吉林大学人工智能学院
- 作品数：32 被引量：104H指数：4
- 相关机构：长春工程学院计算机技术与工程学院同济大学电子与信息工程学院吉林师范大学计算机学院更多>>
- 发文基金：国家自然科学基金吉林省自然科学基金吉林省科技发展计划基金更多>>
- 相关领域：自动化与计算机技术文化科学动力工程及工程热物理交通运输工程更多>>
- 燃料电池阴极流量无模型自适应滑模控制器设计
- 2022年
- 针对质子交换膜燃料电池阴极流量控制的问题,考虑到现有基于模型的控制方案对系统动力学的依赖性以及未建模动态对系统控制性能的影响,设计了一种新的基于数据驱动的无模型自适应控制方案。首先,采用非参数动态线性化技术得到阴极流量动态线性化数据模型,可实现对被控系统内部参数摄动和外部扰动的自适应性和鲁棒性。在该数据模型的基础上,设计了自适应二阶滑模控制器来改善系统的暂态品质和稳态精度。此外,在李雅普诺夫稳定性框架下证明了阴极流量系统在所提控制律驱动下进入到收敛的准滑动模态。最后,对于无模型自适应滑模算法中的参数,通过量子粒子群算法进行优化整定,多工况下验证了所提控制系统的有效性。
- 张冲胡云峰胡云峰孙耀
- 关键词：燃料电池无模型自适应控制二阶滑模控制量子粒子群优化
- 融合结构和特征的图层次化池化模型
- 2023年
- 作为深度神经网络向非欧式数据上的扩展,图神经网络(GNN)已经在图节点分类任务、链接预测任务和图分类任务中取得了显著成就。在图分类任务上,当前方法一般通过层次化的池化过程同时考虑图的局部和全局结构信息以学习高层次的图表示。在对当前的图分类模型进行对比分析后,考虑当前方法的不足,结合不同方法的优势,提出结构和特征融合池化模型(SAFPool)。SAFPool模型在池化时使用了两个聚类分配矩阵生成模块,分别是基于结构的聚类学习和基于特征的聚类学习模块,基于结构的聚类学习根据图结构信息对结构相似的节点聚类,基于特征的聚类学习则根据图节点特征对特征相似的节点聚类。二者的聚类结果加权聚合后便能获取实现聚类策略的聚类分配矩阵以同时利用图结构和节点特征信息。最后,在多个图分类数据集上通过对比实验和可视化说明了同时显式地利用图节点特征信息和图结构信息实现聚类策略的有效性。
- 马涪元王英李丽娜汪洪吉
- 机器学习在口腔正畸诊疗中的应用进展被引量：4
- 2021年
- 随着人工智能与多学科的交叉融合,以机器学习为主要手段的人工智能技术也逐渐应用于口腔疾病的诊断、治疗和预后评估等方面。目前,机器学习在口腔正畸学中的应用主要包括两大方面,即利用图像识别技术进行影像学资料的定点及分析、颅面骨骼分型和颈椎分期的判断等,以及利用临床决策支持系统辅助评估正畸治疗的必要性以及制订正畸治疗方案等。本文从以上两方面对机器学习在正畸诊疗中的应用进展进行综述,以期为精准正畸的未来发展提供新思路。
- 吴志娜胡敏宫洵魏晓曦
- 关键词：人工智能正畸治疗图像识别
- 基于混合进化算法的特征选择方法研究被引量：4
- 2023年
- 特征选择(Feature Selection,FS)是一种有效的数据预处理方法,它可以通过选择高维数据中一组具有高相关性和低冗余性的特征,从而解决数据冗余引起的维数灾难.目前许多计算方法已经被应用于求解FS问题,其中基于教与学优化(Teaching and Learning-based Optimization Algorithm,TLBO)的特征选择模型由于其高效的全局搜索能力受到越来越多学者的关注.然而,随着数据规模的不断扩大,这些算法所具有的模型不稳定、模型精确度低和局部搜索能力差等局限性,使算法的研究逐步陷入困境.为解决上述问题,本文提出了融合教与学优化算法与局部搜索方法(Local Search,LS)的混合进化Wrapper算法模型(Teaching and Learning-based Optimization-Local Search Algorithm,TLBOLS).首先,由于传统的教与学优化算法不能直接用于求解特征选择问题,算法在初始化阶段将实数型编码转为二进制编码,然后为保证种群的多样性,在教阶段引入最差个体重启机制,并针对进化班级过程中学习者与教学者两种身份采用不同值的TF值,提出二进制的教与学特征选择算法(Binary Teaching and Learning-based Optimization-Local Search Algorithm,BTLBOLS).随后,提出结合多操作的局部搜索方法和变邻域搜索逐渐增强扰动力度,提高整个种群的个体质量.为优化特征选择结果,BTLBOLS利用综合评价指标作为目标函数指导整体进化过程.实验选取45个高维癌症基因表达数据集进行测试并与十种特征选择算法相比,实验结果表明,相比其他算法,BTLBOLS在分类准确率和特征个数上都具有一定优势,算法分类性能有效提高.
- 高慧敏王云鹤卞闯李向涛
- 关键词：局部搜索基因表达数据
- XGBoost启发的双向特征选择算法被引量：5
- 2021年
- 针对特征选择过程中特征评价指标单一性的问题,基于集成学习中的极端梯度提升算法,提出一种新的特征选择算法.该算法首先应用极端梯度提升算法中构建集成树模型的指标作为特征选择的特征重要性度量指标,然后利用一种新的双向搜索策略,权衡了多种特征重要性对结果的影响,并优化了评价过程的效率.通过11个不同维度的标准数据集进行测试,实验结果表明,该算法能增加特征子集的多样性,加快特征选择的速度,并在中维和低维数据集上均具有较高的计算效率,且能处理高维数据集.
- 王丽王涛肖巍刘兆赓李占山
- 关键词：双向搜索
- 基于人工智能技术的古文字研究
- 2023年
- 近些年来人工智能发展迅速,尤其是深度学习技术,具有学习知识、分析问题、总结规律的能力,能够对文字、图像和声音等数据进行识别、归纳与分类。鉴于此,已有学者将深度学习应用于汉字的识别任务中。这也提示我们将人工智能运用于古文字形体识别是可行的。相比于偏重主观感受的学科,古文字研究更为客观,其结论具有唯一性,研究过程也遵循一定的规律,在人文学科中最接近自然科学。
- 李春桃张骞徐昊高嘉英
- 关键词：古文字研究人工智能主观感受人文学科唯一性
- 面向多战术需求的无人机空战自主规避机动方法
- 2024年
- 空战通常是一个连续且包含多回合导弹攻防对抗的过程,UCAV在规避来袭空空导弹的过程中应综合考虑机动对整个空战对抗任务的影响,而不是仅关注安全性因素。对此,提出了脱靶量、耗能以及终端态势优势等多战术需求条件下的UCAV空战自主规避机动方法。建立了UCAV-导弹三维追逃模型以及UCAV自主规避的状态空间、动作空间和奖励函数模型,针对该模型提出了LSTM-Dueling DDQN算法,该算法融合Double DQN和Dueling DQN网络模型,并使用LSTM网络提取时序特征。基于探索课程学习思想,对稠密与稀疏奖励函数进行时序融合,促进人工经验和策略探索对学习过程的共同引导。此外,引入切比雪夫方法求解面向不同战术需求偏重程度的Pareto策略解集,以反映多种战术需求的矛盾性与耦合性。仿真实验与结果分析表明:所提方法具有良好的收敛速度和学习效果,对解决多战术需求条件下空战自主规避机动问题的可行性与有效性显著,所得的规避机动策略能够在保证UCAV自身安全性的同时反应出不同的规避战术需求。
- 杨振李琳柴仕元黄吉传黄吉传周德云
- 关键词：UCAV
- 混合动力汽车的发动机最优运行曲线在线优化方法被引量：2
- 2022年
- 针对混合动力汽车发动机最优运行曲线(OOL)离线台架标定工作量大、且实际道路工况下难以获得最优转速问题,提出了混合动力汽车发动机最优运行曲线在线优化方法。首先,建立混合动力汽车仿真模型,并通过冬天城市工况下的仿真验证了模型的精度;其次,提出了基于带遗忘因子递归最小二乘(RLS)的目标梯度估计方法,利用实时数据实现了最佳运行曲线优化过程中比油耗目标梯度的精确计算;然后,提出了基于梯度下降的发动机最佳工作点在线优化方法,实现了发动机最佳转速的实时计算;最后,通过与传统标定方法的对比仿真,验证了本文方法的实时性和控制效果上的优越性。
- 胡云峰麻宝林林佳眉宫洵李学军
- 关键词：梯度下降递归最小二乘
- 智能时代的汽车控制被引量：46
- 2020年
- 自动驾驶是汽车产业发展的重要里程碑.汽车驾驶自动化一直都在进行,其发展进程是对驾驶人认知感知、决策规划和执行控制等各个重要环节的逐步增强或最终替代.智能时代下,大数据分析、泛在计算、泛在传感和人工智能等颠覆性技术为汽车驾驶自动化向着高级别迈进提供了新的机遇.控制技术是智能时代汽车自动化进程中的基石,更多的信息在先进控制技术的赋能下将衍生出更多的新功能与新系统,从而实现汽车安全性、经济性以及舒适性等各个方面的提升.本文对智能时代的汽车控制进行综述,首先回顾汽车自动化的发展进程,然后探讨汽车自动化进程中面临的问题,最后梳理出一些未来智能汽车控制发展趋势与关键技术.
- 陈虹陈虹郭露露宫洵张琳
- 关键词：汽车控制协同控制
- 基于特征加强的异构网络潜在摘要模型被引量：1
- 2022年
- 随着网络数据的快速增长,大规模异构网络数据的存储和网络表示已成为研究的热点。现提出两个不同的任务:生成图摘要和生成图的节点表示。图摘要的目标是找到用于压缩存储和加速查询的输入图的紧凑表示;网络表示可以很好地提取网络数据中的结构信息,并为下游任务生成节点表示。但是,在大规模网络数据中,在生成图摘要和嵌入表示时仍需要解决一些挑战。为克服大规模异构网络数据带来的科学计算和存储空间问题,提出基于特征加强的异质网络潜在摘要模型(FELS),通过融合节点特征和图属性获得大规模异构网络数据的摘要表示。首先,将原图中不同的节点特征作为基础特征,通过应用多种关系算子捕获高阶子图结构信息;然后,根据不同的图属性通过桶映射方式学习上下文的潜在子空间结构;最后,对学习到的上下文特征矩阵利用奇异值分解获取异构网络的潜在摘要表示,即一种独立于输入图大小维度紧凑的潜在图摘要,同时能够获取节点表示。实验结果表明,与传统方法相比,提出的FELS模型能够获得更优质的潜在摘要且具有更低的模型复杂度,在链路预测任务上具有更高的效率和精度。
- 徐正祥王英王英王鑫
