-
公开(公告)号：CN112364972B
公开(公告)日：2024-01-05
申请号：CN202010715792.6
申请日：2020-07-23
Applicant: 北方自动控制技术研究所
IPC: G06N3/0464 , G06N3/08 , G06Q10/0637
Abstract: 本发明涉及一种基于深度强化学习的无人战车分队火力分配方法，属于火力分配、深度强化学习技术领域。本发明综合考虑作战任务、战场态势、目标威胁度、目标毁伤概率等多种因素，基于MDP建立无人战车分队的多回合火力分配模型，利用DQN算法对该模型进行求解，通过训练可以实现无人战车分队的多回合火力分配，整个作战过程中不再需要人为调整火力分配模型和参数，无人战车分队根据战场态势自行决定每个回合的打击目标，提高了火力分配决策的鲁棒性，弥补了现有火力分配方法的不足。
-
公开(公告)号：CN107462264A
公开(公告)日：2017-12-12
申请号：CN201710789068.6
申请日：2017-09-05
Applicant: 北京奥博泰科技有限公司 , 北方自动控制技术研究所
Abstract: 本发明涉及一种动态陀螺寻北校准装置，它采用一个观瞄设备和至少一个被瞄设备。本发明采用GNSS全天候实时定位定向功能，利用RTK技术与分体式定向技术，可在较短基线内实现高精度定向功能，结合高精度光电观瞄设备实现高精度真北定向，在开阔场地随便布设进行校准，不受场地约束，设备长时间工作不需要进行校准，维护成本低、在短距离内即可实现高精度寻北定向。本发明可以针对不同精度的陀螺设备进行校准，且校准快速。鉴于以上理由，本发明可以广泛用于陀螺检验校准的技术领域。
-
公开(公告)号：CN119519724A
公开(公告)日：2025-02-25
申请号：CN202411519199.9
申请日：2024-10-29
Applicant: 哈尔滨工业大学 , 北方自动控制技术研究所
IPC: H03M7/30 , G06N3/0442
Abstract: 一种云边端数据两级压缩方法及系统，它属于数据压缩技术领域。本发明解决了传统压缩方法的压缩率低的问题。本发明首先分析任务对数据完整性的要求，以数据完整性要求作为约束，以最大化压缩比和最小化损失率为目标，计算出采用有损压缩和无损压缩的比例，然后根据比例选择压缩方法来对数据进行压缩，从而实现弹性压缩。在一级压缩的基础上，根据压缩结果判断是否进行二级压缩，如果需要进行二级压缩，则根据一级压缩后数据分布特点选择二级压缩的方法，并对一级压缩结果进行二级压缩，可以获得更高的压缩比，达到了较高的压缩率。本发明方法可以应用于数据压缩技术领域。
-
公开(公告)号：CN102609040B
公开(公告)日：2015-04-08
申请号：CN201210008777.3
申请日：2012-01-12
Applicant: 北京国基科技股份有限公司 , 北方自动控制技术研究所
Abstract: 本发明提供了一种面向加固的国产计算机及其安全BIOS工作方法，国产计算机包括：龙芯2F处理器，作为主控CPU；龙芯1A处理器，作为南桥芯片，通过PCI总线龙芯2F处理器连接；该方法包括：将BIOS的起始地址设置为特定地址；初始化龙芯2F处理器；对内存及龙芯2F处理器进行初始化；对内存进行初始化；对TLB和CACHE进行初始化：执行地址映射；对C环境进行初始化；对龙芯1A处理器进行初始化；搜寻总线上的设备，安装驱动；验证用户身份；对SHELL进行初始化；加载操作系统，将对硬件的控制权交给操作系统。该计算机及方法具有低功耗、高性能、多接口、易加固、高安全性及自主可控的效果。
-
公开(公告)号：CN102609040A
公开(公告)日：2012-07-25
申请号：CN201210008777.3
申请日：2012-01-12
Applicant: 北京国基科技股份有限公司 , 北方自动控制技术研究所
Abstract: 本发明提供了一种面向加固的国产计算机及其安全BIOS工作方法，国产计算机包括：龙芯2F处理器，作为主控CPU；龙芯1A处理器，作为南桥芯片，通过PCI总线龙芯2F处理器连接；该方法包括：将BIOS的起始地址设置为特定地址；初始化龙芯2F处理器；对内存及龙芯2F处理器进行初始化，；对内存进行初始化；对TLB和CACHE进行初始化：执行地址映射；对C环境进行初始化；对龙芯1A处理器进行初始化；搜寻总线上的设备，安装驱动；验证用户身份；对SHELL进行初始化；加载操作系统，将对硬件的控制权交给操作系统。该计算机及方法具有低功耗、高性能、多接口、易加固、高安全性及自主可控的效果。
-
Patent Agency Ranking
公开(公告)号：CN119821226B
公开(公告)日：2025-05-20
申请号：CN202510330004.4
申请日：2025-03-20
Applicant: 北方自动控制技术研究所
Abstract: 本发明提供一种基于深度学习的无人车辆动力电池功率控制方法和系统，涉及动力电池控制领域，所述方法包括：在控制周期的第i个时刻，按照第i‑1个时刻的电池功率确定模型确定的电池功率对无人车辆进行设置；获取测试运行数据；确定测试车速、测试电池功率、测试地面湿度和测试地面温度与测试制动距离之间的制动距离关系函数；获取电池信息；获取环境信息、其他车辆信息和车辆行驶速度；判断第i‑1个时刻的电池功率确定模型是否需要训练；在第i‑1个时刻的电池功率确定模型需要训练的情况下，确定训练损失函数；获得第i个时刻的电池功率确定模型；确定第i+1个时刻的电池功率。根据本发明，可提高动力电池功率控制的准确性。
-
公开(公告)号：CN119739921A
公开(公告)日：2025-04-01
申请号：CN202411610844.8
申请日：2024-11-12
Applicant: 北方自动控制技术研究所 , 山西大学
IPC: G06F16/9535 , G06F16/9538 , G06F18/241 , G06F18/25 , G06N3/0464 , G06N3/042 , G06N3/045
Abstract: 本发明公开了多尺度行为序列级联的用户意图分析及内容推荐方法，属于内容推荐技术领域。针对现有系统忽略了行为序列间的细粒度依赖关系在行为表示中贡献的问题，通过利用图卷积网络建模任意行为的不同尺度下的用户和内容特征表示；通过行为序列传递作用，建模并融合不同尺度的行为序列级联的用户和内容特征表示；将不同类型行为下的行为序列级联的用户和内容特征表示池化建模用户和内容的特征表示，并通过非采样损失策略优化；根据优化的用户和内容特征表示计算用户对内容的点击似然，生成Top‑t推荐列表。通过学习行为序列间的级联传播关系以及多行为依赖的用户和内容特征表示，提升点击率预测的准确性，在个性化内容推荐技术方面提供积极支撑。
-
公开(公告)号：CN119357239A
公开(公告)日：2025-01-24
申请号：CN202411519197.X
申请日：2024-10-29
Applicant: 哈尔滨工业大学 , 北方自动控制技术研究所
IPC: G06F16/2455 , G06F16/27 , G06F18/23 , G06F18/25 , G06N3/0455 , G06N20/00 , G06N3/092 , G06N7/01 , G06F123/02
Abstract: 一种基于强化学习的数据库自适应混合数据分区方法及系统，它属于人工智能领域。本发明解决了在现有数据分区方案下，查询负载执行时需要访问大量冗余数据且无法根据动态工作负载自动进行自适应数据分区的问题。本发明建立工作负载预测模型，基于历史工作负载来预测数据库未来一段时间内查询工作负载中各种类查询出现的频率，将混合数据分区问题建模为马尔科夫决策过程，定义智能体状态、动作及奖励，根据预测出的各种类查询出现的频率和训练好的强化学习模型为到来的查询工作负载自适应推荐出合适的混合数据分区方案，减少了查询负载执行时所需要访问的数据量。本发明方法可以应用于数据库自适应混合数据分区。
-
公开(公告)号：CN118820944A
公开(公告)日：2024-10-22
申请号：CN202410848601.1
申请日：2024-06-27
Applicant: 山西大学 , 北方自动控制技术研究所
IPC: G06F18/2415 , G06F18/25 , G06Q30/0601
Abstract: 本发明公开了一种多行为注意力融合的目标行为预测和产品推荐方法，属于产品推荐技术领域。针对产品推荐系统忽略用户和产品之间多行为的相关信息的问题，本发明基于单行为的交互子图学习了单行为的用户和产品节点表示；进而通过多头注意力捕获多行为的不同重要性建模多行为用户和产品节点表示；然后基于多行为用户和产品节点表示对单行为的用户和产品节点表示进行相关性注入，学习相关性更新的单行为用户和产品节点表示；构建单行为表示的预测任务和多行为表示的预测任务，联合学习用户对产品的兴趣分数。本发明学习了用户和产品不同行为的重要性，捕获用户的多行为模式，实现基于目标行为预测的产品推荐服务，尤其是在产品在线推荐方面表现出色。
-
公开(公告)号：CN118820452A
公开(公告)日：2024-10-22
申请号：CN202410848596.4
申请日：2024-06-27
Applicant: 山西大学 , 北方自动控制技术研究所
IPC: G06F16/335 , G06N3/0455 , G06F16/35 , G06F18/22
Abstract: 本发明公开了一种多特征注意力融合表示用户兴趣的个性化专题知识推荐方法，属于专题知识推荐技术领域。针对目前专题知识推荐系统忽略专题类别、子类别等信息在用户兴趣细粒度匹配中的作用的问题，本发明根据不同的编码策略对专题的标题、摘要、类别、子类别建模，学习其特征表示；进而通过注意力机制融合不同特征表示实现候选专题的表示，并通过多头自注意力机制学习用户点击专题内容的相关性，建模用户兴趣表示；最后计算对候选专题的预测评分，生成候选专题的推荐列表。本发明融合多特征学习用户点击专题的兴趣偏好，并从多特征语义关联方面计算了用户和候选专题的相似性，提高专题推荐的准确性，在个性化专题推荐系统方面可以提供主要应用。
-
-
-
-
-
-
-
-
-
Search Results
58
records
(took 0.035 seconds)
