期刊文献+
共找到6篇文章
< 1 >
每页显示 20 50 100
面向任务的机器人动作泛化研究
1
作者 肖聚亮 袁航 +2 位作者 刘海涛 赵炜 李鑫旺 《天津大学学报(自然科学与工程技术版)》 EI CAS CSCD 北大核心 2024年第6期575-587,共13页
动作泛化是机器人被期望具备的功能,要求机器人不仅能重复人类示教的灵巧动作,还可以根据任务目标生成新动作,在小批量、多种类的生产要求下具有广阔的应用场景.针对面向任务需求快速学习和灵活泛化的目标,设计开发了机器人动作泛化框架... 动作泛化是机器人被期望具备的功能,要求机器人不仅能重复人类示教的灵巧动作,还可以根据任务目标生成新动作,在小批量、多种类的生产要求下具有广阔的应用场景.针对面向任务需求快速学习和灵活泛化的目标,设计开发了机器人动作泛化框架.首先,进行少量示教,使用概率运动基元(probabilistic movement primitives,ProMP)构建动作的轨迹分布,以较少参数概括示教信息.其次,使用期望最大(expected maximum,EM)算法迭代估计模型参数,引入先验信息补充模型以保证稳定性.研究先验信息对泛化效果的影响,确定了合适的先验参数;研究傅里叶基函数对周期轨迹的拟合效果,提出轨迹分割与滤波方法以保证拟合精确平滑.利用模型的概率分布性质,将动作的概率范围收缩到特定位置,并进行整条轨迹的时间尺度缩放与空间位置变换,生成符合泛化要求的轨迹.最后,搭建了一个六自由度机器人喷涂场景进行动作泛化实验.结果表明:该框架能够快速生成多种泛化轨迹.单自由度轨迹学习平均消耗1.924 s,轨迹生成平均需0.004 s;六自由度轨迹学习平均消耗35.608 s,轨迹生成平均需0.011s. 展开更多
关键词 协作机器人 模仿学习 概率运动基元 动作泛化
下载PDF
基于结构误差的图卷积网络
2
作者 吴琳 许茹玉 +2 位作者 粟兴旺 黄金玻 王晓明 《计算机应用研究》 CSCD 北大核心 2023年第1期155-159,共5页
针对图卷积网络选取交叉熵作为损失函数在小样本数据集上可能导致模型训练过拟合、模型泛化能力不强等问题,提出了基于结构误差的图卷积网络。将改进的基于结构误差的支持向量机(support vector machine,SVM)作为图卷积网络的分类器,能... 针对图卷积网络选取交叉熵作为损失函数在小样本数据集上可能导致模型训练过拟合、模型泛化能力不强等问题,提出了基于结构误差的图卷积网络。将改进的基于结构误差的支持向量机(support vector machine,SVM)作为图卷积网络的分类器,能够降低模型过拟合的风险。在SVM的泛化误差理论基础上,对SVM的损失函数进行改进,所提出的方法在最大化异类样本间隔的同时限制同类样本间的间隔,提升了模型的泛化能力。首先计算特征空间中特征向量到中心点的平均距离,由它近似替换最小包含球的半径,然后由新的损失函数指导模型的学习。在基于骨骼的行为识别领域的NTU RGB+D60和NTU RGB+D120数据集上的实验证明,相比于传统的图卷积网络模型,所提出的方法能够明显提升识别准确率并且具有更好的泛化性能。 展开更多
关键词 深度学习 行为识别 图卷积网络 SVM 半径间隔界
下载PDF
“美食旅游”概念泛化现象研究
3
作者 刘秀珍 《佳木斯职业学院学报》 2014年第1期448-449,共2页
美食作为旅游中的重要体验部分,得到不少学者的关注,已积累了丰富的研究成果。但多方学者对"美食旅游"的界定莫衷一是,存在概念泛化现象。这种概念泛化现象将夸大美食旅游者的数量、高估美食旅游对旅游目的地的贡献、忽视美... 美食作为旅游中的重要体验部分,得到不少学者的关注,已积累了丰富的研究成果。但多方学者对"美食旅游"的界定莫衷一是,存在概念泛化现象。这种概念泛化现象将夸大美食旅游者的数量、高估美食旅游对旅游目的地的贡献、忽视美食旅游者的真正需求,对旅游的类型化发展极为不利。文章提出要从美食是旅游者的主要旅游动机和美食活动在旅游过程中占据中心地位出发,厘清"美食旅游"内涵,以推进小众旅游类型理论与实践的研究,拓展旅游发展空间。 展开更多
关键词 美食旅游 美食旅游动机 美食旅游行为 概念泛化
下载PDF
Calculation of the Standard Model Parameters and Particles Based on a SU(4) Preon Model
4
作者 Jan Helm 《Journal of Modern Physics》 2024年第1期64-124,共61页
This paper describes an extension and a new foundation of the Standard Model of particle physics based on a SU(4)-force called hyper-color, and on preon subparticles. The hyper-color force is a generalization of the S... This paper describes an extension and a new foundation of the Standard Model of particle physics based on a SU(4)-force called hyper-color, and on preon subparticles. The hyper-color force is a generalization of the SU(2)-based weak interaction and the SU(1)-based right-chiral self-interaction, in which the W-and the Z-bosons are Yukawa residual-field-carriers of the hyper-color force, in the same sense as the pions are the residual-field-carriers of the color SU(3) interaction. Using the method of numerical minimization of the SU(4)-action based on this model, the masses and the inner structure of leptons, quarks and weak bosons are calculated: the mass results are very close to the experimental values. We calculate also precisely the value of the Cabibbo angle, so the mixing matrices of the Standard model, CKM matrix for quarks and PMNS matrix for neutrinos can also be calculated. In total, we reduce the 29 parameters of the Standard Model to a total of 7 parameters. 展开更多
关键词 SU(4) generalization of Weak Interaction Extension of Standard Model Numerical Minimization of action Hyper-Color Preon
下载PDF
时空双仿射微分不变量及骨架动作识别 被引量:3
5
作者 李琪 墨瀚林 +2 位作者 赵婧涵 郝宏翔 李华 《中国图象图形学报》 CSCD 北大核心 2021年第12期2879-2891,共13页
目的人体骨架的动态变化对于动作识别具有重要意义。从关节轨迹的角度出发,部分对动作类别判定具有价值的关节轨迹传达了最重要的信息。在同一动作的每次尝试中,相应关节的轨迹一般具有相似的基本形状,但其具体形式会受到一定的畸变影... 目的人体骨架的动态变化对于动作识别具有重要意义。从关节轨迹的角度出发,部分对动作类别判定具有价值的关节轨迹传达了最重要的信息。在同一动作的每次尝试中,相应关节的轨迹一般具有相似的基本形状,但其具体形式会受到一定的畸变影响。基于对畸变因素的分析,将人体运动中关节轨迹的常见变换建模为时空双仿射变换。方法首先用一个统一的表达式以内外变换的形式将时空双仿射变换进行描述。基于变换前后轨迹曲线的微分关系推导设计了双仿射微分不变量,用于描述关节轨迹的局部属性。基于微分不变量和关节坐标在数据结构上的同构特点,提出了一种通道增强方法,使用微分不变量将输入数据沿通道维度扩展后,输入神经网络进行训练与评估,用于提高神经网络的泛化能力。结果实验在两个大型动作识别数据集NTU(Nanyang Technological University)RGB+D(NTU 60)和NTU RGB+D 120(NTU 120)上与若干最新方法及两种基线方法进行比较,在两种实验设置(跨参与者识别与跨视角识别)中均取得了明显的改进结果。相比于使用原始数据的时空图神经卷积网络(spatio-temporal graph convolutional networks,ST-GCN),在NTU 60数据集中,跨参与者与跨视角的识别准确率分别提高了1.9%和3.0%;在NTU 120数据集中,跨参与者与跨环境的识别准确率分别提高了5.6%和4.5%。同时对比于数据增强,基于不变特征的通道增强方法在两种实验设置下都能有明显改善,更为有效地提升了网络的泛化能力。结论本文提出的不变特征与通道增强,直观有效地综合了传统特征和深度学习的优点,有效提高了骨架动作识别的准确性,改善了神经网络的泛化能力。 展开更多
关键词 运动分析 骨架动作识别 时空双仿射变换 微分不变量 通道增强 泛化能力
原文传递
基于局部块模型的复杂场景行为识别算法 被引量:1
6
作者 周英姿 王正勇 +1 位作者 卿粼波 何小海 《液晶与显示》 CAS CSCD 北大核心 2017年第9期748-754,共7页
针对视觉词袋模型与局部块模型特征相结合的算法在真实的复杂场景中识别率不高的问题,本文提出一种基于局部块模型与特征预处理、特征泛化相结合的行为识别算法。本文算法在视觉词袋模型的基础上,采取局部块模型与随机采样相结合的方法... 针对视觉词袋模型与局部块模型特征相结合的算法在真实的复杂场景中识别率不高的问题,本文提出一种基于局部块模型与特征预处理、特征泛化相结合的行为识别算法。本文算法在视觉词袋模型的基础上,采取局部块模型与随机采样相结合的方法提取特征,对特征做预处理,减小了数据冗余,消除了特征之间的相关性,并且使处理后的特征更接近原始视频特征,同时对编码后特征做泛化处理,避免过拟合现象。本文在HMDB51标准视频库上进行实验,结果表明本文算法较原算法识别率提高2.1%,较其他同类算法也有一定的提升,验证了该算法的有效性。本文算法对视频量大、背景复杂、真实场景的视频集具有较好的识别效果。 展开更多
关键词 行为识别 视觉词袋模型 局部块模型 特征预处理 特征泛化处理
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部