在流水线结构上的基于Shear-Wrap的并行体数据绘制算法

在以前的基于目标空间划分的并行体数据绘制算法中，局部绘制和图象融合是两个串行的过程，在节点机的局部绘制阶段几乎没有数据通讯，但在数据融合阶段数据通讯量非常大，出现总线争用甚至通讯阻塞，而且在这个阶段有非常大的同步开销。本文利用流水线结构，让局部体数据绘制和图象融合并行执行，很好地解决了上述缺点。并在一个基于微机的流水线结构上实现了一个新的基于目标空间划分的并行体数据绘制算法。     

基于双平面正交投影重建血管截面的新方法

提出了一种利用双平面正交投影重建血管截面的方法,该方法中应用加权距离作为度量相邻截面相似性的测度,并通过对网流理论中最小费用流算法的改进来最优化该相似性测度,在此基础上还引进截面连通性约束,利用随机数来获得最连通截面,实验结果表明应用该方法可以得到在投影约束下与给定模型最相似最连通的截面。     

自动驾驶安全挑战：行为决策与运动规划

在自动驾驶技术发展中,安全性一直作为首要因素被业界重视.行为决策与运动规划系统作为该技术的关键环节,对智慧属性具有更高要求,需要不断地随着环境变化做出当前的最优策略与行为,确保车辆行驶过程中的安全.文中分别对行为决策和运动规划系统进行深层次阐述,首先,介绍行为决策中基于规则的决策算法、基于监督学习的决策算法、基于强化学习的决策算法的算法理论及其在实车中的应用.然后,介绍运动规划中基于采样的规划算法、基于图搜索的规划算法、基于数值优化的规划算法和基于交互性的规划算法,并对算法的设计展开讨论,从安全角度分析行为决策和运动规划,对比各类方法的优缺点.最后,展望自动驾驶领域未来的安全研究方向及挑战.     

基于视觉模型的图像边缘检测算法

文章提出了一种基于视觉模型的图像边缘检测算法.作者采用具有反馈和前项控制连接的侧抑制模型进行图像信息进行处理,用零阶和二阶厄米特(Hermite)函数的组合产生系统的控制模板,组合系数通过梯度下降学习算法确定.这种以生物视觉感知机理为基础的神经计算方法可有效地均衡滤除噪声和增强边缘,同时将系统高维参数的学习问题转化为对少数几个参数的确定,降低了问题的维数和计算的复杂性.     

基于主元神经网络的非结构化道路跟踪

在概率的框架内,基于主元神经网络,提出了一种新的蒙特卡罗道路跟踪技术,用于自主陆地车辆在非结构化道路上的导航．使用直线道路模型表示道路边缘,并对其状态利用二阶自回归模型进行预测;在HSV彩色空间将颜色信息和局部空间特征相结合,利用主元神经网络提取主成分;根据道路边缘窗的统计特性,利用粒子滤波器进行道路状态的估计．实验结果表明,该方法能够鲁棒地进行非结构化道路跟踪．     

基于环境光场和漫反射光场的动态场景绘制

利用光强的可叠加性，本文提出了将光场分解为不随场景变化的子光场的思想，使得物体、光源、观察点都可自由变动的动态场景绘制也能利用基于图象的绘制技术之优势。依靠漫反射与观察方向的无关性，本文还提出了漫反射光场的四维表示法，并且利用物体对不同点光源的漫反射之间以及环境光与漫反射光之间的内在联系，只用一个单位强度的单色点光源为物体构造漫反射光场，从而节省了存储空间和预处理时间。利用其数据结构的一致性，环境光场、漫反射光场和深度场中对应点的数据被合并成５维矢量以便更有效地压缩。本文给出的绘制算法，能准确地计算出物体的颜色和场景中阴影的变化等动态场景的典型特征，从而为在低档计算机实现动态场景的实时绘制提供了理论和技术依据。     

平行学习——机器学习的一个新型理论框架

本文提出了一种新的机器学习理论框架.该框架结合了现有多种机器学习理论框架的优点,并针对如何使用软件定义的人工系统从大数据提取有效数据,如何结合预测学习和集成学习,以及如何利用默顿定律进行指示学习等目前机器学习领域面临的重要问题进行了特别设计.     

平行机器人与平行无人系统:框架、结构、过程、平台及其应用

本文将基于ACP（Artificial societies,computational experiments,parallel execution）的平行系统思想与机器人领域相结合,形成一种软硬件相结合的框架,为无人机、无人车、无人船在复杂环境中实验、学习与实际工作提供便捷、安全的平台,即平行无人系统.本文从平行机器人的基本概念出发,提出平行无人系统的基本框架,并介绍了各模块的基本功能与实现方法,探讨了其中的关键技术.然后本文围绕无人机、无人车、无人船三个方面展望了无人平行系统在实际中的应用和所面临的挑战,提出了平行无人系统的未来发展方向.     

基于模型的机器人强化学习研究综述

基于模型的强化学习通过学习一个环境模型和基于此模型的策略优化或规划,实现机器人更接近于人类的学习和交互方式.文中简述机器人学习问题的定义,介绍机器人学习中基于模型的强化学习方法,包括主流的模型学习及模型利用的方法.主流的模型学习方法具体介绍前向动力学模型、逆向动力学模型和隐式模型.模型利用的方法具体介绍基于模型的规划、...     

径向基函数神经网络的软竞争学习算法

本文构造了径向基函数(RBF)神经网络的一类软竞争学习算法(SCLA).该算法的主要思想是首先在高斯基函数中心向量的训练过程中引入了隶属度函数,对每个输入样本,所有中心向量根据该样本属于其代表的类的隶属度值的大小进行自适应地调整;第二,把隶属度函数的模糊因子的倒数与模拟退火算法中的温度等同起来,在迭代过程中采用递增的方式来调整它.SCLA是RBF网络基于k-均值方法训练中心向量的学习算法的软竞争格式,它可以克服后者对初始值敏感和死节点的问题.仿真实验论证了SCLA是有效的.