , doi: 10.16383/j.aas.c200483
                    摘要:
                    權重求和是基于分解的超多目標進化算法中常用的方法, 相比其它方法具有計算簡單、搜索效率高等優點, 但難以有效處理帕累托前沿面(Pareto optimal front, PF)為非凸型的問題. 為充分發揮權重求和方法的優勢, 同時又能處理好PF為非凸型的問題, 本文提出了一種基于目標空間轉換權重求和的超多目標進化算法, 簡稱NSGAIII-OSTWS. 該算法的核心是將各種問題的PF轉換為凸型曲面, 再利用權重求和方法進行優化. 具體地, 首先利用預估PF的形狀計算個體到預估PF的距離; 然后, 根據該距離值將個體映射到目標空間中預估凸型曲面與理想點之間的對應位置; 最后, 采用權重求和函數計算出映射后個體的適應值, 據此實現對問題的進化優化. 為驗證NSGAIII-OSTWS的有效性, 將NSGAIII-OSTWS與7個NSGAIII的變體, 以及9個具有代表性的先進超多目標進化算法在WFG、DTLZ和LSMOP基準問題上進行對比, 實驗結果表明NSGAIII-OSTWS具備明顯的競爭性能.
                    通信受限的多智能體系統二分實用一致性
                    陳世明, 姜根蘭, 張正
                    , doi: 10.16383/j.aas.c200600
                    摘要:
                    針對存在量化數據、通信時滯等通信約束以及帶有競爭關系的多智能體系統, 研究其二分實用一致性問題, 提出了一種基于量化器的分布式控制協議. 該協議基于結構平衡拓撲假設, 通過規范變換將具有競爭關系系統轉變為具有非負連接權重系統, 使二分實用一致性問題轉變為一般實用一致性問題. 利用微分包含理論、菲利波夫解的框架、代數圖論以及Lyapunov穩定性理論, 證明了在本文所提控制策略下, 具有競爭關系的多智能體系統能實現二分實用一致, 即智能體狀態收斂至模相同但符號不同的可控區間, 并給出了誤差收斂上界值. 仿真試驗進一步驗證了理論結果的有效性.
                    支持重規劃的戰時保障動態調度研究
                    曾斌, 樊旭, 李厚樸
                    , doi: 10.16383/j.aas.c200416
                    摘要:
                    復雜多變的戰場環境要求后裝保障能夠根據戰場環境變化, 預見性地做出決策, 為此提出了基于強化學習的動態調度方法. 為了準確描述保障調度問題, 提出了支持搶占調度、重分配及重部署決策的馬爾可夫決策過程模型, 模型中綜合考量了任務排隊、保障優先級以及油料約束等諸多問題的影響; 隨后設計了改進策略迭代算法, 訓練基于神經網絡的保障調度模型; 訓練后的神經網絡模型能夠近似計算狀態價值函數, 從而求解出產生最大期望價值的優化調度策略. 最后設計了一個分布式戰場保障仿真實驗, 通過與常規調度策略的對比, 驗證了動態調度算法具有良好的自適應性和自主學習能力, 能夠根據歷史數據和當前態勢預判后續變化, 并重新規劃和配置保障資源的調度方案.
                    節點分類及失效對網絡能控性的影響
                    孔芝, 袁航, 王立夫, 郭戈
                    , doi: 10.16383/j.aas.c200900
                    摘要:
                    復雜系統間的相互作用能夠用復雜網絡描述. 復雜網絡中某些節點遭受攻擊或破壞會造成網絡故障, 導致整個網絡能控性變化. 不同節點失效會對網絡能控性有不同的影響. 本文提出一種網絡節點的分類方式, 將網絡中的節點根據邊的方向和匹配關系分成九種類型, 并給出了辨識節點類型的算法. 另外, 本文給出了基于此分類方式下復雜網絡中某類節點失效時, 網絡中驅動節點數量(用來衡量網絡能控性大小的指標)的變化規律. 并通過模型網絡進行仿真實驗, 驗證了當節點失效時本文給出的驅動節點數量變化情況, 同時還分析社交網絡中不同類型節點的占比與實際中人際交往的對應關系.
                    基于事件觸發的分布式優化算法
                    楊濤, 徐磊, 易新蕾, 張圣軍, 陳蕊娟, 李渝哲
                    , doi: 10.16383/j.aas.c200838
                    摘要:
                    本文研究了一類分布式優化問題, 其目標是通過局部信息交換使由局部成本函數之和構成的全局成本函數最小. 針對無向連通圖, 我們提出了兩種基于比例積分策略的分布式優化算法. 在局部成本函數可微且凸的條件下, 證明了所提算法漸近收斂到全局最小值點. 更進一步, 在局部成本函數具有局部Lipschitz梯度和全局成本函數關于全局最小值點是有限強凸的條件下, 證明了所提算法的指數收斂性. 此外, 為了避免智能體之間的連續通信和減少通信負擔, 將所提的兩種分布式優化算法與事件觸發通信相結合, 提出了兩種基于事件觸發的分布式優化算法. 證明了提出的事件觸發優化算法不存在Zeno行為, 并且在相應條件下保持了與連續通信下分布式優化算法一樣的收斂性. 最后, 通過數值仿真驗證了上述理論結果.
                    基于DDPG的三維重建模糊概率點推理
                    李雷, 徐浩, 吳素萍
                    , doi: 10.16383/j.aas.c200543
                    摘要:
                    單視圖物體三維重建是一個長期存在的具有挑戰性的問題. 為了解決具有復雜拓撲結構的物體以及一些高保真度的表面細節信息仍然難以準確進行恢復的問題, 本文提出了一種基于深度強化學習的算法深度確定性策略梯度(Deep deterministic policy gradient, DDPG)對三維重建中模糊概率點進行再推理, 實現了具有高保真和豐富細節的單視圖三維重建. 本文的方法是端到端的, 包括以下四個部分: 擬合物體三維形狀的動態分支代償網絡的學習過程, 聚合模糊概率點周圍點的鄰域路由機制, 注意力機制引導的信息聚合和基于深度強化學習算法的模糊概率調整. 本文在公開的大規模三維形狀數據集上進行了大量的實驗證明了本文方法的正確性和有效性. 本文提出的方法結合了強化學習和深度學習, 聚合了模糊概率點周圍的局部信息和圖像全局信息, 從而有效的提升了模型對復雜拓撲結構和高保真度的細節信息的重建能力.
                    多級注意力傳播驅動的生成式圖像修復方法
                    曹承瑞, 劉微容, 史長宏, 張浩琛
                    , doi: 10.16383/j.aas.c200485
                    摘要:
                    現有圖像修復方案普遍存在著結構錯亂和細節紋理模糊的問題, 這主要是因為在圖像破損區域的重建過程中, 修復網絡難以充分利用非破損區域內的信息來準確地推斷破損區域內容. 為此, 本文提出了一種由多級注意力傳播驅動的圖像修復網絡. 該網絡通過將全分辨率圖像中提取的高級特征壓縮為多尺度緊湊特征, 進而依據尺度大小順序驅動緊湊特征進行多級注意力特征傳播, 以期達到包括結構和細節在內的高級特征在網絡中充分傳播的目標. 為進一步實現細粒度圖像修復重建, 本文還同時提出了一種復合粒度判別器, 以期實現對圖像修復過程進行全局語義約束與非特定局部密集約束. 大量實驗表明, 本文提出的方法可以產生更高質量的修復結果.
                    基于多層BP神經網絡的無參考視頻質量客觀評價
                    姚軍財, 申靜, 黃陳蓉
                    , doi: 10.16383/j.aas.c190539
                    摘要:
                    機器學習在視頻質量評價(Video quality assessment, VQA)模型回歸方面具有較大的優勢, 能夠較大地提高構建模型的精度. 基于此, 設計了合理的多層BP神經網絡, 并以提取的失真視頻的內容特征、編解碼失真特征、傳輸失真特征及其視覺感知效應特征參數為輸入, 通過構建的數據庫中的樣本對其進行訓練學習, 構建了一個無參考VQA模型. 在模型構建中, 首先采用圖像的亮度和色度及其視覺感知、圖像的灰度梯度期望值、圖像的模糊程度、局部對比度、運動矢量及其視覺感知、場景切換特征、比特率、初始時延、單次中斷時延、中斷頻率和中斷平均時長共11個特征, 來描述影響視頻質量的4個主要方面, 并對建立的兩個視頻數據庫中的大量視頻樣本, 提取其特征參數; 再以該特征參數作為輸入, 對設計的多層BP神經網絡進行訓練, 從而構建VQA模型; 最后, 對所提模型進行測試, 同時與14種現有的VQA模型進行對比分析, 研究其精度、復雜性和泛化性能. 實驗結果表明: 所提模型的精度明顯高于其14種現有模型的精度, 其最低高出幅度為4.34%; 且優于該14種模型的泛化性能, 同時復雜性處于該15種模型中的中間水平. 綜合分析所提模型的精度、泛化性能和復雜性表明, 所提模型是一種較好的基于機器學習的VQA模型.
                    基于事件觸發的離散 MIMO 系統自適應評判容錯控制
                    王敏, 黃龍旺, 楊辰光
                    , doi: 10.16383/j.aas.c200721
                    摘要:
                    本文針對具有執行器故障的一類離散非線性多輸入多輸出(Multi-input multi-output, MIMO)系統, 提出了一種基于事件觸發的自適應評判容錯控制方案. 該控制方案包括評價和執行網絡. 在評價網絡里, 為了緩解現有的非光滑二值效用函數可能引起的執行網絡跳變問題, 利用高斯函數構建了一個光滑的效用函數, 并采用評價網絡近似最優性能指標函數. 在執行網絡里, 通過變量替換將系統狀態的將來信息轉化成關于系統當前狀態的函數, 并結合事件觸發機制設計了最優跟蹤控制器. 該控制器引入了動態補償項, 不僅能夠抑制執行器故障對系統性能的影響, 而且能夠改善系統的控制性能. 穩定性分析表明所有信號最終一致有界且跟蹤誤差收斂于原點的有界小領域內. 數值系統和實際系統的仿真結果驗證了該方案的有效性.
                    基于分布式有限感知網絡的多伯努利目標跟蹤
                    吳孫勇, 王力, 李天成, 孫希延, 蔡如華, 伍雯雯
                    , doi: 10.16383/j.aas.c200481
                    摘要:
                    針對感知范圍受限的分布式傳感網多目標跟蹤問題, 在多伯努利濾波跟蹤理論基礎上提出分布式視場互補多伯努利關聯算術平均融合跟蹤方法. 首先, 通過視場互補擴大傳感器感知范圍, 其中, 局部公共區域只互補一次以降低計算成本. 其次, 每個傳感器分別運行局部多伯努利濾波器, 并將濾波后驗結果與相鄰傳感器進行泛洪通信使得每個傳感器獲取多個相鄰傳感器的后驗信息. 隨后, 通過距離劃分進行多伯努利關聯, 將對應于同一目標的伯努利分量關聯到同一個子集中, 并對每個關聯子集進行算術平均融合完成融合狀態估計. 仿真實驗表明, 所提方法在有限感知范圍的分布式傳感器網絡中能有效地進行多目標跟蹤.
                    復雜裝備系統彈性度量方法研究
                    楊博帆, 張琳, 汪文峰, 唐東麗, 丁爾啟, 項陽
                    , doi: 10.16383/j.aas.c200642
                    摘要:
                    由于復雜裝備系統缺少可工程應用的彈性度量方法, 且傳統可靠性工程難以描述裝備從故障到修復全過程的性質, 因此考慮裝備系統在工作過程中性能變化的連續性以及擾動、故障和修復的不確定性, 利用可靠性工程相關參數, 針對無子系統的簡單裝備提出了一種混合型彈性度量方法. 在此基礎上, 考慮子系統對復雜系統的影響, 以及復雜系統故障和修復概率, 提出了一種針對復雜裝備系統的彈性度量方法. 最后, 通過基于彈性理論的組件重要度計算案例, 評估復雜裝備系統各個子系統性能變化對整個裝備的影響重要程度, 驗證了方法的可行性和有效性.
                    結合領域知識的因子分析: 在金融風險模型上的應用
                    馮栩, 喻文健, 李凌
                    , doi: 10.16383/j.aas.c200342
                    摘要:
                    因子分析是一種在工業領域廣泛使用的統計學方法. 在金融資產管理中, 因子分析通過對歷史價格波動的極大似然估計推導自適應的統計學因子來生成風險模型. 與通過使用預先設定具有經濟學含義的因子來生成風險模型的基本面因子模型相比, 通過因子分析生成的模型不僅更靈活, 還能發現在基本面模型中缺失的因子. 然而, 由于因子分析所生成模型中的統計學因子缺少可解釋性, 因此當金融數據中存在顯著噪音時容易過擬合. 針對中國股市數據的風險模型生成問題, 本文提出快速因子分析算法以及將基本面因子結合到因子分析中的挑選基本面因子的混合因子分析方法, 使風險模型同時在因子探索及模型可解釋性上達到最優. 實驗結果顯示快速因子分析方法能夠達到31倍以上的加速比, 且新混合因子分析方法能夠增大人造數據集以及真實數據集上預測的對數似然估計值. 在真實數據集上, 新方法能最好夠達到平均對數似然估計值12.00, 比因子分析構建模型的7.56大4.44, 并且兩個算法均值差值的標準差為1.58, 表現出新方法能構建更準確的風險模型.
                    基于深度學習的單幅圖像超分辨率重建算法綜述
                    李佳星, 趙勇先, 王京華
                    , doi: 10.16383/j.aas.c190859
                    摘要:
                    單幅圖像超分辨率重建是計算機視覺領域上的一個重要問題, 在安防視頻監控、飛機航拍以及衛星遙感等方面具有重要的研究意義和應用價值. 近年來, 深度學習在圖像分類、檢測、識別等諸多領域中取得了突破性進展, 也推動著圖像超分辨率重建技術的發展. 本文首先介紹單幅圖像超分辨率重建的常用公共圖像數據集; 然后重點闡述基于深度學習的單幅圖像超分辨率重建方向的創新與進展; 最后討論了單幅圖像超分辨率重建方向上存在的困難和挑戰, 并對未來的發展趨勢進行了思考與展望.
                    基于背景值和結構相容性改進的多維灰色預測模型
                    繆燕子, 王志銘, 李守軍, 代偉
                    , doi: 10.16383/j.aas.c200780
                    摘要:
                    現有的多變量灰色預測模型的背景值估計誤差及模型結構單一是導致該模型預測性能不穩定的重要因素, 致使該模型在實際預測領域中應用并不廣泛. 本文通過分析背景值函數的幾何意義, 結合積分幾何面積公式, 提出一種改進的背景值優化方法, 使預測模型在背景值系數的選取上更加靈活.在此基礎上, 模型中加入灰色作用量, 提出一種新的多維灰色預測模型IBSGM(1,N). 通過對模型參數的改變分析, 新模型理論上可達到與傳統單變量和多變量灰色預測模型的兼容性. 為檢驗新模型的性能, 本文進行了三個案例對比分析, 實驗結果表明, 與現有的GM(1,1)和GM(1,N)預測模型相比較, 所提出的IBSGM(1,N)模型在背景值參數估計上誤差明顯減小, 結構相容性更強, 泛化性能更好, 具有更高的預測精度.
                    基于堆疊降噪自編碼器的神經-符號模型及在晶圓表面缺陷識別
                    劉國梁, 余建波
                    , doi: 10.16383/j.aas.c190857
                    摘要:
                    深度神經網絡是具有復雜結構和多個非線性處理單元的模型, 通過模塊化的方式分層從數據提取代表性特征, 已經在晶圓缺陷識別領域(Wafer map pattern recognition, WMPR)得到了較為廣泛的應用. 但是, 深度神經網絡在應用過程中本身存在 “黑箱”和過度依賴數據的問題, 顯著地影響深度神經網絡在晶圓缺陷識別的工業可應用性. 本文提出了一種基于堆疊降噪自編碼器(Stacked denoising auto-encoders, SDAE)的神經-符號模型. 首先, 根據SDAE的網絡特點設計了一套全新的符號規則系統, 規則形式和組成結構使其可與深度神經網絡有效融合. 其次, 根據網絡和符號規則之間的關聯性提出完整的知識抽取與插入算法, 實現了深度網絡和規則之間的知識轉換. 在實際工業晶圓表面圖像數據集WM-811K上的試驗結果表明, 基于SDAE的神經-符號模型不僅取得了較好的缺陷探測與識別性能, 而且可有效提取規則并通過規則有效描述深度神經網絡內部計算邏輯, 綜合性能優于目前經典的深度神經網絡.
                    基于深度強化學習的組合優化研究進展
                    李凱文, 張濤, 王銳, 覃偉健, 賀惠暉, 黃鴻
                    , doi: 10.16383/j.aas.c200551
                    摘要:
                    組合優化問題廣泛存在于國防、交通、工業、生活等各個領域, 幾十年來, 傳統運籌優化方法是解決組合優化問題的主要手段, 但隨著實際應用中問題規模的不斷擴大、求解實時性的要求越來越高, 傳統運籌優化算法面臨著很大的計算壓力, 很難實現組合優化問題的在線求解. 近年來隨著深度學習技術的迅猛發展, 深度強化學習在圍棋、機器人等領域的矚目成果顯示了其強大的學習能力與序貫決策能力. 鑒于此, 近年來涌現出了多個利用深度強化學習方法解決組合優化問題的新方法, 具有求解速度快、模型泛化能力強的優勢, 為組合優化問題的求解提供了一種全新的思路. 因此本文總結回顧近些年利用深度強化學習方法解決組合優化問題的相關理論方法與應用研究, 對其基本原理、相關方法、應用研究進行總結和綜述, 并指出未來該方向亟待解決的若干問題.
                    從視頻到語言: 視頻標題生成與描述研究綜述
                    湯鵬杰, 王瀚漓
                    , doi: 10.16383/j.aas.c200662
                    摘要:
                    視頻標題生成與描述是使用自然語言對視頻進行總結與重新表達. 由于視頻與語言之間存在異構特性, 其數據處理過程較為復雜. 本文主要對基于“編碼-解碼”架構的模型做了詳細闡述, 以視頻特征編碼與使用方式為依據, 將其分為基于視覺特征均值/最大值的方法、基于視頻序列記憶建模的方法、基于三維卷積特征的方法及混合方法, 并對各類模型進行了歸納與總結. 最后, 對當前存在的問題及可能趨勢進行了總結與展望, 指出需要生成融合情感、邏輯等信息的結構化語段, 并在模型優化、數據集構建、評價指標等方面進行更為深入的研究.
                    基于強化學習的部分線性離散時間系統的最優輸出調節
                    龐文硯, 范家璐, 姜藝, LewisFrank L.
                    , doi: 10.16383/j.aas.c190853
                    摘要:
                    本文針對同時具有線性外部干擾與非線性不確定性下的離散時間部分線性系統的最優輸出調節問題, 提出了僅利用在線數據的基于強化學習的數據驅動控制方法. 首先, 該問題可拆分為一個受約束的靜態優化問題和一個動態規劃問題, 第一個問題可以解出調節器方程的解. 第二個問題可以確定出控制器的最優反饋增益. 然后, 運用小增益定理證明了存在非線性不確定性離散時間部分線性系統的最優輸出調節問題的穩定性. 針對傳統的控制方法需要準確的系統模型參數用來解決這兩個優化問題, 本文提出了一種數據驅動離線策略更新算法, 該算法僅使用在線數據找到動態規劃問題的解. 然后, 基于動態規劃問題的解, 利用在線數據為靜態優化問題提供了最優解. 最后, 仿真結果驗證了所提方法的有效性.
                    基于拓撲一致性對抗互學習的知識蒸餾
                    賴軒, 曲延云, 謝源, 裴玉龍
                    , doi: 10.16383/j.aas.200665
                    摘要:
                    針對基于互學習的知識蒸餾方法中存在的不足——模型只關注教師網絡和學生網絡的分布差異而沒有考慮其他的約束條件; 只關注了結果導向的監督, 而缺少過程導向的監督——本文提出了一種拓撲一致性指導的對抗互學習知識蒸餾方法(Topology-guided aadversarial deep mutual learning, TADML)該方法將教師網絡和學生網絡同時訓練, 網絡之間相互指導學習, 不僅采用網絡輸出的類分布之間的差異, 還設計了網絡中間特征的拓撲性差異度量. 訓練過程采用對抗訓練, 進一步提高教師網絡和學生網絡的判別性. 在分類數據集CIFAR10、CIFAR100和Tiny-ImageNet及行人重識別數據集Market1501上的實驗結果表明本文所提方法TADML的有效性, TADML取得了同類模型壓縮方法中最好的效果.
                    基于多層次特征融合的圖像超分辨率重建
                    李金新, 黃志勇, 李文斌, 周登文
                    , doi: 10.16383/j.aas.c200585
                    摘要:
                    深度卷積神經網絡顯著改進了單圖像超分辨率的性能. 更深的網絡往往能獲得更好的性能. 但是, 加深網絡會導致參數量急劇增加, 限制了它在資源受限設備上的應用, 比如智能手機. 本文提出了一個融合多層次特征的輕量級單圖像超分辨率網絡. 網絡構件主要是雙層嵌套殘差塊. 為了更好地提取特征, 減少參數量, 每個殘差塊采用對稱結構: 先兩次擴張, 然后兩次壓縮通道數. 在殘差塊中, 通過添加自相關權重單元, 加權融合不同通道的特征信息. 實驗證明: 我們的方法顯著優于當前同類方法.
                    基于變分信息瓶頸的半監督神經機器翻譯
                    于志強, 余正濤, 黃于欣, 郭軍軍, 高盛祥
                    , doi: 10.16383/j.aas.c190477
                    摘要:
                    變分方法是機器翻譯領域的有效方法, 其性能較依賴于數據量規模. 然而在低資源環境下, 平行語料資源匱乏, 不能滿足變分方法對數據量的需求, 因此導致基于變分的模型翻譯效果并不理想. 針對該問題, 我們提出基于變分信息瓶頸的半監督神經機器翻譯方法, 所提方法的具體思路為: 首先在小規模平行語料的基礎上, 通過引入跨層注意力機制充分利用神經網絡各層特征信息, 訓練得到基礎翻譯模型; 隨后, 利用基礎翻譯模型, 使用回譯方法從單語語料生成含噪聲的大規模偽平行語料, 對兩種平行語料進行合并形成組合語料, 使其在規模上能夠滿足變分方法對數據量的需求; 最后, 為了減少組合語料中的噪聲, 利用變分信息瓶頸方法在源與目標之間添加中間表征, 通過訓練使該表征具有放行重要信息、阻止非重要信息流過的能力, 從而達到去除噪聲的效果. 多個數據集上的實驗結果表明, 本文所提方法能夠顯著地提高譯文質量, 是一種適用于低資源場景的半監督神經機器翻譯方法.
                    基于徑向空間劃分的昂貴多目標進化算法
                    顧清華, 周煜豐, 李學現, 阮順領
                    , doi: 10.16383/j.aas.c200791
                    摘要:
                    為了解決難以建立精確數學模型或者真實評估實驗成本高昂的多目標優化問題, 本文提出了一種基于徑向空間劃分的昂貴多目標進化算法. 首先算法使用高斯回歸作為代理模型逼近目標函數; 然后將目標空間的個體投影到徑向空間, 結合目標空間和徑向空間信息保留對種群貢獻更高的個體; 之后由徑向空間中個體的位置分布決定下一步應該選擇哪些個體進行真實評估; 最后, 采用一種雙檔案管理策略維護代理模型的質量. 數值實驗和現實問題上的結果表明, 與五種先進的算法相比, 本文提出的算法在解決昂貴多目標優化問題時能夠提供更高質量的解.
                    一種規?;祀s生產線緩沖區容量優化分配技術
                    劉軍, 任建華, 馮碩
                    , doi: 10.16383/j.aas.c200578
                    摘要:
                    針對傳統技術難以解決規?;祀s生產線緩沖區容量優化分配問題, 提出了一種規?;a線遞階分解并行尋優技術, 該技術結合混雜生產線系統綜合方法與分解方法的技術思想, 兼顧生產線平衡性與系統規模, 將原系統遞階分解為包含虛擬生產線在內的n+1個子生產線系統, 通過求解子系統的最優解構造原系統的漸進最優解, 并在系統遞階建模階段建議了一種設備模糊聚類的輔助方式; 同時, 基于混雜生產線系統綜合方法也建議了一種系統漸次綜合的初解改進確定方法; 并提出了一種通過構造動態步長來設計領域結構的改進型禁忌搜索算法對子系統進行并行尋優; 最后對技術算法的收斂性進行了證明.本文提出的生產線遞階分解建模并行尋優技術具有一般性, 對受設備隨機故障等隨機事件影響的生產線尤其是規?;a線系統其它優化、控制問題也具有借鑒、參考價值.
                    基于非凸復合函數的稀疏信號恢復算法
                    周潔容, 李海洋, 凌軍, 陳浩, 彭濟根
                    , doi: 10.16383/j.aas.c200666
                    摘要:
                    本文基于泛函深度作用的思想, 通過將兩種非凸稀疏泛函進行復合, 構造了一種新的稀疏信號重構模型, 實現了對0范數的深度逼近. 綜合運用MM技術、外點罰函數法和共軛梯度法, 提出了一種求解該模型的算法, 稱為NCCS算法. 為降低重構信號陷入局部極值的可能性, 提出了在算法的每步迭代中以BP模型的解作為初始迭代值. 為驗證所建模型和所提算法的有效性, 本文進行了多項數值實驗. 實驗結果表明: 相較于SL0算法、IRLS算法、SCSA算法以及BP算法等經典算法, 本文提出的算法在重構誤差、信噪比、歸一化均方差、支撐集恢復成功率等方面都有更優的表現.
                    基于分步子空間映射的無標記膈肌運動預測算法
                    余航, 李晨陽, 余紹德, 馮冬竹, 許錄平
                    , doi: 10.16383/j.aas.c200471
                    摘要:
                    呼吸會引起體內器官和腫瘤的運動, 這會顯著影響放射治療的過程和效果. 人體內部膈肌和胸腹部外表面是當前兩種與呼吸系統高度相關的結構, 本文對其進行系統研究, 提出了一種新的分步子空間映射(TSSM)算法, 通過對體外胸腹部表面的測量, 來預測體內膈肌的運動. 本文首先采用三維圖像分割技術對4D CT圖像進行分割, 在不使用標記物的情況下, 準確測量體內膈肌和體外胸腹部表面的位移. 為了解決跨空間的預測問題, TSSM首先構造特征子空間, 并將膈肌數據和胸腹外表面數據分別映射到各自的子空間中, 以減少數據的相關性和冗余信息; 然后通過線性嶺回歸優化過程, 對兩個子空間進行二次映射, 從而有效地捕獲跨空間數據之間的相關性. 根據訓練得到的相關模型, 通過體外胸腹部外表面的運動情況, 對體內膈肌的運動情況進行準確的預測. 為了研究數據之間的非線性關系, 本文進一步將TSSM推廣到了基于核的TSSM(kTSSM)算法. 實驗表明, 該方法可以根據腹腔外表面的運動情況, 準確的對體內膈肌位移進行預測, 優于經典的線性模型和ANN模型. 本文給出了優化算法的解析解, 其運算速度快, 將有助于提高放射治療中門控技術和跟蹤技術的效率和精度.
                    基于事件觸發的全信息粒子群優化器及其應用
                    王闖, 韓非, 申雨軒, 李學貴, 董宏麗
                    , doi: 10.16383/j.aas.c200621
                    [摘要](329)