-
公开(公告)号：CN115034653B
公开(公告)日：2023-07-11
申请号：CN202210738071.6
申请日：2022-06-27
Applicant: 暨南大学
IPC: G06Q10/0631 , G06Q10/0633 , G06N3/126
Abstract: 本发明涉及用于人工智能技术领域，具体涉及一种基于transformer的端到端动态作业车间调度系统，可以应用于不同尺寸的DJSSP。由特征提取模块、特征压缩模块、动作选择模块所构成。特征提取模块提取生产环境特征，并利用特征压缩模块将生产环境的特征进一步压缩成定长向量。然后，动作选择模块根据压缩后的能够反映生产环境状态的定长向量，实时选择简单优先级规则。本发明所建立的系统是Transformer在DJSSP中的第一个应用，不仅提高了工业调度的生产能力，而且为未来深度学习在DJSSP中的研究提供了范式。
-
公开(公告)号：CN116385969A
公开(公告)日：2023-07-04
申请号：CN202310367749.9
申请日：2023-04-07
Applicant: 暨南大学
IPC: G06V20/52 , G06V10/44 , G06V10/42 , G06V10/30 , G06V10/34 , G06T5/40 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/0442 , G06N3/0455 , G06N3/047 , G06N3/048 , G06N3/084 , G06N3/092 , H04N7/18
Abstract: 本发明涉及用于数据处理方法技术领域，具体涉及一种基于多摄像头协同和人类反馈的人员聚集检测系统；该系统主要包括：数据采集模块、数据预处理模块、人流检测模块、多摄像头联动模块、人流聚集预测模块、实时反馈与优化模块、安保响应模块；通过以上各个模块的协同工作，本发明实现了基于多摄像头联动的人流聚集检测与预测。这种方法可以提高公共场所的安全水平，有效预防踩踏事件或疫情期间不必要的人流聚集。
-
公开(公告)号：CN116307440A
公开(公告)日：2023-06-23
申请号：CN202211456989.8
申请日：2022-11-21
Applicant: 暨南大学 , 广东云熵科技有限公司
IPC: G06Q10/0631 , G06Q50/04
Abstract: 本发明公开了一种基于强化学习的多目标权重学习的车间调度方法及其装置和应用，属于人工智能技术领域。本发明提出了一种基于强化学习的多目标权重学习车间调度方法，通过不断收集、分析车间中的不同目标所衍生的状态数据，进而对多个目标的调度进行不断优化，最终得到最优的调度方式，从而有效优化了车间作业流程，提高生产效率；本发明可根据实际生产状态调整不同优化目标的优先程度，动态性更强，可更好应对不同生产状况；本发明所获得的调度结果与传统的解决多目标车间调度问题的方法相比更佳，对人工智能更好地用于生产具有重要的意义。
-
公开(公告)号：CN110989945B
公开(公告)日：2023-05-02
申请号：CN201911211473.5
申请日：2019-12-02
Applicant: 暨南大学
Abstract: 本发明公开基于物联网的3D远程打印控制系统及控制方法，该控制系统包括远程控制终端、云服务平台和3D打印机；远程控制终端装载有APP,远程控制终端能通过网络连接云服务平台，云服务平台通过网络连接3D打印机和连接数据库；远程控制终端能通过登录APP访问和连接云服务平台及将待打印3D模型文件加密后传送至云服务平台，远程控制终端能通过云服务平台远程控制3D打印机打印和实时查询3D打印机的打印状态信息；云服务平台能在验证远程控制终端身份后，加密和/或解密由远程控制终端传送的加密的3D模型文件并传送至数据库或3D打印机；3D打印机能下载并打印由云服务平台传送的3D模型文件，和反馈3D打印机的打印状态信息。
-
公开(公告)号：CN115936240A
公开(公告)日：2023-04-07
申请号：CN202211665231.5
申请日：2022-12-23
Applicant: 暨南大学
IPC: G06Q10/04 , G06Q10/0631 , G06Q50/26 , G06N3/006 , G06F17/15
Abstract: 本发明涉及共享单车需求预测与投放调度方法，所述方法包括以下步骤：S1、建立XGBoost决策树，将相似和相邻的站点聚集成集群；S2、对单个站点的真实需求进行纠偏，并带入到XGBoost决策树中经训练后得到优化的站点聚类结果；S3、根据训练好的XGBoost决策树预测每个站点的借/还车需求；S4、考虑每个站点容量限制和需求到达分布，计算单车的初始投放量；S5、划分城市的调度分区；S6、建立区域内单车调度模型，获得调度路径的最优选择。本发明从共享单车的需求预测和调度优化着手，考虑多种现实情况和现实问题，设计模型和求解方法，为城市共享单车系统的运营决策提供依据，有利于快速实现城市居民的借/还车需求，方便生活，健康出行。
-
Patent Agency Ranking
公开(公告)号：CN110033239B
公开(公告)日：2022-12-23
申请号：CN201910301784.4
申请日：2019-04-16
Applicant: 暨南大学
Abstract: 本发明公开基于贪婪算法的排考方法、装置、设备及介质,该排考方法包括:根据获取的高校教务系统中的考试任务集之教室信息集确定每一待排考的考试任务所需监考教师的总人数;利用贪婪算法,对从高校教务系统中获取的监考教师信息集中的所有监考教师逐个遍历并选出依次满足贪婪规则的监考教师,贪婪规则依次为:选取的监考教师的排考中不包含当前考试任务、与当前考试任务不冲突、监考教师的选取满足教师群体选择规律、选取的监考教师排考任务数最少;监考教师信息集包括监考教师姓名和教师群体编号；对每一考试任务分配匹配人数的选出的监考教师。本发明能解决现有中通过手工排考导致的人力/物力/资源浪费严重、执行环节间运作不协调问题。
-
公开(公告)号：CN114637262A
公开(公告)日：2022-06-17
申请号：CN202210236935.4
申请日：2022-03-10
Applicant: 广东泰云泽科技有限公司 , 天津科技大学 , 暨南大学
IPC: G05B19/418
Abstract: 本发明公开了一种基于5G驱动的智能工厂数字孪生信息的决策控制方法，包括：S1、多源异构孪生数据融合流程；S2、基于5G的数字孪生信息交互通信流程；以及S3、多源异构孪生数据信息的控制决策流程。本发明能够构建基于5G的数字孪生通信方式，实现实时孪生数据驱动的在线仿真，真正实现虚实映射和互动，保证决策与控制到达终端与应用的实时性和反应的自主、智能化，推动制造业产业链上下游协同合作，并在实际生产环境中利用强化学习、自监督学习的方法，学习输入网络中数据的紧凑和多模态表示，提高资源配置、生产计划、实时调度、供应链、物流等决策、控制的效率，适应动态因素扰动下的生产管控。
-
公开(公告)号：CN114218867A
公开(公告)日：2022-03-22
申请号：CN202111563799.1
申请日：2021-12-20
Applicant: 暨南大学
IPC: G06F30/27 , G06Q10/04 , G06F111/04
Abstract: 本发明提供了一种基于熵优化安全强化学习的特种设备流程控制方法及系统，属于人工智能技术领域。本发明根据特种设备生产的特点和实现的功能建立特种设备模型；提取生产线所需优化的参数，并定义符合特种设备生产特点的状态、动作、奖励函数、折扣因子、成本函数和策略模型，构建安全强化学习模型训练系统，采用马尔科夫决策过程进行训练；采用泛化优势估计算法实现基于Actor‑critic框架的熵优化安全强化学习算法，对马尔科夫决策过程中的每个策略设置上下边界，对特种设备进行流程控制。本发明采用的熵优化安全强化学习算法的流程控制，使得所构建的模型具有更好的泛化性，能够有效提高操作安全性、精准性。
-
公开(公告)号：CN114186749A
公开(公告)日：2022-03-15
申请号：CN202111546245.0
申请日：2021-12-16
Applicant: 暨南大学
Abstract: 本发明提供了一种基于强化学习及遗传算法的柔性车间调度方法及模型，属于人工智能技术领域。根据柔性作业车间的特点，建立柔性作业车间调度模型；对遗传算法和基于熵的置信域优化强化学习算法中的基本参数进行初始化；利用基于熵的置信域优化算法更新遗传算法中的参数，并分别对参与交叉和变异的染色体种群进行交叉和变异操作，生成参与交叉和变异的新染色体种群；计算新种群中每个个体的适应度，确定基于熵的置信域优化算法中的状态参数，对新染色体种群执行遗传算法操作；反复执行上述迭代至截止，并输出结果。本发明将基于熵的置信域优化强化学习算法与遗传算法相结合，提高了柔性车间调度的性能，增强车间生产的鲁棒性，提高生产效率。
-
公开(公告)号：CN113359744A
公开(公告)日：2021-09-07
申请号：CN202110684879.6
申请日：2021-06-21
Applicant: 暨南大学
IPC: G05D1/02
Abstract: 本发明公开了一种基于安全强化学习及视觉传感器的机器人避障系统，包括卷积神经模块，所述卷积神经网络模块包括长短期记忆单元；还包括加入LSTM单元、第一卷积层、第二卷积层、第一全连接层、第二全连接层、输出层。本发明采用强化学习算法的增强，使多维，连续，多约束问题能够较好的收敛于信任域内，解决了以往带约束的强化学习算法的诸多问题。可以大幅提高生产安全，普适地应用在不同场合的危险工作上，在解放劳动力的同时，提高了操作安全性、精准性。
-
-
-
-
-
-
-
-
-
Search Results
140
records
(took 0.029 seconds)
