丁濛
- 作品数：28 被引量：48H指数：4
- 供职机构：北京信息科技大学计算机学院更多>>
- 发文基金：国家自然科学基金北京市重点实验室开放基金北京市教育委员会科技发展计划更多>>
- 相关领域：自动化与计算机技术文化科学理学更多>>
- 基于单频数据重构散射障碍的新型线性采样方法
- 2020年
- 散射及反散射的数学理论与计算一直是应用数学领域中的重要课题,其成果在地质勘探、无损探测、医学成像等领域都具有广泛的应用.线性采样方法(LSM)是近年来反散射理论中一类非常流行的非迭代型重建算法,但是这种方式很难推广到如半空间中障碍反散射等更为复杂的问题中.本文基于单频数据研究Dirichlet障碍反散射问题的数值重建算法.通过构造带有阻尼边界条件的辅助边值问题,提出了一类新型的线性采样方法,并在理论上严格证明了该方法在任意给定的波数下重构障碍形状及位置的有效性.
- 丁濛
- 关键词：反散射
- 一种基于草图的三维人体骨骼动画自动生成方法
- 本发明涉及一种基于草图的三维人体骨骼动画自动生成方法，本系统以简化骨骼动画制作的交互方式作为着手点，以草图图像输入的方式提供待生成动画的首尾帧，使用tensorflow构建神经网络框架分别实现系统的草图三维重建和骨骼动画...
- 马昊李淑琴丁濛孟坤
- 文献传递
- 一种基于DNS流量的自适应恶意域名检测方法
- 本发明公开了一种基于DNS流量的自适应恶意域名检测方法，搜集第三方平台提供的黑白名单样本集，并依照域名结构特征列表，使用黑白名单样本集作为训练集基线，选择随机森林分类器训练域名结构检测模型；对判定为恶意的域名进行Whoi...
- 孟坤徐硕李淑琴丁濛罗江
- 真实场景驱动的《数据仓库与数据挖掘》教学方法探索
- 2019年
- 本文以《数据仓库与数据挖掘》课程为载体探索了利用真实场景服务教学活动的方法。根据课程教学目标的核心知识点,规划了课程演示案例、课程实验场景和课程综合设计等环节,并以在校园内运营的物联网化智能售货机网络为背景,把各环节有机地贯穿其中。实践结果表明,在课堂上引入真实运营场景能较好地向学生展示所学知识的应用方法,能极大地激发学生求知的主观能动性,并有利于培养和激发学生的创新能力。
- 孟坤凌涛李淑琴李淑琴
- 关键词：教学探索
- 爱恩斯坦棋评估策略的研究
- 2018年
- 作为中国大学生计算机博弈大赛的比赛项目之一的爱恩斯坦棋,虽然属于完全信息博弈项目,但具体行棋规则具有较高的随机性,需要好的评估策略来确保胜利。本文给出一种既考虑进攻又考虑防守的综合评估策略,经过多次对战,表明此评估策略是有效的。
- 范博奇丁濛张芳梓
- 关键词：进攻防守
- 对藏棋“久”的分阶段算法研究被引量：3
- 2021年
- 藏族久棋是2019年中国计算机博弈锦标赛新设棋种,在此之前,国内外对该棋种的博弈策略研究相对较少。本文基于久棋两个博弈阶段规则和目的差异性大的特点,提出一种分阶段的博弈策略:下子阶段,考虑到无明显胜负判别的因素,提出一种基于相对胜负的改进蒙特卡洛树搜索算法以获取最佳下子点;行棋阶段,考虑到过程中的行棋方式会对后续模拟局面造成一定的影响,提出一种加入过程分值的改进Alpha-Beta剪枝搜索算法以获取最优行棋方案。在上述算法模拟博弈树的过程中,通过下子阶段优先集中在中心区域,行棋阶段优先形成褡裢的估值策略,给出了一份完整的估值评估表。实验结果表明,使用上述博弈策略及估值表实现的博弈程序棋力较高。
- 沈强望丁濛杜文涛赵文龙
- 关键词：计算机博弈
- 基于爱恩斯坦棋削减随机性影响的博弈算法研究被引量：1
- 2017年
- 爱恩斯坦棋是一种随机性很强的特殊棋种,普通的博弈算法难以在爱恩斯坦棋上得以适用。因此本文将针对爱恩斯坦棋的博弈策略,以评价函数中的棋子的状态值以及棋子位置的赋值两方面为主进行估值函数的研究,并利用保边缘舍中间的策略削弱随机性带给爱恩斯坦棋的影响效果。经过多次对战实验证明该评价函数以及削弱随机性的策略是有效的。
- 黄恩一丁濛
- 关键词：博弈策略评价函数
- 牌类游戏的手牌生成和聚类方法、设备以及处理器
- 本发明公开了一种牌类游戏的手牌生成和聚类方法、设备以及处理器。其中，该方法包括：生成手牌组合，手牌组合包括牌类游戏各方的手牌；利用基于机器学习训练的模型，将手牌组合确定为预先确定的多个类别中的一个类别；以及基于手牌组合的...
- 丁濛李淑琴张亦鹏陈子鹏孟坤李玉璋郑蓝舟
- 文献传递
- 基于深度学习的人体动作草图到三维骨骼模型重建方法的研究被引量：4
- 2020年
- 为了提高三维人体骨骼模型的建模效率并简化交互规则,提出了一种基于深度学习的手绘人体动作草图到三维骨骼模型的重建方法。首先将三维骨骼模型渲染为二维图像来建立维度映射关系,进而使用图像分类方法识别手绘草图动作并根据维度映射实现三维骨骼模型重建。在实验中使用基于深度卷积神经网络对图像分类模型进行构建,使用浅层卷积网络作为训练单元,并使用逐级分类与分块训练策略加速网络收敛速度来提高训练效率。最后实验结果验证了该方法的可行性与有效性。
- 马昊李淑琴丁濛
- 关键词：卷积神经网络三维重建图像分类
- 棋盘局面数据标定方法研究被引量：3
- 2020年
- 基于深度学习模型的有监督训练依赖于大量高质量标定数据,但众多小众计算机博弈比赛棋种存在缺少人类对局记录作为训练样本的问题,因此在使用深度学习模型前如何生成一个合理标定的局面数据集是值得研究探讨的问题。针对点格棋博弈问题,提出了一种数据哈希去重以及局面标定方法。根据不同阶段回合局面数据的特点,通过alpha-beta完全搜索、回溯标定、并行化MCTS算法标定以及对称扩展技巧,收集并标定不同回合数的点格棋局面样本。实验共获得了包含15000000个带标定点格棋局面样本的数据集,为基于深度学习模型的点格棋有监督训练提供了保障。此外,所提方法也为其他棋种训练数据的获取提供了有价值的借鉴。
- 丁濛张亦鹏张亦鹏
- 关键词：计算机博弈
