-
公开(公告)号：CN116738010A
公开(公告)日：2023-09-12
申请号：CN202311001415.6
申请日：2023-08-10
Applicant: 北京科技大学
IPC: G06F16/901 , G06N7/01 , G06N5/025 , G06N3/092 , G06N5/04
Abstract: 本发明公开了一种基于因果强化学习的图节点遍历问题求解方法，属于数据处理领域，包括以下步骤：S1、将图节点遍历问题抽象为因果强化学习的目标空间；S2、定义图节点遍历问题的优化目标、状态空间、动作空间、策略、奖励函数和奖励期望；S3、智能体从已完成建模的因果强化学习环境中学习图节点遍历问题求解方法。本发明采用上述基于因果强化学习的图节点遍历问题求解方法，在结合因果推断与强化学习，以实现对复杂图节点遍历问题的高效解决的基础上，不仅能提高模型的可解释性，理解模型的决策过程，还能够显著提高模型在处理大规模和复杂图节点遍历问题上的性能，节省计算资源，提高计算效率。
-
公开(公告)号：CN115775340A
公开(公告)日：2023-03-10
申请号：CN202310104730.5
申请日：2023-02-13
Applicant: 北京科技大学
IPC: G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明涉及图像分类技术领域，特别是指一种基于特征调制的自适应小样本图像分类方法及装置，一种基于特征调制的自适应小样本图像分类方法及装置包括：采集基础图像数据，获得小样本数据集；根据公开数据集和所述小样本数据集进行划分操作，获得训练集；根据所述小样本数据集和所述训练集，建立特征提取神经网络；根据所述训练集，建立特征调制网络；根据所述特征提取神经网络和所述特征调制网络，对待查询图像进行分类操作，获得图片分类结果。本发明基于小样本任务的全部支撑集数据有效地提升了小样本图像分类方法的准确程度。
-
公开(公告)号：CN112953637A
公开(公告)日：2021-06-11
申请号：CN202110216416.7
申请日：2021-02-26
Applicant: 北京科技大学
IPC: H04B10/116 , H04B10/29 , H04L5/16 , H04L27/26
Abstract: 本发明公开了一种基于DCO‑OFDM的采用中继辅助的室内可见光通信方法及系统，该方法包括：在广播阶段，源端基于DCO‑OFDM方法对待发送的信号进行调制，并将调制后的信号同时发送至中继端和目的端；在中继阶段，源端不发送信号，中继端对来自源端的信号进行译码，再调制，并将调制后的信号转发至目的端；然后目的端根据最大比率将两个阶段接收到的信号进行合并。本发明解决了现有可见光通信系统中不同的物体会造成不同的传播现象，发送端与接收端间的链路易受到阻塞，从而影响整个通信系统的性能，甚至导致通信中断的技术问题。有效利用整个系统的时间及空间资源，并改善了通信性能。
-
公开(公告)号：CN117808180B
公开(公告)日：2024-07-05
申请号：CN202311816500.8
申请日：2023-12-27
Applicant: 北京科技大学
IPC: G06Q10/047 , G06Q10/0835 , G06N3/0442 , G06N3/092 , G06N5/025
Abstract: 本发明属于数据处理技术领域，公开了一种基于知识与数据联合的路径规划方法、应用及装置，将物流配送路径优化问题抽象为因果强化学习的目标空间，其中图的节点代表物流配送地点，边代表连接这些地点的道路；定义物流配送路径优化问题的优化目标、状态空间、动作空间、策略、奖励函数和奖励期望；利用智能体在已完成建模的因果强化学习环境中对物流配送路径优化问题进行学习求解，以找出最优的货物配送策略。传统的物流配送求解方法往往基于静态数据进行路径规划。而新的方法和系统能够动态调整配送策略，提高物流效率和准确性。最后，本发明基于所提出的每一种子方法均给出其对应的硬件实现，在计算机硬件层面对其内部求解性能做出了优化。
-
Patent Agency Ranking
公开(公告)号：CN115775340B
公开(公告)日：2023-05-16
申请号：CN202310104730.5
申请日：2023-02-13
Applicant: 北京科技大学
IPC: G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明涉及图像分类技术领域，特别是指一种基于特征调制的自适应小样本图像分类方法及装置，一种基于特征调制的自适应小样本图像分类方法及装置包括：采集基础图像数据，获得小样本数据集；根据公开数据集和所述小样本数据集进行划分操作，获得训练集；根据所述小样本数据集和所述训练集，建立特征提取神经网络；根据所述训练集，建立特征调制网络；根据所述特征提取神经网络和所述特征调制网络，对待查询图像进行分类操作，获得图片分类结果。本发明基于小样本任务的全部支撑集数据有效地提升了小样本图像分类方法的准确程度。
-
公开(公告)号：CN115718263B
公开(公告)日：2023-04-07
申请号：CN202310023441.2
申请日：2023-01-09
Applicant: 北京科技大学
IPC: G01R31/367 , G01R31/392 , G06N3/0455 , G06N3/0442 , G06N3/042 , G06N3/096 , G06F18/214 , G06F18/15
Abstract: 本发明公开了一种基于注意力的锂离子电池日历老化预测模型和方法（Knowledge‑Data‑Attention‑based Calendar Aging Forecaster，即KDACAF），其包括半经验模块（SEM模块）、知识驱动注意力模块、数据驱动注意力模块、长短时记忆模块（LSTM模块）。本发明KDACAF所述的基于注意力的锂离子电池日历老化预测模型和方法，其知识驱动注意力模块以基于阿伦尼乌斯定律的半经验模块为前端，将电池领域电化学先验知识融入数据驱动的神经网络中，借鉴人类的认知决策机理将注意力机制应用于锂离子电池日历老化预测，有助于电池健康状态的监测和管理，延长电池的使用寿命。
-
公开(公告)号：CN115907233A
公开(公告)日：2023-04-04
申请号：CN202310014898.7
申请日：2023-01-06
Applicant: 北京科技大学
Abstract: 本发明提出了一种基于机器心智模型和自注意力的风力发电分位数预测方法，包括以下步骤：借鉴人类认知决策机理，构建机器心智模型作为ToMWPF的基本架构，再将风力发电季节规律和短期日内发电趋势，编码入ToMWPF中作为本预测方法的输入信息‑采用自注意力层来取代原始机器心智模型中的循环神经网络，有效地在季节发电规律和日内发电趋势之间建立统计联系，减轻原有机器心智模型的长程遗忘‑将积分形式的连续秩概率得分转化为求和形式，并将其作为损失函数训练ToMWPF，使ToMWPF以最高的效率逼近最优的分位数预测结果。本发明采用上述方法，可实现准确的风力发电分位数预测，有利于能源系统的运行，提高低碳未来的社会福利。
-
公开(公告)号：CN115392595B
公开(公告)日：2022-12-27
申请号：CN202211341900.3
申请日：2022-10-31
Applicant: 北京科技大学
Abstract: 本发明公开了一种基于图卷积神经网络和Transformer的时空短期风速预测方法及系统，该方法包括：获取相邻多风场的气象数据，并对数据进行预处理；根据相邻多风场的历史风速测量值，构建复数邻接矩阵；将预处理后的气象数据输入风速预测模型，以复数邻接矩阵作为图卷积神经网络所需的邻接矩阵，使用两层图卷积神经网络对预处理后的相邻多风场的气象数据进行特征提取；然后将得到的时空特征输入到Transformer网络中，得到风速的预测值。本发明可以有效地提升预测的精确性，准确的预测结果能够有效提高风能资源的利用率，降低风功率波动对电网稳定性的影响，从而实现风电场的经济、高效运行。
-
公开(公告)号：CN112991744B
公开(公告)日：2021-08-13
申请号：CN202110463384.0
申请日：2021-04-28
IPC: G08G1/01 , G08G1/0967
Abstract: 本发明公开了一种适用于长距离城市道路的自动驾驶决策方法及系统，该方法包括：获取被控车辆的前向图像、车辆位姿、车辆速度，地图信息以及当前场景的有向加权图信息；根据获取到的信息，将当前驾驶任务拆分成多个子驾驶任务，并根据地图信息、车辆位姿以及各子驾驶任务的目标位置，绘制出每一待执行的子驾驶任务的局部地图；获取前向图像特征编码、局部地图视觉特征编码和地图空间信息编码，并基于此生成控制信号，控制被控车辆执行当前待执行的子驾驶任务。本发明通过任务信息、地图信息、速度信息和前向图像信息，挖掘驾驶控制所需特征编码，从而实现了长距离的城市道路自动驾驶。
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.028 seconds)
