柔性车间调度模型建立方法和电子设备

    公开(公告)号:CN115759591A

    公开(公告)日:2023-03-07

    申请号:CN202211370721.2

    申请日:2022-11-03

    Abstract: 本发明提供一种柔性车间调度模型建立方法和电子设备。该方法包括:创建柔性车间的调度仿真环境模型;创建初始柔性车间调度模型,该模型包括生成器网络和判别器网络;通过生成器网络与调度仿真环境模型交互,生成对应生产任务的模拟方案并将模拟方案存入经验池;收集专家方案建立专家池;采用第一训练集对判别器网络进行训练,输出模拟方案和专家方案对应的判别概率,训练时以判别标签为目标对判别器网络的参数进行优化;采用第二训练集对生成器网络进行训练,训练时以第二训练集中的判别概率为目标对生成器网络的参数进行优化;每优化一次则记录一次步数,当达到预设步数时得到柔性车间调度模型。该方法学习过程更稳定,学习质量更高。

    基于深度强化学习单路口交通信号控制方法、系统、装置

    公开(公告)号:CN110428615B

    公开(公告)日:2021-06-22

    申请号:CN201910629489.1

    申请日:2019-07-12

    Abstract: 本发明属于城市交通控制领域,具体涉及了一种基于深度强化学习单路口交通信号控制方法、系统、装置,旨在解决复杂交通状况的交通信号控制效果不好的问题。本发明方法包括:建立微观交通仿真环境并定义参数,设定评判网络、交通信号生成网络;基于当前阶段以及前一阶段数据计算评判网络的训练误差并更新网络参数;基于更新后的评判网络、当前阶段以及前一阶段数据,计算更新后的评判网络训练误差,并更新评判网络、交通信号生成网络参数;采用训练好的交通信号生成网络获取交叉口信号灯下一相位时长。本发明减少了事先了解路口车流量信息的调研工作,并能够随路口车流量需求改变而及时做出调整,大大提高了复杂交通状况的交通信号控制的效果。

    基于稀疏卷积神经网络的模型压缩方法、系统及相关设备

    公开(公告)号:CN112183748A

    公开(公告)日:2021-01-05

    申请号:CN202011065618.8

    申请日:2020-09-30

    Abstract: 本发明涉及深度学习技术领域,具体涉及一种基于稀疏卷积神经网络的模型压缩方法、系统及相关设备,旨在减轻模型对资源的占用。本发明的压缩方法包括:对模型进行稀疏正则化训练得到待压缩模型;根据待压缩模型各卷积层与BN层的参数,计算各滤波器的重要性评分;根据重要性评分以及预设的剪枝率设定重要性阈值;将重要性评分低于重要性阈值的滤波器,以及该滤波器对应的BN层参数一并剪除,获得剪枝后的模型。还可以对剪枝后的模型进行微调,以保证模型精度不低于预设的精度。本发明在不影响模型性能的前提下,实现了对模型参数量与计算量的大幅压缩,可以很好地减轻模型对资源的占用问题,使得深度学习模型能在资源受限的边缘计算设备上运行。

    基于区块链的云边端协同停车管理计时收费系统、方法

    公开(公告)号:CN110942524A

    公开(公告)日:2020-03-31

    申请号:CN201911231698.7

    申请日:2019-12-05

    Abstract: 本发明属于边缘计算领域,具体涉及一种基于区块链的云边端协同停车管理计时收费系统、方法,旨在为了解决解决多停车场统一管理带来的网络通信负载大、中心计算压力大的问题。本发明系统包括中心平台、一个或多个停车场管理子系统;所述停车场管理子系统包括分别获取车辆出入场信息的入场识别装置、出场识别装置,以及用于分布式计算停车费用的边缘节点;并通过区块链技术进行收费记录信息的存证。本发明既能减少中心平台的计算量,也能够减少数据传输,增强数据的安全性。

Patent Agency Ranking