2.845

2023影响因子

(CJCR)

  • 中文核心
  • EI
  • 中国科技核心
  • Scopus
  • CSCD
  • 英国科学文摘

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

2020年  第46卷  第12期

显示方式:
目录
2020, 46(12).
综述
基于深度学习的单幅图片超分辨率重构研究进展
张宁, 王永成, 张欣, 徐东东
2020, 46(12): 2479-2499. doi: 10.16383/j.aas.c190031
摘要:
图像超分辨率重构技术是一种以一幅或同一场景中的多幅低分辨率图像为输入, 结合图像的先验知识重构出一幅高分辨率图像的技术. 这一技术能够在不改变现有硬件设备的前提下, 有效提高图像分辨率. 深度学习近年来在图像领域发展迅猛, 它的引入为单幅图片超分辨率重构带来了新的发展前景. 本文主要对当前基于深度学习的单幅图片超分辨率重构方法的研究现状和发展趋势进行总结梳理: 首先根据不同的网络基础对十几种基于深度学习的单幅图片超分辨率重构的网络模型进行分类介绍, 分析这些模型在网络结构、输入信息、损失函数、放...
生成对抗网络在各领域应用研究进展
刘建伟, 谢浩杰, 罗雄麟
2020, 46(12): 2500-2536. doi: 10.16383/j.aas.c180831
摘要:
随着深度学习的快速发展, 生成式模型领域也取得了显著进展. 生成对抗网络(Generative adversarial network, GAN)是一种无监督的学习方法, 它是根据博弈论中的二人零和博弈理论提出的. GAN具有一个生成器网络和一个判别器网络, 并通过对抗学习进行训练. 近年来, GAN成为一个炙手可热的研究方向. GAN不仅在图像领域取得了不错的成绩, 还在自然语言处理(Natural language processing, NLP)以及其他领域崭露头角. 本文对GAN的基本原...
多Agent深度强化学习综述
梁星星, 冯旸赫, 马扬, 程光权, 黄金才, 王琦, 周玉珍, 刘忠
2020, 46(12): 2537-2557. doi: 10.16383/j.aas.c180372
摘要:
近年来, 深度强化学习(Deep reinforcement learning, DRL)在诸多复杂序贯决策问题中取得巨大突破.由于融合了深度学习强大的表征能力和强化学习有效的策略搜索能力, 深度强化学习已经成为实现人工智能颇有前景的学习范式.然而, 深度强化学习在多Agent系统的研究与应用中, 仍存在诸多困难和挑战, 以StarCraft Ⅱ为代表的部分观测环境下的多Agent学习仍然很难达到理想效果.本文简要介绍了深度Q网络、深度策略梯度算法等为代表的深度强化学习算法和相关技术.同时, 从...
长论文
一种新型高性能控制器的研究与应用
李军, 刘哲, 周永言
2020, 46(12): 2558-2571. doi: 10.16383/j.aas.c180241
摘要:
鉴于在控制实际中存在的不确定性问题, 提出了一种针对大滞后过程的不确定性抑制的新型高性能控制器(New higher performance controller, NHPC).基于在新型观测方法和新型控制方法包括新型滤波方法上的良好进展, 将一种新型超前观测器(New advanced observer, NAO)、一种内反馈控制器(Internal feedback controller, IFC)包括一种正弦跟踪滤波器(Sinusoid tracking filter, STF)等用于构造...
论文与报告
平行点云: 虚实互动的点云生成与三维模型进化方法
田永林, 沈宇, 李强, 王飞跃
2020, 46(12): 2572-2582. doi: 10.16383/j.aas.c200800
摘要:
三维信息的提取在自动驾驶等智能交通场景中正发挥着越来越重要的作用, 为了解决以激光雷达为主的深度传感器在数据采集方面面临的成本高、样本覆盖不全面等问题, 本文提出了平行点云的框架. 利用人工定义场景获取虚拟点云数据, 通过计算实验训练三维模型, 借助平行执行对模型性能进行测试, 并将结果反馈至数据生成和模型训练过程. 通过不断地迭代, 使三维模型得到充分评估并不断进化. 在平行点云的框架下, 我们以三维目标检测为例, 通过闭环迭代, 构建了虚实结合的点云数据集, 在无需人工标注的情况下, 可达到...
基于几何可靠性机器模型的装配系统实时性能分析
贾之阳, 陈京川, 戴亚平
2020, 46(12): 2583-2592. doi: 10.16383/j.aas.c180180
摘要:
装配系统是生产系统的基本结构之一, 广泛应用于汽车、电器、电子产品等实际生产环境中.与传统的串行生产线取得的研究成果相比, 装配系统的研究, 特别是对系统暂态过程的实时性能分析的研究仍然未得到深入探讨.本文针对具有三台几何可靠性机器模型和有限缓冲区容量框架下的装配系统, 首先建立了用于此类系统暂态性能分析的数学模型, 通过马尔科夫方法导出了系统性能分析的解析公式.然后, 提出了一种基于分解的性能评估算法来近似系统的实时性能.具体来说, 本文推导出了用于计算具有三台几何可靠性机器模型的装配系统的实...
基于线性化核标签融合的脑MR图像分割方法
刘悦, 魏颖, 贾晓甜, 王楚媛
2020, 46(12): 2593-2606. doi: 10.16383/j.aas.c180407
摘要:
深层脑结构的形态变化和神经退行性疾病相关, 对脑MR图像中的深层脑结构分割有助于分析各结构的形态变化.多图谱融合方法利用图谱图像中的先验信息, 为脑结构分割提供了一种有效的方法.大部分现有多图谱融合方法仅以灰度值作为特征, 然而深层脑结构灰度分布之间重叠的部分较多, 且边缘不明显.为克服上述问题, 本文提出一种基于线性化核多图谱融合的脑MR图像分割方法.首先, 结合纹理与灰度双重特征, 形成增强特征用于更好地表达脑结构信息.其次, 引入核方法, 通过高维映射捕获原始空间中特征的非线性结构, 增强...
基于网络同步的链路预测连边机理分析研究
潘永昊, 于洪涛
2020, 46(12): 2607-2616. doi: 10.16383/j.aas.c180469
摘要:
链路预测是研究复杂网络结构演化趋势的重要组成部分, 用于预测网络丢失的连边和未来可能出现的连边, 具有极大的理论和应用价值.当前链路预测研究成果主要基于网络结构特征对连边进行预测, 具体分析其连边机理的研究较少.网络同步的研究能够深刻反映节点的动力学演化行为与网络结构之间的内在机理.本文针对链路预测考虑的静态网络引入节点动力学模型构成动态网络, 通过分析链路预测连边与动态网络模型同步之间的关系, 对链路预测连边机理进行分析研究.通过实验与理论分析总结发现了链路预测连边具有同步能力稳定性的规律.进...
一种基于区域局部搜索的NSGA II算法
栗三一, 王延峰, 乔俊飞, 黄金花
2020, 46(12): 2617-2627. doi: 10.16383/j.aas.c180583
摘要:
针对局部搜索类非支配排序遗传算法 (Nondominated sorting genetic algorithms, NSGA II)计算量大的问题, 提出一种基于区域局部搜索的NSGA II算法(NSGA II based on regional local search, NSGA II-RLS). 首先对当前所有种群进行非支配排序, 根据排序结果获得交界点和稀疏点, 将其定义为交界区域和稀疏区域中心; 其次, 围绕交界点和稀疏点进行局部搜索. 在局部搜索过程中, 同时采用极限优化策略和随机...
一种基于数据可靠性和区间证据推理的故障检测方法
周志杰, 刘涛源, 胡冠宇, 李思作, 李改灵, 贺维
2020, 46(12): 2628-2637. doi: 10.16383/j.aas.c180518
摘要:
为解决故障检测方法在处理数据不确定性问题上的不足, 本文提出一种基于数据可靠性和区间证据推理(Interval evidential reasoning, IER)的故障检测方法. 该方法通过融合专家知识与考虑可靠性的监测数据, 实现报警阈值区间的更新与优化, 从而提高故障检测的准确性. 首先基于信息一致性方法计算数据可靠度, 然后基于区间证据推理理论, 构建区间阈值的更新与优化模型, 最后基于投影协方差矩阵自适应进化策略算法求解优化模型, 得到故障检测误漏报率最小的最优报警阈值区间. 对石油管...
基于字典学习和拓展联合动态稀疏表示的SAR目标识别
曹娜, 王永利, 孙建红, 赵宁, 宫小泽
2020, 46(12): 2638-2646. doi: 10.16383/j.aas.c180228
摘要:
提出了一种基于字典学习和拓展联合动态稀疏表示的合成孔径雷达(Synthetic aperture radar, SAR)图像的目标自动识别(Automatic target recognition, ATR)方法.首先, 在图像预处理时, 分割出目标区域和目标遮挡地面形成的阴影区域, 将这两个区域的信息结合起来能更好地表示图像.其次, 将字典学习方法LC-KSVD (Label consistent k-singular value decomposition)引入到训练阶段中, 分别学习目标区...
多层局部块坐标下降法及其驱动的分类重构网络
王金甲, 张玉珍, 夏静, 王凤嫔
2020, 46(12): 2647-2661. doi: 10.16383/j.aas.c190540
摘要:
卷积稀疏编码(Convolutional sparse coding, CSC)已广泛应用于信号或图像处理、重构和分类等任务中, 基于深度学习思想的多层卷积稀疏编码(Multi-layer convolutional sparse coding, ML-CSC)模型的多层基追踪(Multi-layer basic pursuit, ML-BP)问题和多层字典学习问题成为研究热点. 但基于傅里叶域的交替方向乘子法(Alternating direction multiplier method, A...
结合全局与局部变化的图像质量评价
高敏娟, 党宏社, 魏立力, 王海龙, 张选德
2020, 46(12): 2662-2671. doi: 10.16383/j.aas.c190697
摘要:
图像所包含的信息是通过灰度值在空域的变化呈现的. 梯度是度量变化的基本工具, 这使得梯度成为了目前大多数图像质量评价算法的重要组成部分. 但是梯度只能度量局部变化, 而当人类视觉系统(Human visual system, HVS)感知一幅图像时, 既能感知到局部变化, 也能感知到全局变化. 基于HVS的这一特性, 本文提出了一种结合全局与局部变化的图像质量评价算法(Global and local variation similarity, GLV-SIM). 该算法利用Grünwald-L...
基于深度学习的高噪声图像去噪算法
盖杉, 鲍中运
2020, 46(12): 2672-2680. doi: 10.16383/j.aas.c180271
摘要:
为了更有效地实现高噪声环境下的图像去噪, 本文提出一种基于深度学习的高噪声图像去噪算法.该算法首先采用递增扩充卷积并且融合批量标准化和Leaky ReLU函数对输入含噪图像进行特征提取与学习; 然后通过结合递减扩充卷积和ReLU函数对提取的特征进行图像重构; 最后通过整合残差学习和批量标准化的端到端网络实现图像与噪声的有效分离.实验结果表明, 本文提出的算法不仅能够有效地去除高噪声环境下的图像噪声, 获得更高的峰值信噪比(Peak signal-to-noise ratio, PSNR)与结构相...
基于比特串异或和置乱变换的指纹模板保护算法
党力, 张雪锋, 惠妍
2020, 46(12): 2681-2689. doi: 10.16383/j.aas.c190011
摘要:
针对现有指纹模板保护算法存在的准确性较低、安全性能较差的问题, 提出一种基于比特串异或和置乱变换的指纹模板保护算法. 该算法在已有二维映射算法的基础上, 对得到的比特串进行异或和随机索引置乱变换, 有效地将线性和非线性变换相结合, 扩展了密钥空间, 增强了指纹模板的安全性. 理论分析和仿真结果表明, 对于密钥泄露场景, 该算法在数据库FVC2002 DB1和DB2中的等错误率(Equal error rate, EER)分别为0.08 %和0.75 %, 与现有算法相比, 具有较好的准确性和安全...
基于深度学习的多目标跟踪关联模型设计
侯建华, 张国帅, 项俊
2020, 46(12): 2690-2700. doi: 10.16383/j.aas.c180528
摘要:
近年来, 深度学习在计算机视觉领域的应用取得了突破性进展, 但基于深度学习的视频多目标跟踪(Multiple object tracking, MOT)研究却相对甚少, 而鲁棒的关联模型设计是基于检测的多目标跟踪方法的核心.本文提出一种基于深度神经网络和度量学习的关联模型:采用行人再识别(Person re-identification, Re-ID)领域中广泛使用的度量学习技术和卷积神经网络(Convolutional neural networks, CNNs)设计目标外观模型, 即利用三元...
基于延迟回声状态网的光伏电池板温度预测方法
范思远, 姚显双, 曹生现, 赵波
2020, 46(12): 2701-2710. doi: 10.16383/j.aas.c200167
摘要:
光伏电池温度变化影响光伏系统输出的稳定性, 精准地预测光伏电池板温度的变化趋势, 对光伏系统智能运行具有重要意义. 为了更好地预测温度的变化趋势, 本文考虑了光伏电池板温度的迟滞效应, 将先前的温度输出作为延迟项引入回声状态网中, 提出了一种基于延迟回声状态网的光伏电池板温度预测模型. 给出一个延迟回声状态网具有回声状态特性的判定条件, 使得预测模型能够稳定地预测光伏电池板温度. 同时, 建立了一套光伏多传感器监测系统, 利用该监测系统采集的数据, 训练和验证模型的准确性. 与回声状态网(Ech...
浅析人工智能学科基金项目申请资助情况及展望
吴国政, 吴云凯, 张兆田, 韩军伟
2020, 46(12): 2711-2718. doi: 10.16383/j.aas.c200870
摘要:
针对信息学部人工智能学科(F06) 2018至2020年度基金项目的申请和资助情况, 截取面上、青年、地区和重点项目, 点−线−面相结合, 从多种客观指标角度系统分析了三年来人工智能学科的申请和资助情况. 2020年度国家自然科学基金委学科代码进行了大幅度的调整和改革, 特别是在取消三级代码、增加二级代码数目的背景下, 本文的分析可以为新版代码的科学性和未来基金项目的申请、评审和资助导向提供统计支撑. 同时, 结合最近三年人工智能学科基金项目的申请资助情况, 以及科学处对人工智能领域的若干推动和...