大规模数据在人为标记时易出现标记误差,导致数据集存在噪声标签,影响深度神经网络模型的泛化。Co-teaching等现行研究方法中的样本选择机制易使噪声样本流入被选的干净标签样本子集,在训练中难以较好地控制深度神经网络模型对被选干净样本子集的拟合。因此,文中提出一个基于Co-teaching改进的新算法。该方法通过增加两个正则化损失来分别避免模型过于信任某单一类别和陷入局部最优解中。此外,引入大学习率衰减训练方法使模型在训练初期更倾向学习干净标签样本特征以得到较好的模型参数。与Co-teaching结果相比,文中模型在20%和50%对称噪声以及45%非对称噪声环境下,在MNIST、CIFAR-10合成噪声数据集及Animal10N现实数据集上的性能均取得了提升。

随着空、天、地各域通信网络的日趋成熟,跨域异构融合技术已成为未来通信网络一体化发展的重要方向。文中在空天地一体化网络向跨域异构融合需求的驱动下,针对异构网络中频谱资源利用率较低的问题,采用深度强化学习方法,通过建立异构融合网络系统模型,设计具有公平尺度的智能体接入算法,以系统吞吐量为最大化目标,选取符合空天地一体化特征的各通信网络制式并提取对应的接入协议。遵照公平原则,设置无量纲的信道参数,建立仿真场景。在仿真中引入多种对比策略,统计系统吞吐量、碰撞率、利用率和信道选择比例等指标。仿真结果表明,跨域异构融合网络的系统吞吐量提高了60%以上,系统信道利用效率提升了20%,业务分组碰撞率维持在10%,验证了文中算法对不同业务场景的适应性。

混合模糊测试结合了模糊测试与符号执行,使用模糊测试探索程序中的路径,并利用符号执行求解模糊测试难以突破的复杂约束,但现有混合模糊测试工作在选择符号执行的求解目标时未考虑两种技术之间的任务协作和符号执行的求解收益。针对上述问题,文中提出基于多元种子选择的混合模糊测试方法。利用程序控制流图对程序状态进行分析,对种子发现路径的能力进行量化,由符号执行来求解模糊测试难以探索到新路径的种子,从而形成两者之间的任务协作。利用目标点导向的思想量化种子挖掘漏洞的能力,使符号执行求解更有可能发现漏洞的种子。实验结果表明,相较于现有混合模糊测试工作,所提方法的整体路径发现数量提升了8.35%,整体漏洞发现数量提升了28.69%。

在大雾天气下,收集的图片存在清晰度降低和颜色畸变等问题。为获得高质量的去雾图像,文中提出了一种混合暗通道去雾算法。该算法使用Retinex算法去除照射分量的干扰,采用变异鸡群优化算法获得引导滤波所需的导向图片来优化大气透射率,并应用改进的暗通道先验算法来获得去雾图像。相较于其他暗通道先验去雾算法,该方法的平均标准差降低了28.3%,平均峰值信噪比增长了10.3%,平均熵增加了8.0%。测试了同一个场景中不同雾霾程度下的图片,结果显示图片清晰,细节信息保留完整,且评价标准数值基本保持稳定。测试结果表明,所提算法具有较高的鲁棒性和良好的色彩保真能力。

针对在机器人辅助头颈部手术中双机械臂进行牵拉易产生碰撞且对目标软组织造成损伤问题,文中基于传统Informed-RRT*(Informed-Rapidly Exploring Random Tree*)路径规划算法叠加引力场降低路径搜索的盲目性。为优化传统Informed-RRT*路径规划算法存在导向性差和效率低等缺点,引入回归滤波机制避免搜索陷入局部最优,对步长进行动态调节。同时,优化了规划路径,采用冗余节点剔除策略,去除了冗余节点,提高了路径的平滑性。基于双机械臂碰撞检测方法和改进Informed-RRT*算法对双臂协调路径规划方法进行了研究。通过仿真实验可知,与原有算法相比,所提算法的迭代时间降低了72.76%,迭代次数降低了46.39%,平均路径长度约缩短6%,节点数约减少45%,验证了改进规划算法的有效性。

基于覆盖引导的网络协议灰盒模糊器AFLNET技术在网络安全测试领域较受关注,且已有较多优秀研究成果。在对AFLNET及其衍生工具进行分析后,文中发现其在对消息序列归属、消息序列评估以及消息序列变异点位置选取3个方面存在不足,并提出了基于消息序列归属优化的网络协议灰盒模糊方法。该方法定义了偏好度概念用于衡量消息序列能够给每个状态带来模糊收益的大小,同时提出了新的消息序列归属算法并结合偏好度对有趣消息序列进行重新归属。利用多维度的反馈信息构造出一个评估函数,用于更加准确地计算出每个消息序列真实的潜力。还提出了一种新的变异点分析算法,用于帮助模糊器过滤掉已变异位置,转而对其他更有趣的变异位置进行变异。实验结果表明,相比于主流方法,基于所提方法实现的QFuzzer在路径覆盖数方面提升了6.94%~11.04%,在漏洞发现数方面提升了7.24%~30.70%。

针对深度强化学习算法在高维状态空间和高精度需求下的机械臂运动规划任务中存在探索效率低、收敛速度慢以及不收敛等问题,文中以SAC(Soft Actor-Critic)算法为基础,引入异步优势机制,提出了一种融合异步优势的AA-SAC(Asynchronous Advantage Soft Actor-Critic)算法。该算法使用Q_target网络代替了原V网络,有效降低了Q网络的方差,n个独立的进程可并行训练,提升了训练效率。将AA-SAC算法的经验回放池划分成两个部分,将高质量的经验数据单独存放、单独采样,以提高有效经验数据的利用率。仿真结果表明,AA-SAC算法在收敛速度、成功率和稳定性上表现最优。相较于SAC算法,AA-SAC算法的收敛时间提前了3 000回合。收敛后AA-SAC算法的成功率达到了96%,比SAC算法提升了6%,比DDPG(Deep Deterministic Policy Gradient)算法提升了26%。

针对非协作通信中的码元速率精确估计等问题,文中在包络平方法的基础上,提出基于改进相位差校正法的高精度码元速率估计算法。该算法通过对比具有最小时移关系的两段序列包络平方谱峰位置一致情况,舍弃受噪声干扰严重导致谱峰位置不一致的序列,并选取谱峰位置一致的两段序列,通过相位差校正法精确估计信号的码元速率。相较于包络平方法,所提算法突破了码元速率估计精度依赖信号采样点数的限制,具有较高的估计精度。仿真实验结果表明,所提算法可在较低信噪比条件下对MPSK(Multiple Phase Shift Keying)、MPAM(Multiple Pulse Amplitude Modulation)和MQAM(Multiple Quadrature Amplitude Modulation)信号码元速率进行精确估计,且相较于现有高精度估计算法,该算法复杂度更低,适合应用于工程实践。

SF₆电气设备内部的分解组分可以通过可调谐吸收光谱技术进行检测,其中CO₂浓度反映了设备内部的绝缘缺陷情况。因此,通过准确测量CO₂浓度可以及时发现设备潜在的绝缘故障。为克服传统最小二乘法浓度反演模型稳定性较差的问题,文中基于改进的旗鱼优化算法(Improved Sailed Fish Optimizer,ISFO)与核极限学习机(Kernel Based Extreme Learning Machine,KELM)建立了ISFO-KELM气体浓度反演模型。利用多策略初始化方法、Levy随机步长、柯西变异和自适应t分布变异等技术提升了旗鱼优化算法寻优能力和跳出局部最优解能力。实验结果表明,该模型具有高精度和鲁棒性,并且在稳定性和泛化能力方面优于最小二乘法、极限学习机、反向传播(Back Propagation,BP)神经网络等传统方法,对评估SF₆电气设备运行状态具有重要意义。

针对实验成本高昂且影响参数庞杂等问题,文中利用COMSOL仿真软件建立φ100 mm冷坩埚实验装置的磁场仿真模型,开展高频电源以及线圈参数的仿真实验,并利用神经网络和模拟退火算法对最优高频电源参数组合进行预测。针对不同电流强度、频率、线圈高度、匝数、直径、间距条件下的冷坩埚磁场分布、涡流损耗以及能量利用率变化规律进行仿真实验。以仿真结果为学习样本的神经网络,可快速预测各种电源参数下的磁场和涡流损耗等数据。利用模拟退火算法预测最优电源参数组合。仿真结果表明,在参数优化后可保证在磁场强度和加热效率不变的前提下提高磁场均匀程度和熔制效果,并使能量利用率提高了68%,避免了能量浪费。初步验证了高频电源以及线圈参数优化对磁场分布和能量使用效率的改善效果,可为后续冷坩埚工程样机的电源参数与线圈参数的优化设计提供重要依据。

通过机器学习脑电图(Electroencephalogram, EEG)揭示人类大脑活动已成为探索人类内在情感状态的重要方案。由于情感状态变化是动态而非恒定,因此预测情感状态变化是情感识别领域的研究难题。文中提出了一种瞬时情感强度标签生成框架,通过让受试者观看视频来刺激并采集其瞬时情绪强度从而生成一组有监督标签,结合有监督标签与脑电特征生成3组半监督标签对应受试者的瞬时情感状态变化。使用脑电特征与多种机器学习方法分析4组标签对情感状态变化的适用性。通过支持向量机模型在有监督情感强度标签集上对两类、三类和四类情感强度取得了80.02%,54.76%和56.14%的分类精度。实验结果表明,有监督瞬时情感强度标签对不同受试者的脑电数据和情感状态变化更具普适性。

为解决规模化电动汽车入网的优化调度问题,文中提出一种计及电动汽车的综合能源系统双层优化调度策略。上层为优化调度层,电动汽车代理商按照可调度时间将电动汽车分群并将集群信息上传至系统调度中心,系统调度中心协同电动汽车集群和各能源系统,并考虑综合需求响应和阶梯型碳交易机制,以调度成本最小为目标建立经济调度模型。下层为功率分配层,电动汽车代理商以满足用户出行需求为目标构建功率分配模型,引导电动汽车有序参与系统调度。构建仿真算例并采用CPLEX求解器进行求解。仿真结果表明,所提策略不仅能够有效降低综合能源系统调度成本、平滑系统负荷曲线以及减少碳排放量,还能在保障用户出行需求的基础上显著降低用户用电成本,从而实现供需双方的共赢。