-
公开(公告)号：CN114037048A
公开(公告)日：2022-02-11
申请号：CN202111200399.4
申请日：2021-10-15
Applicant: 大连理工大学
Abstract: 本发明提供一种基于变分循环网络模型的信念一致多智能体强化学习方法，该方法启发于人类团队之间的可以产生默契合作的现象，即通过共同的信念在任务上达成一致性共识。与人类社会群体类似，分布式学习系统中的智能体也可以受益于一致的信念，在有限的通信条件下实现协作。在本文中，我们展示了在分散式协作任务中智能体之间的一致性信念的作用。我们提出了一种新的基于值的方法——一致性信念多智能体强化学习方法，它使用变分模型来学习智能体之间的信念。我们还利用与变分模型结合的循环网络模型(RNN)充分利用智能体历史行为轨迹。我们的算法使智能体能够学习一致的信念，以优化完全分散的策略。我们在两个网格世界游戏以及星际争霸II微观管理基准上验证了该方法。我们的实验结果表明，该方法学习到的共同信念可以有效提高离散和连续状态下的智能体的协作效果。
-
公开(公告)号：CN110995357A
公开(公告)日：2020-04-10
申请号：CN201911213804.9
申请日：2019-12-02
Applicant: 大连理工大学
IPC: H04B10/50 , H04B10/516 , H04B10/61
Abstract: 本发明属于水下通信技术领域，提供了一种新型高鲁棒水下光通信系统，分为发送模块和接收模块。该新型高鲁棒水下光通信系统实现在太阳光、人造光源的强干扰下进行高鲁棒性水下光通信。本系统使用了与频率无关的全新物理方法，可与现有的MIMO，CDMA等方式结合使用从而获得更好通信效果。使用圆偏振光作为信号传输避免了水下因平台旋转而造成的信道错位问题，同时海洋环境良好的保偏性使信号特性不易丢失。
-
Patent Agency Ranking
公开(公告)号：CN114741530A
公开(公告)日：2022-07-12
申请号：CN202210388163.6
申请日：2022-04-14
Applicant: 大连理工大学
Abstract: 本发明属于知识表示技术领域，提供一种基于对比学习的知识图谱嵌入模型训练方法。通过训练输入三元组得分最小化，实现正样本特征对齐；通过对一部分采样三元组进行全负样本训练，实现全局实体向量分布均匀性；通过关系特异性非线性函数，实现难易样本权重分配。该训练框架可以为实体向量参数提供稳定的训练目标，帮助知识图谱嵌入模型专注于困难实例并加快收敛速度。在大规模知识图谱构建和维护工程中，本发明大幅度降低知识图谱嵌入模型的训练成本，有效提高知识图谱表示的更新效率，使得知识图谱可以保持高质量知识表征。
-
公开(公告)号：CN113806481A
公开(公告)日：2021-12-17
申请号：CN202111091000.3
申请日：2021-09-17
Applicant: 中国人民解放军国防科技大学 , 大连理工大学
IPC: G06F16/33 , G06F16/335 , G06F16/36 , G06F40/295 , G06K9/62
Abstract: 本发明提出一种面向百科数据的作战事件抽取方法，从军事相关的百科文本出发，使用BERT字向量和后缀特征、实体注意力机制等多种方法提升作战事件抽取性能。该方法使用BERT+Bi‑GRU+CRF为基础框架，使用后缀特征抽取军事实体，使用军事实体注意力机制抽取作战事件触发词，完成作战事件抽取。本发明提出的方法通过后缀特征和军事实体注意力机制的引入，分别在军事实体识别和事件触发词抽取任务上提升2％和1.3％的F‑值；可以应用于军事作战事理图谱构建等多个领域，利用该方法产生的作战事件数据为作战规律分析、智能作战决策系统研发提供数据支持。
-
公开(公告)号：CN113378114A
公开(公告)日：2021-09-10
申请号：CN202110614872.7
申请日：2021-06-02
Applicant: 大连理工大学
Abstract: 本发明公开了一种多元时间序列缺失数据填补方法，涉及缺失数据填补领域，包括如下步骤S1：通过多元时间序列数据矩阵X定义缺失矩阵Q；S2:通过X定义时间序列距离矩阵D；S3：通过D定义距离矩阵δ；S4：将距离矩阵δ结合到长短期记忆网络LSTM的更新门处；S5：通过使用S4中修改后的LSTM替代生成式对抗网络GAN中的MLP，组成核心网络为LSTM的新型生成式对抗网络记为LSTM_GAN；S6：利用LSTM_GAN通过噪声数据生成的矩阵记为的元素记为由以下运算获得完整多元时间序列数据矩阵的元素本发明方法有效结合数据中的时间信息和数据本身信息，在多元时间序列缺失数据的填补实验中，取得了很大程度上的优势。
-
公开(公告)号：CN108960073B
公开(公告)日：2020-07-24
申请号：CN201810575135.9
申请日：2018-06-05
Applicant: 大连理工大学
Abstract: 一种面向生物医学文献的跨模态图像模式识别方法，属于图像识别和自然语言处理领域，用以解决医学文献中跨模态图像识别问题，技术要点包括：利用预先训练的跨模态复合图像探测模型对图像和文本进行处理，判断待识别图像是否为复合图像；利用预先训练的跨模态复合图像多标签分类模型对图像和文本进行处理，以输出复合图像子图的生物医学模式类别；利用预先训练的跨模态简单图像模式分类模型对图像和文本进行处理，以输出简单图像的生物医学模式类别，效果是：有效地完成生物医学文献中图像模式识别任务，充分利用通用领域和生物医学领域资源改善识别的性能，降低人力和时间成本。
-
公开(公告)号：CN108960073A
公开(公告)日：2018-12-07
申请号：CN201810575135.9
申请日：2018-06-05
Applicant: 大连理工大学
Abstract: 一种面向生物医学文献的跨模态图像模式识别方法，属于图像识别和自然语言处理领域，用以解决医学文献中跨模态图像识别问题，技术要点包括：利用预先训练的跨模态复合图像探测模型对图像和文本进行处理，判断待识别图像是否为复合图像；利用预先训练的跨模态复合图像多标签分类模型对图像和文本进行处理，以输出复合图像子图的生物医学模式类别；利用预先训练的跨模态简单图像模式分类模型对图像和文本进行处理，以输出简单图像的生物医学模式类别，效果是：有效地完成生物医学文献中图像模式识别任务，充分利用通用领域和生物医学领域资源改善识别的性能，降低人力和时间成本。
-
-
-
-
-
-
Search Results
17
records
(took 0.03 seconds)
