CASIA OpenIR

浏览/检索结果: 共63条,第1-10条 帮助

限定条件    
已选(0)清除 条数/页:   排序方式:
Concentration Network for Reinforcement Learning of Large-Scale Multi-Agent Systems 会议论文
, online, 2022
作者:  Qingxu Fu;  Tenghai Qiu;  Jianqiang Yi;  Zhiqiang Pu;  Shiguang Wu
Adobe PDF(5807Kb)  |  收藏  |  浏览/下载:38/13  |  提交时间:2024/06/05
Improving Subgraph Recognition with Variational Graph Information Bottleneck 会议论文
, 美国路易斯安那新奥尔良, 2022
作者:  Yu, Junchi;  Cao, Jie;  He, Ran
Adobe PDF(2212Kb)  |  收藏  |  浏览/下载:29/8  |  提交时间:2024/06/03
深度强化学习的攻防与安全性分析综述 期刊论文
自动化学报, 2022, 卷号: 48, 期号: 1, 页码: 21-39
作者:  陈晋音;  章燕;  王雪柯;  蔡鸿斌;  王珏;  纪守领
Adobe PDF(3981Kb)  |  收藏  |  浏览/下载:56/25  |  提交时间:2024/05/20
深度强化学习  对抗攻击  防御  策略攻击  安全性  
基于两阶段自适应Wiener过程的剩余寿命预测方法 期刊论文
自动化学报, 2022, 卷号: 48, 期号: 2, 页码: 539-553
作者:  董青;  郑建飞;  胡昌华;  李冰;  牟含笑
Adobe PDF(4257Kb)  |  收藏  |  浏览/下载:42/16  |  提交时间:2024/05/20
剩余寿命  两阶段自适应Wiener过程  期望最大化算法  赤池信息准则  
基于分布式有限感知网络的多伯努利目标跟踪 期刊论文
自动化学报, 2022, 卷号: 48, 期号: 5, 页码: 1370-1384
作者:  吴孙勇;  王力;  李天成;  孙希延;  蔡如华
Adobe PDF(3042Kb)  |  收藏  |  浏览/下载:16/9  |  提交时间:2024/05/20
有限感知范围  视场互补  多伯努利关联  算术平均融合  多目标跟踪  
基于自适应LASSO先验的稀疏贝叶斯学习算法 期刊论文
自动化学报, 2022, 卷号: 48, 期号: 5, 页码: 1193-1208
作者:  白宗龙;  师黎明;  孙金玮
Adobe PDF(1833Kb)  |  收藏  |  浏览/下载:51/22  |  提交时间:2024/05/20
稀疏信号恢复  稀疏贝叶斯学习  自适应LASSO先验  贝叶斯推断  
迭代学习模型预测控制研究现状与挑战 期刊论文
自动化学报, 2022, 卷号: 48, 期号: 6, 页码: 1385-1401
作者:  马乐乐;  刘向杰;  高福荣
Adobe PDF(1566Kb)  |  收藏  |  浏览/下载:22/11  |  提交时间:2024/05/20
迭代学习模型预测控制  二维预测模型  控制律迭代优化  复杂非线性系统  快速系统  变工况  
污水处理过程递推双线性子空间建模及无模型自适应控制 期刊论文
自动化学报, 2022, 卷号: 48, 期号: 7, 页码: 1747-1759
作者:  张帅;  周平
Adobe PDF(2035Kb)  |  收藏  |  浏览/下载:13/7  |  提交时间:2024/05/20
污水处理  递推双线性子空间辨识  无模型自适应控制  多参数灵敏度分析  
基于改进高斯混合模型的机器人运动状态估计 期刊论文
自动化学报, 2022, 卷号: 48, 期号: 8, 页码: 1972-1983
作者:  葛泉波;  王贺彬;  杨秦敏;  张兴国;  刘华平
Adobe PDF(1963Kb)  |  收藏  |  浏览/下载:48/17  |  提交时间:2024/05/20
非线性非高斯系统  状态估计  高斯和容积卡尔曼滤波  鲁棒期望最大化算法  凸组合融合  
大数据下数模联动的随机退化设备剩余寿命预测技术 期刊论文
自动化学报, 2022, 卷号: 48, 期号: 9, 页码: 2119-2141
作者:  李天梅;  司小胜;  刘翔;  裴洪
Adobe PDF(2114Kb)  |  收藏  |  浏览/下载:16/7  |  提交时间:2024/05/20
大数据  剩余寿命预测  数模联动  深度学习  随机退化建模