关键词： 注视点渲染   深度学习   实时渲染   注视点预测   图像补全   超分辨率   光路追踪降噪  

摘要： 在大型高分辨显示器和头戴式显式设备中实现实时、逼真的渲染仍然是计算机图形学面临的主要挑战之一。注视点渲染(foveated rendering)利用人类视觉系统的局限性,根据注视点调整图像渲染质量,从而在不损失用户感知质量的前提下大大提高渲染速度。随着深度学习方法在渲染领域的广泛应用,涌现出大量基于深度学习的注视点渲染新方法。本文从深度学习的角度对注视点渲染领域的最新方法进行综述。首先,概述了人类视觉感知的背景知识。接着,简要介绍了注视点渲染中最具代表性的非深度学习方法,包括自适应分辨率、几何简化、着色简化和硬件实现,并总结了这些方法的优缺点。随后,描述了文中用于评估深度学习不同方法所使用的评估准则,包括常用的注视点渲染图像的评估指标和注视点预测评估指标。接下来,将注视点渲染中的深度学习方法细分为超分辨率、降噪、补全、图像合成、注视点预测和图像应用,对它们进行详细概述和总结。最后,提出了深度学习方法目前面临的问题和挑战。通过对注视点渲染领域的深度学习方法的讨论,可以更详细地展示深度学习在注视点渲染中的研究前景和发展方向,对后续研究人员在选择研究方向和设计网络架构等方面都有一定的参考价值。

关键词： 长短时记忆网络   人工神经元网络   瓦斯   浓度   预测  

摘要： 采用人工神经元网络(ANN)和长短时记忆网络(LSTM)预测了准东煤田某煤矿工作面的瓦斯浓度,结果表明,在一个隐含层的ANN模型中,神经元数量为32时,预测瓦斯浓度均方误差(MSE)最低为0.5,当隐含层为两个,神经元数量分别为3和10时,预测瓦斯浓度MSE最低为0.03,即最优ANN模型为5-3-10-1。在一个隐含层的LSTM模型中,神经元数量为35时,预测瓦斯浓度MSE最低为0.02,当隐含层为两个,神经元数量分别为10和11时,预测瓦斯浓度MSE最低为0.008,即最优LSTM模型为5-10-11-1。

关键词： 联邦持续学习   原型学习   知识蒸馏   灾难性遗忘   数据异构  

摘要： 联邦学习能够在隐私保护的前提下联合多个参与者进行协同学习,然而经典的联邦学习不具备持续学习的能力,无法适应动态变化的应用场景.联邦持续学习近期引起了广泛的关注,其允许多个参与者在协同学习的同时进行持续学习.联邦持续学习是一种更加复杂的学习场景,其面临的挑战包括灾难性遗忘,异构性以及通信资源受限.为了应对这些挑战,本文提出一种基于原型学习的联邦持续学习方法.该方法利用原型进行知识的共享,提升通信效率的同时增强了对模型异构性的适应能力.此外,该方法设计了基于知识蒸馏和回放的灾难性遗忘的预防机制.本文提供了所提出方法的收敛性分析,并且通过对比实验和消融实验验证了该方法的有效性.

关键词： 深度学习   ρ(PM_(2.5))   排放清单   气象因子  

摘要： 为准确、快速地模拟ρ(PM_(2.5)),构建深度学习模型:深度神经网络(DNN)、长短期记忆递归神经网络(LSTM)、卷积神经网络,用兰州市气象站监测数据、大气污染物排放清单以及环境空气质量监测站点的常规污染物监测数据,对兰州市逐小时ρ(PM_(2.5))进行模拟.结果表明,年际尺度上,3种模型中DNN的效果最好,LSTM对实测值较大的数据模拟效果比其他模型更好.季节尺度上,划分不同季节进行模拟的效果优于使用全年数据的模拟效果.3种模型中表现最好的是LSTM模型,整体表现为春、夏、秋季的模拟效果较好,冬季模拟效果较差.

关键词： 潜在空间   动作表示   连续动作空间   回报预测   有效动作表示提取器   策略搜索强化学习方法  

摘要： 策略搜索强化学习方法是深度强化学习领域的一种高效学习范式，但存在模型结构复杂、训练周期长、泛化能力差的问题。表示学习能在一定程度上缓解上述问题，但传统的表示学习方法的动作表示包含大量冗余或不相关的信息，缺乏可解释性，影响系统的性能和泛化能力。本文提出了一种基于有效动作表示的策略搜索强化学习方法TAR-PPO（task-relevant action representation learning based PPO）。使用β-VAE作为学习动作表示的组件，引入回报预测模型辅助有效动作表示提取器的训练，帮助有效动作表示提取器提取到与任务相关的、更加有效的动作信息，增强了动作表示的可解释性，提高模型的性能和泛化能力。在MountainCar＿V0环境中的对比实验结果表明，本文方法能够有效捕获与任务相关的动作信息，有利于动作空间的进一步探索，提升了策略学习性能。最后，通过消融实验验证了本文方法的显著优势。

关键词： 三支决策   不确定性   提示微调   知识迁移   持续学习  

摘要： 当前基于预训练模型和提示微调的持续学习范式受到了广泛的关注.然而，该范式在选取提示时未考虑知识的不确定性，若选取对任务有负作用的不确定性提示将导致模型性能下降.如何有效处理不确定性提示成为提升模型性能的关键.本文结合三支决策理论，提出了一种基于三支提示知识的持续学习方法，将可学习的参数化提示作为知识构建三支决策知识系统，对提示知识做出接受、拒绝和延迟的决策，相应地将其划分为正知识、负知识和不确定性知识，并在持续学习过程中累积正知识、丢弃负知识、更新不确定性知识，构建提示知识库并利用其帮助新任务的学习.本文在经典持续学习数据集上进行了全面的实验，并取得了优秀的表现.

关键词： 机器学习   土壤   重金属   理化性质   生物毒性   生态风险评价  

摘要： 土壤理化性质会显著影响重金属生物毒性，基于土壤理化性质的重金属生物毒性及潜在生态风险预测是当前的研究热点之一 。本研究以土壤典型重金属镉（Cd）、铜（Cu）、铅（Pb）和锌（Zn）为研究对象，蚯蚓为土壤模式生物，采用文献法搜集已发表论文中重金属对蚯蚓繁殖的半数有效浓度(EC50)与所对应的土壤理化性质数据共113组，分析不同数据间关联性，揭示土壤理化因子对重金属生物毒性的影响规律。利用随机森林（RF）、梯度提升决策树（GBDT）、极限梯度提升（XGBoost）、K近临（KNN）和支持向量机（SVR）五种机器学习算法构建机器学习模型，研选最佳模型并开展我国土壤重金属潜在生态风险阈值预测。结果表明，重金属在不同类型土壤中毒性存在显著差异，重金属对蚯蚓的繁殖毒性强弱趋势表现为Cd>Cu>Pb≈Zn。不同土壤理化性质对重金属生物毒性的影响规律不同，其中土壤pH是影响重金属Pb和Cd的主要因素，对重金属蚯蚓繁殖毒性变化的贡献率分别为57.2%和69.0%；阳离子交换量和有机质含量则分别是重金属Cu和Zn生物毒性的主要影响因子。从模型拟合优度和预测精度对比分析基于土壤理化因子构建的重金属生物毒性机器预测模型的性能，XGBoost模型对Cd、Cu和Zn的生物毒性预测表现较好，而RF模型对Pb的生物毒性预测更准确，训练集和测试集的R2分别达0.939和0.886。利用研选的重金属生物毒性预测模型开展我国34省土壤中重金属生态风险阈值预测，结果发现不同区域土壤潜在生态风险存在明显差异。研究结果可为基于土壤理化性状的重金属生态毒性和潜在生态风险的准确预测与合理评估提供新的策略。

关键词： 强化学习   移动机器人   导航避障   对抗策略  

摘要： 传统机器人导航和决策方法过度依赖于高精度地图的构建,且难以适应动态复杂的应用场景.此外,现有基于机器学习算法的导航和控制方法在真实系统中存在着泛化和迁移能力不理想的缺陷.针对上述问题,本文提出了一种基于多模信息融合和强化学习框架的移动机器人导航和实时对抗方法.首先,利用不同类型的信息预处理模块对机器人采集到的RGB图像、激光雷达数据和其他向量信息进行预处理并融合,实现了机器人对环境的全面感知.然后,基于动作网络直接输出机器人运动控制指令,完成了无模型情况下对机器人端到端的控制.进一步的,在仿真系统中充分考虑现实环境中的噪声和动态因素,利用迁移到实体机器人上的测试数据对模型进行微调和修正.最后,在仿真环境和真实搭建的环境中开展不同难度导航和实时对抗任务的实验,验证了所提出的基于强化学习的机器人导航和实时对抗策略的有效性.

关键词： 数字农业   深度学习   数据集   计量分析  

摘要： 随着人工智能、计算机视觉、深度学习等科学技术在农业领域的发展与应用,数据驱动的农业深度学习模型成为农业科学的新型研究范式,农业数据集是深度学习模型训练的基础,高质量、大规模、多样性的数据集能够有效提升模型性能,从而助力深度学习在智慧农业领域的应用。为帮助相关领域研究者更好地了解数据对于深度学习的驱动力,充分发挥深度学习在农业领域的应用,本文通过计量分析的方法,总结农业数据集的类型、规模、来源等基本特质,根据深度学习方法将其划分为目标检测、图像分割、图像识别等4个类别,根据应用领域将其划分为视觉导航、特征识别、无损检测等7个类别。结果显示,数据集类型以图像数据为主,图像的数据量主要集中在50—1 500张范围内,由于农业数据采集的特殊性,数据集大部分由个人构建,部分来自公开数据集,主要利用数据集开展特征识别。在未来,随着模型的规模越来越大,对于数据集的要求也不断升级,因此需要持续构建大规模、分布均衡、标注准确的数据集。本文通过强调数据对深度学习模型的驱动力及重要性,为数据推动深度学习农业应用提供理论依据。

关键词： 旅游产业发展   多维特征变量   组态视角   路径选择   机器学习  

摘要： 运用机器学习方法识别旅游产业发展的复杂前因和组态路径,以此赋能我国区域协调发展和共同富裕目标实现。文章基于生产函数理论,以我国298个地级及以上城市为研究对象,采用K均值聚类算法将样本城市划分为发展受阻型、稳中求进型和全面辐射型3种群组类型,运用分类与回归树算法挖掘不同类型城市资源、技术和制度层面多维特征变量与旅游产业发展之间的复杂关系结构。研究发现:1)旅游产业发展的驱动要素具有耦合协调效应,体现为不同类型城市多维特征变量的横向耦合一致性和纵向等级分层性;2)高度相似城市因要素差异化配置获得不同旅游产业发展水平,表明每类城市都有适宜自身发展的组态条件,为推动区域协调发展提供现实基础;3)不同类型城市旅游产业高水平发展的驱动要素具有组合差异性,整体呈现殊途同归的作用效果,发展受阻型城市由“科技筑基-区域开放-文化吸引”驱动,稳中求进型城市由“经济引领-科技创新-数字赋能”驱动,全面辐射型城市由“文化吸引-交通增质”驱动。研究结论为我国城市旅游产业如何依据自身要素禀赋条件获得高水平发展提供了新思路和新参考依据。