多示例学习与多标记学习的研究,在工作的应用场景中很有帮助
多示例学习是不同于传统机器学习的一种新的学习模式,近年来被应用于图像检索、文本分类等领域。提出一种基于在线学习的多示例学习算法,将其应用于目标跟踪。该算法通过构造一个在线学习的多示例分类器作为检测器,
流形学习已成为机器学习和数据挖掘领域的研究热点。比如,算法LLE(LocallyLinearEmbedding)作为一种非线性降维算法有很好的泛化性能,被广泛地应用于图像分类和目标识别,但其仅仅假设了
根据网格环境特点,结合现有网格以及其他分布式环境下资源查找的特点,提出了网格资源查找机制的分层框架,将网格中的资源组织为网格虚拟社区和资源两个基本层次,建立一种分层网格框架,按照资源属性,对网格进行逻
将门限签名体制引入到多代理多签名方案中,首次提出了一个门限多代理多签名方案。新方案不仅能实现多个原始签名人将签名权委托给多个代理签名人,还能将每个代理人的密钥进行分享,实现一定数量的原始签名人就能授权
多智能体分时跟踪学习,傅波,陈鑫,合作式多智能体强化学习在虽然许多领域取得了较大的应用,但是维数灾和通信问题依然存在,且是当前的热点和难点。针对这两个问题
基于多Agent技术在煤矿安全监管系统的应用,刘强,刘晓文,为提高煤矿安全监控系统的安全评价能力,将多Agent技术应用于煤矿安全监控系统,本文具体介绍了多Agent技术的原理,建立了适合煤矿��
结合具体实例“热虫实验”,解释了Swarm在人工世界环境下进行计算机仿真模拟的基本思想,探讨了Swarm的主要概念和系统结构;进而以Java语言为例介绍了面向对象思想用于Swarm编程的基本情况,并对
基于多Agent的矿井通风机故障诊断系统,刘东科,王博,通过对Agent的介绍,建立了基于多Agent的通风机故障诊断系统模型,在此基础上对故障检测Agent、故障识别Agent、故障预测Agent进