dynamic scenarios | BriefGPT

关键词dynamic scenarios

搜索结果 - 9

多智能体 MDPs 中的自适应对手策略检测：利用运行误差估计的实时策略切换识别
在多智能体强化学习中，准确地感知对手策略对于合作和对抗环境都是必不可少的，本文提出了一种在线算法 OPS-DeMo，通过使用动态误差衰减来检测对手策略的变化，并在多智能体环境中将 PPO 算法更有效地应用于对策略的训练，相较于 PPO，在动
PDFa month ago
考虑长期运动趋势的视频预测的状态空间分解模型
通过自适应分解的方法，我们提出了一种状态空间分解的随机视频预测模型，将整体视频帧生成分解为确定性外观预测和随机运动预测，从而增强模型对动态场景的泛化能力。实验结果表明，我们的模型在多个数据集上优于基线模型。
PDF3 months ago
动态环境中的聚类：异质变化数据集生成框架
本研究提出了动态数据集生成器（DDG），用于模拟各种动态场景，帮助解决在动态环境中的聚类问题。
PDF4 months ago
MGDepth：动态场景自监督单目深度的运动引导成本体积
本文提出了 MGDepth（一种基于运动引导成本体积的深度网络），以实现动态物体和静态背景的精确深度估计，并保持计算效率。通过引入光流和粗略单目深度来处理动态内容带来的挑战，在合作目标帧的基础上构建静态参考帧以创建新的运动引导成本体积。此外
PDF6 months ago
基于搜索的混合系统任务和运动规划：敏捷自动驾驶车辆
研究如何在动态场景下以最优的机器人行为来考虑复杂的动态规律，尤其是在车辆动力学领域中，如何利用漂移技术来实现时间最优的驾驶行为，并使用一种基于搜索的方法在高维度状态空间中高效地搜索最优解决方案。
PDFa year ago
增量置换特征重要性（iPFI）：面向数据流的在线解释
提出了一种名为 iPFI 的有效的、模型无关的算法，用于在动态建模条件下估计特征边际化的增量特征重要性评估方法，包括概念漂移。实验证明，相比传统的批处理 PFI 方法，该方法具有良好的效果。
PDF2 years ago
避免灾难：主动树突在动态环境中实现多任务学习
通过生物学对神经元的性质进行深度学习网络的架构设计和实现，成功地解决了动态情境下的任务适应及多任务学习问题，进一步说明了神经元的生物学特征可以启示深度学习系统解决传统神经网络无法解决的动态场景中的问题.
PDF3 years ago
强化学习中动态物体的运动感知
本文研究了动态环境下机器学习控制问题，提出了显式地学习动作表示可以提高学习控制器的质量，在某些情况下不需要额外的监督，通过使用图像差异来替代时序帧堆叠能够取得更好的效果。
PDF5 years ago
适应性场景发现用于人群计数
本文提出了一种适应性场景发现框架用于人群计数，该系统包括两个平行通道和一个自适应重校准分支，能够代表高度变化的人群图像并在两个具有挑战性的基准测试中实现了最先进的结果。
PDF6 years ago