-
公开(公告)号：CN103411609B
公开(公告)日：2016-03-02
申请号：CN201310303352.X
申请日：2013-07-18
Applicant: 北京航天自动控制研究所 , 中国运载火箭技术研究院
Abstract: 一种基于在线构图的飞行器返航路线规划方法，（1）事先测绘出关于整个飞行线路上或仅仅是选择的典型区域的地理信息存储在机载计算机中；（2）实时获取飞行器的惯性导航信息；（3）得到实时图；（4）确定飞行当前位置；（5）估计惯性导航误差，并利用估计的惯性导航误差修正飞行器的导航参数；（6）飞行器飞行过程中，机载计算机按照预先设定的规则将步骤（5）经过信息融合的飞行器位置信息存储在机载计算机的地理信息中，并根据经过信息融合的飞行器位置信息进行在线构图；（7）飞行器在返航过程中，根据在线构图的结果以及飞行器的任务特点实时进行航迹规划，完成飞行引导。
-
公开(公告)号：CN111783942B
公开(公告)日：2023-08-01
申请号：CN202010514718.8
申请日：2020-06-08
Applicant: 北京航天自动控制研究所
IPC: G06N3/0464 , G06N3/044 , G06N3/09 , G06F18/25 , G06F18/2135
Abstract: 本发明涉及一种基于卷积循环神经网络的脑认知过程模拟方法，(1)被试人员按照预设的实验范式流程进行试验，并同步采集被试人员的多通道脑电信号数据；(2)对采集后得到的原始脑电信号进行有效成分提取；(3)确定相关刺激下脑电高效特征；(4)构建双通道检测模型，并获取所述相关刺激下提取的融合特征图；(5)构建区域推荐网络与回归网络；(6)将上述构建的双通道检测模型以及区域推荐网络与回归网络作为脑认知模型，将步骤(1)中所述的相关刺激以及步骤(3)确定的脑电高效特征组成训练数据集，对脑认知模型进行训练，逼近相关刺激信号到脑电信号的认知联系，从而模拟人体对相关刺激的处理能力。
-
公开(公告)号：CN111714118A
公开(公告)日：2020-09-29
申请号：CN202010514728.1
申请日：2020-06-08
Applicant: 北京航天自动控制研究所
IPC: A61B5/0476 , A61B5/00 , G06K9/00 , G06N20/20
Abstract: 一种基于集成学习的脑认知模型融合方法，(1)对N个被试人员构建N个脑认知子模型，并完成模型训练；(2)对N个被试人员构建N个脑电信号分类子模型，并完成模型训练；(3)分别融合脑认知子模型与脑电信号分类子模型，从而获得N个脑认知分类器；(4)令N个脑认知分类器在相同刺激下的输出结果组合成输出向量；(5)设计面向脑认知分类器融合的集成学习器，以各个脑认知分类器输出向量作为输入，输出相应刺激的分类识别结果，并完成模型训练；(6)对集成融合模型进行预测分析，得到性能属性值并进行判决，判决融合模型是否符合要求，若符合，则实现脑认知模型的融合；否则，返回步骤(5)重新进行脑认知分类器融合，直至符合要求。
-
公开(公告)号：CN119989027A
公开(公告)日：2025-05-13
申请号：CN202510039890.5
申请日：2025-01-10
Applicant: 北京航天自动控制研究所
IPC: G06F18/23213 , G06F18/2321 , G06F18/10 , G06F18/22 , G06V10/764 , G06V10/762 , G06V10/74
Abstract: 一种基于聚类集成的复杂视觉刺激下脑电辨识分析方法，包括以下步骤：设计复杂视觉刺激条件下脑电信号采集的实验范式，选定N个被试分别按照实验范式进行操作，同步采集记录N个被试在实验范式中复杂视觉刺激下的多通道脑电信号数据；开始实验，对N个被试的脑电信号进行预处理，获取对应N个被试的预处理后的脑电信号数据，形成快速序列呈现脑电信号数据集；利用谱聚类算法对N个被试的脑电信号数据进行聚类分析，获取N个子聚类器；利用基于超图划分的谱聚类集成优化策略对N个被试的子聚类器进行融合；对融合模型进行测试评估，得到融合模型的性能属性值。本发明实现对多个被试脑视觉认知图像分类模型的决策层集成，从而构建跨个体的具有较高泛化性、准确性和鲁棒性的视觉刺激目标下脑电信号分析方法。
-
公开(公告)号：CN119942069A
公开(公告)日：2025-05-06
申请号：CN202411971437.X
申请日：2024-12-30
Applicant: 北京航天自动控制研究所
IPC: G06V10/25 , G06V10/82 , G06N3/0455 , G06N3/049 , G06N3/0464 , G06V10/40 , G06N3/084
Abstract: 本发明涉及一种基于自适应编码的新型脉冲神经网络目标识别方法，设计ANN‑SNN自适应编码器，用于自适应地将输入图像编码为脉冲序列；结合典型的卷积神经网络架构，构建基于脉冲驱动的卷积神经网络模型，用于对输入的脉冲序列进行特征提取；将ANN‑SNN自适应编码器、基于脉冲驱动的卷积神经网络模型以及解码网络进行串联，构建具有层次化的编码‑特征提取‑解码网络架构，即待训练的脉冲神经网络目标识别模型；将由输入图像构成的数据集输入至脉冲神经网络目标识别模型，通过误差在时间和空间两个维度上的传播实现模型训练并完成测试。
-
Patent Agency Ranking
公开(公告)号：CN111714118B
公开(公告)日：2023-07-18
申请号：CN202010514728.1
申请日：2020-06-08
Applicant: 北京航天自动控制研究所
Abstract: 一种基于集成学习的脑认知模型融合方法，(1)对N个被试人员构建N个脑认知子模型，并完成模型训练；(2)对N个被试人员构建N个脑电信号分类子模型，并完成模型训练；(3)分别融合脑认知子模型与脑电信号分类子模型，从而获得N个脑认知分类器；(4)令N个脑认知分类器在相同刺激下的输出结果组合成输出向量；(5)设计面向脑认知分类器融合的集成学习器，以各个脑认知分类器输出向量作为输入，输出相应刺激的分类识别结果，并完成模型训练；(6)对集成融合模型进行预测分析，得到性能属性值并进行判决，判决融合模型是否符合要求，若符合，则实现脑认知模型的融合；否则，返回步骤(5)重新进行脑认知分类器融合，直至符合要求。
-
公开(公告)号：CN115858808A
公开(公告)日：2023-03-28
申请号：CN202211534339.0
申请日：2022-11-30
Applicant: 北京航天自动控制研究所
IPC: G06F16/36 , G06N5/025 , G06N5/045 , G06N3/10 , G06N3/084 , G06N3/0464 , G06N3/048 , G06V10/82 , G06V10/764
Abstract: 本发明提供一种深度神经网络中关键神经元层次关系的知识图谱表示方法，包括：计算深度神经网络高层卷积层中每个神经元的置信度；根据分类结果，推导出高层卷积层中每个神经元的重要程度；计算获得深度神经网络高层卷积层中各个神经元对当前图像的影响程度，根据高层卷积层中每个神经元对当前图像的影响程度，确定关键神经元，进行关键神经元的可视化；将获得的各个神经元视觉特征图分别标注为神经元的语义特征，并从网络中提取神经元的权重、所在层数信息，将神经元的权重、所在层数信息按照三元组的方式构建关系，并与视觉词典相匹配，生成语义词典；生成可视化知识图谱。本发明实现了深度神经网络的可解释性和用户可读性。
-
公开(公告)号：CN111772629B
公开(公告)日：2023-03-24
申请号：CN202010513742.X
申请日：2020-06-08
Applicant: 北京航天自动控制研究所
IPC: A61B5/389 , A61B5/377 , G06F18/24 , G06F18/25 , G06F18/2135 , G06T3/40 , G06N3/0464 , G06N3/047 , G06N3/08
Abstract: 本发明涉及一种脑认知技能移植的方法，(1)设计脑电信号采集实验范式与一定相关刺激模式；(2)同步采集多通道脑电信号数据，并对采集后的原始脑电信号进行有效成分提取；(3)确定N个被试人员在相关刺激下的脑电高效特征；(4)构建N个基于卷积循环神经网络的脑认知子模型，并完成模型训练；(5)构建N个脑电信号分类子模型，并完成模型训练；(6)获得N个脑认知分类器；(7)验证N个脑认知分类器的准确度，如果满足要求，则送入后续步骤；否则，返回步骤(4)；(8)构建融合模型并进行测试，得到融合模型的性能属性值；(9)对所述的性能属性值进行判决，若符合要求，则实现脑认知技能移植；否则，返回步骤(8)重新执行，直至符合要求。
-
公开(公告)号：CN103411609A
公开(公告)日：2013-11-27
申请号：CN201310303352.X
申请日：2013-07-18
Applicant: 北京航天自动控制研究所 , 中国运载火箭技术研究院
Abstract: 一种基于在线构图的飞行器返航路线规划方法，（1）事先测绘出关于整个飞行线路上或仅仅是选择的典型区域的地理信息存储在机载计算机中；（2）实时获取飞行器的惯性导航信息；（3）得到实时图；（4）确定飞行当前位置；（5）估计惯性导航误差，并利用估计的惯性导航误差修正飞行器的导航参数；（6）飞行器飞行过程中，机载计算机按照预先设定的规则将步骤（5）经过信息融合的飞行器位置信息存储在机载计算机的地理信息中，并根据经过信息融合的飞行器位置信息进行在线构图；（7）飞行器在返航过程中，根据在线构图的结果以及飞行器的任务特点实时进行航迹规划，完成飞行引导。
-
公开(公告)号：CN114563016B
公开(公告)日：2023-09-29
申请号：CN202111669593.7
申请日：2021-12-31
Applicant: 北京航天自动控制研究所
Abstract: 一种基于格兰杰因果分析的冗余惯组故障检测方法，(1)获取惯组标称值数据及多冗余惯组实测值数据；(2)利用惯组标称值构建TVAR模型，并进行模型参数辨识与模型重构；(3)针对多冗余惯组中的每一个惯组均执行如下处理：(a)针对当前惯组的测量值构建TVAR模型，并进行模型参数辨识与模型重构；(b)以惯组标称值为输出，当前惯组的测量值为输入构建外生输入的时变自回归表征模型，并进行模型参数辨识与模型重构；(c)以当前惯组的测量值为输出，惯组标称值为输入构建外生输入的时变自回归表征模型，并进行模型参数辨识与模型重构；(d)计算交互格兰杰因果指数以及每个惯组与惯组标称值之间交互格兰杰因果指数的误差；(4)设定评估原则，评估各个惯组是否出现故障。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.039 seconds)
