在非合作场景所导致的小样本条件下，稳健提取通信辐射源目标特征并准确识别目标是当前研究的难点和热点.针对正交频分复用通信辐射源的小样本个体识别问题，文章在相位域、时域翻转的数据增强和源领域实例迁移的基础上，提出一种非合作通信辐射源个体识别方法.采用不同域翻转的数据增强方法扩充数据集，结合改进的残差网络，达到提高正交频分复用通信辐射源个体识别准确率的目的，并引入迁移学习以增强识别模型的泛化能力.实验结

随着人工智能的发展，越来越多的机器学习应用场景的出现，现有表现比较好的监督学习需要大量的标注数据，标注数据是一项枯燥无味且花费巨大的任务，所以迁移学习受到越来越多的关注。迁移学习专注于存储已有问题的解决模型，并将其利用在其他不同但相关问题上。各省市、自治区从事人工智能、机器学习、深度学习、迁移学习、计算机视觉、自然语言处理、语音识别、图像处理、小样本分析等领域相关的企事业单位技术骨干、科研院所研究

源自：机器人作者：管宇, 陈希爱, 田建东, 唐延东低照度图像会使很多计算机视觉算法的鲁棒性降低，严重影响机器人领域的许多视觉任务，如自动驾驶、图像识别以及目标追踪等。为获取具有更多细节信息以及更大动态范围的增强图像，提出了一种基于多曝光图像生成的低照度图像增强方法。该方法通过分析真实拍摄的多曝光图像，发现不同曝光时长的图像的像素值之间存在线性关系，使得正交分解的思想可以应用于多曝光图像生成。多曝

源自：系统工程与电子技术作者：吴冯国 陶伟 李辉 张建伟 郑成辰.摘要为提升无人机在复杂空战场景中的存活率, 基于公开无人机空战博弈仿真平台, 使用强化学习方法生成机动策略, 以深度双Q网络(double deep Q-network, DDQN)和深度确定性策略梯度(deep deterministic policy gradient, DDPG)算法为基础, 提出单元状态序列(unit sta

随后对同策略和异策略强化学习算法进行简要介绍;接着介绍经验回放(Experience replay, ER)问题的两种主流解决方案, 包括经验利用和经验增广;公众号转载的文章及图片出于非商业性的教育和科研目的供大家参考和探讨，并不意味着支持其观点或证实其内容的真实性。版权归原作者所有，如转载稿涉及版权等问题，请立即联系我们删除。作者：胡子剑, 高晓光, 万开方, 张乐天, 汪强龙。深度强化学习 /

公众号转载的文章及图片出于非商业性的教育和科研目的供大家参考和探讨，并不意味着支持其观点或证实其内容的真实性。版权归原作者所有，如转载稿涉及版权等问题，请立即联系我们删除。作者：方伟 接中冰 陆恒杨 张涛。“人工智能技术与咨询”发布。“人工智能技术与咨询”发布。

1.1 什么是知识图谱知识图谱是一种用图模型来描述知识和建模世界万物之间的关联关系的技术方法[1]。知识图谱由节点和边组成。节点可以是实体，如一个人、一本书等，或是抽象的概念，如人工智能、知识图谱等。边可以是实体的属性，如姓名、书名，或是实体之间的关系，如朋友、配偶。知识图谱的早期理念来自Semantic Web[2,3]（语义网），其最初理想是把基于文本链接的万维网转化成基于实体链接的语义网。1

这种搜索方式跟传统的搜索引擎是不一样的，一个传统的搜索引擎它返回的是网页、而不是最终的答案，所以就多了一层用户自己筛选并过滤信息的过程。在一项任务中，只要有关系分析的需求，知识图谱就“有可能”派的上用场。其次，RDF以三元组的方式来存储数据而且不包含属性信息，但图数据库一般以属性图为基本的表示形式，所以实体和关系可以包含属性，这就意味着更容易表达现实的业务场景。” 比如有一个负面消息是关于公司1的

源自：安全学术圈作者：Injy Sarhan, Marco Spruit。

源自：软件学报作者：刘康正 赵峰金海“人工智能技术与咨询” 发布摘 要时序知识图谱推理吸引了研究人员的极大关注. 现有的时序知识图谱推理技术通过建模历史信息取得了巨大的进步. 但是, 时变性问题和不可见实体(关系)问题仍然是阻碍时序知识图谱推理模型性能进一步提升的两大挑战; 而且由于需要对历史子图序列的结构信息和时间依赖信息进行建模, 传统的基于嵌入的方法往往在训练和预测过程中具有较高的时间消耗,