-
公开(公告)号：CN117975135A
公开(公告)日：2024-05-03
申请号：CN202410135709.6
申请日：2024-01-31
IPC: G06V10/764 , G06V10/774 , G06N3/0464
Abstract: 本发明公开一种基于深度学习PID优化器的图像分类方法，针对模型内的不同层子网络使用生成算法自适应生成各自的KP,KI和KD系数；在内环使用PID优化器更新模型内环可学习参数，在外环使用Adam优化器更新模型外环可学习参数。本发明的基于深度学习PID优化器的图像分类方法，采用了基于PID优化器的图像分类方法解决了现有图像分类任务效率慢精度低的问题，采用了生成算法自适应生成模型各层子网络的KP,KI和KD系数，解决PID控制算法中的人工调节参数的问题，具有更强的自适应能力和更高的识别精度，能快速适应新的任务。
-
公开(公告)号：CN105758403A
公开(公告)日：2016-07-13
申请号：CN201610004397.0
申请日：2016-01-06
Applicant: 东南大学
IPC: G01C21/20
CPC classification number: G01C21/20
Abstract: 本发明公开了一种基于Vague集模糊推理的地磁图适配性的综合评价方法，提出了含信息量更加丰富的Vague集模糊决策法，考虑了地磁图特征之间存在相关和冗余的原因，为候选匹配区适配性分析提供了定量性的依据，丰富了水下地磁匹配区适配性能研究的方法，解决单个特征量评估部准确的问题，用于选出适配性最优的匹配区，优化地磁辅助导航区的选取。
-
公开(公告)号：CN107356254B
公开(公告)日：2021-01-12
申请号：CN201710421383.3
申请日：2017-06-07
Applicant: 东南大学
Abstract: 本发明公开一种适用于地磁辅助导航航迹规划的粒子群优化方法，包括如下步骤：步骤1，考虑水下环境约束条件在内，建立水下航行器路径规划评判模型；步骤2，根据模型中时间、函数关系、约束、目标条件和变量，将路径规划问题转化为航迹优化问题；步骤3，采用Dijkstra算法+粒子群优化算法的混合算法进行航迹规划，将粗选航迹作为最优解的一个初始估计输入，并对粒子群优化算法编码，将时间信息看作搜索空间中的“粒子”，改善算法的收敛性能。此种优化方法可提高地磁导航航迹规划的精确度和可靠性。
-
-
Patent Agency Ranking
公开(公告)号：CN105676302A
公开(公告)日：2016-06-15
申请号：CN201510770796.3
申请日：2015-11-12
Applicant: 东南大学
Abstract: 本发明公开了一种基于改进最小二乘法(ILS)的磁力仪随机噪声误差补偿方法，先利用标准最小二乘法(LS)求得初始值，视为迭代法的初始值，根据式计算Xr+1；然后重复上述步骤，直到算法满足收敛条件||Tr||F＜sstop，sstop的取值可根据实际情况下选取；最后根据Xr+1的最终值，求出中间变量Xr、Hr、Tr，代入式求得随机噪声矢量v的估值。本发明的有益效果为：克服了最小二乘法的不足，适用于方程两端存在相关误差特征的情况，并且无需对测量噪声的分布进行假设，经过ILS误差补偿后，载体的磁场干扰噪声大为减少，基本维持在零附近，达到了噪声误差补偿的目的，提升了三轴磁力仪的测量精度。
-
公开(公告)号：CN106153045B
公开(公告)日：2018-11-09
申请号：CN201610525966.6
申请日：2016-07-05
Applicant: 东南大学
Abstract: 本发明公开了一种抑制GNSS信息异常的滤波增益动态调整方法，在标准卡尔曼滤波算法的基础上，通过新息向量构造符合χ2分布的指标量并进行χ2检验，对观测异常值进行检测。根据χ2检验的参数构造比例因子，使用比例因子对相应的滤波增益矩阵进行降低，达到抑制异常观测值对系统影响的目的。本发明对正常噪声无影响，对异常值无错检、漏检，且对单独时刻异常值和持续异常值均有较高效作用，可使系统性能提高90％以上，将异常值的作用时间降5倍左右，大大提高了组合导航系统的性能。
-
公开(公告)号：CN119990224A
公开(公告)日：2025-05-13
申请号：CN202510062035.6
申请日：2025-01-15
Applicant: 东南大学
IPC: G06N3/08 , G06N3/0464 , G06V10/776 , G06V10/82 , G06V10/774 , G06V10/764
Abstract: 本发明公开了一种DNA损伤修复机制启发的自发育神经网络设计方法及存储介质，包括选择神经网络模型并定义其超参数，获取图像数据集，并划分为训练集、验证集和测试集，以形成序列任务；基于训练集中第一个任务数据来训练神经网络模型；基于验证集中第一个任务数据来测试训练好的神经网络模型；从宽度和深度方向上对神经网络模型进行自发育生长，增大神经网络模型的规模；重复上述训练和测试过程，并判断是否需要进一步增大神经网络模型规模，若停止增长，则获取模型基于测试集中任务数据的分类精度；重复上述过程，直到测试集上所有任务数据都测试完成。本发明通过在训练过程中动态调整神经网络模型的规模，并生长新的神经元以应对不断变化的任务和环境，从而推动神经网络在图像分类任务中的智能发展及其在实际应用。
-
公开(公告)号：CN107356254A
公开(公告)日：2017-11-17
申请号：CN201710421383.3
申请日：2017-06-07
Applicant: 东南大学
CPC classification number: G01C21/203 , G01C21/08
Abstract: 本发明公开一种适用于地磁辅助导航航迹规划的粒子群优化方法，包括如下步骤：步骤1，考虑水下环境约束条件在内，建立水下航行器路径规划评判模型；步骤2，根据模型中时间、函数关系、约束、目标条件和变量，将路径规划问题转化为航迹优化问题；步骤3，采用Dijkstra算法+粒子群优化算法的混合算法进行航迹规划，将粗选航迹作为最优解的一个初始估计输入，并对粒子群优化算法编码，将时间信息看作搜索空间中的“粒子”，改善算法的收敛性能。此种优化方法可提高地磁导航航迹规划的精确度和可靠性。
-
公开(公告)号：CN106153045A
公开(公告)日：2016-11-23
申请号：CN201610525966.6
申请日：2016-07-05
Applicant: 东南大学
CPC classification number: G01C21/165 , G01C21/20 , G01S19/49
Abstract: 本发明公开了一种抑制GNSS信息异常的滤波增益动态调整方法，在标准卡尔曼滤波算法的基础上，通过新息向量构造符合χ2分布的指标量并进行χ2检验，对观测异常值进行检测。根据χ2检验的参数构造比例因子，使用比例因子对相应的滤波增益矩阵进行降低，达到抑制异常观测值对系统影响的目的。本发明对正常噪声无影响，对异常值无错检、漏检，且对单独时刻异常值和持续异常值均有较高效作用，可使系统性能提高90％以上，将异常值的作用时间降5倍左右，大大提高了组合导航系统的性能。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.016 seconds)
