-
公开(公告)号：CN117952148A
公开(公告)日：2024-04-30
申请号：CN202311873520.9
申请日：2023-12-30
Applicant: 中国科学院自动化研究所
IPC: G06N3/045 , G06N3/042 , G06N3/082 , G06F18/25 , G06F18/213
Abstract: 本发明提供一种无人集群多分辨率孪生系统构建方法及自适应调用系统，该方法包括：确定无人集群的最高分辨率等级的数字孪生模型，包括所述无人集群的多类信息；对多类信息分别通过多层神经网络模型的特征提取层进行特征提取，得到信息提取结果；对多类信息分别对应的信息提取结果进行链接处理后，输入至多层神经网络模型的至少一个线性层集合，得到至少一个线性层集合一一对应输出的至少一个分辨率等级的数字孪生模型，不同分辨率等级对应的线性层集合中的线性层不同；基于所述最高分辨率等级的数字孪生模型和所述至少一个分辨率等级的数字孪生模型，得到包括多分辨率等级的数字孪生模型的无人集群多分辨率孪生系统。
-
公开(公告)号：CN111722926B
公开(公告)日：2023-12-22
申请号：CN202010507042.X
申请日：2020-06-05
Applicant: 中国科学院自动化研究所 , 东莞中国科学院云计算产业技术创新与育成中心
Abstract: 本发明涉及边缘计算技术领域，具体涉及一种基于付费机制的安全可信边缘协同方法与系统，目的在于解决边缘计算无法满足高实时性业务需求的问题。本发明的边缘协同方法包括：服务提供边缘节点向应用云平台发送服务提供信息；服务请求边缘节点向应用云平台发送服务请求信息；应用云平台根据服务提供信息和服务请求信息进行匹配，并根据匹配结果向服务请求边缘节点发送服务提供边缘节点的ID号；服务请求边缘节点根据该ID号与服务提供边缘节点建立连接；服务提供边缘节点执行相应的服务；最后由服务请求边缘节点向服务提供边缘节点支付费用。本发明有效降低了时延，满足了高实时性业务需求。
-
公开(公告)号：CN111951950B
公开(公告)日：2023-11-24
申请号：CN201910410962.7
申请日：2019-05-16
Applicant: 中国科学院自动化研究所 , 东莞中国科学院云计算产业技术创新与育成中心
IPC: G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/084 , G16H50/20
Abstract: 本发明属于人工智能与医疗领域，具体涉及一种基于深度学习的三维数据医疗分类系统和方法，旨在为了解决现有计算机方法进行病变部位病理特征分类准确性低的问题。本发明对获取的患者病变部位的三维数据通过三维空间仿射变换，得到三维数据特征向量，基于神经网络构建的医疗分类模型对三维数据特征向量进行病理特征类别的判断，进而得到病理特征分类。本发明基于三维数据，丰富了输入数据所包含的信息量，且降低了光照等自然因素影响，并基于训练后的医疗分类模型进行病理特征分类的分配，提高了病变部位病理特征分类准确性。
-
公开(公告)号：CN116993306A
公开(公告)日：2023-11-03
申请号：CN202310713927.9
申请日：2023-06-15
Applicant: 中国科学院自动化研究所
IPC: G06Q10/101 , G06Q50/04 , G06F16/36 , G06F40/295 , G06F40/30
Abstract: 本发明提供一种基于知识图谱的网络协同制造系统的构建方法和装置，该方法包括：基于协同制造的产业链中各制造企业的协作关系及协同制造的流程，建立本体模型；基于本体模型和预处理后的知识数据，确定用于构建协同制造知识图谱的基本元素；对基本元素进行知识推理，确定知识数据中存在的新实体、新属性和新关系，并更新初始的协同制造知识图谱；利用专家经验和知识数据，构建初始的运行风险知识图谱；结合协同制造知识图谱，采用可视化手段，构建网络协同制造系统。本发明提供的该系统可实时可视化的反馈网络协同制造过程中运行状态，一旦异常，自动分析异常原因，并提供解决策略，及时做出响应，以规避异常因素影响协同制造的风险。
-
公开(公告)号：CN111507258B
公开(公告)日：2023-05-12
申请号：CN202010303153.9
申请日：2020-04-17
Applicant: 中国科学院自动化研究所
IPC: G06V20/56 , G06V10/26 , G06V10/776 , G06V10/82 , G06N3/0464
Abstract: 本发明属于计算机视觉领域，具体涉及一种聚焦关键样本的基于集成学习的道路区域检测方法、系统。本发明方法包括：获取输入图像数据并预处理后得到处理后的图像数据；基于检测网络分别获取道路区域数据和道路边缘数据；对所述道路边缘数据和/或所述道路区域数据进行形态学变换，并与所述道路区域数据和/或所述道路边缘数据交集处理，获取像素级道路区域数据；其中，所述检测网络基于CNN的图像分割网络，包括用于获取道路区域的道路区域检测网络、用于获取道路边缘的道路边缘检测网络。本发明复杂度得到有效降低，具有通用性，能够部署并应用于智能车上，并且具有较好的检测准确度和鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN112861925B
公开(公告)日：2023-04-07
申请号：CN202110062310.6
申请日：2021-01-18
Applicant: 中国科学院自动化研究所
IPC: G06F18/23 , G06N3/0442 , G06N3/049 , G06N3/048 , G06Q10/0631 , G06Q10/04 , G06Q50/30
Abstract: 本发明涉及一种基于深度学习网络的多区域车辆需求预测方法及系统，所述车辆需求预测方法包括：获取多个待测区域的不同时段内的车辆需求的观测数据及天气环境历史数据；根据多个待测区域的车辆需求的观测数据，将各待测区域划分为多个簇；基于LSTM及全连接网络，根据各簇内不同时段内的车辆需求的观测数据及对应的天气环境历史数据，确定簇预测网络；基于LSTM及全连接网络，根据各待测区域的不同时段内的车辆需求的观测数据及对应的天气环境历史数据，确定全局预测网络；根据簇预测网络及全局预测网络，确定深度学习网络。本发明能够兼顾全局特性和区域特性，可预测下一时段内所有待测区域的车辆需求的终级预测数据，提高车辆需求预测的准确度。
-
公开(公告)号：CN115294784A
公开(公告)日：2022-11-04
申请号：CN202210709165.0
申请日：2022-06-21
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供一种多路口交通信号灯控制方法、装置、电子设备及存储介质，采用的本地共享模型在训练时并不需要其他路口的训练样本，而是以联邦强化学习算法，借助于初始本地私有模型以及中央处理器智能体中与初始本地共享模型结构相同的初始全局模型进行集中‑分布式协同训练得到，可以保证各路口的时序交通状态信息观测样本的隐私性，即使不共享的情况下也可以得到准确的本地共享模型，避免了数据孤岛问题的出现。而且，由于采用基于联邦强化学习算法的集中‑分布式协同训练的方式，可以避免出现现有技术中对强化学习智能体训练时探索空间会呈现指数级增长的问题出现，可以实现最优化全局道路网络的交通状况。
-
公开(公告)号：CN110532439B
公开(公告)日：2022-02-08
申请号：CN201910817198.5
申请日：2019-08-30
Applicant: 中国科学院自动化研究所 , 东莞中国科学院云计算产业技术创新与育成中心
IPC: G06F16/901 , G06F16/903 , G06Q10/06
Abstract: 本发明属于调度管理技术领域，具体涉及了一种基于树搜索的同顺序部门决策流程生成方法、系统、装置，旨在解决现有技术同顺序部门决策流程寻优算法的随机性导致寻优结果不稳定的问题。本发明方法包括：采用改进的NEH算法基于获取的同顺序部门的决策任务数、部门数及决策时间构造初始解集；以初始解为当前结点进行正向、逆向搜索；判断获得的正向、逆向子结点与已有结点是否相同，是则停止搜索，否则与祖结点两两对比；若至少有一对不相等，则继续搜索，否则输出对应的决策流程。本发明构造了初始解集，并在决策流程寻优的过程中添加剪枝步骤，排除不必要的搜索方向，缩短算法的决策寻优时间，提高了企业同顺序部门管理的效率以及稳定性。
-
公开(公告)号：CN113626406A
公开(公告)日：2021-11-09
申请号：CN202110779142.2
申请日：2021-07-09
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供一种基于工地、建筑和构件关系模型的信息获取方法和装置，其中方法包括：接收查询请求；从内存数据结构层中获取所述查询请求对应的目标信息；返回所述目标信息；其中，所述内存数据结构层包括工地集合、建筑集合和构件列表，所述工地集合用于存储工地对象，每一工地对象均对应一个建筑集合，所述建筑集合用于存储对应工地对象中的建筑对象，每一建筑对象均对应一个构件列表，所述构件列表用于存储构建对应建筑对象的构件对象，解决了构件生产的工厂端和施工工地端的信息不统一的问题，支持构件生产工厂按需组织构件的生产，减少产品库存的积压。
-
公开(公告)号：CN112495841B
公开(公告)日：2021-05-11
申请号：CN202110154669.6
申请日：2021-02-04
Applicant: 中国科学院自动化研究所 , 江西国科医药工程科技有限公司
Abstract: 本发明属于自动分拣领域，具体涉及了一种基于神经网络的中药分拣系统，旨在解决人工中药分拣的准确性不高及效率低的问题。本发明包括图像采集模块、重量采集模块、第一传送装置、第二传送装置、拣选装置、第一处理器、第二处理器，通过第一处理器获取图像采集模块、重量采集模块对第一传送装置上的待拣选中药进行数据采集，并通过中药类别识别模型进行识别分类，按照分类传送至对应的第二传送装置，然后通过第二处理器中的中药质量识别模型，基于第一处理器同样的输入数据进行质量检测，并基于设定阈值确定选取对象，通过拣选装置进行拣选。本发明在提高智能化程度的情况下，提高了分拣的效率，结构简单、可移植性高。
-
-
-
-
-
-
-
-
-
Search Results
189
records
(took 0.075 seconds)
