黄晓辉
- 作品数：41 被引量：90H指数：5
- 供职机构：华东交通大学更多>>
- 发文基金：国家自然科学基金江西省自然科学基金江西省社会科学“十二五”规划项目更多>>
- 相关领域：自动化与计算机技术文化科学交通运输工程更多>>
- 基于句义结构分析的中文人名消歧被引量：3
- 2016年
- 针对现有很多基于人物属性特征的人名消歧方法不适用于文本本身特征稀疏的问题,提出一种基于句义结构分析中文人名消歧方法。通过句义结构分析提取人物关系特征词,根据提取关系特征构建社会关系图,并以人名实体的职业和所在单位等人物属性作为辅助特征,结合实体的特征信息进行关系聚类,将聚类的结果映射到文本中以实现人名消歧。通过句义结构分析提高了人物关系特征以及人物属性特征的准确率,实验结果表明,该方法可有效地提高中文人名消歧准确率。
- 熊李艳赵毅黄卫春钟茂生黄晓辉
- 关键词：人名消歧社会关系聚类
- 一种基于深度神经网络学习评分数据对的教学评价方法
- 本发明提供了一种基于深度神经网络学习评分数据对的教学评价方法，所述方法包括以下步骤：以课程为节点，以学生选课为边构建一个学生选课图，然后通过图聚类的方法把课程分成几个课群，同一课群内的课程具有相似的选课学生群体，不同课群...
- 黄晓辉熊李艳曾辉
- 文献传递
- 交通流量预测方法、系统、存储介质及终端设备
- 本发明涉及交通流量预测技术领域，具体是一种交通流量预测方法、系统、存储介质及终端设备，包括对交通站点历史流量数据，划分周期性数据，更新周期性的节点依赖矩阵；利用局部时空注意力提取不同周期的流量周期性特征；使用权重分配注意...
- 黄晓辉蓝缘春蒋超杰许嘉杨祝显红
- 基于深度强化学习的机器人导航算法研究
- 2023年
- 移动机器人穿越动态密集人群时,由于对环境信息理解不充分,导致机器人导航效率低且泛化能力弱。针对这一问题,提出了一种双重注意深度强化学习算法。首先,对稀疏的奖励函数进行优化,引入距离惩罚项和舒适性距离,保证机器人趋近目标的同时兼顾导航的安全性;其次,设计了一种基于双重注意力的状态价值网络处理环境信息,保证机器人导航系统兼具环境理解能力与实时决策能力;最后,在仿真环境中对算法进行验证。实验结果表明,提出的算法不仅提高了机器人导航效率还提升了导航系统的鲁棒性,主要表现为:在500个随机的测试场景中,碰撞次数和超时次数均为0,导航成功率优于对比算法,且平均导航时间比最好的算法缩短了2%;当环境中行人数量、导航距离发生变化时算法依然有效,且导航时间短于对比算法。
- 熊李艳舒垚淞曾辉黄晓辉
- 基于超参数网络权重分配深度强化学习的车辆调度方法
- 本发明公开了基于超参数网络权重分配深度强化学习的车辆调度方法，包括：获取多智能体的调度区域，调度区域包括局部区域和全局区域，其中智能体为被调度的车辆；基于局部区域，得到多智能体的局部状态，基于局部状态，通过策略网络，得到...
- 黄晓辉张雄杨凯铭易虎
- 基于联合Q值分解的强化学习网约车订单派送被引量：2
- 2022年
- 因网约车订单派送不合理,导致资源利用率和出行效率降低。基于联合Q值函数分解的框架,提出两种订单派送方法ODDRL和LF-ODDRL,高效地将用户订单请求派送给合适的网约车司机,尽可能缩短乘客等待时间。为捕获网约车订单派送场景中随机需求与供应动态变化关系,把城市定义为一张四边形网格的地图,将每辆车视为一个独立的智能体,构建多智能体马尔可夫决策过程模型,通过最大化熵与累计奖励训练智能体。将多智能体的联合Q值函数转化为易分解函数,使联合Q值函数与单个智能体值函数中的动作具有一致性,同时设计动作搜索函数,结合集中训练、分散执行策略的优点,让每辆车以分布式的方式解决订单匹配问题,而不需要与其他车辆进行协调,从而降低复杂性。实验结果表明,相比Random、Greedy、QMIX等方法,所提ODDRL和LF-ODDRL具有较优的扩展性,其中,在500×500网格上,当乘客数为10、车辆数为2时,相对于QMIX方法接送乘客所产生的总时间分别缩短5%和12%。
- 黄晓辉张雄杨凯铭熊李艳
- 关键词：多智能体值函数神经网络
- 基于共享注意力的多智能体强化学习订单派送
- 2023年
- 网约车因方便、快捷成为现今人们出行热门之选,如何更高效地派送合适的订单将乘客送到目的地是如今研究的热点。许多研究着重于训练单智能体,再由它统一分配订单,车辆本身并不参与决策。针对以上问题,提出一种基于共享注意力的多智能体强化学习(SARL)算法。该算法将订单派送问题建模为一个马尔可夫决策过程,运用多智能体强化学习,通过集中训练、分散执行的方式让每个智能体均成为决策者;同时加入共享注意力机制,让智能体彼此共享信息并合作。最后,在不同尺度地图、不同乘客数以及不同车辆数情形下与完全随机匹配(Random)、贪婪算法(Greedy)、多智能体强化学习算法IDQN和混合Q值网络(QMIX)进行对比。结果显示,在固定和可变的车辆与乘客组合情况下,SARL算法在三个不同尺度地图(100×100、10×10和500×500)的时间效率均达到了最优,验证了算法的泛化性能和稳定性。SARL算法可以优化车辆和乘客的配对,减少乘客等待时间,提升乘客满意度。
- 黄晓辉杨凯铭凌嘉壕
- 关键词：多智能体强化学习
- 一种集成簇内和簇间距离的加权k-means聚类方法被引量：37
- 2019年
- 聚类分析是数据挖掘与分析最重要的方法之一.它把相似的数据对象归类到一个簇,把不同的数据对象尽可能分到不同的簇.其中k-means聚类算法,由于其简单性和高效性,被广泛运用于解决各种现实问题,例如文本演化分析、图像聚类、社区发现等.然而在聚类过程中,大部分现有的类k-means算法主要考虑簇内距离,而忽略了簇间距离的作用.本文结合特征加权方法,提出了一种新的集成簇内和簇间距离的加权k-means方法(a weighting k-means clustering approach by integrating Intra-Cluster and Inter-Cluster distances,KICIC)来解决高维数据聚类问题.虽然现有少数类k-means算法通过最大化簇中心与全局中心距离来融入簇间信息,但不同于这类方法,KICIC通过在子空间内最大化簇中心与其他簇数据对象的距离来融合簇内和簇间距离进行聚类.基于此思路,本文首先为KICIC算法设计了一个目标函数,然后通过优化求解目标函数得到算法参数的更新迭代公式,并在此基础上设计了KICIC算法.最后,在6个真实数据集上的实验结果表明,对比现有类k-means算法,KICIC算法在大部分情况下都有获得更好的聚类结果.
- 黄晓辉王成熊李艳曾辉
- 关键词：K-MEANS聚类分析特征加权数据挖掘
- 一种基于混合分层强化学习的网约车调度方法
- 本发明公开了一种基于混合分层强化学习的网约车调度方法,包括以下步骤：将网约车调度过程构建为马尔科夫过程；基于所述网约车调度过程提取时间信息、司机分布和订单分布进行仿真处理，构建司机与订单的时空分布矩阵；构建混合分层模型，...
- 黄晓辉林嘉豪周云飞
- 学科大概念视角下基于STEM项目教学的能力培养探索
- 2023年
- 针对人工智能教学过程中存在的课程内容繁杂、缺乏复杂问题的项目实践等问题,根据地方院校的特点,提出一种学科大概念视角下基于STEM项目的人工智能导论单元教学方法,从教学目标设计、内容设计、过程设计和评价及持续改进设计4个步骤出发,阐述学科大概念引导下培养学生解决真实复杂工程问题的能力培养过程。
- 黄晓辉熊李艳喻佳曾辉
- 关键词：人工智能教学改革课程设计
