尹翔
- 作品数：11 被引量：27H指数：3
- 供职机构：扬州大学信息工程学院更多>>
- 发文基金：江苏省自然科学基金国家自然科学基金江苏省“六大人才高峰”高层次人才项目更多>>
- 相关领域：自动化与计算机技术电子电信文化科学更多>>
- 基于STM32微处理器的蓝牙热敏打印机的研制被引量：6
- 2014年
- 蓝牙是一种采用无线电波传输代替移动设备之间电缆传输的短距离无线通信技术。热敏打印机具有高精度、低噪声、可靠性强等优点。将二者结合就产生了便携式蓝牙热敏打印机,可用于移动警务系统、移动办公、移动物流系统等。本设计采用基于ARM Cortex-M3内核的STM32系列微控制器开发蓝牙热敏打印机。蓝牙通信模组为HHW-UART-S10,热敏打印头为PT487F-B。先简要介绍蓝牙通信原理与打印原理,重点介绍针对模块特点的低功耗硬件电路设计和虚拟串口的软件设计。最后经过测试,各项性能均能达到指标要求,并对本产品设计进行了小规模量产。
- 戴阳胡学龙朱银尹翔
- 关键词：蓝牙热敏打印机
- EDA技术与数字信号处理人才培养策略
- 讨论了基于FPGA的EDA技术,重点分析了利用FPGA进行数字信号处理,介绍了常用的开发工具：XtremeDSP,指出EDA技术在电子信息工程中扮演着越来越重要的角色,但是相关技术人才的缺乏成为我国在该领域崛起的最大障碍...
- 尹翔胡学龙张正华
- 关键词：FPGAEDA
- 一种基于形状的图像检索系统被引量：12
- 2011年
- 基于内容的图像检索是当前国内外的一个研究热点。形状是物体的一个重要特征,是刻画物体结构、形态、轮廓的特征量,也是比较难描述的图像特征之一。由于物体形状的自动获取涉及图像中感兴趣目标的分割,所以基于形状检索的图像检索是一项有难度的研究工作。基于形状的检索一般适用于较容易识别的物体。在本文中采用了面积、形状矩等局部或全局特征来表示一幅图像。实验系统表明,本文采用的特征能有效地实现汽车等目标的检索。
- 成晓翁胡学龙尹翔
- 关键词：特征提取
- 基于粒子群优化和深度强化学习的策略搜索方法
- 2023年
- 深度强化学习DRL算法是一种常用的策略搜索方法,已成功应用于一系列具有挑战性的控制任务。但是,由于DRL难以应对奖励稀疏问题,缺乏有效的探索以及对超参数具有极其敏感的脆弱收敛性,使其难以应用于大规模实际问题。粒子群优化算法PSO是一种进化优化算法,它使用整个episode的累积回报作为适应性值,对奖励稀疏的环境不敏感,且该算法也具有基于种群的多样化探索以及稳定的收敛性,但样本效率低。因此,提出了PSO-RL算法,结合PSO和基于策略梯度的离策略DRL算法,DRL通过PSO种群提供的多种数据来训练种群中累积奖励最低的几个策略,并且每次都将训练后累积奖励得到提升的策略插入PSO种群,增强DRL与PSO之间的信息交流。PSO-RL算法能够提升PSO的样本效率,而且能够改善DRL算法的性能和稳定性。在pybullet模块具有挑战性的连续控制任务中的实验结果表明,PSO-RL的性能不仅优于DRL的,且优于进化强化学习算法的。
- 彭坤彦尹翔刘笑竹李恒宇
- 关键词：粒子群优化
- 一种优化的基于博弈论的无线传感器网络区域分簇算法被引量：2
- 2017年
- 能量消耗是设计无线传感器网络时需要考虑的主要因素。已有的研究大都利用分簇的思想实现网络能耗的节省与均衡,但这些方法存在簇首个数不稳定及分布不均等缺点,从而影响了整个网络的生存时间。给出一种优化的基于博弈论的分簇路由协议。该算法根据最优簇头数来对区域进行划分,在每个区域内采用博弈的方式博弈出一个簇头。同时,为了均衡整个网络的能耗、延长网络生命期,还引入了概率归零机制和区域轮转机制。最后,通过仿真实验验证了算法的优越性。
- 尹翔常丽萍戴维超李春晓
- 关键词：无线传感器网络分簇博弈论
- “数字信号处理器及其应用”课程教学方案的探讨
- 结合“数字信号处理器及应用”课程的建设，介绍了该课程开设的背景、课程教学大纲的拟定，提出了对教学内容、教学方法和考核方法方面的探索思路：开放性的教学内容、研究性的教学方法、应用性的考核方法，目标是使学生健全从数字信号处理...
- 龚茂康胡学龙夏梅珍尹翔
- 关键词：课堂教学
- 一种基于元学习的改进深度强化学习算法被引量：2
- 2021年
- 传统的深度强化学习算法在解决任务时与环境交互量大且样本复杂度高,导致智能体的训练时间长,算法难以收敛,故在实际问题中的应用受限.针对该问题,在智能体采用梯度下降方法更新模型参数的过程中融入元学习思想,提出一种改进的深度强化学习算法,使得智能体利用在训练任务中学习到的先验知识快速地适应新任务.仿真结果表明:改进的深度强化学习算法可实现智能体在新任务上的快速适应,其收敛速度和稳定性等均优于传统算法.
- 黄宁馨尹翔乐云亮彭坤彦
- 关键词：元学习
- 基于迁移学习的多任务分配算法被引量：2
- 2020年
- 对于多任务分配问题,传统的方法针对每一个任务独立地寻找一个最优分配方案,没有考虑任务间的关联以及历史经验对新任务分配的影响,因而复杂度较高。研究了多智能体系统中的多任务分配问题,通过迁移学习来加速任务分配以及子任务的完成。在分配目标任务时,通过计算当前任务和历史任务的相似度找到最适合的源任务,再将源任务的分配模式迁移到目标任务中,并在完成子任务的过程中使用迁移学习,从而提高效率,节约时间。最后,通过“格子世界”的实验证明了该算法在运行时间和平均带折扣回报方面都优于基于Q学习的任务分配算法。
- 王梦娇尹翔黄宁馨
- 关键词：多智能体系统Q学习
- 一种多agent网络中的分布式联盟形成算法被引量：3
- 2015年
- 针对多agent系统的具体网络结构,提出一种分布式联盟形成算法.首先,每个agent向自己邻居任务中"信价比"最高的任务提出加入申请,形成潜在联盟;当联盟资源大于对应任务的资源需求时,使相应agent退出当前联盟,转而选择"信价比"次高的任务,从而提高联盟形成的可能性.仿真实验结果表明,与其他方法相比,所提出的算法能大幅提高系统效率和收益.
- 尹翔李斌于萌
- 关键词：多AGENT系统联盟形成
- 一种基于模糊关系的联盟演化策略
- 2009年
- 提出一种新的联盟演化策略,基于模糊集合论,给出了当前任务和历史任务"等价性"的概念,在不能实现任务完全匹配时,由模糊关系的合成,将问题限制在较小范围内求解,使联盟能快速及时形成.最后,通过试验仿真说明了此策略的有效性.和前人的工作相比,该方法能显著降低联盟形成过程的复杂度,而且演化策略也较为简单易行.
- 尹翔胡学龙
- 关键词：MAS
