公开(公告)号：CN118862960A

公开(公告)日：2024-10-29

申请号：CN202410883825.6

申请日：2024-07-03

Applicant: 广东工业大学

Inventor： 蔡瑞初 ,  林富艺 ,  陈薇 ,  朱海鹏

IPC: G06N3/0455 ,  G06N3/092 ,  G06N3/096 ,  G06N3/006

Abstract: 本发明公开了一种基于因果强化学习的动态环境序列决策方法及系统。首先，通过引入隐变量刻画动态环境中未被观测随机信息，并分析历史序列决策轨迹信息及未被观测随机信息间的因果关系，基于所述因果关系构建动态环境因果模型，能够有效捕获环境机制的随机性；然后，基于分析得到的外生变量构建的因果价值函数，能够评估环境机制的随机性对奖励的影响，进而用于消除其对动作优势值的干扰；最后，设置因果编码网络和因果解码网络学习动态环境因果模型，能够有效地推导因果价值函数所需要的未被观测随机信息，同时借此客观评估动作优势值，解决计算过程中的高方差问题，完成智能体在动态环境中的序列决策，提高智能体序列决策的稳定性和迁移能力。

公开(公告)号：CN107886128A

公开(公告)日：2018-04-06

申请号：CN201711106334.7

申请日：2017-11-10

Applicant: 广东工业大学

Inventor： 林富艺 ,  廖廷波 ,  张学习 ,  陈玮 ,  李世超 ,  薛泓

IPC: G06K9/62 ,  G06N3/04 ,  G06T7/00

CPC classification number: G06K9/6267 ,  G06N3/0454 ,  G06T7/0004 ,  G06T2207/20081 ,  G06T2207/20084

Abstract: 本申请公开了一种羽毛球识别方法，包括：利用预先训练好的羽毛球模型对待处理的图片进行识别，获取相应的羽毛球或干扰物的分类；其中，羽毛球模型的创建过程为：获取羽毛球的训练样本；其中，训练样本包括羽毛球的运动图片和干扰物图片以及相应的分类信息；将训练样本输入至利用TensorFlow创建的卷积神经网络模型中进行训练，得到羽毛球模型。在本发明中，利用TensorFlow的深度学习框架来创建羽毛球模型，该方法相比利用图像算子来对图像进行识别的方法，简化了对图像处理的复杂程度，因为，该方法以模型的网络设计代替特征算法的设计，减少了大量的人工成本。相应的，本发明还公开了一种羽毛球识别系统、介质及设备，同样具有上述有益效果。

公开(公告)号：CN208993759U

公开(公告)日：2019-06-18

申请号：CN201821742861.7

申请日：2018-10-25

Applicant: 广东工业大学

Inventor： 马建 ,  林富艺 ,  薛泓 ,  黄伟杰 ,  杨益枘 ,  张学习

IPC: B62D21/00

Abstract: 本申请公开了一种车架控制装置，包括路况检测器，用于获取预设区域内的路面高度信息；惯性测量单元，用于检测车辆的姿态信息；与阻尼器连接的压力传感器，用于获取车轮对所述阻尼器的压力数据；与所述阻尼器连接的编码器，用于获取所述阻尼器的位置信息；分别与所述路况检测器、所述惯性测量单元、所述压力传感器和所述编码器连接的控制器，用于根据所述路面高度信息、所述姿态信息、所述压力数据和所述位置信息通过PID算法计算得到PWM控制信号；与所述控制器连接的电流控制器，用于根据所述PWM控制信号对所述阻尼器进行控制。该车架控制装置可以在实现车架的合理控制使得车辆在凹凸不平的地面上平稳行驶。