课程文献中心 更多>>

关键词： 六轴机械臂   RRT算法   目标概率偏置RRT   RRT*算法   三维避障路径规划  

摘要： 针对RRT算法应用在六轴机械臂上进行三维避障路径规划时,存在搜索空间过大、计算时间过长等规划效率问题,提出了一种改进算法。使用自适应步长策略,确定给定地图环境下适合的全局初始步长,使用目标偏置策略来使得采样点有一定几率设置为目标点,减少采样点随机性;融入目标引力概念提高算法的目标导向性,使引力系数可自适应调节,结合近障碍物的动态步长策略,提高算法在复杂环境中的探索能力和整体效率;使用剪枝优化策略对初始路径进行冗余点去除,并采用三次B样条曲线来对剪枝优化后路径进行平滑处理。通过仿真实验,改进的算法与RRT算法、目标概率偏置RRT、RRT^(*)算法、双采样点引力RRT算法进行了比较,改进算法在规划时间、路径长度和路径节点数量方面均占优势,有效提升了机械臂避障路径规划的效率和质量。

关键词： 缺陷检测   YOLOv8n   多分支特征聚合网络   跨维度聚合模块   可变形多头注意力机制  

摘要： 针对现有钢材表面缺陷检测算法资源消耗较大、检测精度和效率较低等问题,提出一种基于YOLOv8n的高效钢材缺陷检测算法(DCD-YOLOv8n)。该方法一是设计轻量化的多分支特征聚合网络,有效精简模型体积并提升检测速度;二是利用跨维度聚合模块,通过自适应机制建模多维度特征,以提升检测精度;三是采用可变形多头注意力机制,动态调整注意力的形状和范围,有效应对形态多样和结构复杂的缺陷特征,从而提升检测性能。在Severstal和NEU-DET钢材缺陷数据集上进行实验验证,相较于YOLOv8n算法,DCD-YOLOv8n算法的mAP分别提高2.4个百分点和1.9个百分点;参数量和复杂度分别降低0.5×10^(6)和1.9×10^(9);FPS分别提升22帧和7帧。实验结果表明,该算法在平衡计算开销、检测精度和效率方面表现优异,具有一定的实际部署应用价值。

关键词： 移动机器人集群   导航方法   分组聚集   灰狼优化算法   有限感知  

摘要： 为了应对多个混合移动机器人集群在进行分组聚集时速度慢、成功率低等问题,设计了一种基于群体智能优化算法的分散式的分组聚集导航方法,使得每个机器人只利用有限感知范围内其他机器人的信息,结合灰狼优化(GWO)算法的原理来计算其与同组其他机器人进行聚集的首选导航速度。在确定每个机器人可利用的局部信息时,根据各组机器人的信息共享意愿,分为不同组之间相互合作和相互独立两种情况分别进行设计,从而实现了对原始的集中式GWO算法的分散化处理与应用。进一步对原始GWO算法进行改进,通过采用非线性收敛因子来提高机器人的前期探索能力,从而增大与同组成员的相遇概率,最终提高分组聚集的成功率。为了避免移动过程中机器人之间发生相互碰撞,利用分散式的最优互惠避碰(ORCA)算法对每个机器人的首选导航速度进行修正。仿真结果显示了所设计的不同分组聚集导航算法的有效性,并且相较于现有的基于粒子群优化(PSO)算法的分组聚集方法,所设计的各算法均具有更高的成功率、更快的收敛速度及更强的稳定性。

关键词： 遗传算法   模糊测试   漏洞挖掘   适应度函数  

摘要： 遗传算法在模糊测试领域的应用提高了这一主流漏洞挖掘方法的性能和效率,诞生了一批研究成果.目前对基于遗传算法的模糊测试还没有全面的分析和总结.首先介绍了模糊测试、遗传算法,说明了遗传算法在模糊测试中应用的基本流程,其次,分3个方面(提高漏洞发现能力、执行效率和自动化程度)总结了遗传算法在模糊测试中的作用和实现方式,然后分析了遗传算法用于模糊测试的适应性改进(编码、进化组织、适应度函数设计),最后讨论了当前研究的不足并提出了进一步研究方向.

关键词： 数字时代   深度伪造技术   算法   人工智能   后真相   技术异化   技术主义   协同治理  

摘要： 深度伪造技术的兴起得益于大数据技术的广泛应用和深度学习技术的创新发展。由于深度伪造技术满足了人们对视频、声音、图片等信息的高仿真伪造需求,成为新的流行应用工具。与此同时,深度伪造技术作为一把“双刃剑”,也给社会带来一系列问题,包括被广泛用于制作各种虚实交融的图景,引致社会迷思并消解着真实世界的符号规制;被用作破坏性和攻击性工具,引发各类社会失范、混乱和危机;被作为“克隆”型技术工具,导致社会信任机制危机和社会共识动摇。因此,应促进深度伪造技术与人类社会的共存共融和良性发展,在做好“用技术对抗技术”的同时,把技术主义与人本主义有机融合起来;改进与完善深度伪造的相关制度规范;建立健全深度伪造的协同治理机制。

关键词： 激光诱导击穿光谱   机器学习算法   中药材   主成分分析   随机森林法  

摘要： 以LIBS技术采集到的当归、佛手、鸡血藤、茯苓4种中药材光谱数据为基础,以快速准确的识别中药材为主要目标,结合机器学习算法,建立识别模型。通过LIBS技术采集4种不同中药材光谱数据,用主成分分析法(PCA)对4种中药材测得的数据进行降维处理,再采用随机森林(RF)算法等构建识别模型,建立误差曲线,训练集和测试集的结果对比分析,最终实现对4种中药材的识别。结果显示结合RF算法构建的模型,验证的平均准确率可以达到93.175%。再利用精细树、线性判别、SVM、KNN、宽神经网络等学习算法建立模型,验证的准确率分别为88.10%、86.90%、82.14%、90.48%、92.86%。结果表明基于LIBS结合机器学习算法建模可以对不同药材进行区分,期望能对中药材的识别提供一种可在线、快速检测的方法。

关键词： 数字赋能   逮捕条件   社会危险性   算法  

摘要： 数字赋能逮捕社会危险性评估有助于解决评估数据容量较小及质量不高、结果缺乏检验等问题。其逻辑在于,利用数字技术收集反映逮捕社会危险性的各项证据并转化成计算机可理解的结构化数据,再通过算法测算出风险等级并输出人类可理解的司法建议。从效果来看,数字赋能逮捕社会危险性评估在增强评估模型专业性、保障评估模型客观性和提高评估结果准确性等方面优势明显,但同时也面临着“僵尸预测”、算法歧视、算法黑盒等方面的质疑。未来改革需要进一步调整思路,强调在构建专业评估模型的基础上确保评估数据的数量与质量,并建立动态的校准机制,以不断优化评估的模型;同时,还应当强化评估算法的公开、算法歧视的治理、算法的审核与问责,完善评估算法的治理模式;此外,还需保障评估过程中犯罪嫌疑人的参与权、隐私权和救济权,确保评估程序的公正,以此实现数字赋能逮捕社会危险性评估的预期目标。

关键词： 在网计算   汇聚树   资源分配   线性整数规划   GCAT  

摘要： 考虑在总资源量和节点容量的限制下,如何为任务找到一棵最小代价汇聚树。该问题是一个NP难问题,分别提出问题的线性整数规划模型和启发式算法GCAT。仿真结果显示,相比于其他的启发式算法,GCAT算法生成的汇聚树代价更小,同时有更高的资源利用率,小规模网络下性能接近于最优解。

关键词： 谱聚类   密度调整   邻域标准差   自适应   密度峰值  

摘要： 针对谱聚类在尺度参数计算时需要人为设置近邻参数及聚类结果不稳定等问题,本文将初始类中心值和尺度参数作为决策变量,重点对谱聚类算法进行自适应优化与改进。首先,将样本邻域标准差的倒数作为度量样本局部密度的参数,与密度峰值思想相结合,设计了一种基于密度峰值的初始类中心决策值选择方法(initial class center decision value algorithm based on density peak,DP_KD),解决密度调整谱聚类中聚类结果不稳定的问题。其次,利用样本间的平均距离计算相应的邻域半径,并根据样本标准差自适应地求解每个样本的尺度参数,构造样本间的相似度矩阵,实现了近邻参数的自适应设置,解决尺度参数需要人为设置的问题。然后,基于优化后的初始类中心决策值和近邻参数方法,进一步调整高斯核函数,提出一种基于邻域标准差的密度调整谱聚类算法(density adjusted spectral clustering algorithm based on neighborhood standard deviation,DSSD),通过构建特征向量空间实现了密度谱聚类。最后,将提出的算法与其他聚类算法在多个数据集上进行了对比。结果表明,与其他谱聚类算法相比,本文提出的DSSD算法不仅具有更好的聚类效果,且聚类结果更加稳定,尤其是在类内密集且类间边缘明确的DIM512数据集中,DSSD算法可以正确地进行聚类分簇;在准确率、兰德系数和F-measure上较其他算法至少提升了0.0268、0.0136和0.0247,这表明DSSD算法不仅聚类效果较好且更适合大规模数据集的聚类分析。

关键词： 逻辑综合   序列优化   强化学习   近端策略优化  

摘要： 逻辑综合通常采用启发式方法将逻辑优化算法组成为序列进行电路性能优化,而启发式方法难以根据电路和优化目标的差异进行序列自动化调节,影响了电路优化质量.为了在集成电路设计中提升序列的自适应生成能力,将序列优化问题建模为马尔可夫决策过程,提出一种面向多种逻辑表示的强化学习框架,利用近端策略优化(Proximal Policy Optimization,PPO)指导智能体来探索序列优化空间,改善其生成序列的泛化能力.并将EPFL基准电路转变为与-非图(And-Inverter Graph,AIG)和异或多数图(Xor-MajorityGraph,XMG)形式,分别经由所提出的框架进行实验,AIG形式下本文方法与DRiLLS和BOiLS方法相比分别有18.66百分点和27.67百分点的性能提升;XMG形式下则可提升原始电路性能约37.34%.实验结果表明,由本文方法生成的算法序列对电路性能有较大改进.