CREDS:资源高效的分散式时空火灾早期防控时序规划器

基于多无人机的高效分散式时序规划器用于时空野火防控 学术背景 野火是全球范围内对生物多样性和资源可持续性的重大威胁,尤其是在初期阶段。若未能及时控制,野火的规模可能会迅速扩大,导致严重的生态破坏。近年来,多无人机系统(Unmanned Aerial Vehicles, UAVs)在野火防控中的应用逐渐增多,主要是为了减少人类在危险环境中的暴露,并提高应急响应的效率。然而,现有的研究大多局限于搜索、监测或灭火等单一环节,缺乏对多无人机协同任务的综合研究。尤其在资源有限、无人机数量不足、野火动态变化的部分可观测环境中,如何高效分配无人机任务以进行早期野火防控仍是一个复杂且具有挑战性的问题。 本文提出了一种冲突感知的高效分散式时序规划器(Conflict-aware Resource-effici...

基于投影加权动态时间规整的多阶段不等长过程监测方法

多阶段不等长过程的投影加权动态时间规整监控方法 学术背景 在现代制造业中,多阶段过程(如批处理和过渡过程)的在线监控对于提高产品质量和降低故障风险至关重要。然而,由于操作条件的变化,这些过程的操作时长常常不等,这给监控带来了巨大的挑战。传统的动态时间规整(Dynamic Time Warping, DTW)方法虽然可用于离线同步,但在处理在线数据时,无法有效对齐正在进行的批次与已完成的历史批次,因为它们的进展存在固有差异。此外,传统方法通常忽略操作过程中的时间尺度故障,这会削弱整体监控性能。为了解决这些问题,本文提出了一种新颖的投影加权动态时间规整(Projective Weighted DTW, PWDTW)方法,用于监控不等长时间的多阶段过程。 本文的研究旨在从幅值和时间两个方面解决多阶...

一种实用的体细胞显微注射微量移液管图像校准方法

基于显微操作系统的微管-图像校准方法在体细胞显微注射中的应用 研究背景 显微注射技术是一种通过精细的微管将特定量的遗传物质、药物或其他外源物质直接注入细胞或组织的技术。该技术在生物医学研究中发挥着重要作用,尤其是在转基因、基因靶向、动物克隆、人类不孕症治疗以及核酸引导的基因工程等领域。随着自动化技术的发展,传统的手动显微注射逐渐演变为自动化操作模式。然而,在自动显微注射系统中,如何准确地将显微镜视野中观察到的微管尖端的二维坐标与外部控制器获得的三维位置数据进行映射,仍然是一个技术难题。现有的校准方法通常依赖于电机驱动的物镜或复杂的显微视觉系统,这些方法在实际应用中往往不够快速和实用。 为了应对这一挑战,Fei Pan及其团队提出了一种实用的微管-图像校准方法,旨在实现显微镜视野中微管尖端的二...

基于概率神经网络的强化学习模型在预测控制无人水面艇中的高效应用

无人水面车辆(USV)的模型预测控制新方法:基于概率神经网络的MBRL框架 学术背景 无人水面车辆(Unmanned Surface Vehicles, USV)近年来在海洋科学领域迅速发展,广泛应用于海洋运输、环境监测、灾害救援等场景。然而,USV的控制系统仍然面临诸多挑战,尤其是在复杂海洋环境中应对外部干扰的能力。传统的模型自由强化学习(Model-Free Reinforcement Learning, MFRL)方法虽然在某些任务中表现良好,但其依赖大量数据和模拟训练,且缺乏对不确定环境的鲁棒性。为了解决这些问题,模型基础强化学习(Model-Based Reinforcement Learning, MBRL)方法应运而生。MBRL通过同时学习环境模型和优化控制策略,能够更高效地应...

基于受限学习网络和观察可信度推理的少样本退化建模

一种基于观测可信度推断的受限学习网络用于少样本退化建模 学术背景 在复杂工程系统中,多传感器广泛应用于监控设备的退化过程并预测其剩余使用寿命(Remaining Useful Life, RUL)。然而,在仅有少量样本的情况下,确保预测性能仍然具有挑战性。少样本场景下,传感器数据中的不一致观测(discordant observations)会引入大量不确定性,导致经验损失与预期损失相差甚远。此外,学习到的退化模型往往会在有限的可用样本上过拟合,导致模型参数分布偏差,从而限制模型在未见样本上的泛化能力。为了解决这些问题,本论文提出了一种基于观测可信度推断(Observation Credibility Inference, OCI)的受限学习网络,用于少样本退化建模。 该研究旨在开发一种适用...

基于口腔解剖知识的半监督学习在3D牙科CBCT分割和病变检测中的应用

学术背景与研究动机 在牙科医疗保健领域,锥形束计算机断层扫描(CBCT, Cone Beam Computed Tomography)是一种广泛应用的三维成像技术。CBCT能够提供口腔的三维图像,尤其在对牙源性病变的诊断中表现出色。然而,CBCT图像的分割(segmentation)——即对图像中每个体素(voxel)标记出病变、骨骼、牙齿和修复材料——是一个关键且复杂的任务。目前,临床实践中主要依赖手动分割,这不仅耗时,还需要大量的专业知识。为了实现自动化分割,减少对大量手动标记数据的依赖,研究者们提出了结合口腔解剖知识的半监督学习方法。本文提出了一种新颖的“口腔解剖知识引导的半监督学习模型”(OAK-SSL, Oral-Anatomical Knowledge-Informed Semi...