公开(公告)号：CN112153648A

公开(公告)日：2020-12-29

申请号：CN202010907337.6

申请日：2020-09-02

Applicant: 大连理工大学

Inventor： 于震 ,  王鹏飞 ,  林驰 ,  杨乐游 ,  候亚庆 ,  张强

IPC: H04W12/10 ,  H04W28/02 ,  H04W28/06

Abstract: 本发明属于数据处理技术领域，涉及基于D2D通信技术的移动群智感知可靠数据收集方法。步骤如下：步骤一，服务器通过基站发布任务tn及其所需传感数据的要求。步骤二，位于相应基站下的参与者们Wn＝{w1，w2，...，wM}，参与任务tn并生成任务所需传感数据，参与者对收到的传感数据进行可靠性验证，并将验证信息上传至服务器。步骤三，服务器根据验证信息执行数据可靠性验证，计算获得各传感数据可靠率并将可靠率大于可信阈值的传感数据判定为可靠。步骤四，将被服务器选出的可靠数据上传至服务器执行移动群智感知任务tn。本发明在终端验证数据可靠性并只将可靠数据上传，能大量降低参与者上传成本、基站通信负担和服务器计算资源，更好的激励参与者参与移动群智感知任务。

公开(公告)号：CN111739051A

公开(公告)日：2020-10-02

申请号：CN202010490335.1

申请日：2020-06-02

Applicant: 大连理工大学

Inventor： 葛宏伟 ,  任小燕 ,  候亚庆 ,  孙亮

IPC: G06T7/174

Abstract: 本发明属于计算机视觉与机器学习的交叉领域，一种基于残差网络的多序列MRI图像分割方法，首先将数据集中的MRI多序列作为输入图像的多个通道进行合并处理，并对分割序列进行分离，分离为不同类别的分割图。本发明在经典的编码器解码器分割网络的基础上引入了残差网络，用残差单元代替原来的编码解码网络。利用残差单元内的跳转连接，提取更多的局部特征。增加了同一层级残差单元之间的跳转连接，实现了全局特征的提取。此外，针对MRI图像中目标区域与背景区域在图像中所占比例相差大而导致的分割类别不平衡问题，本发明将交叉熵损失与Dice损失线性结合，并对Dice损失加权来解决该问题。

公开(公告)号：CN114386582B

公开(公告)日：2024-09-10

申请号：CN202210047220.4

申请日：2022-01-17

Applicant: 大连理工大学

Inventor： 张强 ,  范宣哲 ,  于华 ,  候亚庆 ,  周东生

IPC: G06N3/045 ,  G06N3/0475 ,  G06N3/0455 ,  G06N3/047 ,  G06N3/094 ,  G06N3/084 ,  G06F18/213

Abstract: 本发明属于人机交互技术领域，涉及人机交互中人体动作的预测，具体为一种基于对抗训练注意力机制的人体动作预测方法。本发明在原始Transformer模型的基础上，对Transformer内部注意力计算机理进行变换优化，设计了一种称为可变形的Transformer模型，用于提取人体运动的时间特征和空间特征，进而捕获长时范围内各个关节点之间的相互依赖关系，从而高效地预测长时范围内的人体动作。其次，本发明引入了对抗训练机制训练所提出的网络模型，将上述生成运动预测的过程作为生成器，并引入连续性判别器和真实性判别器来验证所生成序列的时间平滑性和连续性，以此来缓解首帧不连续问题。

公开(公告)号：CN114187655B

公开(公告)日：2024-08-13

申请号：CN202111430274.0

申请日：2021-11-29

Applicant: 大连理工大学

Inventor： 刘雨轩 ,  葛宏伟 ,  孙亮 ,  候亚庆

IPC: G06V40/20 ,  G06V40/10 ,  G06V10/774 ,  G06V10/762 ,  G06V10/74 ,  G06T7/66 ,  G06N3/088 ,  G06V10/82

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：CN117910546A

公开(公告)日：2024-04-19

申请号：CN202311729742.3

申请日：2023-12-15

Applicant: 大连理工大学

Inventor： 马文强 ,  候亚庆 ,  张强

IPC: G06N3/096 ,  G06N3/092 ,  G06N3/086 ,  G06N3/126 ,  G06F18/22 ,  A63F13/67

Abstract: 本发明公开一种基于迁移优化的深度神经网络攻击生成方法，属于智能优化技术领域。本发明根据每次迁移的效果自适应地调整知识迁移的对象与程度，实现了对已定位源任务的有效利用，而非每次迁移时重新计算任务之间的关系。在此基础上，本发明根据源任务之间的相似程度对自适应后的迁移程度进行再调整，促使过高的迁移程度向着相似而未尝试过的任务上偏移，以此来决定知识迁移发生的程度，并实现了对源任务空间的有效探索。本发明实现了在源任务空间上探索与利用的良好的平衡，有效地增加了有效知识迁移发生的概率，并充分发掘相似任务之间有效知识的迁移潜力，促使深度神经网络攻击在各种不同的任务场景中得到收敛速度更快、表现更好的解决方案。

公开(公告)号：CN117709438A

公开(公告)日：2024-03-15

申请号：CN202311729387.X

申请日：2023-12-15

Applicant: 大连理工大学

Inventor： 康杰 ,  候亚庆 ,  张强

IPC: G06N3/092 ,  G06N3/096 ,  G06N3/045 ,  G06N3/047

Abstract: 本发明公开一种基于阶段性好奇心的多智能体复杂系统强化学习探索方法，属于多智能体复杂系统领域。本发明不仅考虑了对状态特征的熟悉程度，而且还结合了时间维度，即判断近期是否对该状态进行了充分探索。在时间特征的度量方式上，将训练过程分为大小适中的不同阶段，利用阶段编号标记此阶段内的状态特征信息，然后使用基于预测误差的方式度量好奇心。同时，本发明基于多智能体系统的部分可观察特性，从局部和全局两个角度分别生成特征信息，用于计算局部好奇心和全局好奇心，并综合二者计算出最终的内在奖励。本发明为不同阶段内的相同状态特征赋予新的探索价值，提高了智能体的探索能力，实现了对环境更充分的探索，避免智能体学习到次优策略。

公开(公告)号：CN113254872B

公开(公告)日：2023-12-19

申请号：CN202110599226.8

申请日：2021-05-31

Applicant: 大连理工大学

Inventor： 葛宏伟 ,  葛志欣 ,  孙亮 ,  候亚庆

IPC: G06F17/16 ,  A63F13/822 ,  G06N3/0464 ,  G06N3/042 ,  G06N3/08 ,  G06F18/22 ,  G06F18/25 ,  G06N20/00

Abstract: 本发明提供了一种基于智能体通信机制的复杂游戏场景下的策略选择方法，属于人工智能与群体决策交叉领域，即基于复杂游戏场景，利用多智能体强化学习算法来控制游戏智能体进行策略选择。本发明首先将复杂游戏场景建模为图网络，利用游戏智能体的空间信息和特征信息计算它们之间的交互关系，同时过滤掉冗余的游戏智能体；然后利用改进的图卷积进行特征信息的融合，进而实现游戏智能体之间的通信。本发明在一定程度上能够增大游戏智能体的感知范围，避免了游戏智能体之间无意义的交互，使其能够选择合适的策略，从而提升了其在复杂游戏(56)对比文件Jiao, P et al.A DecentralizedPartially Observable Markov DecisionModel with Action Duration for GoalRecognition in Real Time Strategy Games.《DISCRETE DYNAMICS IN NATURE ANDSOCIETY》.2017,第2017卷第1-15页.陈鹏;王子磊.融合深度学习与搜索的实时策略游戏微操方法.计算机工程.2019,第46卷(第06期),第50-59页.

公开(公告)号：CN116797966A

公开(公告)日：2023-09-22

申请号：CN202310516184.6

申请日：2023-05-09

Applicant: 大连理工大学

Inventor： 葛宏伟 ,  齐彧 ,  刘雨轩 ,  候亚庆

IPC: G06V20/40 ,  G06V40/10 ,  G06V10/40 ,  G06V10/82 ,  G06V10/80 ,  G06V10/764 ,  G06V10/774 ,  G06N3/0464 ,  G06N3/08 ,  G06N3/048 ,  G06N3/047

Abstract: 本发明属于人工智能与视频行人重识别领域，公开一种基于注意力时空图网络的视频行人重识别方法，提出一种多粒度注意力时空图网络方法，旨在不破坏行人身体结构的同时关注前景信息，减少背景干扰，融合多粒度时态信息，同时抑制异常帧的特征表达。步骤如下：提取行人原始帧级特征；提取各帧级行人关键区域信息；提取全局分支特征；多粒度空间注意力图网络更新帧级特征；多粒度时间注意力图网络获取行人视频序列级特征；损失函数训练网络。通过使用本发明可减少破坏身体结构，降低背景噪声的干扰，并抑制异常帧信息表达，显著提升视频行人重识别的性能。本发明作为一种基于注意力时空图网络的视频行人重识别方法，可广泛应用于视频行人重识别领域。

公开(公告)号：CN116311493A

公开(公告)日：2023-06-23

申请号：CN202211623429.7

申请日：2022-12-16

Applicant: 大连理工大学

Inventor： 张强 ,  王昊中 ,  候亚庆

IPC: G06V40/20 ,  G06V10/774 ,  G06V10/82 ,  G06V10/80 ,  G06N3/0455 ,  G06N3/0499 ,  G06N3/08

Abstract: 本发明属于计算机视觉技术领域，具体涉及一种基于编码解码架构的两阶段人‑物交互检测方法。本发明实现了共享了骨干网络下全局上下文级记忆编码的提取与实例级记忆编码的高效融合，摒弃了传统的定长查询序列配合匈牙利匹配的训练模式，采用变长查询序列进行一对一训练预测；充分挖掘DETR的多层解码器预测结果以提升目标检测表现，并设计了一个匹配对级的注意力机制模块，能够自适应的学习人和物体之间的隐藏关系；提出的方法在V‑COCO和HICO‑DET两个数据集上进行了测试，其结果超越了现有的最好水平。

公开(公告)号：CN115936058A

公开(公告)日：2023-04-07

申请号：CN202211578473.0

申请日：2022-12-09

Applicant: 大连理工大学

Inventor： 于向超 ,  候亚庆 ,  张强 ,  裴文彬 ,  葛宏伟

IPC: G06N3/042 ,  G06N3/0442 ,  G06N3/048 ,  G06N3/096

Abstract: 本发明公开一种基于图注意力网络的多智能体迁移强化学习方法。本发明计算智能体与环境交互的轨迹特征，根据智能体轨迹特征的相似程度构建智能体知识迁移关系图；在关系图上应用硬注意力机制切断无关的迁移关系，进一步应用软注意力机制选择注意权重最大的智能体作为知识迁移对象。在判断知识迁移时间的方式上，设计一个二分类神经网络，通过向网络输入智能体和知识迁移对象的动作及价值，输出本次知识迁移是否执行；通过设计基于动作价值方差的损失函数指导分类网络训练，实现自适应学习与判断知识迁移时间；该方式充分的减少了不必要的知识迁移，增加了知识有效迁移的效率，促使智能体在任务上得到收敛速度更快、表现更好的解决方案。