LH
基于Qmix的模块化机器人自重构算法（SRA）
针对二维方格形模块化机器人难以在短时间内实现快速构型转换以适应新环境和新任务的问题，提出了SRA方法，利用基于QMIX的强化学习算法使机器人通过训练获得自重构的能力，学习到构型与构型之间...
- 0
- 1
- Panda-admin
- 发布于 2022-05-24 09:35
- 阅读 ( 1022 )
Panda-admin
分布式实时自适应分割方法DiRAP
DiRAP由存算一体的角度，综合考虑实时自适应的深度学习推理框架。面对动态情境，精细化设计分割决策空间，以降低卸载决策时延；模型动态切换时，自适应增量式加载深度模型，降低加载时延及冗余资源消耗。
- 0
- 1
- LH
- 发布于 2022-05-23 17:16
- 阅读 ( 1661 )
场景自适应的在线多视图融合视频摘要算法
针对视频场景动态多变导致模型精度降低、复杂环境下模型收敛困难的问题，提出场景自适应的在线多视图融合视频摘要算法，利用语义、图像熵、视觉信息等融合的域无关特征对模型奖励进行奖励设计，同时降低特征空间以加速模型微调的收敛速度。
- 0
- 0
- LH
- 发布于 2022-05-23 11:33
- 阅读 ( 1386 )
跨边缘联邦持续学习算法（Cross-FCL）
联邦学习（Federated Learning， FL）是一种新兴的分布式训练框架，可以在满足用户对隐私安全的需求的同时集聚不同参与设备的学习能力，构建一个比本地模型更强大的全局模型。随着一些时延敏感...
- 0
- 0
- LH
- 发布于 2022-05-22 10:29
- 阅读 ( 2029 )
多智能体系统场景下的分层内在奖励机制
本文主要针对部分可观测、奖励稀疏的多智能体系统场景，解决多智能体强化学习算法收敛困难，智能体策略水平低下（lazy agent）的问题：设计了一种分层的内在奖励机制（HIRM），核心在于基于分层机制实现智能体内在奖励的平衡
- 0
- 1
- LH
- 发布于 2022-05-22 09:48
- 阅读 ( 1729 )
基于边缘特征的朴素视频关键帧提取算法
在实时视频流中往往存在大量的无效帧，如画面长期静止、画面运动过于强烈导致严重模糊等。针对该问题，提出了该方法。
- 0
- 0
- Panda-admin
- 发布于 2022-05-17 22:15
- 阅读 ( 1729 )
基于边端情境自适应的潜藏情境挖掘和语义分割算法
针对边端情境复杂多样，潜藏情境难挖掘的问题，拟提出人机共融和数据潜藏情境挖掘技术
- 0
- 0
- Panda-admin
- 发布于 2022-05-17 22:03
- 阅读 ( 748 )
基于FPGA的手写数字识别算法
使用Verilog语言设计一个CNN网络来测量模型在可编程器件上的性能表现，并在Vivado 2018版本打包成ip核
- 0
- 3
- Panda-admin
- 发布于 2022-05-17 21:23
- 阅读 ( 1858 )
异构物联终端协同深度计算任务分割方法
针对物联终端协同问题提出一种聚合多个物联网设备的计算能力以完成单个设备无法执行任务的深度神经网络划分方法。通过将深度模型以层为粒度进行划分，选择有效的模型分割点，将复杂的深度模型部署到分布式协同环境，综合多个异构设备算力解决高消耗模型的部署问题
- 0
- 0
- LH
- 发布于 2022-05-16 14:45
- 阅读 ( 832 )
基于深度强化学习的目标跟踪sim-to-real迁移策略
一种基于零和博弈的奖励函数用以加快目标跟踪算法收敛，做到策略自适应不同场景
- 0
- 0
- LH
- 发布于 2022-05-15 12:54
- 阅读 ( 1483 )
面向微控制器平台的自适应压缩框架
微控制器（或单片机，MCU）以其小体积、低成本、低能耗和高集成度等优势成为未来边缘智能应用关键的部署平台之一。
- 0
- 0
- hcshen
- 发布于 2021-07-12 13:40
- 阅读 ( 1681 )
hcshen
上下文感知的自适应量化框架（CAQ）
面对不断变化的动态情境，深度学习模型既不能接受人工操作的统一量化方法带来的再训练成本，也不能接受从庞大设计空间重新搜索混合精度量化策略的巨大时间开销。上下文感知的自适应量化框架（Co...
- 0
- 0
- hcshen
- 发布于 2021-07-12 13:34
- 阅读 ( 2134 )
跨资源受限边端平台的深度计算模型分割方法
在深度模型分割相关研究中，时延预测直接决定了搜索到的模型分割方案的效果。然而，现有深度模型分割研究中多以实际测量的方式来获取，普适性较低且耗时耗力、实用性不强。
- 0
- 3
- hcshen
- 发布于 2021-07-12 11:49
- 阅读 ( 1048 )
边端融合增强的模型压缩算法（X-ADMM）
为保证深度学习模型的预测精度，通常不能对其进行十分彻底的压缩，这导致压缩后的模型可能仍然不能顺利部署在嵌入式设备上。X-ADMM方法融合了模型剪枝和分割的优势，首先采用结构剪枝的方式并基...
- 0
- 1
- hcshen
- 发布于 2021-07-12 11:44
- 阅读 ( 1144 )
基于pytorch框架的模型资源预测器（PFLOPS）
平台相关的资源预测对边端协同深度计算中的模分区与资源分配十分重要，而实际测量将耗能耗时，不利于高效、快速的边端协同计算过程。
- 0
- 2
- hcshen
- 发布于 2021-07-12 11:35
- 阅读 ( 1575 )
mingze
