【CAA期刊】模式识别与人工智能 2022年 第35卷 第8期

关键词 ：人工蜂群, 适应度分组, 搜索能力, 精英个体

引用本文:

ZHOU Xinyu, HU Jiancheng, WU Yanlin, ZHONG Maosheng, WANG Mingwen. A Multi-strategy Artificial Bee Colony Algorithm Based on Fitness Grouping. Pattern Recognition and Artificial Intelligence, 2022, 35(8): 688-700.

链接本文:

http://manu46.magtech.com.cn/Jweb_prai/CN/Y2022/V35/I8/688.

⭕ 综述与评论

真三维显示技术概述与现状:原理和展望

张梅 1 , 王飞跃 2,3 , 郭振 1 , 唐乐乐 1 , 王晓 2,3

摘要: 致力于复现三维真实场景的真三维显示技术,其自然的三维视觉感知和直观的用户体验越来越符合人们对显示系统的需求.真三维显示技术代表未来先进显示技术的发展方向,也是促进元宇宙领域发展的关键技术.真三维显示为虚实世界的信息链接提供直接的窗口,为虚实世界的交互提供沉浸式三维视觉感知效果.迄今为止,学者们提出多种显示原理和系统样机.文中首先针对主流的各类真三维显示技术的原理及代表性系统样机进行较完整地梳理.然后,针对各类显示技术的优缺点进行详细分析和总结,详细分析未来三维显示技术的重点发展方向和趋势.最后,对该领域未来的发展前景进行展望.随着计算机技术、光电子技术、5G通信等领域的快速发展,真三维显示系统将在高质量显示、强大的计算能力及智能感知与交互功能方面实现技术突破,其应用潜力将愈发凸显.

关键词：三维显示, 三维图像处理, 光场三维显示, 全息三维显示, 图像重建技术

引用本文:

ZHANG Mei, WANG Fei-Yue, GUO Zhen, TANG Lele, WANG Xiao. Overview and Development of True 3D Display Technology: Principles and Perspectives. Pattern Recognition and Artificial Intelligence, 2022, 35(8): 701-717.

链接本文:

http://manu46.magtech.com.cn/Jweb_prai/CN/Y2022/V35/I8/701.

问题设定驱动的深度强化学习研究: 综述

张政锋 1,2 , 赵彬琦 1,2 , 单洪明 3 , 张军平 1,2

摘要: 深度强化学习结合深度模型,广泛应用于智能控制、游戏竞技等领域.然而,现有强化学习的文献综述更多以某一难点为主深入梳理具体的方法技术,缺乏以问题本身为主的整体分析视角.现实问题总是混杂多个技术难点,而致力于解决单一难点的技术方法往往在具体问题场景上性能不及预期.因此,文中从智能体、任务、马尔可夫决策过程、策略类型、学习目标、交互模式这六大对象对问题设定进行定义,并以问题自身的设定为驱动,从整体上分析深度强化学习的研究现状、基础设定及其延伸设定.再梳理深度强化学习的发展脉络,分析关键技术和背后的主要动机.然后,以专家交互这类问题设定为例,提供一个以具体问题驱动的技术视角去整体看待该领域的发展趋势.最后介绍当前的研究热点并展望今后的研究方向.

关键词：人工智能, 深度强化学习, 问题设定, 智能控制

引用本文:

链接本文:

http://manu46.magtech.com.cn/Jweb_prai/CN/Y2022/V35/I8/718.

⭕ 研究与应用

图自适应原型网络的小样本节点分类方法

郭瑞泽 1 , 魏巍 1,2 , 崔军彪 1 , 冯凯 1,2

1.山西大学 计算机与信息技术学院 太原 030006;

2.山西大学 计算智能与中文信息处理教育部重点实验室 太原 030006

摘要: 小样本节点分类旨在让机器从少量节点中学习到快速认知和分类的能力,现有小样本节点分类模型的分类性能容易受到图编码器提取的节点特征不够准确和子任务中支撑集实例的类内异常值的影响.为此,文中提出图自适应原型网络(Graph Adaptive Prototypical Networks, GAPN)的小样本节点分类方法.首先,将图中的节点通过图编码器嵌入度量空间中.然后,将全局重要度和局部重要度的融合结果作为支撑集实例的权重计算类原型,使查询集实例能自适应地学习更鲁棒的类原型.最后,计算自适应任务的类原型与查询集实例之间距离产生的分类概率,最小化分类概率和真实标签间的正间隔损失,反向更新网络参数,学习到更有判别性的节点特征.在常用图数据集上的实验表明,文中方法具有较优的节点分类性能.

关键词：小样本学习, 节点分类, 图神经网络, 原型网络

引用本文:

GUO Ruize, WEI Wei, CUI Junbiao, FENG Kai. Few-Shot Node Classification Method of Graph Adaptive Prototypical Networks. Pattern Recognition and Artificial Intelligence, 2022, 35(8): 743-753.

链接本文:

http://manu46.magtech.com.cn/Jweb_prai/CN/Y2022/V35/I8/743.

双分支多交互的深度图卷积网络

楼嘉琪 1 , 叶海良 1 , 杨冰 1 , 李明 2 , 曹飞龙 1

摘要: 图神经网络在节点分类任务中表现较优,然而,如何充分获取图数据的高阶语义特征并防止过平滑现象,仍是影响节点分类准确性的关键问题之一.为此,文中构造双分支多交互的深度图卷积网络,用于增强节点获取高阶语义特征的能力.首先,根据节点的特征信息对图结构进行重构.然后,利用原始图结构和构造重构图结构,建立一个双分支的网络架构,充分提取不同的高阶语义特征.同时,设计一个通道信息交互机制,学习不同分支的信息交互,进一步增强节点特征的多样性.最后,在多个基准数据集上的实验表明,文中网络可有效提升半监督节点分类任务的精度,并缓解过平滑现象.

关键词：深度学习, 图神经网络, 特征提取, 节点分类

引用本文:

LOU Jiaqi, YE Hailiang, YANG Bing, LI Ming, CAO Feilong. Deep Graph Convolutional Network with Dual-Branch and Multi-interaction. Pattern Recognition and Artificial Intelligence, 2022, 35(8): 754-763.

链接本文:

http://manu46.magtech.com.cn/Jweb_prai/CN/Y2022/V35/I8/754.

END

内容来源|模式识别与人工智能

编辑|曹艺华

责任编辑|叩颖

往期文章

【CAC2021】余音尤绕梁，未来更可期！11月，CAC2022绽放厦门！

【通知】中国自动化学会关于举办CAC2022科普嘉年华的通知

【通知】关于开展征集遴选 2022年“科创中国”系列榜单的通知 【重要通知】关于征集2022中国自动化大会 大会报告人的通知

【CAC2022】2022中国自动化大会赞助及展览火热招募中

【2022“CAA云讲座”】期待有你

联系我们

地址：北京市海淀区中关村东路95号

邮箱：caa@ia.ac.cn

中国自动化学会新媒体矩阵

微信公众号

官微

CAA OFFICIAL

会员服务

综合媒体

官网

微博

视频平台

B站

iqiyi

短视频平台

抖音

微信视频号

腾讯微视号

学会会议

中国自动化学会会议

中国自动化大会

点

喜欢的话点击 在看哟~ 返回搜狐，查看更多