无源无监督迁移学习综述

迁移学习由于解决了领域之间的分布差异引起的领域迁移问题而引起了人们的关注。现有的迁移学习方法绝大多数需要访问源域数据,访问源域数据可能因为源域数据涉及隐私、数据量过大占据较大的存储空间以及计算成本等原因而带来难题。因此,很多研究开始关注无源无监督的方法,即从预先训练的源模型向不可访问的未标记目标领域执行迁移。首先介绍了无源无监督迁移学习的定义,然后简述了无监督迁移学习的研究现状,最后总结了部分方法在数据集上的表现,有利于进一步的研究。     

基于无监督学习的ToF点云目标提取方法

飞行时间(Time of Flight,ToF)三维成像技术在人工智能领域具有重要的应用价值。间接ToF三维成像是通过向目标发射调制的光强信号,再经过目标反射到相位解调图像传感器获得相位差,通过计算获得目标的深度信息。由于间接ToF成像技术会受到背景界面多次反射产生的多路径干扰,因此在复杂环境中目标物体深度测量数据会受到侧面和背景界面的多次反射的回波信号影响,降低边缘处深度测量的精度水平,因此需要对原始点云数据进行目标提取和多路径去除的预处理。本文针对该问题提出一种多界面场景中基于点云矢量的目标提取方法,能够实现复杂多目标的快速提取和多路径强干扰的去除。首先基于kmeans提出一种FVPkmeans算法,完成目标点云数据的全局全矢量提取处理。再基于K NN提出一种迭代滤波算法,实现局部多路径干扰数据的滤除。通过与其它方法的比较研究,该方法能够有效去除TOF点云目标数据的多路径干扰,目标提取性能提高了40,实验表明本文提出的全局点云数据全矢量目标提取和多路径干扰去除算法能够实现对目标点云数据的无监督学习智能提取与滤波要求。     

基于前点信息预测纠正动目标轨迹的方法

针对民用仿真软件中,动目标飞行器轨迹点错误导致飞行时出现撞山、偏离整体轨迹方向的问题,提出了一种基于前点信息预测纠正动目标轨迹的方法。基于飞行器的最低飞行高度和最大飞行速度,根据飞行器最新轨迹点与前一个轨迹点来判断其位置是否合理,不合理则根据实时速度、航向和两点之间的时间差等参数计算得到测纠正后的最新轨迹点。实验结果表明针对民用飞行器利用该方法,能够纠正预测得到较为合理的、符合整体飞行轨迹的轨迹点。     

利用无监督预训练的轨迹深度关联

针对时空相似度算法关联轨迹的局限性,采用深度学习方法进行轨迹关联,并提出了一种基于无监督预训练的匹配神经网络训练方式。利用Geohash向量嵌入对轨迹信号做特征工程处理,构建自注意力机制神经网络结构,使用无标注轨迹数据基于遮蔽预测任务进行模型预训练;然后构建孪生匹配网络结构,加载预训练模型参数;最后使用标注轨迹对数据基于均方差损失函数微调预训练模型参数得到轨迹对匹配模型。采用Geolife GPS轨迹数据集作为评估数据集进行模型训练与测试,实验结果显示,利用无监督预训练的轨迹关联方法较现有最优算法匹配准确率提高了5个百分点,达到了96.3%,充分证明了该方法的有效性。目前轨迹关联领域基于深度学习预训练模型的研究较少,该方法具有重要的参考意义。     

基于机器学习的航班四维轨迹预测

本文提出了基于历史轨迹数据和机器学习的轨迹预测算法。通过对历史数据的预处理,建立不同K值下的训练模型,通过不同K值的准确度比较得到最优参数模型,基于此模型成功预测了完整航迹的轨迹预测,并通过比较预测值和实际值的误差,验证了此算法对航迹预测的可行性。     

基于机器学习的航班四维轨迹预测

本文提出了基于历史轨迹数据和机器学习的轨迹预测算法。通过对历史数据的预处理,建立不同K值下的训练模型,通过不同K值的准确度比较得到最优参数模型,基于此模型成功预测了完整航迹的轨迹预测,并通过比较预测值和实际值的误差,验证了此算法对航迹预测的可行性。     

基于深层-浅层双流学习图模型的无监督少样本红外空中目标识别网络

在军事空中目标识别领域,由于样本数量缺失,现有人工智能算法无法完成准确识别。文章利用已有足量辅助域图像辅助少样本应用域进行跨域目标识别,解决因标签缺失与样本稀疏导致的识别模型泛化能力不强及性能不佳问题。文章提出一种基于深层-浅层双流学习图模型（D-SLGM）的跨域目标识别算法。首先,提出一种深层-浅层双流特征提取算法,解决无监督少样本条件下特征表示困难的问题;同时,提出一种基于图模型的特征融合算法,实现特征间高精度融合;基于融合后的特征训练识别模型,提升算法的泛化能力。使用自建空中目标数据集,设计三种应用场景。实验结果表明,D-SLGM平均识别准确率均值达到78.2%,优于对比方法,在实际空中目标识别应用中具有较大潜力。     

基于半监督学习的SAR目标检测网络

现有的基于卷积神经网络(CNN)的合成孔径雷达(SAR)图像目标检测算法依赖于大量切片级标记的样本,然而对SAR图像进行切片级标记需要耗费大量的人力和物力。相对于切片级标记,仅标记图像中是否含有目标的图像级标记较为容易。该文利用少量切片级标记的样本和大量图像级标记的样本,提出一种基于卷积神经网络的半监督SAR图像目标检测方法。该方法的目标检测网络由候选区域提取网络和检测网络组成。半监督训练过程中,首先使用切片级标记的样本训练目标检测网络,训练收敛后输出的候选切片构成候选区域集;然后将图像级标记的杂波样本输入网络,将输出的负切片加入候选区域集;接着将图像级标记的目标样本也输入网络,对输出结果中的正负切片进行挑选并加入候选区域集;最后使用更新后的候选区域集训练检测网络。更新候选区域集和训练检测网络交替迭代直至收敛。基于实测数据的实验结果证明,所提方法的性能与使用全部样本进行切片级标记的全监督方法的性能相差不大。

     

基于无监督学习的低照度图像增强算法

针对目前低照度图像增强算法存在恢复细节丢失、网络复杂度高和配对数据集获取难度大等问题,提出了一种基于无监督学习的图像增强算法。在YIQ色彩空间中,通过构建的轻量化网络和幂指函数计算亮度通道Y的增强曲线,从而获得曝光较差区域增强和高光区域遏制的图像。该网络使用的无参考损失函数可以隐式地评估图像增强质量并驱动网络学习。实验对比结果表明,该算法在可训练参数和模型权重仅占9.5 k/88 kB的情形下,在视觉效果与图像质量指标上都取得了具有竞争力的结果。     

基于短时轨迹检测的红外弱小目标轨迹检测算法

为解决虚警率较高情况下红外弱小目标轨迹检测效率下降严重的问题,本文提出一种基于短时轨迹检测的红外弱小目标轨迹检测算法.算法首先在相邻帧间进行短时轨迹检测,然后以短时轨迹为基础建立新的轨迹结构并结合轨迹关联算法完成目标轨迹的检测.文章推导了算法的虚警率和检测概率的关系,证明了本文提出的算法相比单帧检测结合轨迹关联的算法具有更好的检测性能.通过对仿真和实际红外图像序列进行实验表明,本文算法能够在准确检测弱小目标的同时有效的减少无效轨迹的数量,从而提高了算法的执行效率.     

基于非监督学习的恶意欠费用电客户识别

恶意欠费用户识别对供电企业有重要意义,有利于供电企业提前介入,避免电费回收风险。由于用户电费数据缺少标签以区分用户是否恶意欠费,因此需要采取非监督学习方式建立识别模型。文中借鉴信息安全风险评估的风险值概念,综合欠费的恶意程度和欠费造成的经济损失程度来评估用户的欠费风险值,建立基于经验阀值的动态更新的恶意欠费用户识别模型。案例分析表明,该模型具备良好的识别能力,符合人们对恶意欠费用户的经验理解。     

基于Lembda网络和LSTM的车辆轨迹预测

驾驶员在驾驶时,会对周围车辆的轨迹进行预测,并且采取一个安全的行为模式,从而减少道路事故的发生.出于这个想法,研究人员基于深度学习的模型,对车辆的轨迹进行预测,从而提升自动驾驶车辆的安全性.通过不断分析获得的驾驶数据,深度学习可以得到其它汽车的行为模式并进行预测.相较于过去的方案,基于深度学习方案在轨迹预测上具有优势,本文基于transformer模型的LSTM(长短期记忆网络)编码隐藏参数,反映周围车辆的驾驶意图,再通过Lembda层获得这些车辆对预测车辆的影响,最后通过LSTM解码获得预测的轨迹.相较于以往的方案,应用Lembda层的方案计算速度更快,同时实验表明相较于以往方案轨迹预测精度有提升.     

基于间接型迭代学习控制的四旋翼轨迹跟踪

针对反推控制方法在四旋翼飞行器轨迹跟踪中存在动态误差的问题,提出改善轨迹跟踪性能的间接迭代学习控制算法。首先将飞行器分为姿态和高度全驱动控制通道和水平轨迹欠驱动控制通道;然后基于反推控制方法分别设计了全驱动和欠驱动通道的稳定控制器,进而采用PID型迭代学习算法对反推控制器参考输入信号进行更新优化;最后,采用压缩映射原理和λ范数理论证明了算法的收敛性。仿真实验结果表明,PID型迭代学习律能够有效改善反推控制器的控制效果,实现对期望轨迹的完全跟踪。     

基于ADS-B意图信息的航迹预测改进算法

在飞行冲突探测和恶劣天气情况下,单纯利用跟踪滤波算法无法准确判断目标飞机未来的飞行动态。为了有效提高航迹预测精度,针对广播式自动相关监视(ADS-B)信息中意图信息对航迹的影响,提出了一种基于ADS-B意图信息的航迹预测改进算法。该改进算法先通过残差均值交互式多模型(RMIMM)算法,推算出目标飞机的飞行状态参数和飞机运动模式,再结合天气状况、飞行计划和空中交通管制规章进行意图估计,最后通过飞行状态参数、飞机运动模式以及意图信息共同预测目标飞机的航迹。运用蒙特卡洛方法进行仿真,结果表明,与现有算法相比,该改进算法不仅能提供更加精确的航迹预测,而且降低了意图推断的时间延迟。     

Research on pedestrian trajectory prediction method based on social attention mechanism

In order to improve the speed,accuracy and model interpretability of trajectory prediction in pedestrian interaction,a GAN model based on social attention mechanism was proposed.Firstly,a new type of social relationship on pedestrians was defined to model social relationships and a network model based on the attention mechanism was designed to improve the speed and interpretability of network prediction.Secondly,the influence of different pooling mechanisms on the prediction results was explored to determine the pooling model with excellent performance.Finally,a trajectory prediction network was built on this basis and trained on the UCY and ETH data sets.The experimental results show that the model not only has better prediction accuracy than the existing methods,but also improves the real-time performance by 18.3% compared with the existing methods.     

Hybrid beamforming design based on unsupervised machine learning for millimeter wave systems

This article proposes a hybrid beamforming design with reduced channel state information (CSI) feedback. We use a beam sweeping procedure to provide channel measurements and feed a CSI report scheme. Thereby, the base station (BS) can perform an adequate estimation of the channel characteristics with reduced signaling overhead. Consequently, we need short pilot sequences and very few precoding matrix indicators (PMIs) to properly describe channel behavior. Moreover, we also evaluate different user selection strategies based on unsupervised machine learning framework that exploits the channel information provided by the proposed beam sweeping scheme. Our performance evaluation indicates that the user selection based on fuzzy c‐means is able to efficiently explore the reduced CSI. The proposed hybrid beamforming scheme reduces the multi‐user interference and achieves significant gains in total data rate as channel conditions and interference environment becomes more challenging.     

基于强化学习的公共空间行人轨迹跟踪

对公共空间中的多目标行人轨迹跟踪问题,提出一种基于强化学习的多目标行人轨迹跟踪算法.首先采用高精确度的目标检测器检测公共空间视频中的行人目标,并为每个目标分配一个独立的单目标跟踪器进行轨迹跟踪;将每个目标作为独立智能体,通过深度强化学习方式进行训练;接下来结合跟踪轨迹与检测目标之间的表观和位置特征构建相似度代价矩阵;最...     

基于机器学习的PCB串扰预测

随着电子系统中逻辑和时钟频率的迅速提高以及信号边沿的不断变抖,串扰成为印刷电路板(PCB)设计人员必须关心的问题。高速电路仿真软件帮助设计人员降低了一定的设计成本,但对串扰的仿真预测仍需花费大量时间。为提高PCB串扰预测的效率,提出一种用于描述PCB的统一数据结构,全面分析了PCB产生串扰的因素,选用自然语言处理(NLP)模型构建了用于PCB串扰预测的系统,成功将PCB串扰预测的时间降至秒级,并拥有73.2%的准确率。