双层次装配语义智能识别与设置方法

作为装配体模型中的重要内容,即装配语义,目前大多采用人工交互的方式进行设置,过程往往费时低效.为解决此问题,提出一种双层次装配语义智能识别与设置方法.首先,改进现有的图注意力网络,将其拓展为双层次识别网络,实现透过各种几何形状,智能识别每个零件模型表面的典型运动副接口;其次,改进现有反向传播人工神经网络的网络结构以提高网络性能,智能识别每个零件模型所有运动副接口上蕴含的装配约束类型及关联的几何实体;最后,基于上述识别的信息,任意2个零件模型之间自动搜索配对的运动副接口和装配约束几何实体,并快速且半自动地设置它们之间完整的装配语义.为有效地支持上述网络模型训练,构建了一个包含2787个CAD零件模型的数据集.实验表明,该方法对运动副接口和装配约束的类型及关联几何实体识别的准确率均超过93.0%.同时,与现有的相关工作相比,所提方法具有有效地适用于快速设置各种装配体模型其装配语义的优势和潜力.

Second-order consensus in networks of dynamic agents with communication time-delays

This paper proposes second-order consensus protocols with time-delays and gives the measure of the robustness of the protocols to the time-delay existing in the network of agents with second-order dynamics. By employing a frequency domain method, it is proven that the information states and their time derivatives of all the agents in the network achieve consensus asymptotically, respectively, for appropriate communication timedelay if the topology of weighted network is connected. Particularly, a tight upper bound on the communication time-delay that can be tolerated in the dynamic network is found. The consensus protocols are distributed in the sense that each agent only needs information from its neighboring agents, which reduces the complexity of connections between neighboring agents significantly. Numerical simulation results are provided to demonstrate the effectiveness and the sharpness of the theoretical results for second-order consensus in networks in the presence of communication time-delays.

基于正则约束的分层仿射图神经网络文本分类模型

文本分类是自然语言处理中一个重要的研究课题。近年来,图神经网络(graph neural network,GNN)在这一典型任务中取得了良好的效果。目前基于图结构的文本分类方法存在边噪声和节点噪声干扰、缺乏文本层次信息和位置信息等问题。为了解决这些问题,提出了一种基于正则约束的分层仿射图神经网络文本分类模型Text-HARC,该模型融合了图注意力网络(graph attention network,GAT)与门控图神经网络(gated graph neural network,GGNN),引入正则约束过滤节点与边噪声,分别使用仿射模块与相对位置编码补充词语表示。通过实验,该方法在TREC、SST1、SST2、R8四个基准数据集上的准确率提升明显,消融实验结果也验证了该方法的有效性。

基于一致性图卷积模型的多模态对话情绪识别

多模态对话情绪识别是一项根据对话中话语的文本、语音、图像模态预测其情绪类别的任务。针对现有研究主要关注话语上下文的多模态特征提取和融合,而没有充分考虑每个说话人情绪特征利用的问题,提出一种基于一致性图卷积网络的多模态对话情绪识别模型。该模型首先构建了多模态特征学习和融合的图卷积网络,获得每条话语的上下文特征;在此基础上,以说话人在完整对话中的平均特征为一致性约束,使模型学习到更合理的话语特征,从而提高预测情绪类别的性能。在两个基准数据集IEMOCAP和MELD上与其他基线模型进行了比较,结果表明所提模型优于其他模型。此外,还通过消融实验验证了一致性约束和模型其他组成部分的有效性。

基于图神经网络的起作用安全约束辨识方法

在安全约束机组组合问题中含有大量冗余安全约束,如何高效辨识起作用的安全约束对提高求解速度具有重要意义。构建电网拓扑图、节点与支路特征后,输入至图卷积网络,对基态和故障态下支路潮流约束是否起作用进行分类,在IEEE RTS 79系统中迭代求解安全约束机组组合。结果表明,所提方法可以有效降低求解迭代次数和计算时间。所提方法可大幅提高求解效率,对将机器学习应用于辅助优化模型求解具有启示作用。

路由约束下的高效可靠虚拟骨干网构建算法

大规模无线传感器中通常采用虚拟主干网来实现信息的有效传输,如何构建具备高效传输和一定容错性的虚拟骨干网成为当前学术界的研究热点之一。构建虚拟骨干网问题可以转化为图论中的构造连通控制集问题来解决,求解最小连通控制集(minimum connected dominating set,MCDS)问题已经被证明是非确定性多项式(non-deterministic polynomial,NP)完全问题,通过严格的理论分析和验证可以将近似算法多项式时间内求得的连通控制集规模限定在特定的约束范围内。本文提出一种同时考虑高效路由和容错性的虚拟骨干网构建算法,该算法采用m重控制来提高路由的容错性,时间复杂度为O(n 3)。通过理论分析和仿真实验发现,在二维平面内,设Mopt(1,m)为二维空间下最小m重连通控制集问题的最优解,当m≤5时,该连通控制集近似比为(240/m+5)Mopt(1,m);当m>5时,该连通控制集近似比为54Mopt(1,m)。

周期运行图编制模型与算法研究

在周期运行的运输组织模式下,所有列车在车站到发都是周期循环发生的。将安排列车运行线的问题看作周期事件安排问题,并借助周期约束图及周期势差模型,可以建立周期运行图网络模型。模型充分考虑到列车不同情况下的停站时间、到发安全间隔等各项周期约束,并将列车的总停留时间最小作为目标函数。当约束图顶点和弧的数量众多时,模型的求解将比较困难。通过选择合适的约束图生成树,找到变量的合理取值范围,并对模型进行一些预先简化处理,可以降低模型的求解难度。最后求解一个区段不同列车开行方案的周期运行图,验证模型的可行性。

基于模块化思想的拆卸序列规划

针对在产拆卸序列生成过程中因零件数目过多面造成的组合爆炸问题 ,提出了一种基于模块化思想的拆卸序列生成方法 ;建立了模块化产品拆卸模型 ;自动生成了产品的层次网络图 ;并针对层次网络图进行了优先约束分析 文中介绍了产品拆卸序列的生成过程 。

城市轨道交通网络周期运行图编制研究

将铺画城市轨道交通列车运行线的问题看作周期事件安排问题,分析周期约束特性、周期约束图等因素,考虑列车运行与停站时间、列车运行到发安全、列车折返和线间换乘衔接等周期约束,以减少平峰时段轨道交通路网乘客换乘的总等待时间为目标,建立城市轨道交通网络列车运行图编制模型;提出选择合适约束图生成树的方法,结合城市轨道交通运行特征和周期约束特性,对网络模型的基本圈约束进行细化分析,研究简化模型的方法;以北京城市轨道交通局部网络为实例,编制网络列车周期运行图。分析表明,模型及其优化算法可行,对城市轨道交通运行图编制工作有较强的实用性。

基于层次网格图的拆卸序列生成算法研究

为了解决拆卸序列生成过程中的组合爆炸问题,提出了一种基于层次网络图的拆卸序列生成方法。通过建立可描述产品组成关系的层次网络图,将产品划分成不同的拆卸部件,并组织在不同层次的单元网络图上;同时,通过节点重组,将节点数目大于拆卸序列生成算法要求上限的单元网络图,拆分成若干新的拆卸部件;基于重组后的网络图,通过图节点拆卸优先约束的分析,可方便地生成产品拆卸序列,且有效避免了因节点数过多而引起的组合爆炸问题。最后,通过一个实例验证了该方法的合理性和有效性。

平均度约束的无线传感器网络拓扑控制

拓扑控制是无线传感器网络中最重要的技术之一.大规模随机部署的无线传感器网络节点,在满足无线传感器网络拓扑连通性的前提下,如何保证网络结构的稀疏性是一个亟待解决的问题,目前已有的研究结果表明当节点密度较大时,得到的网络拓扑复杂,计算路由将严重消耗节点资源.文中提出了一种平均度约束的无线传感器网络拓扑控制,通过增加节点通信半径,约束节点的平均度来解决网络的连通性与网络拓扑的稀疏性之间的矛盾.数值模拟表明:通过平均度约束的无线传感器网络拓扑控制,可减少网络中选出的工作节点数,保证了网络的稀疏性,简化了路由的复杂度,从而延长了网络的生存周期.

基于约束网络的产品进化设计

为解决约束条件下的产品设计问题,以复杂网络理论及图论为指导,建立了基于约束网络的产品创新设计模型.该模型从设计约束库中筛选相关要素作为约束变量,构建设计约束网络;利用对偶图计算约束网络中心性指标,实现节点重要度排序,进而归纳出设计约束问题并进行求解;最后建立一套基于约束的产品进化设计系统.以夜光杯为对象进行实例研究,构建相关设计约束网络;分析得到其关键节点,归纳出具体的设计约束问题,并应用动力学模拟、控制点区间约束等方法对其进行求解;开发夜光杯进化设计系统,选取具有代表性的传统夜光杯样本进行形态进化,生成一系列满足约束条件的夜光杯设计方案.结果表明:该模型有效实现了约束网络指导下的产品设计.

参数化设计中约束的自动识别

通过分析零件图中尺寸约束和图形元素之间的拓朴关系，提出约束自动识别算法。

约束满足问题的预处理方法研究

搜索控制问题是大多数人工智能问题求解面临的一个根本间题,而约束满足是解决这一问题的常用方法之一它源于机器视觉领域中的情景标识任务,如今在人工智能的众多领域(如规划、调度、时序推理)中获得了广泛的应用,受到了人工智能界的高度重视.在近几期的UCAI和AAAI等国际人工智能会议上这方面的内容均占有一定的比重,《A币ficial In-telligence》

基于约束网络图的辅助尺寸优化标注设计技术研究

提出要实现辅助尺寸优化标注设计 ,必须用并行工程的观点从零件在整个产品装配中的作用来开始分析。运用层次分析的方法 ,在装配层分析零件间的约束关系 ,在零件层分析每个零件内部的几何要素间的约束。运用图论的知识来生成相应的约束网络图 ,进一步将零件的种种标注模式抽象为零件约束网络图的一棵棵生成树。本文的思想已经采用VisualBasic高级语言编程在AutoCAD2 0 0

基于邻居信息聚合的子图同构匹配算法

图匹配在现实中被广泛运用,而子图同构匹配是其中的研究热点,具有重要的科学意义与实践价值。现有子图同构匹配算法大多基于邻居关系来构建约束条件,而忽略了节点的局部邻域信息。对此,提出了一种基于邻居信息聚合的子图同构匹配算法。首先,将图的属性和结构导入到改进的图卷积神经网络中进行特征向量的表示学习,从而得到聚合后的节点局部邻域信息;然后,根据图的标签、度等特征对匹配顺序进行优化,以提高算法的效率;最后,将得到的特征向量和优化的匹配顺序与搜索算法相结合,建立子图同构的约束满足问题(CSP)模型,并结合CSP回溯算法对模型进行求解。实验结果表明,与经典的树搜索算法和约束求解算法相比,该算法可以有效地提高子图同构的求解效率。

存在物理约束下的基于密度的空间聚类算法

在现有的基于空间约束的空间聚类算法DBCluC和DBRS+等的研究和比较基础上,提出了一种新的处理物理约束的基于密度的空间聚类算法——DBCluC+。该算法在DBCluC算法基础上,采用网络拓扑结构建模通达对象,并增加通达对象访问点的宽度属性,从而采用约束距离(constrained distance)代替简单的欧几里德距离或障碍距离(obstacle distance)作为相异度的度量标准。理论分析和实验结果表明,DBCluC+算法不仅具有密度聚类算法的优点,而且聚类结果比传统的处理通达约束的聚类算法更合理,也更加符合实际情况的需要。

转向约束网络中的对偶最短路径树原理及其原型算法

为比较有无转向约束条件下最短路径特征及其搜索算法的异同点,基于对偶图理论证明了转向约束网络中从单个源点到所有弧的最短路径集构成其对偶网络的生成树,提出了对偶最短路径树(DSPT)概念,并利用其分析算法之间的关系。研究结果表明:转向约束下的现有求解方法包括弧标号算法、节点标号算法和对偶网络法都可以统一到DSPT算法框架内,而且与无转向约束的最短路径树(SPT)算法在路径搜索策略上是相同的;对于转向约束网络中的最短路径问题可建立一个DSPT原型算法,结合各种SPT标号技术能设计出更多的有效算法。

基于图模型和拓扑约束的管网数据一致性检测

正确可靠的数据是GIS系统的核心。针对管网数据的复杂性,提出利用图数据模型描述管网拓扑关系,并使用拓扑约束方法对管网数据一致性进行检测,以确保数据的正确性。该方法吸收了基于连接规则以及基于拓扑关系约束的方法的优点,能够更好的描述管网系统的整体结构并对其进行拓扑约束,使得一致性检测更加全面。

变量约束网的建模和推理算法

设计的变量约束网是一个能够综合表达变量间各种约束关系的网络结构。文章中首先介绍了它的结构特征；然后给出了它的建模方法和可在Ｗｉｎｄｏｗｓ下操作的图形建模工具；最后讨论了该约束网的推理算法，即如何通过约束传播完成相关变量的求解，此算法与网络的复杂程度无关。利用文章提出的方法可构造任意复杂的变量约束网，完成对复杂系统的变量求解；与传统的表示方法相比，简化了问题求解过程，从而提高了求解效率。