-
公开(公告)号：CN119558467A
公开(公告)日：2025-03-04
申请号：CN202411616025.4
申请日：2024-11-13
Applicant: 中国科学院计算技术研究所
IPC: G06Q10/04 , G06Q50/02 , G06V20/10 , G06V10/44 , G06V10/62 , G06V10/766 , G06V10/82 , G06N3/045 , G06N3/0455 , G06N3/0464 , G06N3/0442 , G06N3/084
Abstract: 本发明提出一种基于线性时序特征与多尺度注意力的作物估产方法和装置，包括：构建包括线性时间特征提取模块和多尺度注意力特征模块的估产模型，获取由多个地块的历史年份作物产量及每个地块对应的遥感图像序列构成的训练数据，且每个地块已标注产量标签；线性时间特征模块将训练数据中地块的历史年份作物产量和相应的年份视作一个时间序列，通过线性回归提取时间序列的环境模式特征；多尺度注意力特征模块利用不同尺度的注意力机制，提取训练数据中遥感图像序列的遥感特征；环境模式特征和遥感特征送入多层感知器的解码器，得到预测产量。
-
公开(公告)号：CN114689035B
公开(公告)日：2025-02-28
申请号：CN202210307473.0
申请日：2022-03-25
Applicant: 中国科学院计算技术研究所
IPC: G01C21/00 , G01C21/16 , G01S17/86 , G01S17/89 , G06V20/10 , G06V10/34 , G06V10/26 , G06V10/74 , G06V10/762 , G06V10/764 , G06T7/521 , G06T5/70 , G06T7/11 , H03H17/02
Abstract: 一种基于多传感器融合的长航程农田地图构建方法和系统，包括：机器人通过GPS模块，连续获取定位数据，并在接收两帧定位数据之间的时间段，机器人使用其惯性传感器对定位数据进行更新，以得到包含机器人实时位置与航向的状态变量；机器人通过其激光雷达实时扫描外界环境信息并转换为当前点云数据，同时机器人通过视觉传感器实时扫描外界环境的RGB信息，将RGB信息和历史采集的历史RGB信息相比较，将相似度大于阈值的历史RGB信息对应的历史点云数据和当前点云数据反馈给激光雷达的建图模块，得到当前状态变量下的增强点云数据；机器人走完农田地图构建任务中的预设路线后，融合各个状态变量下的点云数据得到点云地图，作为农田地图构建任务的执行结果。
-
公开(公告)号：CN115696445A
公开(公告)日：2023-02-03
申请号：CN202211215377.X
申请日：2022-09-30
Applicant: 中国科学院计算技术研究所
Abstract: 本申请公开了一种基于ADMM的服务缓存与资源优化方法，包括：网络模型建模与任务描述步骤：基于多点协作的分布式移动边缘网络，建立针对终端、基站及边缘服务器的通信模型、服务缓存与任务卸载模型及任务计算模型，并基于各模型完成边缘网络优化目标问题形式化描述；联合优化步骤：将边缘网络优化目标问题转换为凸优化问题，并将凸优化问题分解得到多个子问题，每个子问题在对应的基站中并行执行，采用ADMM方法，通过全局更新与局部更新交替迭代的方式对凸优化问题进行求解，得到服务缓存与资源分配联合优化策略，以实现边缘网络的负载均衡。本发明还提供了一种基于ADMM的服务缓存与资源优化系统。
-
公开(公告)号：CN110233650B
公开(公告)日：2020-12-29
申请号：CN201910383034.6
申请日：2019-05-09
Applicant: 中国科学院计算技术研究所
IPC: H04B7/0426 , H04W52/14 , H04W52/24
Abstract: 本发明提供一种MIMO‑NOMA系统中功率调整方法。该方法包括：根据下行每RE功率和每个用户的路损，确定每RE上每个用户的下行初始功率；根据接收的每个用户上报的CQI对每个用户的下行初始功率进行调整。本申请的每个用户的下行功率的分配满足用户接收机的解调要求，从而使用户可以将信号解调出来，而且提高了系统的频谱效率，增加了系统的接入容量。
-
公开(公告)号：CN110740473A
公开(公告)日：2020-01-31
申请号：CN201911007166.5
申请日：2019-10-22
Applicant: 中国科学院计算技术研究所
Abstract: 本发明在边缘服务器提供辅助计算前，综合考虑上行传输时延、计算时延和下行传输时延对总时延的影响，为各移动终端对系统当前有限的资源进行优化分配，以降低执行所有用户任务的总时延。特别是在目前因技术发展导致一些场景的下行数据的大小较大无法忽略的情形下，本发明能让执行任务请求对应的所有任务的总时延最小，而对于下行数据的大小较小的情形，本发明也能够让执行任务请求对应的所有任务的总时延最小，能够高效地满足不同场景下用户低时延的需求，从而提高用户体验。
-
Patent Agency Ranking
公开(公告)号：CN115407656B
公开(公告)日：2024-11-19
申请号：CN202211029530.X
申请日：2022-08-25
Applicant: 中国科学院计算技术研究所
IPC: G05B13/04
Abstract: 本发明提出一种基于动态自适应LQR的智能农机自主作业控制方法，包括：建立智能农机的运动模型，并基于LQR算法生成该运动模型的目标函数，建立关于该目标函数的状态权重矩阵和控制权重矩阵的动态调整模型；在该智能农机的工作过程中，获取该智能农机于当前时刻的位姿态信息，根据该位姿态信息以该动态调整模型调整该状态权重矩阵和该控制权重矩阵；以调整后的目标函数解算出当前时刻的航向偏差控制量，并以该航向偏差控制量对该智能农机进行运行控制。本发明还提出一种基于动态自适应LQR的智能农机自主作业控制系统，以及一种用于智能农机自主作业控制的数据处理装置。
-
公开(公告)号：CN118070951A
公开(公告)日：2024-05-24
申请号：CN202410145423.6
申请日：2024-02-01
Applicant: 中国科学院计算技术研究所
IPC: G06Q10/04 , G06Q50/02 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明提出一种基于注意力机制的大面积自适应作物产量预测方法和系统，包括：获取作物时序数据，作物时序数据为各时间点对应的生长环境数据；构建包括长短时记忆层、时间注意力层、特征注意力层和全连接层的作物产量预测模型；将作物时序数据输入长短时记忆层，得到作物生长二维特征矩阵，沿时间维度和特征维度将作物生长二维特征矩阵分别输入时间注意力层、特征注意力层，以为作物生长二维特征矩阵加权，加权后送入全连接层，得到预测产量；根据预测产量和实际产量构建损失函数训练作物产量预测模型，使特征注意力层学习环境因素对作物产量的影响权重的差异性；将待预测的作物时序数据输入训练完成后的作物产量预测模型，得到作物产量预测结果。
-
公开(公告)号：CN110233650A
公开(公告)日：2019-09-13
申请号：CN201910383034.6
申请日：2019-05-09
Applicant: 中国科学院计算技术研究所
IPC: H04B7/0426 , H04W52/14 , H04W52/24
Abstract: 本发明提供一种MIMO-NOMA系统中功率调整方法。该方法包括：根据下行每RE功率和每个用户的路损，确定每RE上每个用户的下行初始功率；根据接收的每个用户上报的CQI对每个用户的下行初始功率进行调整。本申请的每个用户的下行功率的分配满足用户接收机的解调要求，从而使用户可以将信号解调出来，而且提高了系统的频谱效率，增加了系统的接入容量。
-
公开(公告)号：CN119168321A
公开(公告)日：2024-12-20
申请号：CN202411333338.9
申请日：2024-09-24
Applicant: 中国科学院计算技术研究所
IPC: G06Q10/0631 , G06Q10/04 , G06Q50/02 , G06N5/01
Abstract: 本发明提出一种基于联合优化的播种作业农机调度方法和装置，包括：根据收获作业中的农场总面积、农机具宽幅，构建农机配置模型N；根据标准播期的产量、早播面积，构建播期影响下的实际产量模型Yac；根据燃油价格、播种作业天数，构建播种农机作业的油耗成本模型Cs；根据单位时间的人工成本，构建人工成本模型Cc；根据农机配置模型N、实际产量模型Yac、油耗成本模型Cs、人工成本模型Cc，构建表示播种所需的各类农机资源、作业时间与利润之间关系的目标模型；根据农机作业时间上限、农机总数上限、农场总面积上限，构建目标模型的限制约束，在限制约束下，求解目标模型输出利润最大时的农机调度策略；以农机调度策略执行作物的播种作业任务。
-
公开(公告)号：CN119168136A
公开(公告)日：2024-12-20
申请号：CN202411206650.1
申请日：2024-08-30
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种基于生产规划联合优化的农机调度方法和装置，本发明根据播种时间、植保时间、收获时间、作物含水量以及作业相关成本如：油耗、人工、种子、农药等因素，提出针对玉米作物的全周期农机播种、植保、收获计划的、以最大化企业利润为目标的数学模型，然后将该数学模型转换为强化学习的模型，通过深度强化学习的方法对其进行求解，给出农机调度策略。具体来说本发明基于农场实际数据及外界因素影响构建以最大化企业利润为目标的全周期农机资源调度模型；并基于深度确定性策略梯度模型获得近似最优的农机调度策略。
-
-
-
-
-
-
-
-
-
Search Results
28
records
(took 0.035 seconds)
