-
公开(公告)号：CN110231811A
公开(公告)日：2019-09-13
申请号：CN201910532635.9
申请日：2019-06-19
Applicant: 华北理工大学
IPC: G05B19/418 , G06N3/063 , G06N3/08
Abstract: 本发明涉及一种基于层级实时记忆算法的连铸下渣智能预报系统，属于人工智能技术领域。基于层级实时记忆算法的连铸下渣智能预报系统通过模拟新大脑皮层神经元结构与组织形式来构建，包括变量输入部分、序列预测部分、浇注状态评估部分和下渣预报部分。本发明提供的基于层级实时记忆算法的连铸下渣智能预报系统，以一种新型神经网络为基础，对现有的连铸生产检测数据进行预测，引出下渣预报机制，能够有效捕捉数据在时间维度上的特征信息，准确、快速地预报出下渣时间，解决了时间滞后的问题并其提高了下渣识别精度。
-
公开(公告)号：CN109887005A
公开(公告)日：2019-06-14
申请号：CN201910140403.9
申请日：2019-02-26
Applicant: 华北理工大学
Abstract: 本发明涉及一种基于视觉注意机制的TLD目标跟踪算法，属于人工智能技术领域。本发明以原TLD目标跟踪算法为基础，对TLD的检测模块进行视觉注意机制的显著区域提取能够排除非显著区域的干扰，通过视觉显著性可有效筛选显著信息，形成视觉显著图，再对显著图进行分类，再对TLD算法的检测模块进一步优化，集成分类器建立目标模型和背景模型，再将集成分类器的输出作为最近邻分类器的输入，筛选出相似样本。本发明在外界环境干扰下稳定性较好，在目标发生遮挡和快速转转时，视觉注意机制对目标特征实时更新，表现出良好性能。
-
公开(公告)号：CN105700526B
公开(公告)日：2018-07-27
申请号：CN201610020090.X
申请日：2016-01-13
Applicant: 华北理工大学
IPC: G05D1/02
Abstract: 本发明涉及了一种具有自主学习能力的在线序列极限学习机方法，属于智能机器人技术领域，一共分为九个部分，分别为外部状态集合、外部动作集合、奖赏信号、值函数、状态转移方程、极限学习机网络隐含层输出集合、中间参数转移方程、极限学习机输出集合、极限学习机输出权值转移方程。本发明提供的具有自主学习能力的在线序列极限学习机方法，以在线序列极限学习机为框架，结合强化Q学习，提出了一种具有自主学习能力的在线序列极限学习机方法，并将该模型运用到移动机器人路径规划研究中，使机器人根据外部环境的状态与奖励，实现自主学习导航，提高机器人在未知环境中的自主学习能力。
-
公开(公告)号：CN105654496A
公开(公告)日：2016-06-08
申请号：CN201610010368.5
申请日：2016-01-08
Applicant: 华北理工大学
Abstract: 本发明涉及了一种基于人类视觉特性的图像仿生自适应模糊边缘检测方法，属于数字图像处理技术领域。本发明采用如下步骤实现：对操作图像进行全局亮度自适应增强，将原图像空间域转化为模糊域，对操作图像模糊域进行局部亮度自适应增强，对原图像模糊域进行逆变换，最后采用“Nakagowa”算子对处理后的图像边缘提取。本发明依据人眼视觉感知系统的全局和局部自适应调节特性对传统Pal算法模糊边缘检测进行优化保留了图像的低灰度值边界信息，简化了隶属度函数，具有更强的抗噪能力，能够有效地把边缘从复杂的背景中提取出来，针对不同种类的图像能够自适应地进行边缘检测。
-
公开(公告)号：CN105205533A
公开(公告)日：2015-12-30
申请号：CN201510628233.0
申请日：2015-09-29
Applicant: 华北理工大学
IPC: G06N3/08
Abstract: 本发明涉及了具有脑认知机理的发育自动机及其学习方法，属于智能机器人技术领域。具有脑认知机理的发育自动机，包括内部状态集合，系统输出集合，内部操作行为集合，状态转移方程，奖赏信号，系统评价函数，系统动作选择概率，多巴胺响应差分信号。本发明提供的具有脑认知机理的发育自动机及其学习方法，以学习自动机为基础框架为系统自主发育过程提供了一种泛化能力强，适用范围广的数学模型；该方法将感觉运动系统与内在动机机制相结合，提高系统的自学习与自适应能力，实现真正意义上的智能。
-
Patent Agency Ranking
公开(公告)号：CN110276490A
公开(公告)日：2019-09-24
申请号：CN201910546354.9
申请日：2019-06-20
Applicant: 华北理工大学
Abstract: 本发明涉及连铸技术领域，具体是一种基于LSTM模型的连铸下渣智能预测方法。包括：按照预设的数据采集周期控制数据采集设备分别采集连铸钢包浇注过程中的与钢水液面位置相关的若干组参数；将若干组参数划分为输入数据组和真实数据组；将输入数据组和真实数据组作为原始数据以形成LSTM模型的训练集；使用局部加权回归方法对LSTM模型框架的原始数据进行平滑处理；将经过平滑处理后的原始数据输入LSTM模型框架，得到LSTM模型的输出结果；根据输出结果确定下渣预测数据。本发明不需要对钢包浇注系统结构进行改造，也不需要额外添加检测设备进行下渣检测，解决了现有的下渣检测方法需要对钢包浇注系统结构进行改造，额外添加检测设备才能进行下渣检测的问题。
-
公开(公告)号：CN106143718B
公开(公告)日：2019-04-30
申请号：CN201610500140.4
申请日：2016-06-30
Applicant: 华北理工大学
Abstract: 本发明涉及一种基于霍尔编码器阻力式两轮平衡车转向装置。包括刹车握把、闸丝、信号转换装置、扶杆，信号转换装置包括位移转动转换机构、霍尔编码器，位移转动转换机构包括并列设置的分别由闸丝拉动、在引导槽中移动、带有齿状面的连接柱，两个连接柱之间设置有分别与两个连接柱咬合的齿轮，齿轮中嵌有强力磁铁；霍尔编码器的检测轴心与齿轮同轴心设置，霍尔编码器接收齿轮的转动位移量并转换为电信号给控制器。本发明采用车闸闸丝结构恢复力较小，易于操作，且降低了对恢复弹簧的要求；用霍尔编码器测量转向信号，可提高转向的安全性；霍尔编码器的非接触性简化了结构；通过阻力式转向控制方法，增强了转弯机制的可操作性。
-
公开(公告)号：CN105654496B
公开(公告)日：2018-06-29
申请号：CN201610010368.5
申请日：2016-01-08
Applicant: 华北理工大学
Abstract: 本发明涉及了一种基于人类视觉特性的图像仿生自适应模糊边缘检测方法，属于数字图像处理技术领域。本发明采用如下步骤实现：对操作图像进行全局亮度自适应增强，将原图像空间域转化为模糊域，对操作图像模糊域进行局部亮度自适应增强，对原图像模糊域进行逆变换，最后采用“Nakagowa”算子对处理后的图像边缘提取。本发明依据人眼视觉感知系统的全局和局部自适应调节特性对传统Pal算法模糊边缘检测进行优化保留了图像的低灰度值边界信息，简化了隶属度函数，具有更强的抗噪能力，能够有效地把边缘从复杂的背景中提取出来，针对不同种类的图像能够自适应地进行边缘检测。
-
公开(公告)号：CN107729890A
公开(公告)日：2018-02-23
申请号：CN201711231662.X
申请日：2017-11-30
Applicant: 华北理工大学
CPC classification number: G06K9/00268 , G06K9/00288 , G06K9/6259
Abstract: 本发明涉及了一种基于井字形LBP和深度学习相结合的人脸识别方法，属于人工智能技术领域，针对传统局部二值模式(LBP)特征提取不充分和分类器拟合的问题，提出一种基于局部纹理特征的井字形局部二值模式(LBP)和深度学习的人脸识别方法，利用改进的LBP算法提取人脸图像局部纹理特征，建立LBP直方图；然后构建基于深度信念网络的深度学习架构，将LBP直方图输入到深度信念网络中，采用无监督逐层训练法和有监督BP算法去训练网络，实现网络的自学习和自优化，得到网络参数；最后，利用DBN分类、识别人脸图像。本发明能够提取到具有区分性的人脸图像纹理特征，验证了该算法在识别率的优越性并且具有较强的鲁棒性。
-
公开(公告)号：CN106096658A
公开(公告)日：2016-11-09
申请号：CN201610423487.3
申请日：2016-06-16
Applicant: 华北理工大学
IPC: G06K9/62
CPC classification number: G06K9/6269
Abstract: 本发明涉及一种基于无监督深度空间特征编码的航拍图像分类方法，属于图像处理技术领域。首先，采用尺度不变特征变换（SIFT）提取图像特征；其次，将局部方差相似度引入到稀疏编码中对稀疏编码进行改进，并用改进的稀疏编码对图像特征进行稀疏表示，得到一种具有稀疏判别性和空间可分性的图像特征；最后，结合深度置信网络完成对航拍图像的分类。本发明在图像特征编码时保留了图像的空间特征信息，增强了所提取图像特征的判别性和可分性，提高了航拍图像的分类精度。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.02 seconds)
