公共文化服务平台

周毅: 作品数：43 被引量：42H指数：4; 供职机构：河南大学更多>>; 发文基金：国家自然科学基金河南省科技发展计划项目河南省科技攻关计划更多>>; 相关领域：自动化与计算机技术文化科学交通运输工程电气工程更多>>

合作作者

基于深度强化学习的无人机自主部署及能效优化策略被引量：6: 2019年; 利用无人机组建空中移动基站,可为地面终端用户提供更灵活、高效的接入服务。受无人机覆盖范围和有限能量的约束,研究如何建立快速、高效、节能的空地协同网络至关重要,无人机需要根据复杂动态场景进行最优覆盖部署,同时要减少部署过程中的路径损耗和能量消耗。基于深度强化学习提出了无人机自主部署和能效优化策略,建立无人机覆盖状态集合,以能效作为奖励函数,利用深度神经网络和Q-learning引导无人机自主决策,部署最佳位置。仿真结果表明,该方法的部署时间能够有效减少60%,能耗可降低10%~20%。; 周毅马晓勇郜富晓李伟李伟路宁; 关键词：无人机

基于知识表示模型和图神经网络的知识驱动交通预测方法: 本发明提出了一种基于知识表示模型和图神经网络的知识驱动交通预测方法，步骤为：对采集到的交通数据进行预处理，根据传感器节点的位置构建交通路网拓扑图；将交通路网拓扑图中知识图谱中的实体和关系转换为低维向量，通过门控特征融合模...; 周毅刘奕含宁念文吕怡宁石华光张延宇

一种基于生成对抗网络的车辆轨迹预测方法: 本发明首先提取目标车辆的历史轨迹数据、目标车辆的周围车辆的历史轨迹数据并构建生成对抗网络模型，将提取后的轨迹数据按照时间序列依次输入生成网络中得到预测轨迹值，将预测轨迹值与真实轨迹值交替输入到判别网络中判别预测轨迹值与真...; 周毅周丹阳胡姝婷李伟张延宇杜晓玉; 文献传递

基于空间几何方法的智能车故障检测与隔离: 2017年; 提出了用空间几何方法对智能车进行故障诊断。对智能车系统进行建模,并设计残差生成器,实现残差对系统输入和系统中未知干扰的解耦。智能车产生的故障情况由残差值直接反映,且满足残差值与故障一一对应的关系。仿真结果表明该方法可以有效地检测并隔离智能车故障。; 黄睿睿李瑞光侯彦东周毅; 关键词：智能车故障检测与隔离

一种考虑公平性原则的多智能体协同资源分配方法: 本发明提出了一种考虑公平性原则的多智能体协同资源分配方法，涉及多智能体协同的技术领域，其步骤如下：每个智能体以无人机的观测值和公平性奖励作为Actor网络的输入；Actor网络将t时刻的状态和公平性奖励作为输入，输出当前...; 周毅刘志祥石华光宁念文程翔李思

一种基于多智能体协同优化的无人机资源调度方法: 本发明的目的是提供一种基于多智能体协同优化的无人机资源调度方法，优化多无人机系统的协同调度能力，首先以任务环境中智能体状态s<Sub>t</Sub>作为多智能体系统输入，然后通过策略网络输出动作a<Sub>t</Sub>...; 周毅程翔刘志祥李思石华光宁念文张西镚; 文献传递

一种基于成熟特征点的ORB提取方法: 本发明的目的是提供一种基于成熟特征点的ORB提取方法，用于提高ORB特征点提取算法用于视觉SLAM统的匹配精度，通过对未成熟点的提取，对于像素梯度值没有超过阈值的点将被永久舍弃，其余的点被选为未成熟点，未成熟点经过追踪线...; 李伟任孟瀚张延宇杜晓玉周素芳郭启程马晓勇周毅

深度强化学习驱动的智能交通信号控制策略综述: 2023年; 随着城市人口快速增加,私家车数量呈指数级增长,使本已不堪重负的交通系统将承受更大的压力,交通拥堵问题愈加凸显。传统交通信号控制技术难以适应复杂多变的交通情况,数据驱动的方法为基于控制的系统带来了新方向。深度强化学习方法与交通控制系统的结合在自适应交通信号控制中扮演着重要角色。首先,文中综述了智能交通信号控制系统应用的最新进展,对智能交通信号控制方法进行了分类讨论,总结了这一领域的现有工作。其次,采用深度强化学习方法能够有效解决智能交通信号控制中状态信息获取不准确、控制算法鲁棒性差以及区域协调控制能力弱等问题,在此基础上,给出了智能交通信号控制的仿真平台和实验设置概述,并通过实例进行了分析和验证。最后,探讨了智能交通信号控制领域面临的挑战和有待解决的问题,并总结了未来的研究方向。; 于泽宁念文郑燕柳吕怡宁刘富强周毅; 关键词：智能交通系统交通信号控制多智能体

基于多层信息融合和显著性特征增强的农作物病害识别被引量：1: 2023年; 现有基于深度学习的农作物病害识别方法对网络浅层、中层、深层特征中包含的判别信息挖掘不够,且提取的农作物病害图像显著性特征大多不足,为了更加有效地提取农作物病害图像中的判别特征,提高农作物病害识别精度,提出一种基于多层信息融合和显著性特征增强的农作物病害识别网络(Crop disease recognition network based on multi-layer information fusion and saliency feature enhancement,MISF-Net)。MISF-Net主要由ConvNext主干网络、多层信息融合模块、显著性特征增强模块组成。其中,ConvNext主干网络主要用于提取农作物病害图像的特征;多层信息融合模块主要用于提取和融合主干网络浅层、中层、深层特征中的判别信息;显著性特征增强模块主要用于增强农作物病害图像中的显著性判别特征。在农作物病害数据集AI challenger 2018及自制数据集RCP-Crops上的实验结果表明,MISF-Net的农作物病害识别准确率分别达到87.84%、95.41%,F1值分别达到87.72%、95.31%。; 杜海顺张春海安文昊周毅周毅郝欣欣; 关键词：农作物病害识别显著性特征神经网络

一种空地协同边缘计算服务器的卸载方法: 本发明涉及电数字数据处理技术领域，具体涉及一种空地协同边缘计算服务器的卸载方法；该方法包括：构建边缘计算场景，边缘计算场景中包括一组移动设备以及一组无人机，每个移动设备不断产生计算任务；获取移动设备在选择本地计算任务时的...; 周毅吴金月石华光晋占齐敖天勇张延宇