基于受限样本的深度学习综述与思考

深度学习目前依靠大数据和强算力取得了较大进展,但在样本受限情况下的表现差强人意,主要问题在于函数空间(簇)的建构和在数据集受限情况下算法的设计。据此,本文对受限样本下的深度学习进行了分类综述。另外,从目前对大脑的研究来看,人的认知过程在大脑中是分区域的,每个区域担负的功能是不同的,对每个区域功能的学习过程也应该是有差异的。因此,提出了“功能进阶”式的深度学习的设想,试图构建分区分层多种功能模块组成的网络结构,研究“进阶”式的功能模块训练方法,以期探求“仿人学习”的新路径。     

基于双目强约束的直接稀疏视觉里程计

为了提高双目直接稀疏里程计(Stereo Direct Sparse Odometry,Stereo DSO)的定位速度和精度,使得移动机器人可以更有效地执行任务,提出了一种基于双目强约束的直接稀疏视觉里程计系统.基于直接法的即时定位与地图构建(Simultaneous Localization and Mapping...     

d-子树划分问题

边赋非负权无向简单图的一簇顶点两两不相交的子树称为它的一个d-子树划分(d为非负实数),如果这些子树的顶点集的并等于此图的顶点集,且每棵子树的直径不超过d.图的d-子树划分问题就是求它的一个含子树数最少的d-子树划分及其所含的子树数.d-子树划分问题在有线通信网络、道路交通网络、城市供水网络、电力传输网络等网络的运行管理、维护与测试中具有很强的应用背景.文中证明了对任意正实数d,边赋非负权二分平面图的d-子树划分问题是NP-完全问题;提出了求解边赋非负权树d-子树划分问题的一个线性时间算法,详细地讨论了算法的实现策略.所提出的算法具有简明易实现、耗费时间少等特点.     

一种发现非确定选择平行关系的过程挖掘算法

任务间非确定选择平行关系是业务流程中一种普遍存在的流程逻辑关系,利用传统的工作流网建模这种逻辑关系会导致模型中出现重复任务,为过程挖掘带来困难。基于事件日志定义了非确定选择平行关系,结合同步管理器给出了判定非确定选择平行关系的定理以及γ算法。γ算法克服了目前挖掘算法的限制,挖掘流程结构的同时挖掘管理操作行为,加强了过程挖掘的可适用性。实例分析表明了算法的有效性。     

基于局部模糊逻辑系统合成的一类非线性不确定系统自适应控制

通过使用从属于系统状态区域上开覆盖的单位分解,首先将若干个局部生成的模糊逻辑系统合成而产生一种函数逼近器,与通常的模糊逻辑系统相比较,这种逼近器不仅具有万能逼近性质,而且由于局部模糊逻辑系统具有较少规则而能够保持语言可解释性;然后,通过将适当的参数植入这种函数逼近器中,能够为某些非线性不确定系统设计自适应镇定控制器;最后,通过仿真例子验证了所提出方法的有效性.     

分布式视频编码的自适应图像组结构研究

分布式视频编码以其较低编码复杂度引起了人们广泛关注,边信息质量是影响其率失真性能的关键因素之一。针对采用固定图像组(GOP)结构不便于解码端充分利用帧间冗余,导致边信息生成质量降低,通过分析块纹理能量,判别其细节程度,提出自适应图像组结构方案,动态调整编码的时域结构。实验结果表明,在不增加编码复杂度的情况下,算法能有效改善系统性能,相比固定长度GOP模式,峰值信噪比(PSNR)平均提高1.8~2dB。     

一种多层前馈网参数可分离学习算法

目前大部分神经网络学习算法都是对网络所有的参数同时进行学习.当网络规模较大时,这种做法常常很耗时.由于许多网络,例如感知器、径向基函数网络、概率广义回归网络以及模糊神经网络,都是一种多层前馈型网络,它们的输入输出映射都可以表示为一组可变基的线性组合.网络的参数也表现为二类:可变基中的参数是非线性的,组合系数是线性的.为此,提出了一个将这二类参数进行分离学习的算法.仿真结果表明,这个学习算法加快了学习过程,提高了网络的逼近性能.     

基因工程中的微注射机器人系统

微操作机器人系统就是能够代替人工完成细微操作的一类特种机器人系统。本文描述了应用于转基因微注射实验中的此类微机器人系统,并对其体系结构、控制特点以及研究的关键问题等进行了较深入的介绍和分析。     

“三废”砂浆的试验研究

用工业废料粉煤灰、电石渣和石屑粉配制的“三废”砂浆，其性能与普通砂浆基本相同，经济效益与社会效益显著。     

基于二次帧差背景提取的车辆追踪方法

针对智能交通系统对交通参数获取的实时性需求,利用背景的短时不变性,并结合帧差分法与背景差分法,提出一种运动车辆的追踪方法.该方法采用二次帧差法对背景快速提取,再对采用背景差分法获得的差分图像进行二值化,同时,为提高识别率对二值化图像进行了形态学操作,得到了较为完整的连通域.最后以帧间连通域的距离为依据,进行车辆追踪.实验结果表明,该方法具有良好的实时性和精确度以及鲁棒性,能够满足智能交通系统的实时需求.