-
公开(公告)号：CN110532057A
公开(公告)日：2019-12-03
申请号：CN201910678871.1
申请日：2019-07-25
Applicant: 北京理工大学
Abstract: 本发明公开了一种容器的资源使用量预测方法，通过构建密集型宽度学习模型，在此基础利用基于迭代式的最小二乘法求取特征节点的输出权值矩阵，以及采用共轭梯度法求解增强节点的输出权值矩阵，实现对密集型宽度学习模型的训练，从而获取全局最优解，优化网络结构，实现对容器的资源使用量的精确预测，能够有效提高预测精度和效率。
-
公开(公告)号：CN108010321B
公开(公告)日：2019-10-25
申请号：CN201711418205.1
申请日：2017-12-25
Applicant: 北京理工大学
Abstract: 本发明公开了一种交通流预测方法，能够降低数据复杂度并提高预测精度。本发明实施例提供的交通流预测方法包括如下步骤：采集获取实时交通流数据，并利用变分模态分解将实时交通流数据分解成设定数量的具有不同特征尺度的限带的本征模态分量；本征模态分量的数量设定为使得所有本征模态分量的估计带宽之和最小。采用增量型超限学习机网络，建立针对各本征模态分量的预测模型，并采用预先采集的历史交通流数据对预测模型进行训练。利用训练后的预测模型，对各本征模态分量进行交通流预测，将所有本征模态分量的预测结果累加得到最终的交通流预测结果。
-
公开(公告)号：CN120070956A
公开(公告)日：2025-05-30
申请号：CN202510059822.5
申请日：2025-01-15
Applicant: 北京理工大学
IPC: G06V10/764 , G06V10/25 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/0475 , G06N3/094 , G06N3/0985
Abstract: 本公开提供了一种基于对抗学习的小样本跨域目标检测方法。首先利用源域数据和部分目标域数据构建训练集；通过在基准网络上引入对抗学习分支实现源域和目标域的特征分布对齐，从而改进目标检测网络模型；对抗学习分支输出样本属于源域或是目标域的域类别检索结果；在设计总损失函数中加入了特征提取器的特征度量损失和对抗学习分支的域分类损失；采用训练集和损失函数对上述改进后的网络模型进行训练。本发明引入了对抗学习策略和特征度量损失，以有效执行小样本目标检测任务，提高了模型的泛化能力，检测准确性高、效率高。
-
公开(公告)号：CN113723517B
公开(公告)日：2024-11-22
申请号：CN202111013063.7
申请日：2021-08-31
Applicant: 北京理工大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N20/00
Abstract: 本发明公开了一种基于状态转移极限学习机的图像分类方法，通过将传统极限学习机的网络结构与状态转移算法相结合，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，可在图像分类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分类的改进优化提供了新思路和新途径。
-
公开(公告)号：CN118736411A
公开(公告)日：2024-10-01
申请号：CN202410855485.6
申请日：2024-06-28
Applicant: 北京理工大学
IPC: G06V20/10 , G06V10/766 , G06V10/764 , G06V10/25 , G06V10/82 , G06T7/73 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种SAR图像任意朝向舰船目标检测识别方法。本发明采用单独的回归分支对角度进行预测，将角度预测分支与其他分支解耦，实现了对目标角度更加精确和灵活的估计；采用DFL中提出的积分形式表示法对角度和矩形框进行预测，有效提高了预测的准确性，并加强了模型对于目标尺寸和方向变化的敏感性，进一步提升了目标检测任务中的性能；同时，在损失函数设计中新增弧度比，可以直接最小化预测框和真实框之间的角度差异，显著提升了模型在处理旋转目标检测时的收敛速度。本发明不仅提高了模型对旋转目标检测的准确性，还增强了模型对角度变化的适应性，从而在面对复杂背景和多样姿态的目标时，能够提供更为鲁棒的检测性能。
-
Patent Agency Ranking
公开(公告)号：CN118502479A
公开(公告)日：2024-08-16
申请号：CN202410558948.2
申请日：2024-05-08
Applicant: 北京理工大学
IPC: G05D1/695 , G05D109/20
Abstract: 本发明涉及一种基于分布式模型预测的多无人机不可达参考编队跟踪方法，属于飞行控制技术领域；本发明实现方法为：建立无人机运动学模型，设计评价编队跟踪控制器性能的指标，并定义最优公共可达轨迹；结合交替方向乘子法与人工参考变量，设计基于分布式模型预测方法的跟踪控制律，实现不可达参考下的编队跟踪控制；设计交替方向乘子法中的参数更新方法，保证在实现编队控制同时，改善跟踪性能。
-
公开(公告)号：CN118192231A
公开(公告)日：2024-06-14
申请号：CN202410310455.7
申请日：2024-03-19
Applicant: 北京理工大学
IPC: G05B13/04
Abstract: 本发明公开一种分层系统最优输入选择方法、装置、介质及产品，涉及自动控制技术领域，所述方法包括：初始化模型矩阵并定义成本函数；模型矩阵包括：稀疏状态转移矩阵和稀疏输入矩阵；创建约束参数；约束参数包括：等式约束参数、不等式约束参数和输入上限约束参数，等式约束参数包括：等式约束矩阵和等式约束向量，不等式约束参数包括：不等式约束矩阵和不等式约束向量，输入上限约束参数包括：输入上限约束矩阵和输入上限约束向量；基于稀疏状态转移矩阵，寻找强联通分量，得到系统有向无环图的分层表示；基于约束参数，构建线性规划模型；基于线性规划模型确定最优控制输入。本发明实现了最优输入控制的选择。
-
公开(公告)号：CN114494771B
公开(公告)日：2024-06-07
申请号：CN202210036245.4
申请日：2022-01-10
Inventor： 翟弟华 , 王永康 , 夏元清 , 詹玉峰 , 邹伟东 , 刘坤 , 戴荔 , 吴楚格 , 郭泽华 , 李怡然 , 张元 , 张金会 , 闫莉萍 , 孙中奇 , 崔冰 , 高寒 , 杨辰 , 王力 , 史运涛 , 董哲
IPC: G06V10/764 , G06V10/74 , G06V10/762 , G06V10/77 , G06V10/82 , G06N3/098
Abstract: 本发明公开了一种可防御后门攻击的联邦学习图像分类方法，采用矩阵降维和聚类算法对Worker节点提交的梯度进行处理，最后选择正常的Worker节点提交的梯度参与聚合，从而完全避免了后门植入全局模型的可能性，此外，本发明所用的方法是一种无监督方法，适用于联邦学习场景，可广泛应用在联邦学习防御中，提高联邦学习的鲁棒性。
-
公开(公告)号：CN114815601B
公开(公告)日：2023-11-07
申请号：CN202210317746.X
申请日：2022-03-29
Applicant: 北京理工大学
IPC: G05B13/04
Abstract: 本发明提供了一种减少主动悬挂系统时延误差的修正自抗扰控制方法，能够削弱输入延迟，实现了无时滞的主动悬挂减振作用。本发明在传统自抗扰控制的基础上，先对有延迟的控制输入做时间为τ的预估，基于泰勒级数近似及Smith预估器的思想，利用跟踪微分器得到新的相位超前后的实际控制量输入主动悬挂系统；然后在新控制量与ESO之间加入τ0的延迟模块，使得整个闭环都是对当前时刻的控制效果，通过调整两个延迟模块大小，弥补延迟时间预估误差的影响，在不断循环作用下，提高系统减振效果和鲁棒性，致力于削弱时滞影响，提高整体性能。
-
公开(公告)号：CN113110068B
公开(公告)日：2023-03-10
申请号：CN202110561327.6
申请日：2021-05-22
Applicant: 北京理工大学
IPC: G05B13/04
Abstract: 本发明涉及一种子空间系统辨识方法系统，该方法包括：初始化四组输入输出数据矩阵，将第一输入数据矩阵和第一输出数据矩阵合并得第一中间变量矩阵；将第三输入数据矩阵和第三输出数据矩阵合并得第二中间变量矩阵；获得第二输出数据矩阵的行空间沿着第二输入数据矩阵的行空间投向第一中间变量矩阵的行空间的第一投影；获得第四输出数据矩阵的行空间沿着第四输入数据矩阵的行空间投向第二中间变量矩阵的行空间的第二投影；将第一投影划分列块并进行奇异值分解；将第一奇异值分解结果进行聚合；对聚合结果进行奇异值分解获得第二奇异值分解结果；对第二奇异值分解结果、第一投影和第二投影进行聚合获得系统状态空间模型。本发明提高了处理速度。
-
-
-
-
-
-
-
-
-
Search Results
126
records
(took 0.023 seconds)
