-
公开(公告)号：CN119107356A
公开(公告)日：2024-12-10
申请号：CN202411146384.8
申请日：2024-08-20
Applicant: 中国科学院数学与系统科学研究院 , 中国科学院自动化研究所 , 河南大学
Abstract: 本发明提供一种基于频率分布对齐的航天器跨域姿态估计方法及装置，其中方法包括：基于第一模型，将源域数据的频率和目标域数据的频率划分为多个频率组；基于所述多个频率组，将源域数据与目标域数据进行局部分布对齐，并基于局部分布对齐的数据，得到伪目标域数据；基于所述伪目标域数据，对所述第一模型进行监督训练微调，得到第二模型；基于目标域数据和所述第二模型，得到不同光照场景下的航天器姿态估计结果；其中，所述第一模型是根据源域数据集训练得到的深度学习模型。从而提高了模型在目标域上的泛化能力和估计准确性，特别是在光照变化等复杂场景下，可以实现对航天器的姿态估计更加精确和稳定。
-
公开(公告)号：CN117909708A
公开(公告)日：2024-04-19
申请号：CN202311754585.1
申请日：2023-12-19
Applicant: 中国科学院自动化研究所 , 中国科学院数学与系统科学研究院
IPC: G06F18/2113 , G06F18/22
Abstract: 本发明提供一种在线特征选择方法、装置、电子设备及存储介质，应用于机器学习技术领域。该方法包括：获取目标流数据；确定所述目标流数据中每个特征的统计指标向量，并根据所述统计指标向量将所述目标流数据中满足第一条件的特征添加到备选特征集；在所述备选特征集的特征数量满足第二条件的情况下，基于统计指标向量计算所述备选特征集中每个特征的特征指标；按照所述特征指标由大到小的顺序从所述备选特征子集中选择预设数量的特征添加到目标特征集；其中，所述第一条件包括特征的相关度大于相关度阈值、特征不存在于所述备选特征集；所述特征指标越大表示特征的相关度越高、冗余度越低，所述相关度为特征与对应标签的相关度。
-
公开(公告)号：CN118657955A
公开(公告)日：2024-09-17
申请号：CN202410771386.X
申请日：2024-06-14
Applicant: 中国科学院自动化研究所 , 北京邮电大学 , 中国科学院数学与系统科学研究院
IPC: G06V10/44 , G06V10/26 , G06V10/774 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/0895
Abstract: 本发明提供一种航天器图像特征点检测方法、装置、电子设备及存储介质，属于航天器图像检测技术领域，该方法包括：获取待检测航天器图像；将所述待检测航天器图像输入至图像特征点检测模型，得到所述图像特征点检测模型输出的所述待检测航天器图像的特征点检测结果；图像特征点检测模型是根据航天器图像样本与其对应的线性变换图像，以及航天器图像样本对应的航天器特征点图像训练得到的；航天器特征点图像是通过对航天器图像样本进行特征点提取，并对特征点提取结果进行背景特征点去除所得到的。本发明可以有效减少空间背景对航天器目标特征点检测的干扰，且不需要人工标注特征点，省时省力，大大提升了航天器图像特征点检测的精度和效率。
-
公开(公告)号：CN117853734A
公开(公告)日：2024-04-09
申请号：CN202311714505.X
申请日：2023-12-13
Applicant: 中国科学院自动化研究所 , 中国科学院数学与系统科学研究院
IPC: G06V10/30 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06N3/0495 , G06N3/0895
Abstract: 本发明提供一种基于自监督持续学习的无人系统图像多噪声干扰抑制方法，包括：对目标图像的噪声类型和/或噪声强度进行估计得到估计噪声类型和/或估计噪声强度；从自监督持续学习神经网络中选择与对应的自监督持续学习神经网络分支，对目标图像进行去噪处理；网络的训练过程包括：以同一个类型和/或强度的噪声图像对应一个任务，对至少一个类型和/或强度的噪声图像进行多任务划分，得到噪声图像数据集；对至少一个任务的噪声图像数据集分别执行第一过程，并将最后一次第一过程中更新后的自监督持续学习神经网络作为完成训练的自监督持续学习神经网络；使网络能处理不同强度或不同类型的噪声图像，提高图像去噪的准确程度。
-
公开(公告)号：CN117829251A
公开(公告)日：2024-04-05
申请号：CN202311756663.1
申请日：2023-12-19
Applicant: 同济大学 , 中国科学院数学与系统科学研究院 , 中国科学院自动化研究所
IPC: G06N3/092 , G06F18/214
Abstract: 本申请提供一种基于多目标强化学习的策略信息生成方法及装置，方法包括：获取候选对象集合中的候选个体的历史数据；基于历史数据采用多目标强化学习算法构建策略神经网络模型；利用强化学习网络中的样本训练策略神经网络模型，以得到训练模型；利用训练模型进行计算以获得近似帕累托前沿；利用近似帕累托前沿生成帕累托最优曲线；根据风险收益曲线，生成与用户输入的风险收益需求信息对应的策略信息。本申请的策略信息生成方法，通过将多目标优化引入到强化学习方法中，可获得同时考虑收益和风险的组合帕累托最优前沿，满足更多用户的需求，以解决投入策略无法满足多种需求偏好的问题。
-
Patent Agency Ranking
公开(公告)号：CN117809125A
公开(公告)日：2024-04-02
申请号：CN202311629946.X
申请日：2023-11-30
Applicant: 中国科学院自动化研究所 , 中国科学院数学与系统科学研究院
IPC: G06V10/771 , G06N20/00
Abstract: 本发明提供一种无监督多视角特征选择方法、装置、电子设备及存储介质，应用于特征选择技术领域。该方法包括：获取目标对象的多视角特征；通过所述多视角特征构建无监督多视角特征选择模型，并求解所述无监督多视角特征选择模型获得特征选择矩阵；根据所述特征选择矩阵确定每个特征得分，并基于所述特征得分进行特征选择。
-
公开(公告)号：CN119598173A
公开(公告)日：2025-03-11
申请号：CN202411656905.4
申请日：2024-11-19
Applicant: 中国科学院自动化研究所
IPC: G06F18/2131 , A61B5/0536 , A61B5/11 , A61B5/00 , G06F3/01 , G06T17/20 , G06F123/02
Abstract: 本发明提供了一种提取运动特征数据的方法包括：获取待测肌肉的运动学数据；根据待测肌肉的电阻抗成像差分电压信号值和待测肌肉截面的解剖学先验信息建立待测肌肉的有限元模型；从有限元模型中提取多个信号节点电导率数据中各自的时域信息和频域信息；基于时域信息、频域信息和运动学数据进行相关性计算，得到每个信号节点的运动参与度，其中运动参与度用以表征每个信号节点参与肌肉运动的程度；根据每个信号节点的运动参与度、有限元模型、电导率数据得到运动特征数据，运动特征数据用于表征待测肌肉中多个关键肌肉单元的空间位置分布，以便基于空间位置分布确定待测肌肉的形态学特征。
-
公开(公告)号：CN118485124B
公开(公告)日：2025-02-11
申请号：CN202410507986.5
申请日：2024-04-25
Applicant: 中国科学院自动化研究所
IPC: G06N3/082 , G06N3/0464 , G06N3/048 , G06N3/049
Abstract: 本发明提供一种基于脉冲神经网络的模型优化方法、装置及电子设备，属于计算机技术领域。该方法包括：对人工神经网络模型中的至少部分网络层进行修改，得到修改后的人工神经网络模型；将修改后的人工神经网络模型的激活函数替换为目标神经元模型，生成初始脉冲神经网络模型，目标神经元模型用于在每个时间步长内完成目标神经元模型的膜电势的累积和释放；对目标神经元模型的初始膜电势和初始阈值电压进行联合调优，使调优后的初始脉冲神经网络模型达到最优精度，得到目标脉冲神经网络模型，目标脉冲神经网络模型用于部署于无人移动平台。本发明提供的基于脉冲神经网络的模型优化方法，可以对人工神经网络模型完成低延迟和低精度损失的转换。
-
公开(公告)号：CN119359799A
公开(公告)日：2025-01-24
申请号：CN202411221949.4
申请日：2024-09-02
Applicant: 中国科学院自动化研究所
IPC: G06T7/73 , G06T7/11 , G06T7/13 , G06N3/0464
Abstract: 本发明提供一种空间目标的单目六自由度姿态估计方法以及装置，其中，上述方法包括：将携带边缘信息图像输入至掩膜分割网络模型，得到二值化掩膜信息，以确定当前帧对象图像；将当前帧对象图像与当前帧图像输入至深度估计网络，得到当前帧对象深度信息；将当前帧图像的相邻帧图像与当前帧对象深度信息输入至预训练的空间目标六自由度姿态估计网络，得到当前帧与相邻帧的相对空间目标单目六自由度姿态变化信息；基于相对空间目标单目六自由度姿态变化信息与当前帧对象深度信息进行图像重构；基于相对空间目标单目六自由度姿态变化信息与相邻帧的绝对空间目标单目六自由度姿态变化信息，确定当前帧的绝对空间目标单目六自由度姿态变化信息。
-
公开(公告)号：CN119270886A
公开(公告)日：2025-01-07
申请号：CN202411213219.X
申请日：2024-08-30
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供一种基于时空态势差分的无人机自主机动决策方法以及装置，其中，上述方法包括：获取第一无人机在执行自主机动决策后的第一空间位置与第二无人机的第二空间位置；确定每个时间步下的第一无人机针对第二无人机攻击区距离的第一最短距离，以及第二无人机针对第一无人机攻击区的第二最短距离；基于第一最短距离与第二最短距离，确定第一无人机与第二无人机之间的相对姿态值；确定当前时间步下的第一无人机的当前奖励反馈得分，与上一时间步下的第一无人机的历史奖励反馈得分；基于当前奖励反馈得分与历史奖励反馈得分，确定第一无人机的时空态势差分奖励函数，其中，时空态势差分奖励函数用于对自主机动决策进行正反馈或负反馈。
-
-
-
-
-
-
-
-
-
Search Results
250
records
(took 0.062 seconds)
