基于深度强化学习的兵棋推演决策方法框架

针对兵棋推演的自动对抗问题,文章提出基于深度学习网络和强化学习模型来构建对抗策略。文章结合深度强化学习技术优势,立足多源层次化的战场态势描述,提出面向智能博弈的战场态势表示方法;将作战指挥分层分域的原则同即时策略游戏中的模块化和分层架构相结合,提出一种层次化和模块化深度强化学习方法框架,用于各决策智能体与战场环境交互的机制以及对抗策略的产生;为满足实际作战响应高实时特点,提出压缩的深度强化学习,提升模型输出速度;为改善对不同环境的适应性,提出利用深度迁移学习提升模型泛化能力。     

R3，1中类时曲面的广义Weierstrass表示

证明了四维Minkowski空间R3,1中的正则类时曲面，局部上都由广义Weierstrass公式确定。     

用于三维点云表示的扩展点特征直方图算法

局部特征提取在点云相关应用中具有十分重要的作用,因此提出一种用于点云局部特征表示的扩展点特征直方图描述子。针对邻域点的两两点对提出一系列不变量;在特征点上构建一个局部参考坐标框架以获得特征描述子对旋转和平移的不变性;将关键点局部邻域划分成多个子空间,并依据每个子空间中的点对不变量构建一个直方图;将所有直方图串联起来得到扩展点特征直方图特征描述子。采用Bologna公共数据集对扩展点特征直方图特征描述子的性能进行测试,并与多个现有算法进行对比。结果表明,扩展点特征直方图特征描述子获得了良好的性能,其结果优于多个现有的特征描述子。     

一种新的足球视频语义镜头表示及事件查询框架

提出了一个足球视频中的语义镜头表示及事件查询框架.在这个框架中,定义了不同的语义镜头,并且每类语义镜头都可以由五个特征属性所刻画.在语义镜头定义的基础上,为了弥补传统的事件查询方式的不足,提出了一种用户定义事件的查询方式,它是一种基于语义镜头合成Petri网表示模型的查询方式,可以由用户自由定义所感兴趣的事件Petri网表示结构,实验证明该查询方式能有效提高查询效率,并有很大的灵活性,能适应不同广播公司的转播规则,但该查询方式需要用户具有一定的专业和领域知识.实验数据来源于2006年德国世界杯、英格兰足球超级联赛和西班牙足球甲级联赛.     

利用阵列协方差矩阵稀疏性的到达角估计方法

为了解决传统基于阵列协方差矩阵稀疏性到达角估计方法计算复杂度高的问题,提出基于直接二维稀疏重构思想的高效到达角估计方法。该方法利用阵列输出数据的协方差矩阵构造二维稀疏表示模型,对协方差矩阵进行特征值分解以实现噪声功率估计,从而降低噪声对到达角估计的影响。在求解稀疏表示模型时,直接对该二维稀疏重构问题进行求解,避免了矩阵矢量化操作。仿真实验结果表明,该方法运行效率大大提高,并且在低快拍数、低信噪比和稀疏阵元等条件下估计性能优于传统方法。