摘要：为了提升疾病早期筛查的准确性,文中基于临床检验数值、CT图像等数据对计算机辅助诊疗技术进行了研究。由于医疗图像存在伪影严重和边缘模糊的问题,若采用传统的深度学习算法(DL)需要增加网络深度,这对计算机的算力与训练样本数量均提出了更高的要求。为了克服上述问题,文中在传统算法的基础上引入了增强学习算法(RL),通过将两个算法进行融合改进,进而提出了一种DCQN网络。其利用多层非线性卷积网络,组合并提取图像的低阶特征,同时借助RL中的智能体(Agent)概念,不断累积环境迭代过程中的惩戒值,从而获得识别医学图像的最优路径。在某开放肺结节数据集上进行的仿真实验结果表明,DCQN网络在进行图像分割时,综合识别精度较DCNN网络提升了9.13%。而在进行肺结节早期预测时,准确率、召回率以及ZSI相比DCNN网络分别提升了0.052、0.039和0.043。

摘要：针对小型无人直升机的姿态控制问题,考虑到现有基于模型的控制方法对直升机动力学模型的先验信息依赖较大,以及未建模动态系统的影响等问题,设计了一种基于增强学习(RL)的飞行控制算法.仅利用直升机的在线飞行数据,补偿了未建模不确定性的影响.同时为了抑制外界扰动,提高系统的鲁棒性,设计了一种基于误差符号函数积分的鲁棒(RISE)控制算法.将两种算法结合,并利用基于Lyapunov分析的方法,证明了无人机姿态控制误差的半全局渐近收敛.最后在无人直升机飞行控制实验平台上,进行了姿态控制的实时实验验证.实验结果表明,本文提出的控制方法具有良好的控制效果,对系统不确定性和外界风扰具有良好鲁棒性.

摘要：在任务分配问题中,如果Markov决策过程模型的状态-动作空间很大就会出现"维数灾难".针对这一问题,提出一种基于BP神经网络的增强学习策略.利用BP神经网络良好的泛化能力,存储和逼近增强学习中状态-动作对的Q值,设计了基于Q学习的最优行为选择策略和Q学习的BP神经网络模型与算法.将所提方法应用于工艺任务分配问题,经过Matlab软件仿真实验,结果证实了该方法具有良好的性能和行为逼近能力.该方法进一步提高了增强学习理论在任务分配问题中的应用价值.

摘要：提出增强学习(RL)解决机器人动态操作任务运动规划的方法。对动态操作任务,分析了如何确定输入输出变量以及强化函数的设计问题;给出用于连续输入输出问题的自适应启发评价(AHC)算法。增强学习解决动态操作任务的运动规划问题,只需要机器人正解进行反复尝试即可学会动作,从而避免了常规运动规划方法中涉及的复杂逆解运算;最后以平面3连杆机器人接取自由飞行的球为例进行仿真研究,结果表明了方法的有效性和可行性。

摘要：针对确定随机需求车辆路径问题的最优策略,存在状态空间"维数灾"问题,基于增强学习函数近似原理,首先,设计了一个径向基函数(RBF),其次,在一给定的控制策略下,将最小平方瞬时差分(LSTD)法确定函数的权系数与交叉熵(CE)法确定隐层节点基函数的参数相结合,通过在线调整,使Bellman残差平方和性能指标达到最小,最后,根据得到的径向基函数,确定最优策略。通过仿真试验,验证了所设计方法的有效性。

摘要：研究了一种基于变尺度编码CMAC神经网络的增强学习控制器设计方法,并应用于以自行车平衡为模型的非线性随机系统的学习控制中.该方法通过对Markov决策过程状态空间的变尺度重叠量化编码,实现基于CMAC的多分辨率值函数逼近,从而有效地提高了增强学习控制器对连续状态空间马氏决策问题的泛化性能.针对自行车学习控制的仿真研究表明,采用变尺度编码CMAC进行值函数逼近的增强学习控制器能够获得优于已有表格型方法和均匀编码CMAC方法的学习效率和泛化性能.

摘要：提出了一种基于增强学习的变虚阻抗控制算法,其控制器设计为一个结合人机交互模型的虚阻抗控制器。为了适应不同穿戴者所产生的交互力,采用了PI2增强学习算法对控制器中的参数进行在线学习。该控制策略在一自由度外骨骼平台和HUALEX下肢助力外骨骼上进行了实验验证,证明了所提出控制算法的有效性。

摘要：变体飞行器能根据飞行环境和飞行任务的需要,相应地改变外形,从而始终保持最优的飞行状态,以满足在大飞行包线下执行多种任务的要求。以具有多种翼型的Firebee无人机作为研究对象,利用DATCOM计算气动数据,并展开气动分析。之后,基于增强学习理论,提出一种新型的变体飞行器翼型自适应控制方法。该方法可以很好地满足变体飞行器在多任务状态下保持最优性能的需要,并且设计的高度子系统的三回路法向过载控制器和速度子系统的滑模控制器可以确保飞行器在变体过程中保持稳定,并且跟踪误差较小。

摘要：为了解决利用粒子群算法对非线性和不确定系统进行PID控制参数整定时存在的种群多样性较低、控制参数在线学习能力差等问题,提出了增强学习的PID控制参数优化快速整定算法;首先,对进化学习算法进行改进;然后利用神经网络进行混合PID控制器设计,利用增强学习算法进行在线反馈学习;最后对每次种群进化后的多样性进行了自适应变异;通过对输入曲线的跟踪对比,验证了文中算法的参数整定效果,同时对种群的多样性进行了跟踪仿真;仿真实验表明,文中的算法具有较强的鲁棒性,算法收敛速度较快,整定效果较高。

摘要：目前研究的5G通信频段自适应选择方法频谱利用率和资源利用效率低,不同通信模式下产生的信噪比不稳定,因此,提出基于增强学习的5G通信频段自适应选择方法。通过模糊逻辑理论对5G通信频段的发送功率进行优化,从而减小自适应功率;在此基础上,采用增强学习技术构建突发流量模型进行5G通信频段自适应选择,提升D2D用户与5G用户通信的有效率。仿真实验结果表明,专用模式和复用模式下的吞吐量均优于传统蜂窝模式,且信噪比的稳定性更好,基于增强学习的5G通信频段自适应选择方法具有一定的有效性,有效提高了资源利用率。