-
公开(公告)号：CN108549237B
公开(公告)日：2020-04-28
申请号：CN201810465382.3
申请日：2018-05-16
Applicant: 华南理工大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于深度增强学习的预观控制仿人机器人步态规划方法，包括步骤：1)通过装配在仿人机器人上的传感器获取状态信息；2)改进现有的深度强化学习网络，定义全新的状态、动作向量和奖励函数；3)使用定义的动作向量对预观控制器的输出进行修正，计算出仿人机器人双腿各舵机的角度，指导仿人机器人行走；4)在仿人机器人行走过程中，用状态、动作向量、奖励函数的值更新改进的深度强化学习网络。本发明方法可有效解决仿人机器人在复杂环境下的行走问题，且在仿真平台和实体机器人上进行了测试，验证了此方法的有效性。
-
公开(公告)号：CN109614484A
公开(公告)日：2019-04-12
申请号：CN201811331547.4
申请日：2018-11-09
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于分类效用的文本聚类方法，包括：(1)对输入数据集进行预处理；(2)将文本转化为特征向量；(3)计算两两向量之间的夹角余弦值，比较两者的相似度；(4)选择相似度最高的两个类进行合并，计算新类与其他类的相似度；(5)计算合并后分类效用的值，并将该值与合并后的聚类结果分别存储在两个列表中；(6)重复步骤(4)和(5)，直至聚类个数为1或者任意两个类之间相似度为0；(7)找到分类效用的最大值，输出该值所对应的聚类结果；(8)对文本进行第二次聚类，输出分类效用值最大时所对应的聚类结果。本发明具有使得机器对数据的处理过程更加符合人类的认知、帮助用户挖掘潜在知识规律的优点。
-
公开(公告)号：CN109308316A
公开(公告)日：2019-02-05
申请号：CN201810823424.6
申请日：2018-07-25
Applicant: 华南理工大学
IPC: G06F16/332 , G06F16/35
Abstract: 本发明公开了基于主题聚类的自适应对话生成系统，包括对话数据模块、向量化模块、聚类模块、Seq2Seq模块；对话数据模块，用于在训练之前构建对话数据集；向量化模块，用于在聚类之前将对话数据集向量化并作为聚类模型的输入，成为聚类的依据；聚类模块，用于将向量化后的对话数据集聚类为多个簇；Seq2Seq模块，用于构建Seq2Seq模型，对聚类模块得到的簇中的对话数据集生成对应的回复。本发明可以将对话数据按照主题进行聚类，针对不同类别的对话数据使用特定的Seq2Seq模型进行训练。在经典的Seq2Seq模型下，往往会产生无意义的回复。而通过本发明提出的模型可以让对话系统生成更符合主题、更有意义的回复。这样的回复能让用户更愿意去和对话系统进行交流，提升用户体验度。
-
公开(公告)号：CN106094817B
公开(公告)日：2018-12-11
申请号：CN201610423029.X
申请日：2016-06-14
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于大数据方式的强化学习仿人机器人步态规划方法，首先，通过装配在仿人机器人上的传感器获取状态信息；然后使用Q学习算法计算动作，对离线步态进行修正，同时获得立即回报值；接着将以上信息以四元组的形式，使用大数据存储方法保存到文件中；最后随机抽取四元组结合RBF神经网络更新Q函数。本发明方法能够对仿人机器人在不平整环境情况下的步行运动进行平稳调控，相较于仅利用离线步态指导机器人行走的方法，拥有更高的效率和优势，实验证明了该方法的可行性和有效性。
-
公开(公告)号：CN104933164B
公开(公告)日：2018-10-09
申请号：CN201510366176.3
申请日：2015-06-26
Applicant: 华南理工大学
IPC: G06F17/30
Abstract: 本发明公开了一种互联网海量数据中命名实体间关系提取方法，包括以下步骤：网络信息爬取和语料库构建；文本预处理；提取代表短文档特征的关键词；获得代表实体关系的“实体‑关系模式”；关系标注，利用这些模式在大量的无结构文本中寻找新的“实体关系对”；实体关系对评估；本发明还公开了一种实现互联网海量数据中命名实体间关系提取方法的系统，包括：网络信息爬取模块、信息预处理模块、特征词提取模块、实体关系提取和评估模块。具有使关系查找系统更加方便扩展和具有较高的运行效率等优点。
-
Patent Agency Ranking
公开(公告)号：CN105547301B
公开(公告)日：2018-09-14
申请号：CN201610102297.1
申请日：2016-02-25
Applicant: 华南理工大学
IPC: G01C21/20
Abstract: 本发明公开基于地磁的室内地图构建方法与装置。本发明包括可移动载体、人机交互模块、室内空间位置指纹信息获取模块、机器人方位角的获取模块、运动控制及速度获取模块和主控模块。本发明的方法克服了在室内地图构建过程中，需要事先获取室内平面图，然后在将其矢量化后上传，再进行室内位置指纹信息的采集、绑定和路径信息的生成等缺点。同时采用序列化的数据采集方式生成地磁数据序列，克服了传统网格地图数据采集代价大及单点采集后进行插值产生的额外计算量和数据丢失部分真实性等问题。本发明在对室内空间基准地图构建过程中不需要提前获取并载入室内平面图，只需确定目标的室内空间需要构建地图的起点、终点、节点位置，以及地图构建通道。
-
公开(公告)号：CN107798725A
公开(公告)日：2018-03-13
申请号：CN201710783949.7
申请日：2017-09-04
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于Android的二维住房户型识别和三维呈现方法，该方法包括下列步骤：二维户型图信息提取与分类，三维户型图建模元素的构建；选取图像格式的二维户型图；对二维户型图片进行尺寸上的适当裁剪和修正，并对二维户型图片进行二值化操作和形态学操作；提取进行三维绘制的各建模元素的基本数据；自动绘制三维户型图；实现通过手势操作来对三维户型图进行漫游操作。本方法发明不仅可以快速便捷地识别二维住房户型同时在移动终端上三维呈现，而且还提供了便捷的交互操作。因此，本发明具有建模难度低、效率高的特点，可以最大程度帮助用户理解和提升用户体验的优点。
-
公开(公告)号：CN106055713A
公开(公告)日：2016-10-26
申请号：CN201610519445.X
申请日：2016-07-01
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于用户兴趣和社交主题提取的社交网络用户推荐方法，包括以下步骤：获取社交网络中用户的“follower‑followee”关系以及“mutual‑following”关系信息；提取用户的社交主题和兴趣主题；在这些主题的基础上分别形成用户的社交社区和兴趣社区；将各个社区分别整理成矩阵形式，使用矩阵分解方法对各个社区矩阵进行分解以计算各用户对在各个社区矩阵的意愿关注分数，取各个用户对在所有社区的意愿关注分数的最大值为最终意愿关注分数，为目标用户排序其与其他用户的最终意愿关注分数，最终选取分数最高的TOP‑N用户为推荐关注用户。具有得到了更准确的社交网络用户推荐结果等优点。
-
公开(公告)号：CN105547301A
公开(公告)日：2016-05-04
申请号：CN201610102297.1
申请日：2016-02-25
Applicant: 华南理工大学
IPC: G01C21/20
CPC classification number: G01C21/206
Abstract: 本发明公开基于地磁的室内地图构建方法与装置。本发明包括可移动载体、人机交互模块、室内空间位置指纹信息获取模块、机器人方位角的获取模块、运动控制及速度获取模块和主控模块。本发明的方法克服了在室内地图构建过程中，需要事先获取室内平面图，然后在将其矢量化后上传，再进行室内位置指纹信息的采集、绑定和路径信息的生成等缺点。同时采用序列化的数据采集方式生成地磁数据序列，克服了传统网格地图数据采集代价大及单点采集后进行插值产生的额外计算量和数据丢失部分真实性等问题。本发明在对室内空间基准地图构建过程中不需要提前获取并载入室内平面图，只需确定目标的室内空间需要构建地图的起点、终点、节点位置，以及地图构建通道。
-
公开(公告)号：CN111882053B
公开(公告)日：2023-10-13
申请号：CN201911169421.6
申请日：2019-11-25
Applicant: 华南理工大学
IPC: G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于拼接卷积的神经网络模型压缩方法，属于信息技术领域，涉及机器学习和深度学习技术。所述方法包括以下步骤：构建卷积神经网络的特征层；采用打乱顺序的拼接卷积替换特征层中传统的标准卷积和深度可分离卷积；对特征层进行卷积操作，改变特征层的维度数目；将卷积神经网络最后一层网络的神经单元进行全连接操作，输出x个分类单元。在移动卷积神经网络的深度可分离卷积的基础上，本发明可以在确保一定精度的同时进一步减少网络的参数量，这使得有可能为卷积网络释放更多空间以用于其他一些嵌入式设备例如手机设备。
-
-
-
-
-
-
-
-
-
Search Results
82
records
(took 0.033 seconds)
