-
公开(公告)号：CN116310652A
公开(公告)日：2023-06-23
申请号：CN202310321583.7
申请日：2023-03-29
Applicant: 北京临近空间飞行器系统工程研究所
Abstract: 本公开的基于强化学习的小样本图像处理方法及相关设备，通过将目标样本的基础类别和小样本目标类别进行特征匹配关联，得到特征匹配度得分；根据特征匹配度得分检测目标样本的基础类别中的小样本目标类别，得到小样本目标类别样本；提取小样本目标类别样本的视觉特征和语义特征，在小样本目标类别样本的视觉特征空间施加语义特征，得到小样本目标类别样样本的多模态信息；将小样本目标类别样样本的多模态信息入到小样本强化学习模型中，对小样本目标类别样样本的多模态信息进行总体环境估计得到小样本目标类别样样本，能够在强化学习的新范式下，结合小样本的可见类别到未见类别的知识迁移特征，实现在样本数目稀少的条件下准确预测样本标签的目标。
-
公开(公告)号：CN113902627B
公开(公告)日：2024-12-20
申请号：CN202110976438.3
申请日：2021-08-24
Applicant: 北京临近空间飞行器系统工程研究所
IPC: G06T5/70 , G06T3/4038 , G06V10/762 , G01S7/292 , G01S7/35
Abstract: 一种面向RD时频数据的数据增强系统，数据处理模块接收RD时频数据，将RD时频数据转化成图像数据，对图像数据进行灰度处理，生成原始灰度图；噪声调整模块对原始灰度图中属于噪声数据部分的像素值进行统一调整生成一个新的灰度图信息矩阵，然后将原始的目标范围像素值矩阵信息回填到新生成的灰度图信息矩阵中，从而获得新的灰度图；噪声滤波模块接收原始灰度图，进行噪声消除处理，获得消除周期性噪声后的灰度图；聚类拼接模块生成经过数据增强的灰度图像，最后将经过数据增强的灰度图像还原成RD时频数据。本发明利用有限RD时频数据，进行数据增强，获得更多的RD时频数据以用于深度学习。
-
公开(公告)号：CN114531315B
公开(公告)日：2023-10-31
申请号：CN202210052324.4
申请日：2022-01-18
Applicant: 北京临近空间飞行器系统工程研究所
Abstract: 本发明涉及航天信息调度技术领域，尤其为一种总线信息链的信息调度方法及调度装置，包括：获取各总线节点的属性；基于所述各总线节点的属性和信息将对应的所述总线节点进行关联，以形成信息交互链路；将总线信息进行梳理，并形成关键数据指令信息和非关键数据指令信息；将所述关键数据指令信息和所述非关键数据指令信息沿着对应的所述信息交互链路进行输送；在所述关键数据指令信息和所述非关键数据指令信息的输送过程中，各所述信息交互链路需要判断前序控制周期的总线消息是否已传输完成，若未完成，则完成当前周期的总线消息传输后，立即停止上一周期的总线消息传输，保证当前周期总线信息交互与传输控制。
-
公开(公告)号：CN116643969A
公开(公告)日：2023-08-25
申请号：CN202310443489.9
申请日：2023-04-21
Applicant: 北京临近空间飞行器系统工程研究所
Inventor： 周伟 , 王毅 , 顾天祺 , 封慧英 , 赵俊翔 , 胡煜 , 赵良 , 尹思媛 , 金娜 , 侯堃 , 彭晓 , 纪祖赑 , 李萌萌 , 蒋永瑞 , 李磊 , 李昊星 , 底亚峰 , 马祎蕾 , 王晓天
Abstract: 一种基于语义生成树模型的遥测原码解析算法，包括：1)读取脚本字符串，检查脚本字符串是否存在错误，若脚本字符串存在错误，反馈错误结果，结束本次解析工作；若检查成功，进入步骤2)；2)对脚本字符串进行词法分析，利用停止位置字符和两停止位置字符之间的字符组成规则，获得存储有token符号的符号队列；3)将符号队列中的token符号从符号队列的队首开始逐个出队，分别进行语法分析，利用链式堆栈构建语义生成树；4)获取目标物理量对应的原码值；5)利用步骤3)获得的语义生成树和步骤4)获得的原码值，获得目标物理量的实测值。本发明可快速响应数据处理类软件需求，高效完成遥测数据原码解析。
-
公开(公告)号：CN116386041A
公开(公告)日：2023-07-04
申请号：CN202310256350.3
申请日：2023-03-16
Applicant: 北京临近空间飞行器系统工程研究所
IPC: G06V20/70 , G06V10/46 , G06V10/762 , G06V10/82 , G06N3/0475
Abstract: 本公开的基于生成式对抗网络的图像数据扩增方法及装置，通过提取训练图像的底层语义特征，形成训练图像的视觉词汇；根据所述训练图像的目标场景内涵，及所述视觉词汇的内涵和外延标注所述目标场景的目标标注词；构建生成式对抗网络，利用所述训练图像、目标标注词、随机噪声训练所述生成式对抗网络，直到所述生成式对抗网络输出的图像数据满足需求，得到扩增图像数据。能够突破样本语义场景的转换瓶颈和解决多源信息的小样本图像分类识别问题，提升扩增图像数据的质量，提升人工智能算法的性能。
-
Patent Agency Ranking
公开(公告)号：CN114531316A
公开(公告)日：2022-05-24
申请号：CN202210052403.5
申请日：2022-01-18
Applicant: 北京临近空间飞行器系统工程研究所
IPC: H04L12/40 , H04L12/403
Abstract: 本公开的一种面向通用服务高可靠性的总线系统，包括总线负载计算部件和总线通信构件部件；总线负载计算部件用于读取周期性消息，对所述周期性消息排序生成总线表序列，对所述总线表序列进行处理得到总线消息排布表，输出所述总线消息排布表到所述总线通信构件部件；总线通信构件部件用于读取所述总线消息排布表，根据所述总线消息排布表生成所述总线系统接收和发送的消息，根据所述总线系统的功能函数将所述接收和发送的消息填充到缓冲区中。能够降低软件研发成本，缩短软件研制周期，打破总线硬件与软件知识壁垒，具备高可靠性特点，能够直接应用于各航天型号1553B总线控制器系统设计流程中。
-
公开(公告)号：CN118052271A
公开(公告)日：2024-05-17
申请号：CN202410048119.X
申请日：2024-01-12
Applicant: 北京临近空间飞行器系统工程研究所
Abstract: 本发明提出一种基于强化学习的智能飞行器群体组建与重构方法，属于人工智能技术领域，包括如下步骤：S1、基于强化学习的蜂群自组织；先进行作战任务分析，再进行杀伤链要素解析，在杀伤链要素解析的基础上，完成基于强化学习的作战单元自组织；采取基于深度强化学习的组织结构自学习方式针对每个特定任务形成特定组织结构，使用专家知识系统形成迁移学习与强化学习结合的方式，用收集的专家数据行为，约束智能体的探索性行为；S2、蜂群杀伤链路径动态优化，完成蜂群杀伤链路径规划任务；S3、自适应对抗演练与高质量博弈决策，通过实验结果验证模型合理性与先进性。本发明解决了现有技术无法求解蜂群最优组合，限制了蜂群最大作战效能发挥的问题。
-
公开(公告)号：CN114531315A
公开(公告)日：2022-05-24
申请号：CN202210052324.4
申请日：2022-01-18
Applicant: 北京临近空间飞行器系统工程研究所
Abstract: 本发明涉及航天信息调度技术领域，尤其为一种总线信息链的信息调度方法及调度装置，包括：获取各总线节点的属性；基于所述各总线节点的属性和信息将对应的所述总线节点进行关联，以形成信息交互链路；将总线信息进行梳理，并形成关键数据指令信息和非关键数据指令信息；将所述关键数据指令信息和所述非关键数据指令信息沿着对应的所述信息交互链路进行输送；在所述关键数据指令信息和所述非关键数据指令信息的输送过程中，各所述信息交互链路需要判断前序控制周期的总线消息是否已传输完成，若未完成，则完成当前周期的总线消息传输后，立即停止上一周期的总线消息传输，保证当前周期总线信息交互与传输控制。
-
公开(公告)号：CN113902627A
公开(公告)日：2022-01-07
申请号：CN202110976438.3
申请日：2021-08-24
Applicant: 北京临近空间飞行器系统工程研究所
IPC: G06T5/00 , G06T3/40 , G06V10/762 , G01S7/292 , G01S7/35
Abstract: 一种面向RD时频数据的数据增强系统，数据处理模块接收RD时频数据，将RD时频数据转化成图像数据，对图像数据进行灰度处理，生成原始灰度图；噪声调整模块对原始灰度图中属于噪声数据部分的像素值进行统一调整生成一个新的灰度图信息矩阵，然后将原始的目标范围像素值矩阵信息回填到新生成的灰度图信息矩阵中，从而获得新的灰度图；噪声滤波模块接收原始灰度图，进行噪声消除处理，获得消除周期性噪声后的灰度图；聚类拼接模块生成经过数据增强的灰度图像，最后将经过数据增强的灰度图像还原成RD时频数据。本发明利用有限RD时频数据，进行数据增强，获得更多的RD时频数据以用于深度学习。
-
公开(公告)号：CN114119480A
公开(公告)日：2022-03-01
申请号：CN202111250055.4
申请日：2021-10-26
Applicant: 北京临近空间飞行器系统工程研究所
Abstract: 本发明涉及一种基于深度学习的裂纹缺陷检测系统，属于产品裂纹缺陷检测领域；包括图像标注模块、图像预处理模块、数据增强模块、深度神经网络模块和算法预测模块；本发明通过合理设计神经网络架构，实现目标区域矩形坐标、目标类别、目标像素区域多任务识别，依托像素级分割识别算法的优势，有效地提升目标检测算法对目标区域识别的准确度，给出了目标像素级的分类信息，降低了部分复杂外形目标区域识别错误率，高效可靠地实现目标精准定位，从而提高实际工程应用中对目标检测算法高准确度的需求，为高精度目标识别应用场景提供了有力的算法支撑。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.024 seconds)
