-
公开(公告)号：CN115509249B
公开(公告)日：2025-02-07
申请号：CN202211302269.6
申请日：2022-10-24
Applicant: 北京理工大学
IPC: G05D1/495 , G05D1/46 , G05D101/10 , G05D109/20
Abstract: 本发明公开了一种火星阵风强干扰环境下四旋翼飞行器的姿态控制方法，通过构建四旋翼飞行器的姿态动力学模型，分析其内在特征，在此基础上设计双环自抗扰非线性控制器，通过内外环的扩张状态观测器，对外部扰动进行补偿，实现四旋翼飞行器对设定好的期望姿态角的精确跟踪，从而完成对四旋翼飞行器姿态的控制。
-
公开(公告)号：CN114332542B
公开(公告)日：2024-09-24
申请号：CN202210003247.3
申请日：2022-01-04
Applicant: 北京理工大学
IPC: G06V10/764 , G06V10/774
Abstract: 本发明公开了一种基于STA‑ADMM的极限学习机的图像分类方法，通过将极限学习机的网络结构与基于状态转移的ADMM算法相结合，在求解输出权重矩阵的时候利用不同的状态变换以及ADMM算子进行状态更新，不断向优化目标靠近得到输出权重矩阵。在保留传统极限学习机网络结构简单与随机生成参数等特点的同时，可以在图像识别方面具有更好的训练精度，并且模型训练耗费时间更少，这为机器学习算法及图像识别的改进优化提供了新思路和新途径。
-
公开(公告)号：CN114299345B
公开(公告)日：2024-09-03
申请号：CN202210002299.9
申请日：2022-01-04
Applicant: 北京理工大学
IPC: G06V10/764 , G06V10/774
Abstract: 本发明公开了一种基于跟踪微分器的极限学习机的图像分类方法，通过将跟踪微分器与极限学习机算法相结合，在求解输出权重矩阵的时候利用不同算子以及跟踪微分器原理对输出权重矩阵进行迭代更新，不断得到矩阵方程的更优解。在保留传统极限学习机网络结构简单与随机生成参数等特点的同时，可以在图像识别方面具有更好的训练精度，并且模型训练耗费时间更少，这为机器学习算法及图像识别的改进优化提供了新思路和新途径。
-
公开(公告)号：CN117193287A
公开(公告)日：2023-12-08
申请号：CN202310925500.5
申请日：2023-07-26
Applicant: 北京理工大学
Inventor： 夏元清 , 高润泽 , 周彤 , 詹玉峰 , 戴荔 , 孙中奇 , 翟弟华 , 张元 , 刘坤 , 吴楚格 , 李怡然 , 邹伟东 , 崔冰 , 杨辰 , 高寒 , 郭泽华 , 闫莉萍 , 潘振华
IPC: G05D1/02
Abstract: 本发明公开了一种车辆轨迹跟踪云边协同控制方法，通过建立基于前馈控制、控制障碍函数及控制李雅普诺夫函数的求解过程获取到无人车辆的边缘控制量作为备份控制量，并基于提出的云边协同切换控制策略根据无人车辆接收到的信号确定当前的控制量完成对无人车辆的控制，实现了在云平台或网络出现问题时云端控制与边缘控制的协调控制，从而保证了基于轨迹跟踪的正常车辆控制。
-
公开(公告)号：CN116543229A
公开(公告)日：2023-08-04
申请号：CN202310586787.3
申请日：2023-05-24
Applicant: 北京理工大学
IPC: G06V10/764 , G06V10/82 , G06V10/774 , G06V10/20 , G06N3/045 , G06N3/08
Abstract: 本发明提供了一种基于自适应累积系数的深度学习优化器的图像分类方法，根据当前的迭代次数计算获取相应的AdamE优化器的一阶动量和二阶动量的累积系数，提升图像分类精度，在保证训练效率的同时也能保证训练精度，提高了深度学习优化器的泛化性能。
-
Patent Agency Ranking
公开(公告)号：CN116256970A
公开(公告)日：2023-06-13
申请号：CN202211093134.3
申请日：2022-09-08
Applicant: 北京理工大学
Inventor： 夏元清 , 高润泽 , 李启闻 , 詹玉峰 , 翟弟华 , 戴荔 , 孙中奇 , 吴楚格 , 张金会 , 闫莉萍 , 刘坤 , 郭泽华 , 崔冰 , 邹伟东 , 杨辰 , 张元 , 高寒
IPC: G05B13/04
Abstract: 本发明公开了一种基于扰动观测器的数据驱动云边协同控制方法及系统，通过在边缘系统中估计云控制系统中控制过程的总扰动，并以总扰动对云控制变量进行补偿后形成云边复合控制量，采用精确抗扰的云边复合控制量实现对被控对象的控制，消除了现有存在的由云端计算误差、云边通信时延等因素导致的扰动，提升了边缘系统计算资源的利用率，提高了数据驱动预测云控制系统的控制品质。
-
公开(公告)号：CN115632851A
公开(公告)日：2023-01-20
申请号：CN202211270638.8
申请日：2022-10-14
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于F范数矩阵乘法的对称加密方法，通过计算密码矩阵的行向量和译码矩阵的列向量的F范数，实现了加密相关矩阵的相乘，从而缩短了加密过程中矩阵乘法运算所花费的计算时间，提高了对称加密方法的效率，同时也为更快速地进行矩阵相乘提供了新思路和新途径。
-
公开(公告)号：CN115410001A
公开(公告)日：2022-11-29
申请号：CN202211060058.6
申请日：2022-08-30
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于循环迭代最小二乘的极限学习机的图像识别方法，利用卷积运算随机提取图像特征与利用循环迭代最小二乘求取隐含层节点的输出权值矩阵，实现对极限学习机模型的训练，能够在降低计算负担过重和提高计算效率的情况下提高算法的泛化性能，在一定程度上能够满足图像识别的需要，同时为更准确地进行图像识别提供了新思路和新途径。
-
-
公开(公告)号：CN112686323B
公开(公告)日：2022-09-30
申请号：CN202011642980.7
申请日：2020-12-30
Applicant: 北京理工大学
IPC: G06V10/774 , G06V10/77 , G06V10/82 , G06N3/08 , G06N20/10
Abstract: 本发明公开了一种基于卷积的极限学习机的图像识别方法，通过采用随机卷积运算提取图像的图像特征向量完成对图像的预处理，采用图像特征向量及标签构建的训练样本集训练极限学习机图像识别模型，由于随机卷积运算中卷积核为随机生成且无需调整，能够很大程度上解决计算负担过重的问题，有效提高了计算效率，在一定程度上能够满足图像识别的需要，同时为更准确地进行图像识别提供了新思路和新途径。
-
-
-
-
-
-
-
-
-
Search Results
126
records
(took 0.021 seconds)
