针对声学边界元法中解的非唯一性和奇异积分问题,基于组合亥姆霍兹积分方程公式(combined helmholtz integral equation formulation,CHIEF)法思想,将常规边界元方程和等效源方程进行联立,并利用两者方程系数矩阵间的耦合等价关系,间接...针对声学边界元法中解的非唯一性和奇异积分问题,基于组合亥姆霍兹积分方程公式(combined helmholtz integral equation formulation,CHIEF)法思想,将常规边界元方程和等效源方程进行联立,并利用两者方程系数矩阵间的耦合等价关系,间接替换计算常规边界元法中的奇异系数矩阵,进而提出一种具有全频域唯一解、高计算精度和高稳定性的耦合CHIEF法。该方法将等效源方程作为补充方程,不仅解决了传统CHIEF法内点补充方程失效的问题,而且矩阵的间接替换计算避免了直接计算奇异积分,显著提高了计算效率和精度。通过声辐射和声散射的典型算例对比了所提方法、常规边界元法、常规Burton-Miller法和等效源法的计算效果。结果表明,所提方法不仅在全波数域内均能获得唯一解,且其计算精度和效率均优于常规边界元法和常规Burton-Miller方法,其系数矩阵条件数远低于等效源法。展开更多
强化学习用于序列决策问题上取得的成功越来越受到人们的重视,但是当使用高维状态作为输入时,仍然存在数据效率低下的问题。造成这个问题的原因之一是智能体难以从高维空间提取有效的特征。为了提高数据效率,论文提出一种适用于强化学...强化学习用于序列决策问题上取得的成功越来越受到人们的重视,但是当使用高维状态作为输入时,仍然存在数据效率低下的问题。造成这个问题的原因之一是智能体难以从高维空间提取有效的特征。为了提高数据效率,论文提出一种适用于强化学习任务的数据增强方法cGDA(cGANs-based Data Augment),该方法用条件生成对抗网络(cGANs)对环境的动态特性建模,以当前时刻的状态和动作作为条件生成模型的输入,输出下一时刻的状态作为增强数据。训练过程中使用真实数据和增强数据同时训练智能体,有效地帮助智能体从不同的数据中快速提取到有用的知识。在Atari100K基准上,cGDA在26个离散控制问题环境中与采用数据增强的方法比较,在16个环境中获得了更高的性能;与未采用数据增强的方法比较,在14个环境中获得了更高的性能。展开更多
文摘针对声学边界元法中解的非唯一性和奇异积分问题,基于组合亥姆霍兹积分方程公式(combined helmholtz integral equation formulation,CHIEF)法思想,将常规边界元方程和等效源方程进行联立,并利用两者方程系数矩阵间的耦合等价关系,间接替换计算常规边界元法中的奇异系数矩阵,进而提出一种具有全频域唯一解、高计算精度和高稳定性的耦合CHIEF法。该方法将等效源方程作为补充方程,不仅解决了传统CHIEF法内点补充方程失效的问题,而且矩阵的间接替换计算避免了直接计算奇异积分,显著提高了计算效率和精度。通过声辐射和声散射的典型算例对比了所提方法、常规边界元法、常规Burton-Miller法和等效源法的计算效果。结果表明,所提方法不仅在全波数域内均能获得唯一解,且其计算精度和效率均优于常规边界元法和常规Burton-Miller方法,其系数矩阵条件数远低于等效源法。
文摘强化学习用于序列决策问题上取得的成功越来越受到人们的重视,但是当使用高维状态作为输入时,仍然存在数据效率低下的问题。造成这个问题的原因之一是智能体难以从高维空间提取有效的特征。为了提高数据效率,论文提出一种适用于强化学习任务的数据增强方法cGDA(cGANs-based Data Augment),该方法用条件生成对抗网络(cGANs)对环境的动态特性建模,以当前时刻的状态和动作作为条件生成模型的输入,输出下一时刻的状态作为增强数据。训练过程中使用真实数据和增强数据同时训练智能体,有效地帮助智能体从不同的数据中快速提取到有用的知识。在Atari100K基准上,cGDA在26个离散控制问题环境中与采用数据增强的方法比较,在16个环境中获得了更高的性能;与未采用数据增强的方法比较,在14个环境中获得了更高的性能。