跨模态行人再识别的协同学习方法

跨模态行人再识别是实现全天候智能视频监控系统的一项关键技术。该技术旨在匹配某一特定身份行人在不重叠摄像头场景下的可见光图像和红外图像,因而面临着巨大的类内变化和模态差异。现有方法难以较好地解决这两大困难,很大程度上是由于欠缺了对特征判别能力的有效挖掘和对多源异质信息的充分利用。鉴于以上不足,使用协同学习方法设计了一个精细化多源特征协同网络,提取多种互补性特征进行信息融合,以提升网络的学习能力。从骨干卷积网络中提取多尺度和多层次特征,实现精细化特征协同学习,以增强特征的判别能力来应对类内变化。设计了模态共有与特有特征协同模块和跨模态人体语义自监督模块,达到多源特征协同学习的目的,以提高多源异质图像信息的利用率,进而解决模态差异。在SYSU-MM01和RegDB数据集上验证了该方法的有效性和先进性。     

多智能体博弈强化学习研究综述

使用深度强化学习解决单智能体任务已经取得了突破性的进展。由于多智能体系统的复杂性,普通算法无法解决其主要难点。同时,由于智能体数量增加,将最大化单个智能体的累积回报的期望值作为学习目标往往无法收敛,某些特殊的收敛点也不满足策略的合理性。对于不存在最优解的实际问题,强化学习算法更是束手无策,将博弈理论引入强化学习可以很好地解决智能体的相互关系,可以解释收敛点对应策略的合理性,更重要的是可以用均衡解来替代最优解以求得相对有效的策略。因此,从博弈论的角度梳理近年来出现的强化学习算法,总结当前博弈强化学习算法的重难点,并给出可能解决上述重难点的几个突破方向。     

自动驾驶交叉路口测试场景建模及验证方法

自动驾驶汽车在缓解交通拥堵和消除交通事故方面发挥着重要作用.为了保证自动驾驶系统的安全性和可靠性,在自动驾驶汽车部署到公共道路之前,必须进行全面的测试.现有的测试场景数据大多来源于交通事故和交通违法场景,而且自动驾驶系统最基本的安全需求就是遵守交通法规,这充分体现了自动驾驶汽车遵守交通规则的重要性.然而,目前严重缺少针对交通法规构建的自动驾驶测试场景.因此,本文从交通法规出发,根据自动驾驶系统安全需求,提出交叉路口测试场景的Petri网建模及形式化验证方法.首先,依据自动驾驶测试场景对交规进行分类,提取适合自动驾驶汽车的文本交规,并进行半形式化表征.其次,以覆盖道路交通安全法规以及测试场景功能测试规程为目标,融合交叉路口场景要素的交互行为,合理选择并组合测试场景要素,布设交叉路口测试场景.然后,基于交规的测试场景被建模为一个Petri网,其中,库所描述自动驾驶汽车的状态,变迁表示状态的触发条件,并选择时钟约束规范语言（CCSL）作为中间语义语言,将Petri网转换为一个可进行形式化验证的中间语义模型,提出具体的转换方法.最后,通过Tina软件分析验证交规场景模型的活性、有界性和可达性,结果表明所建模型的正确性,并基于SMT的分析工具MyCCSL来分析CCSL约束,采用LTL公式以形式化方法验证交规场景模型的一致性.     

基于稀疏迭代的非连续谱高频雷达信号处理方法

在拥挤频谱环境中,雷达系统在多个非连续频段发射信号并在接收端进行综合相干处理,是一种获得等效大带宽的方式. 本文专门就非连续谱调频连续波(discontinuous spectrum-frequency modulated continuous wave, DS-FMCW)及其在高频雷达中的应用展开研究. 首先提出采样点平移方法,建立DS-FMCW快时间维的非均匀采样序列谱估计模型;随后,进一步建立DS-FMCW距离-多普勒二维谱估计模型,提出解决距离徙动的方案;最后为解决距离高旁瓣问题,基于一种适用于单次快拍的迭代式稀疏重构算法提出DS-FMCW的距离与距离-多普勒谱估计方法,并提出相应的快速谱求解方法. 仿真试验表明:所提DS-FMCW距离-多普勒处理方案能有效补偿距离徙动;当频带利用率大于20%时,所提谱估计方法能够稳定地分辨距离维间隔为雷达固有距离分辨率的1/3的两个目标,且距离估计精度优于经典最小二乘算法以及正交匹配追踪算法;所提快速算法单次迭代运算量低,适用于实时系统.     

输入采用标准模糊分划的模糊控制系统设计

稳定性分析和系统化设计是模糊控制理论的两个重要研究课题 .根据输入采用标准模糊分划的模糊系统的有关性质 ,本文研究了利用平行分布补偿法 (PDC)和线性矩阵不等式法 (LMI)系统化设计T_S模糊控制系统的方法 ,提出并证明了一个判定闭环Takagi_Sugeno (T_S)模糊控制系统稳定性的充分条件 .通过对非线性质量块 -弹簧 -阻尼器模糊控制系统的设计与仿真 ,验证了这些方法的有效性 .     

An analytical procedure for multi-site,multi-season streamflow generation using maximum entropy bootstrapping

Stochastic time series models are very useful in many environmental domains. In this paper, an analytical procedure for multi-site, multi-season streamflow generation using maximum entropy bootstrap stochastic model (M3EB) is developed that can implicitly preserve both the spatial and temporal dependence structure, in addition to the other statistical characteristics present in the historical time series. The proposed model is computationally less demanding and simple in terms of modeling complexity. The maximum entropy bootstrap (MEB) generates random samples from the empirical cumulative distribution function (ECDF) and rearranges the random series based on the rank ordering of the historical time series. The modeling structure of MEB implicitly satisfies the ergodic theorem (preservation of summary statistics) and guarantees the reproduction of the time dependent structure of an underlying process. The orthogonal transformation is used with M3EB to capture the spatial dependence present in the multi-site collinear data. The performance of M3EB is verified by comparing the statistical characteristics between the observed and synthetically generated streamflows. Three case studies from Colorado River Basin, USA; Red River Basin, USA and Canada; and Cauvery River Basin, India; are used to demonstrate the advantages of M3EB. The statistical measures adopted for evaluation of M3EB performance include monthly statistics (mean, standard deviation and skewness), temporal and spatial correlation, smoothing (flows other than present in historical data) and extrapolation (flows outside the range of historical data). The M3EB model shows (i) a high level of accuracy in preserving the statistics; and (ii) a high computational efficiency. Since M3EB can be used for multiple variable problems, the model can be easily extended to other environmental or hydroclimatic time series data.     

基于Interlaken协议的高速数据流接口设计与性能分析

目前,高速网络处理系统的板级互连带宽达到了40G比特速率级,这对网络处理系统的处理速度和吞吐量提出了极大的挑战。为解决核心路由器40 Gb/sPOS线路接口板中器件间的高速数据交互难题,采用Interlaken协议对高速数据流接口设计方法进行了研究,利用高端FPGA的高速通道和IP核设计技术,完成了链路层处理芯片与转发...     

语音对抗样本的攻击与防御综述

语音是人机交互的重要载体,语音中既包含语义信息,还包含性别、年龄、情感等附属信息.深度学习的发展使得各类语音处理任务的性能得到了显著提升,智能语音处理的产品已应用于移动终端、车载设备以及智能家居等场景.语音信息被准确地识别是人与设备实现可信交互的重要基础,语音传递过程中的安全问题也受到了广泛关注.对抗样本攻击是最近几年...     

基于动态距离的模糊社区识别算法

社区识别技术是公共安全领域潜在危害行为预警预测和已发生危害行为追踪溯源的基础，针对传统社区识别算法将社区视作单一集合而无法描述社区主次成员的问题，提出一种基于动态距离的模糊社区识别算法。该算法将传统的单一社区结构划分为核心区域和边际区域，以边际区域来描述社区的模糊区间。该算法首先将网络设想为动态演变模型，网络中的任意节点均会与其他节点产生互动，互动将改变各节点间距离，距离也反过来影响互动。在阈值的界定下，受到多个社区吸引的节点被划分到边际区域，最终距离分布趋于稳定，各个社区结构得以显现。通过对比实验验证了CDFDD算法在社区识别上的有效性。