一个基于强化学习的自适应规则的生成和管理框架

    公开(公告)号:CN105956680B

    公开(公告)日:2020-12-22

    申请号:CN201610239316.5

    申请日:2016-04-18

    Applicant: 北京大学

    Abstract: 本发明公开了一种基于强化学习的生成和管理自适应规则的框架。该框架在自适应场景和强化学习算法之间建立起映射关系,它包括设计和运行两个阶段的活动:设计阶段使用强化学习算法,针对多个具有代表性的目标设定分别生成自适应规则;运行阶段利用基于案例的推理找到并激活最适合当前目标设定的自适应规则,同时使用强化学习算法不断更新自适应规则。本发明的技术效果在于能够改善传统的基于规则的自适应方法:1、提供了一种自适应规则的自动生成算法,能够保证生成的规则与目标相匹配;2、提供了一种自适应规则的演化算法,能够使得规则集在目标发生变化后进行与之相匹配的演化。

    非功能需求实现策略的量化选择方法

    公开(公告)号:CN104765602A

    公开(公告)日:2015-07-08

    申请号:CN201510119570.7

    申请日:2015-03-18

    Applicant: 北京大学

    Abstract: 本发明提供一种非功能需求实现策略的量化选择方法,其包括:建立一量化选择平台,该平台的支撑工具分为四层:界面层、数据层、功能层和接口层;问题图建模,通过鼠标点击平台的工具绘图区域,选取相应的建模元素,然后点击画布生成相应建模元素,在画布上进行问题框架方法中问题图的建模;在建模得到问题图的基础上,实现系统行为模型的建模;非功能需求驱动的系统行为扩展,采用基于模式的方法来在非功能需求的驱动下进行系统行为扩展;操作策略的量化选择,根据非功能需求,针对操作策略进行选择。本发明可以根据多种量化的因素,在非功能需求的指导下,从众多备选的实现策略中选取一组实现策略,使得非功能需求的满足程度达到最优。

    一种神经形态视觉采样方法及装置

    公开(公告)号:CN112949424A

    公开(公告)日:2021-06-11

    申请号:CN202110168780.0

    申请日:2021-02-07

    Applicant: 北京大学

    Abstract: 本发明公开了一种神经形态视觉采样方法及装置,方法包括:采集当前场景中不同位置点的光信号并转化为亮度信号;将转化得到的亮度信号输入已训练的脉冲采样模型,以由所述脉冲采样模型对输入的亮度信号进行采样编码得到脉冲阵列信号;将所述脉冲阵列信号输入已训练的视觉任务模型,以由所述视觉任务模型对所述脉冲阵列信号进行视觉分析,得到分析结果。本发明不使用动态视觉传感器或积分视觉传感器获取脉冲阵列信号,而是通过神经网络进行神经形态的视觉采样,并将视觉分析计算任务与采样一体化,从而可以灵活定制多种视觉采样模型,以适应多场景,多任务的应用需求,提升自使用感知性能。

    一种多图融合方法
    97.
    发明公开

    公开(公告)号:CN110750689A

    公开(公告)日:2020-02-04

    申请号:CN201911044229.4

    申请日:2019-10-30

    Applicant: 北京大学

    Inventor: 张伟 赵海燕 金芝

    Abstract: 本发明公开了一种多图融合方法,其通过接收一组图作为被融合图,对这组被融合图进行预处理,将其中的每一个被融合图转化为一个节点具有类型、边具有类型、边具有方向的被融合图,作为后继处理活动的输入,采用随机方式生成一组多图融合方案,作为初始父代种群,对于初始父代种群中的多图融合方案,计算多图融合方案的信息熵,多图融合方案的信息熵形成多图融合方案的适应度,对于两个待交叉的多图融合方案,选取两者之间的一条最短编辑路径上的某个点作为这两个融合方案的一个交叉结果,实现同时对多个图进行融合,并提高多图的融合质量。

    一种考虑信息项相似度的信息熵计算方法

    公开(公告)号:CN109376335A

    公开(公告)日:2019-02-22

    申请号:CN201811116442.7

    申请日:2018-09-25

    Applicant: 北京大学

    Inventor: 张伟 赵海燕 金芝

    CPC classification number: G06F17/18

    Abstract: 本发明公开了一种考虑信息项相似度的信息熵计算方法,其包括计算不同信息项之间的相似度,评估每一个信息项的出现概率,基于信息项出现概率和信息项之间的相似度计算信息熵。与传统不考虑信息项之间相似度的信息熵计算方法不同,本发明中的信息熵计算方法具有如下特点:如果所有信息项之间完全不相似,则采用本发明方法计算的信息熵等于传统熵;如果两个信息项完全相似,且其他信息项之间完全不相似,则采用本发明方法计算的信息熵等于把这两个完全相似的信息项合并为一个信息项后的传统熵;如果所有信息项之间完全相似,则采用本发明方法计算的信息熵等于零。本发明中的信息熵计算方法能够更为准确的评估一组具有相似度的信息项具有的信息熵。

    一种表达并纯化可溶性屋尘螨主要过敏原Der p 2蛋白的方法

    公开(公告)号:CN106282213A

    公开(公告)日:2017-01-04

    申请号:CN201510296062.6

    申请日:2015-06-03

    Abstract: 本发明涉及一种在大肠杆菌中高可溶性表达并纯化屋尘螨主要过敏原Derp2蛋白的方法。本方法以大肠杆菌伴侣蛋白触发因子(TriggerFactor,TF)作为融合标签实现了Derp2的高可溶性表达并优化出高效的纯化工艺,用该方法获得的样品纯度高于98%。经验证,纯化的重组Derp2蛋白与天然提取的Derp2蛋白具有一致的二级结构折叠状态,并具有相同的屋尘螨过敏患者血清中特异性IgE结合活性。本发明所使用的融合表达方法能够实现Derp2蛋的可溶性表达,具有融合标签易于切除,重组蛋白表达量高,纯化工艺简单,适合于大规模工业化生产,产物保持天然活性的优点。

Patent Agency Ranking