-
公开(公告)号：CN119304889A
公开(公告)日：2025-01-14
申请号：CN202411758214.5
申请日：2024-12-03
Applicant: 重庆大学
IPC: B25J9/16
Abstract: 本发明涉及一种用于将单臂代理的动作扩展到双臂操作的方法及系统，属于机器人控制技术领域。本发明设计了一种将单臂代理的动作扩展到双臂的框架，该框架通过利用单臂数据集实现双臂操作，利用广泛的单臂数据集来促进双臂操作，而不需要额外的双臂数据。本方案引入了一种注意扩展机制，该机制将语义信息嵌入到像素级数据中，允许动态生成动作对。这些动作对所提出的TAN(目标分配网络)进行处理，该网络在两只机械臂之间分配任务，评估可行性，并选择最优解。此外，该方案在检测到异常时可以无缝过渡到单臂操作，确保任务不间断执行。实验结果表明，本发明提供的技术方案提高了任务效率，同时消除了收集专门的双臂数据的成本。
-
公开(公告)号：CN118918554A
公开(公告)日：2024-11-08
申请号：CN202410972857.3
申请日：2024-07-19
Applicant: 重庆大学
Abstract: 本发明涉及一种面向车联网数据异构的联邦学习方法、系统、设备及介质，属于车联网技术领域与分布式机器学习技术领域。本方法能够自动适应地将所有参与训练神经网络模型的智能网联汽车所在的大区域划分成多个子区域，使得位于同一区域内的智能网联汽车所持有的数据的分布相似，缓解数据异构性对模型训练的影响。同时，在区域划分的基础上，所提系统能够实现端(智能网联汽车)‑边(边缘服务器)‑云(云中心服务器)三层通信架构协同训练神经网络模型。通过训练超网络模型，系统为每一个智能网联汽车预测个性化聚合权重，在实现个性化车辆模型的同时也为每一个区域实现个性化区域模型，提升模型的精确度，加快模型训练速度，缓解通信拥塞问题。
-
公开(公告)号：CN115033000B
公开(公告)日：2025-02-07
申请号：CN202210799352.2
申请日：2022-07-06
Applicant: 重庆大学
Abstract: 本发明涉及路径规划技术领域，具体涉及基于深度强化学习的双目标路径规划方法，包括以下步骤：S1、对道路网络进行状态表示，并构建奖励函数r，得到待训练的双目标深度强化学习路径规划模型；所述状态包括坐标状态、距离状态和cu状态；S2、对待训练的双目标路径规划模型进行训练，使其学习到能够获得最大累积奖励的最优策略π*，得到训练后的双目标路径规划模型；所述累积奖励为奖励函数给出的即时奖励与神经网络估计的附加未来奖励之和；S3、使用训练后的双目标路径规划模型，进行双目标路径规划。本发明在具备最小化路径距离能力的同时，还具备优化不同场景下的损失和效用的通用性。
-
公开(公告)号：CN119091646A
公开(公告)日：2024-12-06
申请号：CN202411091310.9
申请日：2024-08-09
Applicant: 重庆大学
Abstract: 本发明涉及一种应用于城市场景的车辆速度预测方法及系统，该方法利用个性化联邦学习方法在服务器上实现个性化聚合，捕获客户端特定信息，并通过基于多头注意力的序列到序列长短期记忆网络模型进行个性化车速预测。个性化联邦学习方法包括：服务器发送全局模型至客户端初始化本地模型；客户端执行迭代训练并上传模型至服务器；服务器聚合本地模型更新全局模型，并根据迭代轮数决定是否计算个性化聚合权重；若需计算，则基于加权均方误差得到个性化聚合权重，进而生成客户端定制的聚合模型并发送。网络模型采用编码器‑解码器架构，包含两层长短期记忆网络和多头注意力层，最后接全连接层。本发明能在保护数据隐私的同时实现个性化车速预测。
-
Patent Agency Ranking
公开(公告)号：CN118096427A
公开(公告)日：2024-05-28
申请号：CN202410229427.2
申请日：2024-02-29
Applicant: 重庆大学
Abstract: 本发明公开了一种基于异质图神经网络的机械产品制造过程能耗预测方法，包括：对产品生产任务的分解与加工过程进行建模；获取项目、订单和设备对应的生产信息，并输入经过训练的能耗预测模型中，输出产品加工过程中各个设备的能耗预测值；模型的处理步骤包括：将生产异构图输入异构图神经网络中，对项目节点、订单节点、设备节点的节点特征进行关联融合，得到对应的异构节点嵌入；通过长短期记忆和注意力网络进行订单与设备之间以及设备与设备之间的注意力计算，得到第一更新节点嵌入和第二更新节点嵌入并整合生成对应的融合嵌入表示以预测设备能耗，最后实现产品制造过程能耗预测。本发明能够提高机械产品制造过程能耗预测的准确性和实用性。
-
公开(公告)号：CN119458347A
公开(公告)日：2025-02-18
申请号：CN202411782454.9
申请日：2024-12-05
Applicant: 重庆大学
IPC: B25J9/16
Abstract: 本发明涉及一种基于脉冲图神经网络的事件驱动触觉感知方法及系统，属于触觉感知和机器人控制技术领域。该方法包括以下步骤：S1、从事件驱动触觉传感器收集的数据中提取主要特征；S2、对触觉传感器数据中提取的主要特征进行编码；S3、采用脉冲神经网络来进一步学习特征嵌入；S4、通过图神经网络对编码后的特征进行处理；S5、采用投票机制识别目标物体的类别或状态。本方案通过图神经网络，能够自动构建基于触觉传感单元空间结构的图谱，并高效提取局部和全局特征；利用脉冲神经网络处理事件驱动数据，显著降低了能耗并提高了计算效率；具有较强的泛化能力，可适应不同的触觉传感器配置和应用场景，同时在处理实时触觉感知任务时表现优异。
-
公开(公告)号：CN119416854A
公开(公告)日：2025-02-11
申请号：CN202411451723.3
申请日：2024-10-17
Applicant: 重庆大学
IPC: G06N3/088 , G06N3/0895 , G06N3/042 , G06N3/0455 , G06N3/0464 , G06F18/213 , G06F18/25 , G06F18/2415 , G06F18/22
Abstract: 本发明涉及一种用于学习城市区域嵌入的无监督区域表示学习方法及系统，属于城市计算和智能系统技术领域。该方法具体包括以下步骤：S1、构建区域混合图网络，利用多模态数据来捕捉区域之间的成对和成组关系；S2、执行图和超图对比学习，通过并行的对比学习模块，分别从图和超图结构中学习区域节点的判别性表示以及区域间的高阶关系；S3、跨模块对比学习，通过控制器组件促进图和超图节点表示之间的信息交换，增强模型的学习能力；S4、优化模型参数，通过联合优化图损失、超图损失和跨模块损失，生成更有效的区域嵌入，以支持各种下游任务。本发明提供的技术方案提高了城市区域分析的准确性和效率，增强了模型对区域间复杂交互的捕捉能力。
-
公开(公告)号：CN115033000A
公开(公告)日：2022-09-09
申请号：CN202210799352.2
申请日：2022-07-06
Applicant: 重庆大学
IPC: G05D1/02
Abstract: 本发明涉及路径规划技术领域，具体涉及基于深度强化学习的双目标路径规划方法，包括以下步骤：S1、对道路网络进行状态表示，并构建奖励函数r，得到待训练的双目标深度强化学习路径规划模型；所述状态包括坐标状态、距离状态和cu状态；S2、对待训练的双目标路径规划模型进行训练，使其学习到能够获得最大累积奖励的最优策略π*，得到训练后的双目标路径规划模型；所述累积奖励为奖励函数给出的即时奖励与神经网络估计的附加未来奖励之和；S3、使用训练后的双目标路径规划模型，进行双目标路径规划。本发明在具备最小化路径距离能力的同时，还具备优化不同场景下的损失和效用的通用性。
-
公开(公告)号：CN117176655A
公开(公告)日：2023-12-05
申请号：CN202311251389.2
申请日：2023-09-26
Applicant: 重庆大学
Abstract: 本发明具体涉及面向工业互联网的5G和TSN协同流调度系统及方法。系统包括：若干个时效敏感的流客户端，用于采集和传输数据流；5G网络上行接入无线链路，用于供流客户端传输数据流至基站；基站，用于探测和解码流客户端传输的数据流，并将解码得到数据包传输给TSN网关；TSN网络，用于接收与转发基站注入的数据包，并对其进行时延确定性转发；TSN网络包括TSN网关和TSN交换机；TSN网关和TSN交换机利用TSN CQF循环队列实现数据包的确定性传输；TSN网关带有5G‑TSN CQF协议转换功能。方法包括：基于分层增强学习的本地调度代理和基于深度Q学习的全局调度策略评估代理实现5G网络和TSN网络的协同流调度。本发明能够实现工业互联网中5G网络和TSN网络的无线/有线融合传输。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.016 seconds)
