最新深度学习研究概览

概述：

1. 云计算服务质量预测：随着云计算技术的广泛应用，云服务数量的剧增使得用户对服务质量（QoS）提出了更高的要求。本文针对这一现象，提出了一种创新的时序QoS预测方法（T-MST）。该方法考虑了云服务器负载、网络状态和用户偏好等随时间变化的因素，利用多源特征与多任务学习，实现了实时、准确地预测多种QoS属性。实验结果显示，该方法在预测吞吐量和响应时间等方面显著提升了预测精度。

2. 瓷砖表面缺陷检测：目前瓷砖表面缺陷检测主要依赖于人工，存在效率低下和劳动强度大的问题。针对此，本文提出了一种基于机器视觉的Faster RCNN算法改进方法。该方法通过数据预处理应对过拟合，引入卷积块注意力混合模块（CBAMM）以自主学习瑕疵特征，并采用自适应空间特征融合（ASFF）算法来提升对小瑕疵的检测能力。改进后的算法在缺陷检测精度上达到97%以上，相较原始算法有显著提升，有助于增强企业经济效益。

3. 固定翼无人机纵向飞行控制：针对固定翼无人机在复杂动态环境下的控制问题，本文设计了一种基于深度确定性策略梯度算法的纵向飞行控制器。该控制器以连续状态输入和连续动作输出为基础，引入了正值奖励激励因子改进奖励函数，提高学习效率。通过端到端的控制设计，该控制系统不仅实现了跟踪目标，还展示了一定的泛化能力和鲁棒性。与PID控制器相比，在某些情况下，基于深度强化学习的控制系统表现出更优的控制性能。

这三项研究工作均在各自的领域内展示了先进技术的应用潜力，无论是云服务的QoS预测、瓷砖表面缺陷的机器视觉检测，还是固定翼无人机的智能控制，都体现了人工智能技术在解决实际问题中的有效性和发展潜力。