基于ERP信号的目标检测研究综述

目标检测技术应用广泛,现有的基于计算机视觉的目标检测方法由于目标遮挡、光照强弱等因素难以适应复杂场景的需求。而人脑的高级认知能力和快速感知能力在处理复杂情况时具有一定的优势。基于事件相关电位（Event-Related Potentials,ERP）的脑机接口（Brain Computer Interface,BCI）系统与特定事件相关,可检测独立于自发脑电的高级认知活动,是当前人工智能领域的研究热点之一。针对基于ERP信号的目标检测各个环节进行了研究现状的全面归纳,梳理了以快速串行视觉呈现（Rapid Serial Visual Presentation task,RSVP）为主的实验范式,包括呈现模式、目标视场角、目标复杂度等设计因素。总结了脑电信号分析中的预处理方法、特征提取和特征分类算法,介绍了其在人脸识别、军事作战、医学分析等领域中的初步应用。探讨了目前研究中存在的问题和挑战并展望未来的研究方向与应用前景。     

基于Perlin噪声的高分辨率地形仿真方法

高分辨率地形数据是虚拟现实、军事可视化仿真等方面研究的重要素材,地形的精细、逼真程度,直接影响到仿真的效果.但分辨率很高的地形数据难以直接获取,一种典型的解决方法是采用特定算法在低分辨率数据的基础上生成仿真地形数据.Perlin噪声具有分形、频率振幅可控等特点,通过不同频率的三维Perlin噪声叠加,可以生成不同细节程度的地形数据.将Perlin噪声模型应用于从低分辨地形数据构造高分辨率地形数据,可以较好地模拟原始地形的地理特征,具有较高的保真度.文章基于Perlin噪声模型设计、实现高分辨率地形重构算法,并采用可视化仿真的方法对该方法和简单随机噪声方法进行检验,仿真结果表明该方法能够更好地满足要求.     

无人机任务规划课程设计与实践

针对无人机任务规划课程教学实际,梳理相关概念与内涵,分析其在无人机专业本科学员知识体系中的作用与地位,根据任务规划人才培养的能力需求提出课程的建设思路,并着重强调该方向人才培养所需要的动手能力,对教学实践环节进行详细设计,构建开放式任务规划教学框架和递进式试验内容.     

无人作战飞机低可探测航线仿真检验方法研究

为了确保无人作战飞机在执行任务时较不容易被敌方雷达探测到,需要对无人作战飞机任务航线的低可探测性进行检验.分析并建立了基于机身RCS特性的航线低可探测性的计算模型;提出了使用B样条曲面对离散探测距离点进行插值的方法,形成连续RCS探测距离曲面;运用可视化仿真的手段,建立该计算模型的三维模型,将航线与周围战场环境、电磁环境、探测模型综合地表现在虚拟战场中.最终实验结果证明了该方法可以有效地提高指挥人员对航线的检验效率.     

基于图表征和双重注意力机制的跨被试ERP检测

针对事件相关电位（event-related potential,ERP）在跨被试场景下检测精度不高的问题,提出了一种基于图表征和双重注意力机制的卷积循环神经网络模型。该模型采用不依赖于被试和任务的图来表征脑电信号中的空间信息,并级联卷积神经网络（convolutional neural network,CNN）和长短期记忆网络（long short-term memory network,LSTM）形成CNN-LSTM基础框架,同时嵌入双重注意力机制（即选择性内核卷积和自注意力机制）以充分提取不同被试脑电信号的时空特征,从而提高跨被试场景下的ERP检测精度。在基于快速序列视觉呈现范式的大规模基准数据集上的实验结果表明,与现有的7种ERP检测方法相比,所提方法在跨被试场景下具有显著的优越性。     

多智能体深度强化学习及其可扩展性与可迁移性研究综述

得益于深度学习强大的特征表达能力和强化学习有效的策略学习能力,深度强化学习在一系列复杂序贯决策问题中取得了令人瞩目的成就.伴随着深度强化学习在诸多单智能体任务中的成功应用,其在多智能体系统中的研究方兴未艾.近年来,多智能体深度强化学习在人工智能领域备受关注,可扩展与可迁移性已成为其中的核心研究点之一.鉴于此,首先阐释深度强化学习的发展脉络和典型算法,介绍多智能体深度强化学习的3种学习范式,分析两类多智能体强化学习的典型算法,即分解值函数方法和中心化值函数方法;然后归纳注意力机制、图神经网络等6类具有可扩展性的多智能体深度强化学习模型,梳理迁移学习和课程学习在多智能体深度强化学习可迁移性方向的研究进展;最后讨论多智能体深度强化学习的应用前景与研究方向,为未来多智能体深度强化学习的进一步发展提供可借鉴的参考.