神经网络架构搜索研究进展与展望

神经网络架构搜索旨在针对不同任务,自动化地搜索得到性能最优的神经网络结构,是深度学习、计算机视觉技术结合当前现实需求应运而生的一大重要科学问题。对近年来神经网络架构搜索研究进行梳理、归类和评述;阐述神经网络架构搜索的定义和意义,全方位剖析当前研究所面临的难点与挑战;以此为基础,对主流的搜索策略进行阐述和归纳;探讨研究潜在的问题及未来颇具潜力的研究方向,以期推动该领域的进一步发展。     

基于改进灰狼优化算法的地面目标最优瞄准点选择方法

针对导弹打击地面目标时的瞄准点优选问题,提出了一种利用改进灰狼优化算法（improved grey wolf op timization,IGWO）选取最优瞄准点的瞄准点选择方法。该算法基于维度学习的狩猎搜索策略（dimension learning-based hunting,DLH）,为每个瞄准点构建相邻的瞄准点集合,集合中的瞄准点可以互相共享信息,增强局部搜索和全局搜索之间的平衡,并保持多样性。在仿真实验中,将毁伤评估模型的评估函数作为瞄准点选取好坏的评估函数,并且设计导弹打击地面目标的实例对瞄准点选择方法进行验证,实验结果表明,该方法求得的瞄准点具有较高的可信度,为火力筹划中瞄准点的寻优提供了新方法。     

水坝渗流问题的变分不等模型及有限元解

水坝的渗流问题是工程上很受关注的问题。本文采用变分不等式模型,结合有限元方法研究具有自由边界的渗流问题,在整个结构区域内作有限元剖分,避免了传统的有限元分析中需事先估计边界形态、反复修理计算区域的迭代过程。本文方法为简介而快速地分析渗流自由边界问题了一条有效的途径。     

时间Petri网和启发式搜索在流程调优中的应用

本文利用时间Ｐｅｔｒｉ网对流程调优问题进行建模,和人工智能上的启发式搜索算法,进行求解,这就把时间Ｐｅｔｒｉ网和启发式搜索结合起来,可解决一些较为复杂的流程调优问题。     

最佳极化在雷达检测中的得益分析北大核心

最佳极化发射和接收是增大隐身目标RCS,提高雷达对隐身目标检测概率的有效方法。通过对目标RCS与雷达发射极化方式内在规律的研究,指出RCS与发射极化方式满足余弦关系,基于该规律提出一种提取最佳极化的新方法。仿真对比了不同发射极化方式下的目标动态RCS,并利用Swerling I检测模型研究最佳极化在雷达检测中的得益。仿真结果表明,采用最佳极化收发,隐身目标RCS得益最大可达30 dB,雷达对隐身目标检测概率得益最大可达0.5。仿真结果也证明了该提取最佳极化方法的有效性和可行性。     

曲率分析的变分辨率数字高程模型建模算法

传统的数字高程模型一般采用规则网格划分以简化建模过程,因其网格密度缺乏对地形变化的自适应性而不能兼顾地形表达的准确度和地形数据的冗余度,导致其在车辆动力学仿真等领域的应用有所局限。针对这一问题提出一种基于曲率分析的随机节点分布建模方法,其数据节点的密度根据种子节点周围的局域曲面曲率变化而相应变化,实现了在复杂、曲率较大的地形区域自动生成高分辨率数字节点集,而在平缓、曲率较小的区域实现低分辨率的节点分布。在获得此种节点集的基础上,利用Delaunay三角剖分结合三次多项式插值算法,得到满足高精度和低数据冗余度的变分辨率数字高程模型。利用传统规则网格地形模型与所提出的变分辨率数字高程模型对同一个用于星球车动力学仿真的复杂野外地形进行对比,验证了变分辨率算法的有效性。     

绕月轨道阴影区域建模与轨道优化

针对绕月运行轨道建立月球阴影区域与地球阴影区域的数学模型,给出了卫星是否处于阴影区域的判据;利用黄金分割法搜索出了阴影区域的边界值。将禁忌搜索算法嵌入遗传算法中并结合具体案例,搜索出了阴影时长最短的最优目标轨道。所给出的绕月轨道阴影区域模型简单且能够满足工程精度需求,可用于星上自主预报算法;所给出的嵌入式遗传算法能有效避免陷入局部最优并快速收敛。     

稀疏贝叶斯学习框架下的扩展目标雷达关联成像

传统的关联成像方法未考虑复杂扩展目标的结构信息,在高分辨成像时的应用受到限制,为此提出一种自适应结构配对稀疏贝叶斯学习方法。该方法在稀疏贝叶斯学习的框架内针对扩展目标建立一种结构配对层次化高斯先验模型,然后采用变分贝叶斯期望-最大化算法交替进行目标重构和参数优化。该方法将某一信号分量的重构与周围信号分量联系起来,并能在迭代过程中自适应地调整表征各信号分量相关性的参数。实验结果表明,该方法针对扩展目标可以有效地进行高分辨成像。     

文章编号：基于多目标进化搜索算法的AUV地磁仿生导航方法

针对水下自主航行器(AUV)地磁多参量多目标搜索的问题,提出了一种基于磁趋势敏感的多目标进化搜索算法。在进化算法的结构下,利用地磁场参量与导航路径的约束关系,以磁趋势敏感作为后验评估准则,建立导航模型,使得地磁多分量伴随航行器的运动同时同地收敛至各自目标值,实现导航目的。通过与六边形路径搜索算法的仿真对比,验证了多目标进化搜索算法的有效性和优越性。