-
公开(公告)号：CN119088547A
公开(公告)日：2024-12-06
申请号：CN202411120597.3
申请日：2024-08-15
Applicant: 海南智时空科技合伙企业(有限合伙) , 海南大学
Abstract: 本发明公开端边云协同智能系统中的自适应资源优化与模型泛化方法，包括如下步骤：端设备采集对应的环境数据和设备运行参数，基于采集的数据对预设的本地模型进行训练；构建数字孪生模型，基于数字孪生模型实时监测到的实时数据流，计算实时监测到的实时数据流与预设的数据分布模型之间的统计距离，若统计距离大于预设值，则启动主动样本选择机制对本地模型进行优化更新，并将优化更新的本地模型发送至边缘节点；采用双向知识蒸馏机制压缩端设备、边缘节点发送的本地模型，获得轻量级模型并通过云服务器进行全局优化和融合。本发明能够优化资源分配，提升模型泛化能力，从而提高系统的数据处理效率、资源配置的公平性以及智能决策的准确性。
-
公开(公告)号：CN119045328A
公开(公告)日：2024-11-29
申请号：CN202411157740.6
申请日：2024-08-22
Applicant: 海南大学
IPC: G05B13/04
Abstract: 本发明涉及一种基于模型预测优化的农业机械导航轮角控制器，所述控制器执行的控制方法包括：步骤1、所述农业机械导航轮角控制器通过安装在农业机械上的卫星导航定位系统及姿态传感器实时获取农业机械的位置信息和运动参数，由导航控制器内的路径跟踪控制算法解算出期望前轮转向角；步骤2、将所述期望轮角输入预先构建的农业机械转向系统模型预测得到补偿轮角；步骤3、基于所述期望轮角和所述补偿轮角，计算得到优化后的导航轮角。该控制器主要应用于农业机械导航系统的电控转向系统中，通过对农业机械的转向轮角进行补偿控制，实现农业机械在复杂农田环境中的稳定行驶和精确作业，从而提高农业生产的自动化水平和作业效率。
-
公开(公告)号：CN118761467A
公开(公告)日：2024-10-11
申请号：CN202410892770.5
申请日：2024-07-04
Applicant: 海南智时空科技合伙企业(有限合伙) , 海南大学
IPC: G06N5/025 , G06N3/096 , G06N3/045 , G06F18/2415 , G06F21/62
Abstract: 本发明公开一种基于条件级联蒸馏的知识迁移方法，云端服务器构建模型并下发至若干个所述端设备；每个端设备采集训练数据并输入至下发的模型中迭代训练，获得训练好的端设备模型，端设备将训练好的端设备模型更新上传至云端服务器；通过级联蒸馏使得各个端设备模型吸收云端模型的知识；云端服务器接收若干个端设备模型更新并通过加权聚合算法进行聚合和通信优化，将优化后的全局模型并下发至端设备；端设备采集待检测数据并输入至优化后的全局模型中，获得检测结果。本发明不仅提高了模型泛化能力，还显著减少了模型更新过程中的通信成本，实现了在保护端设备数据隐私的前提下，协同多方训练生成性能更优的全局模型。
-
公开(公告)号：CN119699038A
公开(公告)日：2025-03-28
申请号：CN202510082993.X
申请日：2025-01-20
Applicant: 海南大学
Abstract: 本发明公开了一种收集箱自动更换与搬运的农业收获机器人及控制方法，属于农业机械技术领域，包括履带式运输组件以及运输小车，履带式运输组件能够与运输小车进行对接，履带式运输组件包括履带底盘以及箱子提升机构，运输小车顶端与箱子提升机构的一端连接，箱子提升机构另一端与履带底盘连接，箱子提升机构能够将设置在运输小车顶端的箱子搬运至履带底盘上，履带底盘内设置有主控中心；本发明设置了箱子提升机构，能够自动将装满农作物的箱子更换成空箱子，使得使用者的工作效率更高。
-
公开(公告)号：CN119089976A
公开(公告)日：2024-12-06
申请号：CN202411076597.8
申请日：2024-08-07
Applicant: 海南智时空科技合伙企业(有限合伙) , 海南大学
IPC: G06N3/096 , G06N3/098 , G06N3/045 , G06F21/62 , H04L67/1008 , H04L67/101
Abstract: 本发明公开一种基于边缘计算的多模型协同知识蒸馏优化方法包括如下步骤：若干个边缘设备分别构建本地模型并通过采集的本地数据进行训练本地模型，若干个边缘设备将训练好的模型上传至服务器；对边缘设备上的本地模型进行实时性能评估，判断性能评估结果是否满足预设条件，若否，则更新本地模型，更新模型包括如下：1)采用多模型协同蒸馏策略，对不同边缘设备上的本地模型间的知识交换；2)进行数据异质性和不平衡性处理；3)进行资源自适应调度；4)服务器进行本地模型聚合并将本轮迭代过程中模型更新内容下发边缘设备；若是，本轮迭代中无需更新本地模型。本发明能够提升边缘设备上多模型的性能，同时降低通信开销，并确保数据隐私。
-
Patent Agency Ranking
公开(公告)号：CN119088547B
公开(公告)日：2025-04-25
申请号：CN202411120597.3
申请日：2024-08-15
Applicant: 海南智时空科技合伙企业(有限合伙) , 海南大学
Abstract: 本发明公开端边云协同智能系统中的自适应资源优化与模型泛化方法，包括如下步骤：端设备采集对应的环境数据和设备运行参数，基于采集的数据对预设的本地模型进行训练；构建数字孪生模型，基于数字孪生模型实时监测到的实时数据流，计算实时监测到的实时数据流与预设的数据分布模型之间的统计距离，若统计距离大于预设值，则启动主动样本选择机制对本地模型进行优化更新，并将优化更新的本地模型发送至边缘节点；采用双向知识蒸馏机制压缩端设备、边缘节点发送的本地模型，获得轻量级模型并通过云服务器进行全局优化和融合。本发明能够优化资源分配，提升模型泛化能力，从而提高系统的数据处理效率、资源配置的公平性以及智能决策的准确性。
-
公开(公告)号：CN118761467B
公开(公告)日：2025-02-18
申请号：CN202410892770.5
申请日：2024-07-04
Applicant: 海南智时空科技合伙企业(有限合伙) , 海南大学
IPC: G06N5/025 , G06N3/096 , G06N3/045 , G06F18/2415 , G06F21/62
Abstract: 本发明公开一种基于条件级联蒸馏的知识迁移方法，云端服务器构建模型并下发至若干个所述端设备；每个端设备采集训练数据并输入至下发的模型中迭代训练，获得训练好的端设备模型，端设备将训练好的端设备模型更新上传至云端服务器；通过级联蒸馏使得各个端设备模型吸收云端模型的知识；云端服务器接收若干个端设备模型更新并通过加权聚合算法进行聚合和通信优化，将优化后的全局模型并下发至端设备；端设备采集待检测数据并输入至优化后的全局模型中，获得检测结果。本发明不仅提高了模型泛化能力，还显著减少了模型更新过程中的通信成本，实现了在保护端设备数据隐私的前提下，协同多方训练生成性能更优的全局模型。
-
公开(公告)号：CN119206567A
公开(公告)日：2024-12-27
申请号：CN202411225170.X
申请日：2024-09-03
Applicant: 海南大学 , 海南智时空科技合伙企业(有限合伙)
IPC: G06V20/40 , G06V10/762 , G06V10/764 , G06V10/82 , G06N3/045 , G06N3/084
Abstract: 本发明公开一种基于因果正态性学习的视频异常检测方法，包括如下步骤：获取多场景的监控视频并裁剪为统一尺寸的b帧连续片段作为训练样本；构建CRCL模型，CRCL模型包括M1场景编码器、M3运动感知特征抽取器、场景去偏学习模块、因果性启发正态性学习模块和M5聚类模块，将训练样本输入CRCL模型训练，计算相关性矩阵和损失并利用梯度反向传播优化模型参数；达到预设轮次后，通过M5聚类模块计算因果表征的聚类中心并最小化聚类损失来求最佳簇；反复进行轮次训练，直至训练中相邻两轮迭代之间损失函数的下降值满足设定阈值或达到最大迭代次数，输出训练好的CRCL模型。本发明能够提高在多场景环境下视频异常检测性能。
-
公开(公告)号：CN119356316A
公开(公告)日：2025-01-24
申请号：CN202411459230.4
申请日：2024-10-18
Applicant: 海南大学
Abstract: 本申请涉及玉米播种控制技术领域，更具体地涉及一种玉米自动播种控制方法，利用能够直线和转弯行走播种机以进行，所述播种机上安装有能够被控制抬升或下降的排种器；所述播种机通信连接有能够确定播种机的实时位置的导航系统；所述播种机用于在多个方形的小区区域内行走播种；每个小区区域内预先划设有多行播种区域；相邻的小区区块间预先划设有清种区域。本发明首先通过预设路线控制播种机进行播种，并且在播种机行走过程中，根据播种机的实时位置调整排种器的高度，以避免种子浪费；此外，本发明利用播种机在不同小区间播种交替的时间，控制播种机进行清种，以避免不同育种小区间存在基因混杂。
-
公开(公告)号：CN119129641A
公开(公告)日：2024-12-13
申请号：CN202411263550.2
申请日：2024-09-10
Applicant: 海南大学 , 海南智时空科技合伙企业(有限合伙)
IPC: G06N3/008 , G06F18/25 , G06F18/241 , G06N3/0895
Abstract: 本发明公开面向交通场景的多智能体协同控制方法，包括如下步骤：接收基于深度强化学习的智能交通系统中多交通智能体的感控数据信息；提取所述多源感知信息和反馈信息的多源感知特征和反馈特征，并对多源感知特征和反馈特征进行多源异构信息融合，获得感控融合特征；将感控融合特征实时传递给多交通智能体，采取感知监督与融合反馈技术与多交通智能体进行实时信息交互实现新类别数据检测，并基于新类别数据进行增量学习，实现模型的在线更新迭代辅助多交通智能体更新策略及动作。本发明脱离人工监督信息而持续提升在数据分布变化环境中的泛化性，同时实现交通智能体之间的决策共享与决策提升，提高决策执行效率和准确性。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.028 seconds)
