深度学习模型在遥感影像分类中取得了显著的成绩。随着新的遥感数据不断被采集,基于深度学习的遥感影像分类模型在训练新数据、学习新知识时,对旧数据的识别性能会下降,即旧知识遗忘。为帮助遥感影像分类模型巩固旧知识和学习新知识,提出一种基于样本增量学习的遥感影像分类模型——增量协同学习知识模型(ICLKM)。该模型由两个知识网络组成,第一个网络通过知识蒸馏保留旧模型的输出,缓解知识遗忘问题;第二个网络将新数据的输出作为第一个网络的学习目标,通过维护双网络模型的一致性有效地学习新知识。最后两个网络共同学习,通过知识协同策略生成更精确的模型。在两个遥感数据集NWPU-RESISC45和AID上的实验结果表明,相较于微调训练(FT)方法,ICLKM的准确率分别提升了3.53和6.70个百分点。可见ICLKM能够有效解决遥感影像分类的知识遗忘问题,不断提高对已知遥感影像的识别准确率。
在机械臂路径规划算法的训练过程中,由于动作空间和状态空间巨大导致奖励稀疏,机械臂路径规划训练效率低,面对海量的状态数和动作数较难评估状态价值和动作价值。针对上述问题,提出一种基于SAC(Soft Actor-Critic)强化学习的机械臂路径规划算法。通过将示教路径融入奖励函数使机械臂在强化学习过程中对示教路径进行模仿以提高学习效率,并采用SAC算法使机械臂路径规划算法的训练更快、稳定性更好。基于所提算法和深度确定性策略梯度(DDPG)算法分别规划10条路径,所提算法和DDPG算法规划的路径与参考路径的平均距离分别是0.8 cm和1.9 cm。实验结果表明,路径模仿机制能提高训练效率,所提算法比DDPG算法能更好地探索环境,使得规划路径更加合理。
针对三维声音两扬声器重放中基本上独立研究逆滤波器的设计或扬声器的配置等因素对串声消除系统(CCS)性能的影响,提出了采用频域最小均方(LS)估计逼近方法,系统考察这些因素之间的关联以及对串声消除性能优化的作用,并通过折中考虑CCS的运算效率及系统性能获得了一组最优参数。实验采用通道分离度(CS)和性能误差(PE)两个指标对串声消除效果进行综合评价,仿真结果表明,该组最优参数能获得很好的串声消除效果。
为了提高短期电力负荷预测的精度,提出一种噪声互补型集成经验模态分解(CEEMD)模糊熵和泄漏积分型ESN(LiESN)的组合预测方法。为降低对负荷序列进行局部分析的计算规模以及提高负荷预测的准确性,首先采用CEEMD模糊熵将负荷时间序列分解为具有明显复杂度差异的负荷子序列;然后,通过对各子序列进行特性分析,分别构建相应的子LiESN预测模型;最后将各子序列的预测结果叠加得到最终预测值。将CEEMD模糊熵结合LiESN的组合预测方法应用于美国新英格兰地区短期电力负荷实例中,仿真结果表明,所提出的组合预测方法具有很高的预测精度。
任何视频摄像设备均具有一定的时间分辨率限制,时间分辨率不足会造成视频中存在运动模糊和运动混叠现象。针对这一问题常用的解决方法是空间去模糊和时间插值,然而这些方法无法从根本上解决问题。提出一种基于最大后验概率(MAP)的单视频时间超分辨率重建方法,该方法通过重建约束来确定条件概率模型,然后利用视频自身具有的时间自相似先验信息得到先验信息模型,最后求得基于最大后验概率的估计值,即通过对单个低时间分辨率视频重建来得到高时间分辨率视频,从而有效解决由于相机曝光时间过长所造成的“运动模糊”和相机帧率不足引起的“运动混叠”现象。通过理论分析与实验,证明了所提方法的有效性。
针对传统利用遗传算法(GA)直接获得的模糊规则所具有的局限性问题,提出了一种带有加权因子的模糊控制规则计算方法,并利用遗传算法对加权因子进行全局寻优,最终由最优加权因子计算生成模糊规则。该计算方法针对不同的模糊输入等级施加不同的加权因子,并能够利用加权因子的相关性与对称性完整地评估所有的模糊规则,减少无效规则对系统响应所造成的影响。性能对比实验表明,该模糊规则所构成的模糊控制系统在控制过程中超调量小,调节时间短,在模糊控制的应用中具有可行性;不同激励的仿真实验表明,该模糊规则所构成的模糊控制系统的控制效果不依赖于系统的激励信号,跟踪效果好,具有很强的鲁棒性。