您的位置： 专家智库 > >

吴宏杰

作品数：41 被引量：98H指数：6
供职机构：苏州科技大学电子与信息工程学院更多>>
发文基金：国家自然科学基金江苏省高校自然科学研究项目江苏省“333工程”科研项目更多>>
相关领域：自动化与计算机技术建筑科学文化科学生物学更多>>

合作作者

文献类型

  • 41篇中文期刊文章

领域

  • 34篇自动化与计算...
  • 5篇建筑科学
  • 3篇文化科学
  • 2篇生物学
  • 1篇农业科学
  • 1篇理学

主题

  • 11篇网络
  • 8篇建筑
  • 5篇神经网
  • 5篇神经网络
  • 4篇图像
  • 2篇学习算法
  • 2篇遥感
  • 2篇遥感图像
  • 2篇元学
  • 2篇元学习
  • 2篇梯度下降
  • 2篇人工智能
  • 2篇自适
  • 2篇自适应
  • 2篇卷积
  • 2篇建筑物
  • 2篇工科
  • 2篇函数
  • 2篇Q
  • 1篇蛋白

机构

  • 41篇苏州科技大学
  • 14篇苏州大学
  • 3篇珠海米枣智能...
  • 2篇苏州科技学院
  • 2篇苏州市公安局
  • 2篇苏州市立医院
  • 2篇重庆工业大数...
  • 1篇浙江纺织服装...
  • 1篇苏州农业职业...
  • 1篇西交利物浦大...
  • 1篇苏州工艺美术...
  • 1篇苏州工业园区...

作者

  • 41篇吴宏杰
  • 24篇傅启明
  • 19篇陈建平
  • 10篇吴宏杰
  • 7篇付保川
  • 3篇刘全
  • 3篇胡伏原
  • 2篇柳维生
  • 2篇韦俊
  • 1篇徐杨
  • 1篇钱华
  • 1篇刘海明
  • 1篇崔志明
  • 1篇奚雪峰
  • 1篇李铭华
  • 1篇柴兰娟
  • 1篇王哲超
  • 1篇胡文
  • 1篇王秀华

传媒

  • 8篇计算机工程与...
  • 4篇计算机系统应...
  • 3篇计算机应用与...
  • 3篇计算机科学
  • 2篇通信学报
  • 2篇计算机应用研...
  • 2篇计算机仿真
  • 2篇科教文汇
  • 2篇苏州科技大学...
  • 2篇苏州科技大学...
  • 1篇现代科学仪器
  • 1篇计算机工程与...
  • 1篇计算机工程
  • 1篇微电子学与计...
  • 1篇计算机应用
  • 1篇激光杂志
  • 1篇小型微型计算...
  • 1篇计算机工程与...
  • 1篇计算机与现代...
  • 1篇南京师范大学...

年份

  • 1篇2024
  • 8篇2023
  • 5篇2022
  • 6篇2021
  • 4篇2020
  • 11篇2019
  • 4篇2018
  • 2篇2017
共 41 条 记 录，以下是 1-10
全选 清除 导出
排序方式：
一种改进FCN的肝脏肿瘤CT图像分割方法被引量：12
2020年
精准的医学图像分割是辅助疾病诊断和手术规划的必要步骤。由于腹部器官边界模糊、对比度不高,肝脏肿瘤的自动分割一直是一个难题。针对传统全卷积神经网络(FCN)实现端到端分割精度不佳等问题,提出了一种卷积型多尺度融合FCN的CT图像肝脏肿瘤分割方法。首先,通过提高对比度、增强和去噪的方式对原始的CT图像数据集进行预处理;然后使用处理后的数据集对所设计好的FCN网络进行训练;最终得出能够精确分割肝脏肿瘤的网络模型。实验效果采用多种评价指标进行分割结果的评估,并且与多种常见的分割网络进行对比。实验结果表明本文方法可以精准分割CT图像中各种形状和大小的肝脏肿瘤,分割效果良好,能够为临床的诊断提供可靠的依据。
段杰崔志明沈艺冯威吴宏杰冯雨晴
关键词：图像分割
改进yolov3的遥感图像建筑物检测方法
2023年
针对遥感图像中小型建筑物检测率低的问题,提出一种改进yolov3的小型建筑物检测算法。首先,利用k-means++聚类分析数据集上的先验框尺寸信息,筛选出最优的Anchor Box,使定位更加精准,降低网络损失。其次,在yolov3网络结构的基础上,将第11层浅层特征与网络深层特征融合,生成一个尺度为104×104的新特征图层,用于提取更多小型建筑目标特征。再次,加入Coordinate Attention机制,用于提高网络对图像中有用信息的敏感度。最后,加入CIOU边框回归损失,为边界框提供移动方向以及更准确的位置信息,加快模型收敛。将上述方法应用于文中数据集,结果表明,改进后的yolov3平均检测速度为23.39帧/s,mAP为93.9%,在牺牲部分检测速度的情况下,有效地提升了小型建筑物检测的精度。
袁晨翔石颉吴宏杰孔维相
关键词：遥感图像建筑物
基于值函数迁移的启发式Sarsa算法被引量：2
2018年
针对Sarsa算法存在的收敛速度较慢的问题,提出一种改进的基于值函数迁移的启发式Sarsa算法(VFT-HSA)。该算法将Sarsa算法与值函数迁移方法相结合,引入自模拟度量方法,在相同的状态空间和动作空间下,对新任务与历史任务之间的不同状态进行相似性度量,对满足条件的历史状态进行值函数迁移,提高算法的收敛速度。此外,该算法结合启发式探索方法,引入贝叶斯推理,结合变分推理衡量信息增益,并运用获取的信息增益构建内在奖赏函数作为探索因子,进而加快算法的收敛速度。将所提算法用于经典的Grid World问题,并与Sarsa算法、Q-Learning算法以及收敛性能较好的VFT-Sarsa算法、IGP-Sarsa算法进行比较,实验表明,所提算法具有较快的收敛速度和较好的稳定性。
陈建平杨正霞刘全吴宏杰徐杨徐杨
自适应序列生成的建筑能耗预测被引量：1
2021年
提出一种基于强化学习的生成对抗网络(Reinforcement learning-based Generative Adversarial Networks, ReGAN)能耗预测方法.该算法将强化学习与生成对抗网络相结合,将GAN (Generative Adversarial Nets)中的生成器以及判别器分别构建为强化学习中Agent (生成器)以及奖赏函数.在训练过程中,将当前的真实能耗序列作为Agent的输入状态,构建一组固定长度的生成序列,结合判别器及蒙特卡洛搜索方法进一步构建当前序列的奖赏函数,并以此作为真实样本序列后续第一个能耗值的奖赏.在此基础之上,构建关于奖赏的目标函数,并求解最优参数.最后使用所提算法对唐宁街综合大楼公开的建筑能耗数据进行预测试验,实验结果表明,所提算法比多层感知机、门控循环神经网络和卷积神经网络具有更高的预测精度.
王悦陈建平傅启明吴宏杰陆悠
关键词：人工智能
新工科背景下建筑智能化方向专业硕士培养实践被引量：1
2019年
随着我国城市现代化水平的快速提高,需要大量建筑智能化复合型、研究型的高端人才。在人工智能高速发展的新工科背景下,对建筑智能化方向专业硕士培养提出了新的挑战。本文提出多方协同的新工科培养模式,通过利益共享、责任共担、协同机制的长效化;整合资源、创建环境、育人平台的工程化;从而实现精耕细作、协同育人、培养模式的多样化。并以苏州科技大学建筑智能化方向专业硕士培养为例,进行了四年的实践,基本形成了学生创新能力培养与学科提升互相推动发展的良性循环。
吴宏杰付保川付保川奚雪峰傅启明
关键词：研究生培养
基于联合损失函数的多层停车场路径规划研究
2023年
路径规划研究可以有效解决多层停车场中寻找空余车位这一难题。利用强化学习的决策能力和深度学习的感知能力优势,以传统DQN为基础进行算法改进。一方面使用资格迹更新Q值;另一方面为预测网络和目标网络设置不同的损失函数,并将二者联立,以提高路径规划的准确度。通过实验比对,表明该文改进的DQN模型可以更准确高效地完成多层停车场路径规划任务。
胡中天晏俊王玉立杨昌松吴宏杰
关键词：神经网络路径规划
基于Q-Learning算法的建筑能耗预测被引量：2
2019年
提出一种基于Q-learning算法的建筑能耗预测方法.通过将建筑能耗预测问题建模为一个标准的马尔科夫决策过程,利用深度置信网对建筑能耗进行状态建模,结合Q-learning算法,实现对建筑能耗的实时预测.通过美国巴尔的摩燃气和电力公司公开的建筑能耗数据进行测试实验,结果表明,基于本文所提出的模型,利用Qlearning算法可以实现对建筑能耗的有效预测,并在此基础上,基于深度置信网的Q-learning算法具有更高的预测精度.此外,实验部分还进一步验证了算法中相关参数对实验性能的影响.
陈建平陈其强胡文胡文吴宏杰傅启明
关键词：Q-LEARNING
一种新的基于函数逼近协同更新的DQN算法被引量：3
2020年
针对经典深度Q网络(Deep Q-Network,DQN)算法在训练初期收敛速度慢的问题,文中提出一种新的基于函数逼近协同更新的DQN算法。该算法在经典的DQN算法的基础上融合了线性函数方法,在训练的初期利用线性函数逼近器来代替神经网络中的行为值函数网络,并提出一种离策略值函数更新规则,与DQN协同更新值函数参数,加快神经网络的参数优化,进而加快算法的收敛速度。将改进后的算法与DQN算法用于CartPole和Mountain Car问题,实验结果表明,改进后的算法具有更快的收敛速度。
刘青松陈建平傅启明高振陆悠吴宏杰
关键词：MDP线性函数
基于分类DQN的建筑能耗预测被引量：1
2022年
本文提出一种可用于建筑能耗预测的基于KNN分类器的DQN算法——K-DQN.其在利用马尔科夫决策过程对建筑能耗进行建模时,针对大规模动作空间问题,将原始动作空间缩减进而提高算法的预测精度及收敛速率.首先,K-DQN将原始动作空间平均划分为多个子动作空间,并将每个子动作空间对应的状态分为一类,以此构建KNN分类器.其次,利用KNN分类器,将不同类别相同次序动作进行统一表示,以实现动作空间的缩减.最后,K-DQN将状态类别概率与原始状态相结合,在构建新状态的同时,帮助确定缩减动作空间内每一动作的具体含义,从而确保算法的收敛性.实验结果表明,文章提出的K-DQN算法可以获得优于DDPG、DQN算法的能耗预测精度,且降低了网络训练时间.
李可傅启明陈建平陆悠王蕴哲吴宏杰
基于二阶时序差分误差的双网络DQN算法被引量：2
2020年
针对深度Q网络(DQN)算法因过估计导致收敛稳定性差的问题,在传统时序差分(TD)的基础上提出N阶TD误差的概念,设计基于二阶TD误差的双网络DQN算法。构造基于二阶TD误差的值函数更新公式,同时结合DQN算法建立双网络模型,得到两个同构的值函数网络分别用于表示先后两轮的值函数,协同更新网络参数,以提高DQN算法中值函数估计的稳定性。基于Open AI Gym平台的实验结果表明,在解决Mountain Car和Cart Pole问题方面,该算法较经典DQN算法具有更好的收敛稳定性。
陈建平周鑫傅启明高振付保川吴宏杰
关键词：梯度下降
全选 清除 导出
共5页<12345>
聚类工具0