摘要：在多智能体协作领域,强化学习算法通过共享智能体的局部信息来实现智能体间的协作.但共享协作机制极易引发过度协作问题,导致智能体忽视自身局部观测信息,丧失策略多样性,最终陷入低效协作的困境.为了解决该问题,本文提出基于双视角建模的多智能体协作强化学习方法(Bi-View Modeling Collaborative Multi-Agent Reinforcement Learning,简称BVM-CMARL).该方法从局部和全局两个视角对智能体进行建模,分别用于产生多样性的策略和激励协作.在局部视角最大化局部变分与自身轨迹的互信息,激励智能体的策略多样性;同时在全局视角最大化全局变分与其他智能体动作的互信息,提高智能体协作水平.最后将局部变分训练出的局部Q值与全局变分训练出的全局Q值合并,避免低效协作.将BVM-CMARL算法应用于星际争霸多智能体挑战赛(StarCraft Multi-Agent Challenge,SMAC)中的等级觅食(Level-Based Foraging,LBF)和走廊(Hallway)等环境,与QMIX、QPLEX、RODE、EOI和MAVEN等5种目前优秀的强化学习算法相比,BVM-CMARL算法具有更好的稳定性和性能表现,在SMAC上的平均胜率为82.81%,比次优算法RODE高13.42%.通过设计模型变体,在消融实验中证明了双视角建模对BVM-CMARL的必要性.

摘要：针对传统数值预报模式计算时间长和计算资源消耗大的问题,以及现有深度学习预报方法在温度预报结果上不精确,且预测结果模糊的问题,提出了一个新的温度预报模型。首先,设计了一个时空信息捕捉模块,将该模块捕获的长期依赖信息,作为扩散模型的生成条件,赋予扩散模型预报的能力;其次,设计了一个新的平衡损失函数,同时保护了扩散模型的生成能力和时空信息捕捉模块对时空信息的捕捉能力;最后,基于美国国家环境预报中心的再分析数据进行预报,与现有的深度学习方法相比,所提模型预报结果的质量在均方误差(mean square error,MSE)上降低了17.3%,在均方根误差(root mean square error,RMSE)上降低了9.14%,在峰值信噪比(peak signal to noise ratio,PSNR)上提升了5.1%。改进的扩散模型能有效地捕捉时空依赖的关系,有效地进行时空序列预测,效果优于其他对比方法。

摘要：以分子毒性为代表的分子属性预测在以药物设计为主的多个领域的发展中发挥着重要作用,但直接利用分子结构信息快速且准确地预测分子毒性一直是一个挑战。目前,卷积网络和图网络等深度学习方法的出现在这个问题的解决上得到了一定的进展。而以图网络为主的深度学习方法在分子毒性预测中存在两个关键问题,影响预测性能:第一,数据驱动使得模型在面对小批量数据时依然没有可靠的性能。第二,建模分子结构只考虑了天然共价键,只能提供粗粒度的信息。为解决上述问题,给出了一种对分子结构的新型建模方式MT-ToxGNN。该方法将多任务的思想融入图神经网络中,使得不同任务在训练时可以互相学习不同数据的可靠分布,从而避免在小批量数据上的过拟合问题。将分子编码成拓扑图结构时同时考虑分子内共价键以及非共价作用,就是在使用分子共价键构建传统图的边集之后,再使用非共价作用构建新型图的边集,从而弥补传统图网络对分子结构信息表示的不足。使用特别设计的图网络分别处理分子的共价与非共价信息,充分学习不同的分子结构。在与大量先进方法的性能比较中,MT-ToxGNN在多个分子毒性数据集上皮尔森系数指标达到了最佳。

摘要：针对基于暗通道先验的去雾算法在平滑区域产生光晕和偏色失真的问题,提出一种双边滤波引导同态滤波的去雾算法.首先,构建一种以原始像素值与大气光值的差为正比例系数、以透射率为反比例系数的非线性拉伸模型,用于表征各颜色分量在去雾前后的对比关系;然后,采用双边滤波引导的空间域同态滤波,把粗透射率分解为大气光分量和场景目标反射分量;最后,以前景区域面积比为自变量,定义一种自适应加权函数,对大气光分量和反射分量进行线性加权以生成精细透射率,进而利用暗通道先验模型完成去雾.采用O-HAZE和RESIDE数据集的真实含雾图作为测试数据,通过UCIQE,FADE,SSIM,NIQE和色彩还原度客观评价指标进行对比,所提算法的评价结果比典型算法平均提高了21.68%.结果表明,所提算法能够有效地避免大面积平滑区域的偏色失真以及景物边缘、轮廓处的光晕和伪边缘效应,取得更高的主客观质量.

摘要：很多强化学习方法较少地考虑决策的安全性,但研究领域和工业应用领域都要求的智能体所做决策是安全的.解决智能体决策安全问题的传统方法主要有改变目标函数、改变智能体的探索过程等,然而这些方法忽略了智能体遭受的损害和成本,因此不能有效地保障决策的安全性.在受限马尔可夫决策过程的基础上,通过对动作空间添加安全约束,设计了安全Sarsa(λ)方法和安全Sarsa方法.在求解过程中,不仅要求智能体得到最大的状态-动作值,还要求其满足安全约束的限制,从而获得安全的最优策略.由于传统的强化学习求解方法不再适用于求解带约束的安全Sarsa(λ)模型和安全Sarsa模型,为在满足约束条件下得到全局最优状态-动作值函数,提出了安全强化学习的求解模型.求解模型基于线性化多维约束,采用拉格朗日乘数法,在保证状态-动作值函数和约束函数具有可微性的前提下,将安全强化学习模型转化为凸模型,避免了在求解过程中陷入局部最优解的问题,提高了算法的求解效率和精确度.同时,给出了算法的可行性证明.最后,实验验证了算法的有效性.

摘要：目标检测是计算机视觉课程的重要实验内容之一,但现有模型对小目标检测能力普遍较弱。为了加深学生对现有模型结构和缺陷的深入理解,掌握模型的优化方法,基于实验中常用的SSD模型,引入了轻量级秩扩展网络ReXNet,重新设计了特征融合与过滤模块。特征融合模块在深浅层特征融合之前,先对深层特征图进行特征抽取,减少无效语义信息对浅层特征的干扰,增强了模型对小目标语义特征的表征能力。特征过滤模块则分别在分类和回归时,引入通道注意力和空间注意力的双路结构,提高分类与回归的精度。在VOC和COCO数据集上的实验结果表明,改进后的模型不仅提高了对小目标的检测性能,保留了较快的检测速度,而且改善了原始模型存在的漏检问题。通过模型设计的优化,加深了学生对于目标检测模型架构的理解,提高了学生的综合实践能力,促进了计算机视觉课程的实验教学内容建设。

摘要：根据苏州大学新工科专业建设的要求,结合智能制造中视觉缺陷检测的应用场景,对计算机类专业的机器视觉综合实践课程进行了教学设计。设计的课程体系融合了图像处理、自动控制、模式识别等内容,包括系统搭建、系统集成、图像处理和视觉检测等实践环节,强化了综合性、系统性和创新性的教学要求,增强了学生的参与度和体验感,提高了学生综合应用基础理论知识解决实际问题的能力,促进了本科实践教学课程的建设。

摘要：讨论了图形设计应用中图形缩放打印系统的设计,就设计图元的虚拟图纸设定、图形分页计算、物理图元尺寸与屏幕图元尺寸的关系及分页打印系统中打印内容划分与多页拼接等问题进行了详细的探讨。

摘要：IPsec是为VPN制定的一组IP层安全协议,但随着应用的扩展和深入也出现了一些新的问题。文章将公钥基础设施PKI引入其中,结合ECC公钥技术,并增加了交叉认证接口设计,提出了一个基于改进的PKI体系的增强型IPsec VPN安全网关原型系统;同时对DPD协议进行了研究,设计并实现了对DPD的支持,从而有效弥补了现有IPsec VPN在身份认证和状态检测方面的缺陷,提高了VPN的安全性、可扩展性和健壮性。最后给出了一个基于Linux2.6内核的设计方案。

摘要：目标检测是计算机视觉实践课程中重要的实验项目,尤其是小目标检测是该领域的难点。针对实验中常用的SSD模型存在的小目标检测能力不足等问题,提出采用特征图融合的方法改进特征金字塔的结构。在不改变特征图通道数的前提下,对底层特征图通过上采样和卷积操作,增强细节信息的表征能力,构成新的特征金字塔进行训练和预测。在VOC数据集上的测试结果表明:相较于SSD模型,改进模型对不同大小目标的检测精度都有提升,小目标的检测精度提升一倍以上,并且改善了SSD模型存在的漏检和误检问题。通过模型的优化和对比,加深了学生对目标检测原理的理解,提高了学生解决实际问题的能力,促进了计算机视觉实践课程的建设。