一种基于深度强化学习的群智感知激励机制方法

    公开(公告)号:CN114021695A

    公开(公告)日:2022-02-08

    申请号:CN202111107795.2

    申请日:2021-09-22

    Abstract: 本发明涉及一种基于深度强化学习的群智感知激励机制方法,获取参与者位置和移动轨迹信息,将参与者移动过程建模为马尔可夫决策过程,采用深度强化学习预测其在下一个激励周期内的移动轨迹,预测参与者在下一个激励周期结束时的位置分布,通过计算参与者的预测位置分布与数据请求方提供的感知数据目标分布的相对熵,选择大于相对熵阈值区域内的参与者进行激励。本发明避免在同一时间段内对所有参与者进行激励、对同一个参与者在所有激励周期内都进行激励,合理的激励机制解决群智感知参与者收集到的感知数据分布情况与数据请求方提供的目标数据分布之间差异较大、覆盖质量较低的问题;可被广泛应用于移动群智感知领域,降低激励参与者的成本。

    一种用于神经网络训练的多路径规划数据集生成方法

    公开(公告)号:CN113552881A

    公开(公告)日:2021-10-26

    申请号:CN202110802240.3

    申请日:2021-07-15

    Abstract: 本发明涉及一种用于神经网络训练的多路径规划数据集生成方法,运用随机矩阵生成算法生成01矩阵地图,通过二次循环遍历提高矩阵地图的准确性,再利用随机函数设置起点以及终点位置,引入时间维度在传统寻路A*算法生成的单路径基础上进行多路径生成,从而实现碰撞避免。考虑数据集的丰富性,针对不同起点和终点、相同终点、相同起点三种情况分别制作了对应的数据集,最终设定循环次数来完成数据集的制作。

    一种基于双重搜索优化算法的路径规划方法

    公开(公告)号:CN112817312A

    公开(公告)日:2021-05-18

    申请号:CN202011630711.9

    申请日:2020-12-31

    Abstract: 本发明提供了一种基于双重搜索优化算法的路径规划方法,在确定路径规划的起点和终点后,通过数学分析将路径规划问题建模为相应的适应度函数,再使用改进的正余弦优化算法和改进的天牛须搜索优化算法进行寻优处理。在改进的正余弦优化算法中,增加了随迭代次数变化的惯性权重系数w,并且把线性递减函数变成指数型递减函数,从而提升整个算法的收敛速度和全局搜索能力。其次,在每次位置更新之后,再引入变步长天牛须搜索算法进行二次搜索更新,能够有效的使正余弦优化算法跳出局部最优的陷阱,最后将每次迭代的位置连接得到最终的最短路径,能够使其在最大限度上找到最优的路径,实现在全局环境下的路径规划。

    一种基于双重搜索优化算法的路径规划方法

    公开(公告)号:CN112817312B

    公开(公告)日:2022-12-06

    申请号:CN202011630711.9

    申请日:2020-12-31

    Abstract: 本发明提供了一种基于双重搜索优化算法的路径规划方法,在确定路径规划的起点和终点后,通过数学分析将路径规划问题建模为相应的适应度函数,再使用改进的正余弦优化算法和改进的天牛须搜索优化算法进行寻优处理。在改进的正余弦优化算法中,增加了随迭代次数变化的惯性权重系数w,并且把线性递减函数变成指数型递减函数,从而提升整个算法的收敛速度和全局搜索能力。其次,在每次位置更新之后,再引入变步长天牛须搜索算法进行二次搜索更新,能够有效的使正余弦优化算法跳出局部最优的陷阱,最后将每次迭代的位置连接得到最终的最短路径,能够使其在最大限度上找到最优的路径,实现在全局环境下的路径规划。

    一种文本生成图像方法
    7.
    发明公开

    公开(公告)号:CN114022582A

    公开(公告)日:2022-02-08

    申请号:CN202111109265.1

    申请日:2021-09-22

    Abstract: 本发明涉及一种文本生成图像方法,基于Transformer模块和AttnGAN网络,将文本经过文本编码器编码后得到句子特征和单词特征,句子特征通过条件增强模块得到特征向量,将其与随机噪声向量融合输入到Transformer模块学习,输出改进特征向量并输入到生成器中生成粗略64*64像素的初始图像,将初始合成图像和改进特征向量输入到判别器进行判别,并根据损失函数训练生成器;依次将上一步的改进特征向量与单词特征一起输入到神经网络进行上采样得到融合向量,再将其输入到生成器得到128*128像素的图像、256*256像素的图像。本发明生成的图像较于之前传统AttnGAN方法生成的图像细节轮廓更清晰。

    一种融合多种神经网络的相似物体识别方法

    公开(公告)号:CN111178405A

    公开(公告)日:2020-05-19

    申请号:CN201911310303.2

    申请日:2019-12-18

    Abstract: 本发明公开了一种融合多种神经网络的相似物体识别方法,通过摄像头获取若干具有相似物体的图像集,对图像集进行预处理并进行标注后,利用数据增强方法扩充处理后的数据集,将训练样本集分别用Cascade R-CNN、Grid R-CNN、Libra R-CNN、Retina-Net进行训练,将四种网络训练的结果进行集成并根据验证准确度设置多网络投票机制输出结果,得到最终的集成网络识别。通过摄像头导入实时的待识别物体图像,以集成神经网络对待识别物体进行辨认,最终输出图像中待识别物体的识别结果。本发明实现了在多种神经网络识别结果集成的情况下对相似物体的识别,能够达到短时间内高准确识别相似物体的目标。

Patent Agency Ranking