基于显著特征谱嵌入的三维模型相似性分析*

面向快速、高效的三维模型检索技术的迫切需求,提出基于显著特征谱嵌入的三维模型相似性分析方法.首先通过局部曲率及凸凹性检测,有效提取模型的显著特征点,构建模型的显著特征描述算子.然后基于拉普拉斯映射及谱分析原理进一步提取模型的内蕴形状特征.最后,结合薄板样条函数实现模型间的配准与相似性分析.通过实验验证文中方法不仅有效提高模型匹配的效率,而且能有效识别同一类模型的结构特征,同时对于残缺模型间的匹配具有较强的鲁棒性.     

基于物联网的海洋平台冰振监测系统

传统的海洋平台冰振监测系统虽然能够准确获取平台振动数据,但存在无法实现数据共享、空间占用率与成本高、可靠性不足、自动化程度低等缺陷,因此,在冰振监测系统的研究中融入物联网的思想,并以集成化、模块化为设计理念研发出海洋平台冰振监测物联网系统。现场实测结果表明,冰振监测物联网系统所测冰振数据传输稳定、精度较高,可为基于冰振监测的相关研究工作提供数据支撑。     

结构交互驱动的机器人深度强化学习控制方法

针对深度强化学习在高维机器人行为控制中训练效率低下和策略不可解释等问题,提出一种基于结构交互驱动的机器人深度强化学习方法(structure-motivated interactive deep reinforcement learning, SMILE).首先,利用结构分解方法将高维的单机器人控制问题转化为低维的多关节控制器协同学习问题,从而缓解连续运动控制的维度灾难难题;其次,通过两种协同图模型(ATTENTION和PODT)动态推理控制器之间的关联关系,实现机器人内部关节的信息交互和协同学习;最后,为了平衡ATTENTION和PODT协同图模型的计算复杂度和信息冗余度,进一步提出两种协同图模型更新方法 APDODT和PATTENTION,实现控制器之间长期关联关系和短期关联关系的动态自适应调整.实验结果表明,基于结构驱动的机器人强化学习方法能显著提升机器人控制策略学习效率.此外,基于协同图模型的关系推理及协同机制,可为最终学习策略提供更为直观和有效的解释.     

深度可分离卷积和标准卷积相结合的高效行人检测器

行人检测器对算法的速度和精确度有很高的要求.虽然基于深度卷积神经网络(DCNN)的行人检测器具有较高的检测精度,但是这类检测器对硬件设备的计算能力要求较高,因此,这类行人检测器无法很好地部署到诸如移动设备、嵌入式设备和自动驾驶系统等轻量化系统中.基于此,提出了一种更好地平衡速度和精度的轻量级行人检测器(EPDNet)....     

基于多层次语义特征的英文作文自动评分方法

作文自动评分(AES)技术能够自动地对作文进行分析和评分,其已成为自然语言处理技术在教育领域应用的热点研究问题之一.针对目前AES方法割裂了深层和浅层语义特征,忽视了多层次语义融合对作文评分影响的问题,提出了一种基于多层次语义特征的神经网络(MLSF)模型进行AES.首先,采用卷积神经网络(CNN)捕获局部语义特征,并...     

工作流系统中应用Agent改进的高级事务模型

工作流高级事务模型因结构过于复杂,或者实现起来过于困难,很难应用到实际的工作流系统中。该文以Saga模型为基础,结合成熟的对象事务服务技术,并应用多agent技术对结合OTS模型的Saga模型进行优化,提出并实现了一种切实可行的高级事务模型Esaga,为Saga模型增加了分布式事务支持,很大程度上弥补了Saga模型的不足。     

面向法律文本的三元组抽取模型

在中国裁判文书网上的开源刑事判决文档中蕴藏着重要的法律信息,但刑事判决书文档通常以自然语言的形式进行记录,而机器难以直接理解文档中的内容.为使由自然语言记录的非结构化刑事判决书文本转化为结构化三元组形式,构建一种面向法律文本的司法三元组抽取模型.将三元组抽取过程看作二阶段流水线结构,利用预训练的基于Transforme...     

事件要素注意力与编码层融合的触发词抽取研究

事件抽取是信息抽取的主要任务之一,而触发词抽取是事件抽取的重要子任务.事件要素与事件触发词之间存在关联信息,现有的事件触发词抽取方法主要关注事件触发词本身,没有充分的利用事件要素信息.因此,提出一种事件要素注意力与编码层融合的事件触发词抽取模型,能够有效地利用事件要素信息,提高触发词抽取性能.通过事件要素与事件触发词之间的相关性来显示利用事件要素信息,同时利用编码层的多头自注意力机制间接学习事件要素与事件触发词之间的依赖关系,并将两个方法得到的输出向量进行处理,作为特征送入到编码层中进行训练.此外,通过词特征模型获取语义信息.该方法在ACE2005英文语料上对事件触发词抽取的F值达到71.95%.     

改进BIT*与DWA算法的动态路径规划

传统批通知树（batch informed trees,BIT*）算法结合了RRT*算法和A*算法的优势,但是该算法在复杂环境下无法躲避未知的动态障碍物,无法完成动态路径规划。针对该问题,提出了一种将改进的BIT*算法和改进的DWA算法相融合的算法。在传统BIT*算法的基础上对路径进行拉伸优化,提取关键转折点,减少路径长度;对传统DWA算法的距离评价函数进行改进、引入轨迹点评价函数,避免局部规划过分偏离,也减少了已知障碍物对路径的影响;将改进的BIT*算法与改进的DWA算法相融合,将提取的关键转折点作为DWA的中间目标点,弥补全局规划算法无法躲避动态障碍物的缺点以及局部规划算法全局能力低下的缺点。在动静态地图中对RRT*算法、BIT*算法、DWA算法、改进BIT*算法以及融合算法进行仿真实验,仿真结果表明：在复杂环境中,改进的BIT*算法具有更短的路径和更少的拐点;与传统的DWA算法相比,融合算法规划的路线更平滑,机器人既能实时动态避障抵达终点,又能更加贴近全局路径,保证路线全局最优。