基于生成对抗网络的零样本图像分类

在图像分类任务中,零样本图像分类问题已成为一个研究热点。为了解决零样本图像分类问题,采用一种基于生成对抗网络（GAN）的方法,通过生成未知类的图像特征使得零样本分类任务转换为传统的图像分类任务。同时对生成对抗网络中的判别网络做出改进,使其判别过程更加准确,从而进一步提高生成图像特征的质量。实验结果表明:所提方法在AWA、CUB和SUN数据集上的分类准确率分别提高了0.4%、0.4%和0.5%。因此,所提方法通过改进生成对抗网络,能够生成质量更好的图像特征,从而有效解决零样本图像分类问题。      

灾变机制下的元胞遗传算法

文章提出了一种改进的加入灾难的元胞遗传算法.该算法是细粒式并行遗传算法和粗粒式并行遗传算法的混合形式.在遗传算法和元胞自动机的原理基础上,通过加入灾难的方式,用于求解复杂甬数优化问题,获得了较好的效果.     

一种基于实体模型的三轴数控加工刀轨生成算法

实体模型是几何造型的高级模型，它具有完整的曲面拓扑关系，国内基本实体模型的数摈加工算法的需求日渐迫切，本文提出了一种适合实体模型的三轴数控加工刀位轨迹生成算法；首先根据加工行距作一组平行于刀轴的平面，与模型的待加工表面求交，得到一系列交线，再根据加工步长规划另一组与上述平面垂直且平行于刀轴的平面，与上述交线求交，得到一交点网格，判断刀具与数据点的位置关系从而得到刀位轨迹。     

基于无限元方法的直升机外部噪声仿真分析

为了准确地模拟直升机飞行中的外部噪声,建立了耦合计算流体力学/计算气动声学(Computational fluid dynamics/Computational aeroacoustics,CFD/CAA)的直升机机外噪声预测方法.气动计算采用CFD方法模拟旋翼、尾桨气动力以及气动干扰;噪声计算采用声学无限元方法,考虑...     

元强化学习综述

元强化学习是指自动从一组相关任务中学习强化学习所需归纳偏置的相关理论和方法,对于提高强化学习算法在困难场景下的样本效率和泛化能力具有重要用途。本文提出一种新的元强化学习框架,指出设计和分析一个元强化学习算法需要同时考虑学习经验（相关任务）、归纳偏置及学习目标3个独立因素及这3个因素之间的依赖关系。在此基础上对该领域的研究现状进行了分析和总结,特别对近年来元强化学习若干文献进行了分析和归类,并详细阐述了几种代表性算法的原理及各自特点。本文还对元强化学习常用的实验环境和性能评价方法进行了介绍,对该领域的不足和未来的发展方向进行了讨论和分析。     

基于改进深度学习模型的焊缝缺陷检测算法

针对传统深度学习模型在进行焊缝缺陷检测时对小缺陷目标检测效果不理想问题,提出基于改进深度学习Faster RCNN模型的焊缝缺陷检测算法,算法通过多层特征网络提取多尺度特征图并共同作用于模型后续环节,以充分利用模型中的低层特征,增加细节信息;改进模型的区域生成网络,加入多种滑动窗口,从而优化了模型锚点的长宽比设置,提高检测能力。实验表明,改进Faster RCNN模型取得最优的缺陷检测结果,对于小缺陷目标仍取得较好的检测精度,从而验证了算法的有效性。     

基于GAN网络的红外图像生成技术

当将人工智能技术应用于军事领域中的目标识别任务时,针对由红外图片采集的局限性而造成的训练数据不足的问题,提出了基于生成对抗网络以生成红外图像的方法,实现了数据集的扩充。对基本的生成对抗网络进行了改进,将网络的输入由随机噪声变为真实图片,使之实现了图片到图片的风格转换,即彩色图片转变为红外图片。经过网络模型的搭建和训练,实验结果表明,该方法能够有效生成清晰和高质量的红外图片,解决了由红外数据不足而造成的网络训练不充分的问题。     

基于UKF的四元数载体姿态确定

对于低精度高噪声的传感器组成的低成本姿态测量系统,本文引入U nscen ted K a lm an filtering(UKF)用于姿态确定,设计了有陀螺测量和四元数差分法的无陀螺测量两种UKF滤波器;应用四元数避免了欧拉角法的奇异问题;用高斯-牛顿误差最小法将六维参考向量转化为四元数,作为观测量的一部分,使九维非线性观测方程转化为七维线性方程进行滤波,减少了计算量;应用仿真数据进行算法验证,成功得到姿态估计;对两种算法在低速和高速状态下进行验证,仿真结果表明了该方法的有效性。     

DRS航管雷达模拟机数据库数据生成技术分析

分析了DRS航管雷达模拟机数据库数据的生成,通过对数据库体系结构与数据生成技术的研究,展现了其作为生成航管模拟数据的专业数据库的优越性。     

基于扫掠法的六面体网格生成算法及实现

提出了一种基于扫掠法的六面体网格生成算法,该算法通过源和目标曲面参数域间的近似最小二乘仿射映射将源曲面的网格投影到目标曲面,并利用背景网格插值的方法计算内结点,从而将2.5维实体生成六面体网格。该算法避免了空间网格投影过程中耗时的“寻根”过程,并且不需要导致效率降低的网格优化,能够处理各种2.5维实体,生成的网格质量较好。