公开(公告)号：CN117852622A

公开(公告)日：2024-04-09

申请号：CN202410214426.0

申请日：2024-02-27

Applicant: 哈尔滨工程大学

Inventor： 李羽冲 ,  王金满 ,  吴姝晗

IPC: G06N3/092 ,  G06N3/094 ,  G06N3/006

Abstract: 一种基于强化学习的协同对抗方法，它属于人工智能及强化学习技术领域。本发明解决了在面对大规模、高动态性环境时，现有多智能体系统的协同对抗性能差的问题。本发明通过SimDD网络，有效提高了智能体之间的协同效率，智能体能够更好地理解全局状态，从而在多智能体系统中实现更优的协作策略。通过优先级经验重放机制提高了对高质量样本的利用率，使得算法能够在有限的训练样本下，更快地收敛到有效的策略，提高了学习效率。通过内在奖励机制鼓励智能体探索未知状态，这种探索策略有助于智能体发现新的策略，避免陷入局部最优解。同时提高了本发明方法的鲁棒性、泛化能力和可扩展性。本发明方法可以应用于多智能体的协同对抗。

公开(公告)号：CN118410280A

公开(公告)日：2024-07-30

申请号：CN202410625300.2

申请日：2024-05-20

Applicant: 哈尔滨工程大学

Inventor： 王健旭 ,  管练武 ,  陈聪锐 ,  任家辉 ,  吴姝晗 ,  李玺 ,  曾建辉 ,  霍亮

IPC: G06F18/10 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/09 ,  G06N3/0985

Abstract: 本发明公开了一种基于VMD‑神经网络模型的机载MIMU数据去噪方法，主要解决机载MIMU量测噪声大和零偏大的难题，且MIMU数据去噪方法包含四个模块，即变分模态分解模块，神经网络模型包含一维卷积神经网络、双向长短时间记忆网络和全连接神经网络三个模块。首先，采用固定翼无人机作为MIMU的载体用于获取数据集。然后，对数据集进行预处理，包括差分方法和滑窗方法处理数据集使其成为有监督学习式的数据集。接下来，将预处理后数据集按8:2的比例分为训练集和测试集。采用VMD‑CNN‑BiLSTM‑FCNN模型对训练集和测试集分别进行训练和测试。本发明提出的神经网络模型能够有效降低机载环境噪声、机械振动噪声、气流噪声和飞行气动噪声等多种噪声源对MIMU测量精度的影响，具有鲁棒性。