作战实体的防御方法、装置、电子设备及存储介质

    公开(公告)号:CN116956011A

    公开(公告)日:2023-10-27

    申请号:CN202310217085.8

    申请日:2023-03-07

    IPC分类号: G06F18/214 G06N20/20

    摘要: 本发明提供一种作战实体的防御方法、装置、电子设备及存储介质,该方法包括:在检测到敌方作战实体攻击己方作战实体的情况下获取作战数据信息,作战数据信息包括己方作战实体对应的第一相关状态信息、敌方作战实体对应的第二相关状态信息、己方作战实体对应的动作信息及战损信息;根据作战数据信息确定待训练数据信息,待训练数据信息包括待训练状态信息、待训练动作信息、待训练奖励信息、待训练下一时刻状态信息;将待训练数据信息输入至防御策略模型得到防御策略模型输出的目标防御策略;根据目标防御策略控制己方作战实体防御敌方作战实体。该方法基于目标防御策略控制己方作战实体对敌方作战实体进行准确防御,有效提高作战实体的防御性能。

    柔性车间调度模型建立方法和电子设备

    公开(公告)号:CN115759591A

    公开(公告)日:2023-03-07

    申请号:CN202211370721.2

    申请日:2022-11-03

    摘要: 本发明提供一种柔性车间调度模型建立方法和电子设备。该方法包括:创建柔性车间的调度仿真环境模型;创建初始柔性车间调度模型,该模型包括生成器网络和判别器网络;通过生成器网络与调度仿真环境模型交互,生成对应生产任务的模拟方案并将模拟方案存入经验池;收集专家方案建立专家池;采用第一训练集对判别器网络进行训练,输出模拟方案和专家方案对应的判别概率,训练时以判别标签为目标对判别器网络的参数进行优化;采用第二训练集对生成器网络进行训练,训练时以第二训练集中的判别概率为目标对生成器网络的参数进行优化;每优化一次则记录一次步数,当达到预设步数时得到柔性车间调度模型。该方法学习过程更稳定,学习质量更高。

    基于3D打印的医疗模型及其制作方法

    公开(公告)号:CN109345932B

    公开(公告)日:2021-09-28

    申请号:CN201810996106.X

    申请日:2018-08-29

    IPC分类号: G09B23/28

    摘要: 本发明涉及医疗模型领域,具体涉及一种基于3D打印的医疗模型及其制作方法,目的在于提供术前模拟训练的模型。本发明的制作方法包括以下步骤:构建目标骨骼的三维数字模型;从中提取预设个数的目标骨骼的子模型;对每个目标骨骼的子模型进行孔洞修复;构建目标软组织/器官模具的三维数字模型;根据修复后的目标骨骼的子模型和模具的三维数字模型进行3D打印,得到目标骨骼的实物模型和目标软组织/器官的模具;基于3D打印得到的模具,制作目标软组织/器官的实物模型;将目标骨骼的实物模型与目标软组织/器官的实物模型进行组合,得到医疗模型。本发明制作的模型仿真度高,可以对医务人员进行术前的有效模拟训练,提高了手术成功率。

    基于深度学习的分时段交通流趋势预测方法、系统、装置

    公开(公告)号:CN111508230B

    公开(公告)日:2021-08-20

    申请号:CN202010297850.8

    申请日:2020-04-16

    摘要: 本发明属于智能交通系统领域,具体涉及一种基于深度学习的分时段交通流趋势预测方法、系统、装置,旨在解决现有预测交通流的方法预测精度较低、稳定性较差的问题。本系统方法包括:获取待预测的交通观测点t时刻之前的历史交通流数据及对应的采样时间;对历史交通流数据标准化,并进行一阶差分;提取差分后数据的特征,并对其对应的采样时间进行编码,将编码后的采样时间与提取的特征进行拼接;基于拼接后的特征,通过第二模型得到t时刻相对于t‑1时刻交通流的变化量,并结合t‑1时刻的交通流数据,得到待预测交通观测点t时刻的交通流数据的预测结果;将预测结果进行反标准化,得到t时刻交通流的预测值。本发明提高了预测的稳定性和精度。

    基于深度学习的分时段交通流趋势预测方法、系统、装置

    公开(公告)号:CN111508230A

    公开(公告)日:2020-08-07

    申请号:CN202010297850.8

    申请日:2020-04-16

    摘要: 本发明属于智能交通系统领域,具体涉及一种基于深度学习的分时段交通流趋势预测方法、系统、装置,旨在解决现有预测交通流的方法预测精度较低、稳定性较差的问题。本系统方法包括:获取待预测的交通观测点t时刻之前的历史交通流数据及对应的采样时间;对历史交通流数据标准化,并进行一阶差分;提取差分后数据的特征,并对其对应的采样时间进行编码,将编码后的采样时间与提取的特征进行拼接;基于拼接后的特征,通过第二模型得到t时刻相对于t-1时刻交通流的变化量,并结合t-1时刻的交通流数据,得到待预测交通观测点t时刻的交通流数据的预测结果;将预测结果进行反标准化,得到t时刻交通流的预测值。本发明提高了预测的稳定性和精度。

    基于多无人机协同作业的桥梁自动检测方法及系统

    公开(公告)号:CN110703802A

    公开(公告)日:2020-01-17

    申请号:CN201911065609.6

    申请日:2019-11-04

    IPC分类号: G05D1/10

    摘要: 本发明属于无人机及桥梁检测技术领域,具体涉及了一种基于多无人机协同作业的桥梁自动检测方法及系统,旨在解决传统桥梁检测操作难度大,而单架无人机耗时长、错误率高的问题。本发明方法包括:分析桥梁环境信息并将桥梁检测任务划分为多个子任务;获取任务分群优化函数,划分子任务群;分别规划子任务群对应的无人机航迹,并将子任务群分配给相应无人机;将无人机拍摄的照片传输至图像处理单元提取桥梁病害特征,生成桥梁病害报告。本发明根据不同的桥梁任务,设计不同的拍摄方案,通过多架无人机相互协作进行桥梁检测,各无人机同时执行不同的子任务,并且采用余度容错技术进行异常补救,效率高、任务连续性和完整性高、精度高、错误率低。