-
公开(公告)号:CN118012607A
公开(公告)日:2024-05-10
申请号:CN202410094795.0
申请日:2024-01-23
Applicant: 大连理工大学
IPC: G06F9/50 , G06F18/23213 , G06N3/006 , G06N3/094
Abstract: 本发明属于人工智能应用技术领域,涉及一种基于生成对抗网络的大规模边缘服务器部署方法。针对已有方法在大规模空间上部署时不能很好地兼顾多个优化指标的问题,提出了一种基于生成对抗网络的边缘服务器部署方法,旨在在复杂场景下实现边缘服务器的均衡部署。步骤如下:建模边缘服务器和路边单元的网络拓扑结构;构建车联网场景下边缘服务器部署模型;建模边缘服务器部署的平均时延、工作负载均衡和部署成本;执行基于生成对抗网络的大规模多目标优化算法优化种群;依据非支配排序和聚类得到边缘服务器部署方案。本发明作为一种基于生成对抗网络的大规模多目标优化的边缘服务器部署方法,可广泛应用于边缘服务器部署领域。
-
公开(公告)号:CN115983108A
公开(公告)日:2023-04-18
申请号:CN202211617595.6
申请日:2022-12-15
Applicant: 大连理工大学
Abstract: 本发明属于智能优化技术领域,涉及一种基于社会文化传播的智能体形态演化方法。本发明在智能体形态演化过程中采取了一个新的高度可并行化的框架,用于同时对多个智能体进行控制器的学习和形态演化,从而允许利用计算的可扩展性。在演化下一代个体时,采用了一种遗传传递策略来传递智能体的形态属性,引入了新颖性搜索,对于形态多样性进行控制,增加个体之间的平均距离,使得种群分布范围更广。因此,进化过程陷入局部最优的概率较低,可以并行探索更多不同的搜索方向。根据智能体之间的相似度进行水平文化传播和垂直文化传播,并且自动调整智能体之间的信息迁移系数,以增加正向知识迁移,提高了智能体学习的效率。
-
公开(公告)号:CN112382411B
公开(公告)日:2022-10-18
申请号:CN202011275141.6
申请日:2020-11-13
Applicant: 大连理工大学
IPC: G16H70/40 , G06F16/901 , G06F16/951 , G06K9/62 , G06N3/04
Abstract: 本发明公开一种基于异质图的药物‑蛋白质靶向作用预测方法,包括:S1.通过获取来自Drugbank、SIDER等数据库的药物,靶点以及疾病等信息,与已有的公开数据集进行匹配整合,构建药物和靶点相关的异质图,并通过RDKit计算和基于成对的Smith‑waterman得分获得药物化学结构信息和蛋白质序列信息。S2.结合节点表示与图级表示之间的互信息以及子结构表示与图级表示之间的互信息,从异构信息中学习精确的和可解释的特征嵌入,提出了一个端到端的多视图自动编码器模型完成链路预测的任务。本发明对于药物重定向具有有益的科学指导作用,有利于发现潜在的药物‑蛋白质靶点有效链接,加快旧药新用的节奏。
-
公开(公告)号:CN111738318B
公开(公告)日:2022-09-30
申请号:CN202010530337.9
申请日:2020-06-11
Applicant: 大连理工大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V10/26 , G06V10/25 , G06V10/77 , G06V20/10
Abstract: 本发明属于图像分类领域,涉及一种基于图神经网络的超大图像分类方法。本发明针对不同的超大图像可采取不同子图像筛选方法,进一步调整了特征提取网络,使得子图像的特征提取更加准确;将超大图像构建成为图数据,并且在传统的图卷积神经网络上引入了可微分池化操作,不仅可以挖掘超大图像的全局信息,同时可微池化操作还可以在训练过程中挖掘隐藏层的特征信息,充分分析各个子图像之间在特征空间的关联性,可以更加准确地对超大图像进行分类。
-
公开(公告)号:CN112365048B
公开(公告)日:2022-09-20
申请号:CN202011243637.5
申请日:2020-11-09
Applicant: 大连理工大学
Abstract: 本发明属于人工智能领域,更具体地,涉及一种基于对手行为预测的无人车侦察方法,用以实现无人车集群在复杂环境中的侦察能够更智能地应对各种事件的发生,解决复杂环境中无人车侦察时,在遇到对手的情况下通过预测模型预测对手行为从而躲避抓捕的问题。本发明通过流算法和多臂赌博机算法为无人车在众多的对手候选模型中挑选最适应当前状况的对手候选模型,利用所选择的对手候选模型进行对手行为预测;同时该算法考虑到内存的限制,在任何时刻只处理候选模型集合的一小部分,实时动态地选择候选模型子集。
-
公开(公告)号:CN114359972A
公开(公告)日:2022-04-15
申请号:CN202210046395.3
申请日:2022-01-13
Applicant: 大连理工大学
Abstract: 本发明属于深度学习、目标检测领域,涉及一种基于注意力机制的遮挡行人检测方法。通过本发明构建一个新型的基于注意力机制与遮挡处理的行人检测器SKGNet,将轻量级的选择性核与空间分组增强注意力模块SKG嵌入到ResNet‑101网络的标准残差块中,构建出高效的特征提取骨干网络SKGNet‑101,有助于网络提取到更关键的特征信息,并提高特征图的表达能力。并且针对拥挤场景中的行人遮挡情况,提出了一个掩膜调制模块,以提高遮挡行人的检测性能。通过掩膜模块调制后的特征可以帮助后续的分类网络以更高的置信度检测部分或严重遮挡的行人,否则可能会被忽略而检测失败。
-
公开(公告)号:CN113299084B
公开(公告)日:2022-04-12
申请号:CN202110600132.8
申请日:2021-05-31
Applicant: 大连理工大学
Abstract: 本发明公开了一种基于多视角编码迁移强化学习的区域信号灯协同控制方法,属于机器学习与智能交通的交叉领域。方法包括一种多视角状态编码器以及一种迁移强化学习框架。提出的多视角状态编码器将路口的一维,二维状态以及邻域路口传来的状态信息进行整合编码,将结果作为路口智能体的实际输入。在提出的迁移强化学习框架中,首先独立地训练若干个专注于拟合能力的专家智能体;然后利用迁移来的专家智能体联合指导训练一个专注于泛化能力的种子智能体;最后将种子智能体的参数迁移到各个路口上进行自适应训练,并计算这些智能体与专家智能体的效果差异决定是否进行迭代训练。最终的智能体同时具有更好的决策能力和泛化性能,有效地缓解了交通拥堵。
-
公开(公告)号:CN114187655A
公开(公告)日:2022-03-15
申请号:CN202111430274.0
申请日:2021-11-29
Applicant: 大连理工大学
IPC: G06V40/20 , G06V40/10 , G06V10/774 , G06V10/762 , G06V10/74 , G06T7/66 , G06N3/08 , G06V10/82 , G06K9/62
Abstract: 本发明属于人工智能与行人重识别领域,公开了一种基于联合训练策略的无监督行人重识别方法。针对摄像机间域间隙较大的问题,提出了一种摄像机间不变性特征学习方法,旨在让模型学习到可以区分不同摄像机下的不变性特征的能力。包括以下步骤:行人图像特征提取;聚类并分配伪标签;计算行人质心和摄像机质心;挖掘边缘特征和摄像机间不变性特征;行人实例特征和摄像机质心的更新;利用对比损失更新模型的参数。通过使用本发明可以有效的减少标签噪声,降低了摄像机间域间隙,并显著提高行人重识别的精度。本发明作为一种基于联合训练策略的无监督行人重识别方法,可广泛应用于行人重识别领域。
-
公开(公告)号:CN112365048A
公开(公告)日:2021-02-12
申请号:CN202011243637.5
申请日:2020-11-09
Applicant: 大连理工大学
Abstract: 本发明属于人工智能领域,更具体地,涉及一种基于对手行为预测的无人车侦察方法,用以实现无人车集群在复杂环境中的侦察能够更智能地应对各种事件的发生,解决复杂环境中无人车侦察时,在遇到对手的情况下通过预测模型预测对手行为从而躲避抓捕的问题。本发明通过流算法和多臂赌博机算法为无人车在众多的对手候选模型中挑选最适应当前状况的对手候选模型,利用所选择的对手候选模型进行对手行为预测;同时该算法考虑到内存的限制,在任何时刻只处理候选模型集合的一小部分,实时动态地选择候选模型子集。
-
公开(公告)号:CN112286203A
公开(公告)日:2021-01-29
申请号:CN202011257321.1
申请日:2020-11-11
Applicant: 大连理工大学
IPC: G05D1/02
Abstract: 本发明公开了一种基于蚁群算法的多智能体强化学习路径规划方法。此方法结合了多智能体深度强化学习方法和蚁群算法的思想,来解决多智能体的路径规划问题。具体包括:采用基于Q学习的改进DQN深度强化学习方法及蚁群“信息素”协同机制,利用智能体集群历史信息对神经网络进行训练更新,最终得到智能体集群中各智能体的最优路径规划策略。本发明采用了网络参数共享机制、优先经验回放机制并且改进了神经网络的架构,解决了传统多智能体路径规划方法自适应能力差的缺陷,提升了路径规划的效率,提高了路径规划的稳定性,最终为多智能体系统规划出更高效便捷的行进路径。
-
-
-
-
-
-
-
-
-