策略信息生成方法、装置、电子装置和存储介质

    公开(公告)号:CN113239639A

    公开(公告)日:2021-08-10

    申请号:CN202110728541.6

    申请日:2021-06-29

    Applicant: 暨南大学

    Abstract: 本申请涉及策略信息生成方法、装置、电子装置和存储介质,其中,该策略信息生成方法包括:从预设仿真模型中,获取对应的生产运行状态数据,其中,预设仿真模型用于表征工业生产线的运行;对生产运行状态数据进行处理,得到工业生产线的设备所对应的设备状态信息及第一动作策略信息,其中,第一动作策略信息用于指示设备按预设的运行参数进行工作;在接收到策略信息生成请求的情况下,获取工业生产线当前设备状态信息,并通过预设的强化训练模型对当前设备状态信息进行处理,生成对应的策略信息。通过本申请,解决了相关技术中对包括离散任务的生产线自动化优化配置效果差的问题,实现了利用人工智能进行各类不同生产线的优化策略。

    策略信息生成方法、装置、电子装置和存储介质

    公开(公告)号:CN113239639B

    公开(公告)日:2022-08-26

    申请号:CN202110728541.6

    申请日:2021-06-29

    Applicant: 暨南大学

    Abstract: 本申请涉及策略信息生成方法、装置、电子装置和存储介质,其中,该策略信息生成方法包括:从预设仿真模型中,获取对应的生产运行状态数据,其中,预设仿真模型用于表征工业生产线的运行;对生产运行状态数据进行处理,得到工业生产线的设备所对应的设备状态信息及第一动作策略信息,其中,第一动作策略信息用于指示设备按预设的运行参数进行工作;在接收到策略信息生成请求的情况下,获取工业生产线当前设备状态信息,并通过预设的强化训练模型对当前设备状态信息进行处理,生成对应的策略信息。通过本申请,解决了相关技术中对包括离散任务的生产线自动化优化配置效果差的问题,实现了利用人工智能进行各类不同生产线的优化策略。

    基于强化学习的高空抛物轨迹识别方法

    公开(公告)号:CN113393495B

    公开(公告)日:2022-02-01

    申请号:CN202110685692.8

    申请日:2021-06-21

    Applicant: 暨南大学

    Abstract: 本发明公开了一种基于强化学习的高空抛物轨迹识别方法。所述方法包括:通过图像传感器采集被监控窗户区域的高空抛物轨迹图像;对所述高空抛物轨迹图像进行预处理得到预处理图像信息;根据所述预处理图像信息判断所述图像传感器是否被遮挡;在判断所述图像传感器未被遮挡时,将所述预处理图像信息输入至处理器,所述处理器获取经过强化学习后的预训练目标模型,并通过所述预训练目标模型对所述预处理图像信息进行高空抛物识别得到高空抛物识别结果信息;所述处理器将高空抛物识别结果信息存储至数据存储单元和云服务器及储存器中,以对所述预训练目标模型进行训练及更新。本发明通过强化学习模型对高空抛物轨迹进行识别,提高了识别准确率。

    一种基于离线强化学习的智能机器人对话方法及系统

    公开(公告)号:CN113360618A

    公开(公告)日:2021-09-07

    申请号:CN202110633919.4

    申请日:2021-06-07

    Applicant: 暨南大学

    Abstract: 本发明提出一种基于离线强化学习的智能机器人对话方法及系统,方法包括获取已有的对话数据信息,基于对话数据构建训练集;在训练集抽取预设关键信息,对关键信息进行数据处理,引入非策略的批量强化学习算法;构建基于对话预判模型,并利用基于关键信息得到的数据对模型进行训练;获取待交流对话的数据信息;从数据信息中抽取预设关键信息,通过数据处理得到第一向量;利用已训练的模型处理第一向量,得到对应的第一标签,根据第一向量和第一标签进行决策输出;基于决策与用户进行对话。系统包括GPU服务器、模型存储器、存储模块、语言数据库、离线强化学习处理器、CPU处理器、语言收集模块和智能对话执行模块。

    一种基于深度学习的人脸诊断系统

    公开(公告)号:CN113284613A

    公开(公告)日:2021-08-20

    申请号:CN202110565687.3

    申请日:2021-05-24

    Applicant: 暨南大学

    Abstract: 本发明公开一种基于深度学习的人脸诊断系统,人脸诊断系统包括模型构建模块和模型应用模块,模型构建模块包括中央处理器、GPU服务器和模型构建存储器,模型构建存储器中存储有可以被中央处理器运行的程序,并且可以存储相关疾病患者的面部图像,模型应用模块包括神经网络芯片和摄像头,摄像头用于采集患者的面部照片,神经网络芯片可以搭载辅助诊断模型,辅助诊断模型基于深度卷积神经网络,通过训练、验证和优化得到,可基于人脸图像预测出特定疾病的患病概率。本发明采用上述基于深度学习的人脸诊断系统,可预测出某些疾病的患病概率,从而协助医生进行疾病的筛查工作,提高了诊断准确率和效率。

    叶部病害的识别方法、装置、电子装置和存储介质

    公开(公告)号:CN112883873A

    公开(公告)日:2021-06-01

    申请号:CN202110197703.8

    申请日:2021-02-22

    Applicant: 暨南大学

    Abstract: 本申请涉及一种叶部病害的识别方法、装置、电子装置和存储介质,其中,该叶部病害的识别方法包括:通过获取待识别的植物叶片图像;对所述植物叶片图像进行预处理,得到多幅第一叶片图像;利用注意力机制模型处理多幅所述第一叶片图像,获得多幅所述第一叶片图像对应的第一分类标签,其中,所述注意力机制模型被训练为用于根据叶片图像得到与该叶片图像对应的分类标签,所述分类标签包括该叶片图像对应各种叶部病害类别的病害概率;根据所述第一分类标签确定所述植物叶片图像的识别结果。通过本申请,解决了相关技术中叶部病害识别费时费力、时效性低的问题,实现了叶部病害的实时检测识别。

Patent Agency Ranking