多智能体强化学习方法综述

在自动驾驶、团队配合游戏等现实场景的序列决策问题中,多智能体强化学习表现出了优秀的潜力。然而,多智能体强化学习面临着维度灾难、不稳定性、多目标性和部分可观测性等挑战。为此,概述了多智能体强化学习的概念与方法,并整理了当前研究的主要趋势和研究方向。研究趋势包括CTDE范式、具有循环神经单元的智能体和训练技巧。主要研究方向涵盖混合型学习方法、协同与竞争学习、通信与知识共享、适应性与鲁棒性、分层与模块化学习、基于博弈论的方法以及可解释性。未来的研究方向包括解决维度灾难问题、求解大型组合优化问题和分析多智能体强化学习算法的全局收敛性。这些研究方向将推动多智能体强化学习在实际应用中取得更大的突破。

GPU通用计算及其在计算智能领域的应用

在日趋复杂的图形处理任务的推动下,GPU已经演化成为具有众多计算核心、计算能力强大的通用计算设备,并被越来越多地应用于图形处理之外的计算领域。GPU具有高并行、低能耗和低成本的特点,在数据并行度高的计算任务中,相比与传统的CPU平台有着显著的优势。随着GPU体系结构的不断演进以及开发平台的逐步完善,GPU已经进入到高性能计算的主流行列。GPU通用计算的普及,使个人和小型机构能有机会获得以往昂贵的大型、超级计算机才能提供的计算能力,并一定程度上改变了科学计算领域的格局和编程开发模式。GPU提供的强大计算能力极大地推动了计算智能的发展,并且已经在深度学习和群体智能优化方法等子领域获得了巨大的成功,更是在图像、语音等领域取得了突破性的进展。随着人工智能技术和方法的不断进步,GPU将在更多的领域获得更加广泛的应用。

机器人听觉声源定位研究综述

声源定位技术定位出外界声源相对于机器人的方向和位置,机器人听觉声源定位系统可以极大地提高机器人与外界交互的能力.总结和分析面向机器人听觉的声源定位技术对智能机器人技术的发展有着重要的意义.首先总结了面向机器人听觉的声源定位系统的特点,综述了机器人听觉声源定位的关键技术,包括到达时间差、可控波束形成、高分辨率谱估计、双耳听觉、主动听觉和视听融合技术.其次对麦克风阵列模型进行了分类,比较了基于三维麦克风阵列、二维麦克风阵列和双耳的7个典型系统的性能.最后总结了机器人听觉声源定位系统的应用,并分析了存在的问题和未来的发展趋势.

手指静脉身份识别技术最新进展

基于手指静脉的身份识别是一种新兴的生物身份识别技术,由于手指静脉身份识别具有强防伪、低成本、易获取等优良特性,在许多领域得到广泛应用,成为一种最重要的生物识别技术之一.对手指静脉身份识别技术的现状和发展进行了总结和评述.首先,回顾了手指静脉身份识别的起源和发展过程,然后,总结了该技术的通用实现流程,对实现手指静脉的几大关键技术(如样本获取、图像增强、特征提取和匹配方法等)的最新研究成果进行了全面介绍.进一步,对现有典型方法的性能进行了系统评估.最后,总结了现有手指静脉识别技术的应用现状,展望了其发展前景,并指明了下一步的研究方向.

基于跨视角一致约束的单视角三维人脸重建

基于深度神经网络的无监督单视角三维人脸重建已取得显著成功,其依赖光度渲染以及对称正则化从二维单视角图像进行训练,但是单视角图像由于自遮挡与光照影响缺乏可信的人脸几何与纹理约束.因此,提出了一种基于跨视角一致约束的两阶段的单视角三维人脸重建框架.首先,局部网络并行地估计多个视角的局部人脸纹理与UV位置图,利用低维统计人脸模型3DMM对自遮挡造成的缺失区域几何与纹理进行填充;在第2阶段中,补全网络对各视角的局部纹理与UV位置图进行补全并改进,重建具有细节的完整三维人脸几何与纹理.设计了关于光度渲染、人脸纹理、与UV位置图的跨视角一致约束函数,以无监督学习机制从多视角人脸图像数据优化端到端模型.实验结果表明,所提方法可有效地从单视角图像估计人脸姿态,对遮挡区域中人脸几何与纹理合理补全,重建带有几何与纹理细节的高质量三维人脸.特别地,在MICC Florence数据集上,所提方法较对比算法重建人脸的均方根误差降低了6.36%.

基于道路结构特征的智能车单目视觉定位

高精度定位是实现自动驾驶的关键.在城市密集区域,全球定位系统(Global positioning system,GPS)等卫星定位系统受到遮挡、干扰、多路径反射等影响,无法保障自动驾驶所需的定位精度.视觉定位技术通过图像特征匹配进行位置估计,被广泛研究.然而传统基于特征点的方法容易受到移动目标的干扰,在高动态交通场景中的应用面临挑战.在结构化道路场景中,车道等线特征普遍存在,为人类驾驶员的视觉理解与决策提供重要线索.受该思路的启发,本文利用场景中的三垂线和点特征构建道路结构特征(Road structural feature,RSF),并在此基础上提出一个基于道路结构特征的单目视觉定位算法.本文利用在北京市区的典型路口、路段、街道等场所采集的车载视频数据进行实验验证,以同步采集的高精度GPS惯性导航组合定位系统数据为参照,与传统视觉定位算法进行比较.结果表明,本文算法在朝向估计上明显优于传统算法,对环境中的动态干扰有更高的鲁棒性.在卫星信号易受干扰的区域,可以有效地弥补GPS等定位系统的不足,为满足自动驾驶所需的车道级定位要求提供重要的技术手段.

一种高效率的多智能体协作学习通信机制

目前人工智能的发展日新月异,从计算机视觉到自然语言处理,再到强化学习的研究,都有了不小的突破.但是绝大部分人工智能针对的目标都是单智能体的,这些研究者的目标是让单智能体的智能能够不断的提升.然而多智能体的突破更能解决复杂的问题,例如动物种群的繁衍、人类的团队协作等等.即使单个智能体的智能不是特别高,但如果智能体之间的交流、协作能够很有效率,从整体来看,这个智能体群落的智能会比较高.目前,多智能体协作学习领域通常使用强化学习框架,但大多研究没有显式地应用通信机制,以提高整体模型的效果.提出了一种基于通信过滤的Actor-Critic算法框架,它使多智能体环境中的智能体之间能够高效地交流,即使在没有Critic指导的执行阶段,高效率的通信也能够很好地帮助智能体协作.算法框架中采用了一个神经网络过滤智能体之间的信息,完成一个使低质量的冗余信息到高质量的低维信息的过程.设计了3个实验验证模型的效果,分别是2个协作学习场景和1个自动驾驶中的车道变换任务.实验结果表明,在引入沟通的多智能体协作学习中,该算法模型比其他类似的模型效果好.

COMP:一个中文网络评价信息挖掘系统

网络中大量的评价信息有着重要的利用价值,评价挖掘技术可以自动地挖掘出这些评价信息中所蕴含的评价者对评价对象的态度和意见。为此,设计实现了一个面向中文网络信息的评价挖掘原型系统COM P,实验表明该系统的挖掘结果具有一定的参考价值和实际意义。

视知觉学习的干扰:基于长时记忆的视角

近年来,研究者开始从长时记忆的视角探讨视知觉学习的学习效应。本文从视知觉学习的编码、巩固和再激活再巩固阶段等三个方面简述视知觉学习的干扰现象,并试图阐明干扰背后的原因。笔者建议,未来的研究应着重关注视知觉学习巩固阶段产生干扰的神经机制,再激活再巩固阶段知觉记忆整合在减少不同学习间干扰中的作用以及情境信息对多学习训练程序中记忆干扰的影响三方面研究,以优化训练程序,减少或消除不同视知觉学习的互相干扰。

隐私保护数据发布中身份保持的匿名方法

在隐私保护的数据发布研究中,目前的方法通常都是先删除身份标识属性,然后对准标识属性进行匿名处理.分析了单一个体对应多个记录的情况,提出了一种保持身份标识属性的匿名方法,它在保持隐私的同时进一步提高了信息有效性.采用概化和有损连接两种实现方式.实验结果表明,该方法提高了信息有效性,具有很好的实用性.

分片位图索引:一种适用于云数据管理的辅助索引机制

云计算技术的快速发展为海量数据的存储和管理提供了可能.然而,由于存储模型的根本改变,传统关系数据库管理系统中成熟的索引技术既不能直接应用于海量数据的处理,也无法被简单地迁移到云计算环境中.通过分析对比辅助索引在云环境中的两种截然不同的基本逻辑结构,即集中式方案与分布式方案,在吸收两者的优势并规避其弱点的基础上,提出了具有良好可扩展性的分片位图索引机制,从而对云环境中海量数据的检索任务提供高效的支持.通过充分利用云环境中的并行计算资源,使单条查询的响应速度得到提升;与此同时,局部节点根据其所掌握的全局信息规避了不必要的检索开销从而使大量请求并发到达时的查询吞吐量得以保证.在真实数据上进行实验的结果表明,分片位图索引的查询性能大大优于其它方法.

基于深度学习特征的稀疏表示的人脸识别方法

本文针对传统的基于稀疏表示的人脸识别方法在小样本情况下对类内变化鲁棒性不强的问题,从特征的层面入手,提出了基于深度学习特征的稀疏表示的人脸识别方法。本方法首先利用深度卷积神经网络提取对类内变化不敏感的人脸特征,然后通过稀疏表示对所得人脸特征进行表达分类。本文通过实验,说明了深度学习得到的特征也具有一定的子空间特性,符合基于稀疏表示的人脸识别方法对于子空间的假设条件。实验证明,基于深度学习特征的稀疏表示的人脸识别方法具有较好的识别准确度,对类内变化具有很好的鲁棒性,特别在小样本问题中具有尤为突出的优势。

基于粒子群优化的过程神经网络学习算法

基于粒子群优化为过程神经元网络提出了一种新的学习算法。新算法在对网络输入函数和连接权函数进行正交基函数展开后,将网络中的结构参数和其他参数整合成一个粒子,再用粒子群优化算法进行全局优化。新算法不依赖于函数梯度信息,不需要手动调节网络结构。粒子群优化具有良好的全局优化性能和收敛性能,保证了过程神经元网络的全局学习能力和新学习算法的收敛能力,更好地发挥过程神经网络的逼近性能。两个实际预测问题的实验结果表明,基于粒子群优化的学习算法比现有的基于梯度的基函数展开方法以及误差反传神经网络模型具有更好的预测精度。

烟花算法研究进展

烟花算法由于具有很强的优化问题求解的能力,近年来逐渐受到研究者的广泛关注。对现有烟花算法的研究工作进行了全面总结,主要包括烟花算法提出的背景、烟花算法的基本原理、单目标烟花算法的改进、混合算法、多目标烟花算法、基于GPU的并行烟花算法以及烟花算法在实际问题中的应用研究等。对于单目标烟花算法及改进算法、混合算法,文中给出了各种改进烟花算法的机制分析和对比研究,最后,给出了烟花算法的未来研究方向,包括爆炸算子搜索机制的深入分析、烟花交互机制研究、多目标烟花算法研究、并行烟花算法研究、扩展烟花算法求解的问题类型以及应用拓展。

视错觉现象的分类和研究进展

视错觉指的是人或动物观察物体时,基于知觉经验或不当参照等形成的与客观事实不一致的特定感知.它能从独特的角度显示出视觉系统的认知功能和机理,因此研究错觉原理,建立合适的数学模型和计算机模拟模型,对心理学、生理学和计算机视觉等领域的发展有着重要的意义.在收集整理大量错觉图片的基础上,视错觉可按不同的现象和成因分为轮廓错觉、运动错觉、细胞群错觉、扭曲错觉、尺寸错觉和不可能图形等6类,其中典型错觉图片被选以介绍其成因和生理、心理、计算机领域的研究现状,阐述不同视错觉发生在视觉不同认知层次上,且拥有和正常视觉相同的神经基础,最后概述了视错觉现象的应用意义和前景.

树图可视化

树图是一种流行的利用包含关系表达层次化数据的可视化方法.由于其呈现数据时高效的空间利用率和良好的交互性,受到众多的关注,得到深入的研究,并在科学、社会学、工程、商业等领域都得到了广泛的应用.文中从树图的布局算法、交互方法、改进和变种、应用领域和用户评价研究等角度,对树图可视化及其扩展方法的基础和研究前沿进行了综述,并对树图可视化方法的前景进行了展望.

基于网络广义极值模型的居住地和通勤方式同时选择模型研究

基于随机效用最大化理论,选取个人属性、社会经济属性、出行特性和土地利用属性因素为联合选择模型影响变量,以居住地区位选择集合和通勤出行方式选择集合的组合作为模型的选择项,构建居住和出行方式联合选择的网络广义极值模型,刻画日益增长的交通拥堵情况的影响变化及其在不同的就业地模式下对居住再选址和出行方式转变的潜在影响,从微观角度研究居住就业与城市通勤交通出行关系。利用Biogeme软件,对模型参数进行估计和检验,同时对模型进行弹性分析,分析不同影响因素的变化引起的方式选择概率的变化。结果表明,相比郊区的通勤者,中心区的通勤者对出行时间的增加更为敏感,更易于改变出行方式和居住区位,以抵消交通拥挤引起的负效用。

概率图模型研究进展综述

概率图模型作为一类有力的工具,能够简洁地表示复杂的概率分布,有效地(近似)计算边缘分布和条件分布,方便地学习概率模型中的参数和超参数.因此,它作为一种处理不确定性的形式化方法,被广泛应用于需要进行自动的概率推理的场合,例如计算机视觉、自然语言处理.回顾了有关概率图模型的表示、推理和学习的基本概念和主要结果,并详细介绍了这些方法在两种重要的概率模型中的应用.还回顾了在加速经典近似推理算法方面的新进展.最后讨论了相关方向的研究前景.

一种层次结构中多维属性的可视化方法

在很多领域的统计分析中,通常需要分析既具有层次结构又具有多维属性的复杂数据,如食品安全数据、股票数据、网络安全数据等.针对现有多维数据和层次结构的可视化方法不能满足对同时具有层次和多维两种属性数据的可视分析要求,提出了一种树图中的多维坐标MCT(multi-coordinate in treemap)技术.该技术采用基于Squarified和Strip布局算法的树图表示层次结构,用树图中节点矩形的边作为属性轴,通过属性映射、属性点连接、曲线拟合实现层次结构中多维属性的可视化.将该技术应用于全国农药残留侦测数据,实现了对全国各地区、各超市、各农产品中农药残留检出和超标情况的可视化,为领域人员提供了有效的分析工具.MCT技术也可用于其他领域的层次多属性数据的可视化.

基于深度特征的目标跟踪算法

针对跟踪过程中运动目标的鲁棒性问题,提出了一种基于深度特征的跟踪算法.首先,利用仿射变换对每一帧图像进行归一化处理.然后,利用深度去噪自编码器提取归一化图像的特征.由于提取的特征维数巨大,为了提高计算效率,提出了一种高效的基于稀疏表示的降维方法,通过投影矩阵将高维特征投影到低维空间,进而结合粒子滤波方法完成目标跟踪.最后,将初始帧的目标信息融入到目标表观更新过程中,降低了跟踪过程中目标发生漂移的风险.实验结果表明,所提出的视觉跟踪算法在6段视频序列上获得了较高的准确度,能够在遮挡、光照变化、尺度变化和目标快速运动的条件下稳定地跟踪目标.