公开(公告)号：CN117237624A

公开(公告)日：2023-12-15

申请号：CN202310988781.9

申请日：2023-08-08

Applicant: 西部科学城智能网联汽车创新中心(重庆)有限公司 ,  重庆大学

Inventor： 褚文博 ,  李国法 ,  林勇杰 ,  曹晓航 ,  沈斌

IPC: G06V10/26 ,  G06V10/80 ,  G06V10/44 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本申请涉及一种模型训练方法及装置、图像分割方法及装置，应用于图像处理技术领域，模型训练方法包括：获取多组样本图像和每组样本图像对应的样本分割图像；分别从样本红外光图像和样本可见光图像中提取M个尺度的红外光基础特征和可见光基础特征，并进行特征融合，得到M个尺度的融合特征；对融合特征进行边界特征提取得到预测边界特征；将融合特征和预测边界特征进行聚合得到预测分割特征；基于从样本分割图像提取出的实际边界特征和预测边界特征得到边界损失值；基于从样本分割图像提取出的实际分割特征和预测分割特征得到分割损失值；根据边界损失值和分割损失值的加权平均值训练生成图像分割模型。本申请可以提高图像分割的准确性。

公开(公告)号：CN117235493A

公开(公告)日：2023-12-15

申请号：CN202310987859.5

申请日：2023-08-08

Applicant: 西部科学城智能网联汽车创新中心(重庆)有限公司 ,  重庆大学

Inventor： 褚文博 ,  李国法 ,  曹晓航 ,  沈斌 ,  方达龙

IPC: G06F18/213 ,  G06F18/22 ,  G06N3/0464 ,  G06N3/096 ,  G06F18/24

Abstract: 本发明公开了一种脑电图信号迁移学习方法及装置，本发明涉及情感脑机交互技术领域，其中包括：采集不同个体的脑电信号；提取不同个体的脑电信号特征数据，并将不同个体中目标个体的脑电信号特征数据作为目标域数据；针对除目标个体之外的其他个体中的每个个体，分别构建一个初始迁移网络；基于初始迁移网络，将其他个体中每个个体的脑电信号特征数据向目标域数据迁移，得到每个个体对应的初始迁移数据；计算初始迁移数据与目标域数据之间的数据序列相似度，并基于数据序列相似度对初始迁移网络进行更新迭代，直至满足预设条件时，输出每个个体最终迁移后的数据；根据迁移后的数据，训练情感识别模型。本发明能够有效消除不同个体的EEG数据差异。

公开(公告)号：CN119493422A

公开(公告)日：2025-02-21

申请号：CN202411549306.2

申请日：2024-11-01

Applicant: 重庆大学

Inventor： 欧阳德霖 ,  李国法 ,  颜骏 ,  王英臣 ,  郭晨飞

IPC: G05D1/43 ,  G06N5/01 ,  G06N20/00

Abstract: 本发明涉及一种基于动态规划的强化学习策略迭代路径规划方法，属于人工智能领域。该方法通过动态规划算法进行路径评估，提高路径规划的计算效率；利用强化学习算法进行策略迭代，找到全局最优路径；动态规划算法能够适应动态环境，例如障碍物动态出现、交通流量变化等。具体实施步骤包括：构建状态转移矩阵并进行状态转移概率初始化；进行策略迭代和策略评估，获取Node点选择策略π；为状态转移矩阵插入路径重规划开关；根据策略π获取初始全局规划路径；当需要进行路径规划时，更新当前位置信息到DRLP算法路径规划模块，沿用π策略进行重规划。本发明可应用于不同的场景等优点，可应用于自动驾驶、无人机、机器人等领域。

公开(公告)号：CN115793445B

公开(公告)日：2023-09-05

申请号：CN202211434764.2

申请日：2022-11-16

Applicant: 重庆大学

Inventor： 唐小林 ,  甘炯鹏 ,  杨为 ,  胡晓松 ,  李国法 ,  李佳承

IPC: G05B13/04

Abstract: 本发明涉及一种基于多智能体深度强化学习的混合动力汽车控制方法，属于新能源汽车技术领域。该方法包括：S1：构建多智能体交互环境；S2：确定各智能体对应策略的状态空间和动作空间，并制定合适的奖励函数；S3：建立与训练基于多智能体深度强化学习算法的混合动力汽车多目标协同控制策略，求解包含燃油经济性、再生制动回收率以及复合电源功率损耗率的多目标优化问题。本发明将多智能体深度强化学习算法应用于混合动力汽车的多目标协同控制中，可以实现不同优化目标间的自适应协调，不再依赖于人工协调优化目标权重，具有良好的灵活性、实时性以及优化效果。

公开(公告)号：CN115793445A

公开(公告)日：2023-03-14

申请号：CN202211434764.2

申请日：2022-11-16

Applicant: 重庆大学

Inventor： 唐小林 ,  甘炯鹏 ,  杨为 ,  胡晓松 ,  李国法 ,  李佳承

IPC: G05B13/04

Abstract: 本发明涉及一种基于多智能体深度强化学习的混合动力汽车控制方法，属于新能源汽车技术领域。该方法包括：S1：构建多智能体交互环境；S2：确定各智能体对应策略的状态空间和动作空间，并制定合适的奖励函数；S3：建立与训练基于多智能体深度强化学习算法的混合动力汽车多目标协同控制策略，求解包含燃油经济性、再生制动回收率以及复合电源功率损耗率的多目标优化问题。本发明将多智能体深度强化学习算法应用于混合动力汽车的多目标协同控制中，可以实现不同优化目标间的自适应协调，不再依赖于人工协调优化目标权重，具有良好的灵活性、实时性以及优化效果。