关键词： 小样本学习   度量学习   类表示学习   判别特征学习   数据增强   图像分类   神经网络   深度学习  

摘要： 小样本学习旨在让模型能够在仅有少量标记数据的新类中进行分类。基于度量学习的方法是小样本学习的一种有效方法,该类方法利用有标签的支持集样本构建类表示,再基于查询样本和类表示的相似性进行分类。因此,如何构建判别性更强的类表示是这类方法的关键所在。多数工作在构建类表示时,忽略了类概念相关信息的挖掘,这样容易引入样本中类别无关信息,从而降低类表示的判别性。为此本文提出一种概念驱动的小样本判别特征学习方法。该方法首先利用类别的语义信息来指导模型挖掘样本中类概念相关信息,进而构建更具判别性的类表示。其次,设计了随机掩码混合机制增加样本的多样性和识别难度,进一步提升类表示的质量。最后对处于决策边界附近的查询样本赋予更大的权重,引导模型关注难样本,从而更好地进行类表示学习。大量实验的结果表明本文提出的方法能够有效提升小样本分类任务的准确率,并且在多个数据集上优于当前先进的算法。

关键词： 迁移学习   轴承故障诊断   残差注意力   特征提取  

摘要： 提出了一种基于残差注意力卷积神经网络(CSRA-CNN)的迁移学习算法,用于提高滚动轴承的故障诊断精度。在卷积神经网络模型中加入残差注意力机制,使模型在训练过程中更加注重故障特征的提取,从而有效提高迁移准确率。为了测评基于残差注意力卷积神经网络的性能,将其与传统卷积神经网络在不同迁移学习策略下的结果进行对比。用动力传动故障诊断综合实验台和高速列车综合实验台对所提算法进行了验证,该方法可以完成变转速以及变转速变载荷下轴承不同健康状态的迁移学习,且迁移效果均优于传统的卷积神经网络。

关键词： 机器人学习   元强化学习   深度确定性策略梯度   元Q学习   样本效率  

摘要： 针对深度强化学习方法在机械臂的接近技能学习中普遍存在的样本效率低、泛化性差的问题,提出一种基于元Q学习的技能学习方法。首先利用结合后视经验回放(Hindsight Experience Replay, HER)的DDPG训练机械臂以指定姿态到达目标点,验证了算法在接近任务中的有效性;其次,在相关任务集上构造多任务目标作为优化对象,利用结合HER的DDPG训练模型,得到泛化性强的元训练模型和元训练数据,此外利用GRU获取轨迹上下文变量;最后,先在新任务上进行少量训练,再利用元训练数据训练模型进一步提升性能。仿真实验表明,在初始性能、学习速率和收敛性能三方面元Q学习均带来明显提升,其中达到期望性能所需样本量降低77%,平均成功率提高15%。

关键词： 小样本学习   对比学习   孪生神经网络   滑动池化  

摘要： 针对目前小样本学习中存在的问题,设计一种新的网络结构及其训练方法以改进小样本学习.该网络在特征嵌入部分采用卷积网络并结合多尺度滑动池化方法以增强特征提取.网络主体结构为类孪生网络,以便于通过样本间的对比从小样本数据中学到语义.网络的训练方法采用嵌套层次的参数更新以保证收敛的稳定性.在两个经典小样本学习数据集上与常用的视觉模型和前沿小样本学习方法进行了对比实验,实验结果表明,该方法在小样本学习的精度上有显著提升,可作为样本不充足情况下的解决方案.

关键词： 新能源   端口特性建模   微分代数方程   神经网络   动态仿真  

摘要： 高比例新能源渗透背景下,建立能够准确描述复杂环境因素影响下含新能源的区域电网端口特性动态模型,对于新型电力系统动态分析至关重要。为此,提出了一种基于微分代数神经网络的含新能源区域电网端口动态特性学习方法。该方法利用微分代数神经网络,基于区域电网接入点的时序量测以及光照强度、温度等环境量测数据,学习以神经网络表达的端口特性模型。所得模型由初始状态提取模块、微分神经网络模块、代数神经网络模块组成,可直接接入电力系统暂态仿真器中,用于分析电力系统整体动态特性。在IEEE-39节点系统中对该方法进行仿真验证,测试结果表明:所得模型能够适应不同环境场景,准确率高,验证了方法的有效性。该建模方法仅依赖端口时序量测,在新型电力系统动态分析中具有较大的应用潜力。

关键词： 逆境信念   孤独感   生命意义感   学习投入   高中生  

摘要： 为探讨逆境信念与学习投入之间的关系以及孤独感和生命意义感的中介作用。运用整群抽样的方法选取三所普通高中高一至高三共18个班级997名高中生作为研究对象,采用逆境信念量表、青少年孤独感问卷、生命意义感量表及学习投入量表施测。结果发现逆境信念对高中生学习投入无直接预测作用;孤独感和生命意义感在逆境信念与学习投入之间发挥中介作用,具体而言,逆境信念可以通过生命意义感的单独中介作用以及孤独感和生命意义感的序列中介作用预测高中生学习投入。因此,孤独感、生命意义感是逆境信念影响高中生学习投入的重要中介机制,逆境信念可以通过降低孤独感,增强生命意义感而促进高中生学习投入。

关键词： 机器学习方法   智能家居   安防系统  

摘要： 在现代智能化技术、计算机技术不断发展下,智能家居安防系统也迎来了新的发展契机,基于现代科学技术与高端设备进行智能家居安防系统的升级设计成为当前人们所关注的重点。本文在明确机器学习方法概念基础上,分析了当前智能家居安防系统现状,然后针对基于机器学习方法的智能家居安防系统设计与应用做出简要的论述。

关键词： 遥感   SAR   差异子图   代数变化   特征映射  

摘要： 针对遥感卫星所捕获的大量不同光谱、时间和空间的遥感图像对地面物体的检测精确程度不高,该文提出了一种基于深度学习方法的SAR场景分类方法,该方法由特征提取模型、特征映射模型和分类模型3个部分组成,可以根据2个模块之间的依赖性进行建模。在RSI数据集的基础上完成试验分析,由分析结果可知,该方法在不同类型的RSI数据集上均有不同的表现,其平均准确度达到82.48%,优于对比方法。结果表明,该文方法所表现出的强大学习能力,可有效地完成像素分类和场景理解,比其他模型的遥感图像场景分类效果要好。

关键词： 深度学习   轻量级   谷粒计数   遮挡还原   通用网络  

摘要： 【目的】为解决传统水稻考种机谷粒表型分析算法在功能和效率上的局限性,针对穗上谷粒原位计数和被遮挡谷粒几何特征还原设计一种基于深度学习的轻量级通用算法框架。【方法】将穗上谷粒原位计数与被遮挡谷粒还原这2个复杂任务分别拆解为2个阶段,将其核心阶段建模为I2I问题。基于MobileNet V3设计1种能够解决I2I问题的轻量级网络架构,并针对2个任务的特点分别设计了数据集图像制作方法,选择合适的优化策略和超参数对其进行训练。训练结束后,使用TensorFlow Lite runtime解释器将模型部署在考种机的树莓派4B开发板上,并进行测试。【结果】该算法在穗上谷粒计数任务中具有良好的准确性、快速性,且具有一定的泛化性能。在被遮挡谷粒的形状还原任务中,该算法所还原的谷粒图像在面积、周长、长度、宽度和颜色分数评价指标中准确率均达到97%以上。【结论】该算法能够有效地完成穗上谷粒计数和被遮挡谷粒的还原任务,且具有轻量级的优点。

关键词： 中国式现代化   习近平新时代中国特色社会主义思想   西藏农业农村现代化  

摘要： 文章就学习党的二十大报告以及习近平总书记一系列重要讲话精神,探讨中国式西藏农业农村现代化建设。从“治国必治边、治边先稳藏“”牢牢把握西藏社会的主要矛盾和特殊矛盾“”国内国际两个大局“”中央支持西藏、全国支援西藏”等方面认识西藏农业农村现代化是中国式现代化的有机组成部分。分析认为,西藏农业农村现代化过程是筑牢民族团结、丰富中华文化、凸显高原经济高质量发展、践行生态文明的过程;认为有中国共产党坚强领导、有科学理论指引、有特殊政策支持是推进西藏农业农村现代化的有利条件;坚持辩证唯物主义、强化组织建设、运用精准思维、坚持团结奋斗是推进西藏农业农村现代化的途径。