公开(公告)号：CN111427310A

公开(公告)日：2020-07-17

申请号：CN202010249409.2

申请日：2020-03-31

申请人： 研祥智能科技股份有限公司 ,  华南理工大学

发明人： 陈志列 ,  庞观士 ,  刘志永 ,  林诗美 ,  陈超 ,  沈航 ,  胡钢 ,  闵华清 ,  朱金辉 ,  吴庆耀

IPC分类号： G05B19/414

摘要： 本发明提供了一种工业机器人控制器运行系统，该工业机器人控制器运行系统主要包括运行管理层、业务处理层及硬件接口层。通过在运行管理层中设置RC运行控制器，在业务处理层中设置具有解析以及计算功能的RC任务模块，在业务处理层设置软PLC模块，实现RC任务模块与软PLC模块之间的信息交互，生成用于控制外部的工业机器人伺服驱动器及I/O设备的控制程序，通过硬件接口层传送给外部的工业机器人伺服驱动器及I/O设备，实现对外部的工业机器人伺服驱动器及I/O设备的控制。实现在运行系统中进行复杂的运动规划、正逆解计算等任务，提高机器人控制器运行系统的开放性、拓展性，简化布线结构；提高工业机器人控制器运行系统的可确定性及可靠性。

公开(公告)号：CN110705591A

公开(公告)日：2020-01-17

申请号：CN201910825981.6

申请日：2019-09-03

申请人： 华南理工大学

发明人： 吴庆耀 ,  闫玉光 ,  毕朝阳

IPC分类号： G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06N20/00

摘要： 本发明公开了一种基于最优子空间的异构迁移学习方法。所述方法包括：从数据库中取出用于异构迁移学习的源域和目标域数据；基于典型关联分析和多分类损失函数构建模型，使得目标函数表现为既能找出两个域最关联的特征映射子空间，又能使该特征空间中的特征具有强分类能力；对目标函数进行等价转化，以简化模型；对简化后的模型进行处理，使用交替方向乘子法将整个模型的优化问题分为三个子问题，求解得到三个子问题中参数变量的更新解；最后对整个问题进行迭代更新以收敛到最优。该方法较好的结合了知识迁移能力以及模型分类能力两个特点，并能较好的用于困难的异构迁移学习场景，在实际场景的应用中有很强的分类学习和数据标注能力。

公开(公告)号：CN109800799A

公开(公告)日：2019-05-24

申请号：CN201910001840.2

申请日：2019-01-02

申请人： 华南理工大学

发明人： 吴庆耀 ,  张一帆 ,  谭明奎

IPC分类号： G06K9/62

摘要： 本发明提供了一种适用于无标签不平衡数据流的在线主动学习方法，包括：无标签数据流时序的输入线性分类器中进行预测，其中数据流的类别具有高度不平衡问题，即正类样本数量稀少；根据提出的非对称访问策略，线性分类器针对不平衡数据，动态地决定需要被标注标签的样本；根据提出的非对称更新策略，线性分类器利用错误预测的标注数据更新线性分类器，并利用样本的二阶信息提高学习效率；本发明的一种适用于无标签不平衡数据流的在线主动学习方法利用样本的二阶信息，提出了新的非对称策略；该非对称策略同时考虑样本的标注和模型的更新，能够更好地解决样本的类别不平衡问题，并提升基于流数据的主动学习模型的分类性能。

公开(公告)号：CN105868581B

公开(公告)日：2018-09-14

申请号：CN201610171048.8

申请日：2016-03-23

申请人： 华南理工大学

发明人： 吴庆耀 ,  谭明奎 ,  陈健 ,  牟帅 ,  韩超

IPC分类号： G06F19/18 ,  G06K9/62

摘要： 本发明公开了一种基于随机聚类森林的全基因组蛋白质功能预测方法。该方法将已注释功能的蛋白质按功能分别进行聚类，将具有同一种功能的蛋白质划分为若干个簇，并计算每个簇的中心；所有的簇中心组成蛋白质新的特征向量，使用蛋白质原有的多组特征向量将每个蛋白质转换为只具有一组特征向量的对象；将完成特征转换的蛋白质作为数据集，使用已注释功能的蛋白质训练多棵随机聚类树，构建随机聚类森林作为全基因组蛋白质的功能预测模型，并使用该模型预测未注释的全基因组蛋白质的功能。本发明提高了蛋白质预测的效率，也提高了蛋白质功能的注释准确率。

公开(公告)号：CN118428858A

公开(公告)日：2024-08-02

申请号：CN202410817209.0

申请日：2024-06-24

申请人： 华南理工大学

发明人： 马仲能 ,  吴庆耀 ,  钟远光 ,  伍聪烜

IPC分类号： G06Q10/087 ,  G06F40/49 ,  G06N20/00 ,  G06N5/022 ,  G06N5/04 ,  G06F16/23 ,  G06F16/242

摘要： 本申请公开了一种基于大语言模型的仓储管理方法、装置、设备及介质，涉及大模型领域，包括：基于预设仓库信息和预设货物信息创建仓储数据库；所述仓储数据库的初始状态为空；构建初始大语言模型，并基于预设语料库对所述初始大语言模型进行训练，以得到目标大语言模型；基于预设代码生成方法生成所述仓储数据库的操作代码，并将所述目标大语言模型接入所述仓储数据库，以基于所述目标大语言模型利用所述操作代码对所述仓储数据库进行仓储管理。通过建构大语言模型并接入数据库，无需专门的操作界面，相关人员通过使用自然语言与系统进行交流，仓储系统即可自动解决用户的相关需求，提高了仓储管理的效率以及用户的体验。

公开(公告)号：CN118365099A

公开(公告)日：2024-07-19

申请号：CN202410789432.9

申请日：2024-06-19

申请人： 华南理工大学

发明人： 马仲能 ,  吴庆耀 ,  钟远光 ,  秦卓睿

IPC分类号： G06Q10/0631 ,  G06N3/092 ,  G06Q10/083 ,  G06F18/10

摘要： 本申请公开了一种多AGV调度方法、装置、设备及存储介质，涉及物流仓储技术领域。该方法包括：收集实时环境信息并通过深度编解码网络建模为实时环境状态表示；构建基于扩散模型和多智能体强化学习的多AGV动态调度模型并利用实时环境状态表示对多AGV动态调度模型进行训练，以得到目标多AGV动态调度模型；其中，扩散模型使用无分类器指导以及在预设低温范围内进行采样，以及基于去噪扩散概率模型的训练方式生成动作序列；多智能体强化学习采用集中训练和分散执行的训练框架；将目标环境信息动态输入目标多AGV动态调度模型，以动态输出多AGV的动作序列。通过本申请的技术方案，可以实现多AGV动态调度并提升多AGV调度的效率。

公开(公告)号：CN117932245B

公开(公告)日：2024-06-11

申请号：CN202410323738.5

申请日：2024-03-21

申请人： 华南理工大学

发明人： 吴庆耀 ,  方宇鹏

IPC分类号： G06F18/15 ,  G06F18/20 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/082

摘要： 本发明公开了一种金融数据缺失值补全方法、装置及存储介质，属于数据处理技术领域。方法包括：在金融数据的缺失值上逐步增加随机噪声；采用属性‑资产映射模块在噪声预测网络的两端维护属性级特征，而在其内部维护资产级特征；噪声预测网络堆叠了多个相同结构的残差网络层，在残差网络层中使用自注意力模块提取金融数据的时间相关性，并使用切比雪夫图卷积操作提取金融数据的资产相关性；使用噪声预测网络预测金融数据所增加的随机噪声；采用去噪扩散隐式模型范式进行跳步去噪完成金融数据缺失值的补全。本发明通过时空扩散模型建模金融数据特征，并采用图卷积操作捕获资产间的相关性，有效提高了金融数据缺失值的补全性能，并减少其计算开销。

公开(公告)号：CN117292041B

公开(公告)日：2024-03-26

申请号：CN202311586576.6

申请日：2023-11-27

申请人： 广东广物互联网科技有限公司 ,  华南理工大学

发明人： 胡灏 ,  李利 ,  岑俊华 ,  张木树 ,  杨正文 ,  吴庆耀 ,  钟晓静 ,  杜卿

IPC分类号： G06T15/00 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06V20/70

摘要： 本发明公开了一种语义感知多视角三维人体重建方法、装置及介质，属于计算机视觉技术领域。其中方法包括：采集人体多视角图像数据集；将人物图像和语义类别定义为高斯变量和类别变量的连续‑离散联合分布；构建并训练一个文本引导的高斯‑类别扩散生成模型，生成语义感知的人物图像；训练一个基于单幅人物图像和相机相对参数的合成新视角图像的扩散模型；构建一个仰角估计模块，通过再投影误差估计输入图像的仰角；根据估计的仰角，将人物图像输入到合成新视角图像的扩散模型，生成多视角人物图像；引入量化坐标从多视图图像中学习神经隐式函数，重建三维人体。本发明可根据给定的一句人物相关的文本描述，生成相对应的高仿真度隐式三维人体模型。

公开(公告)号：CN114373224A

公开(公告)日：2022-04-19

申请号：CN202111622518.5

申请日：2021-12-28

申请人： 华南理工大学

发明人： 吴庆耀 ,  苏宇堃 ,  郝运

IPC分类号： G06V40/20 ,  G06V20/40 ,  G06V10/764 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

摘要： 本发明公开了一种基于自监督学习的模糊3D骨架动作识别方法，方法包括：从视频流中的人体目标图像中提取3D骨架动作集；在不同视角下构造3D骨架动作集的正负对；设计共享权重编码器分别提取正负对对应的3D骨架潜在特征表示；通过蒙特卡罗采样逼近概率问题，将特征表示映射到基于多维高斯分布的概率嵌入空间中，学习3D骨架的潜在特征表示；将学习任务指定为度量学习问题，使用对比损失和约束损失对进行训练，获得识别结果。本方法通过在不同视角下构造三维骨架动作的正负对，研究三维骨架动作中的不确定性，在基于多维高斯分布的概率嵌入空间中学习骨架动作的潜在特征表示，减少遇到模糊三维骨架输入时的不确定性，提高了识别性能。

公开(公告)号：CN114283385A

公开(公告)日：2022-04-05

申请号：CN202111636113.7

申请日：2021-12-29

申请人： 华南理工大学 ,  深圳金三立视频科技股份有限公司

发明人： 吴庆耀 ,  苏军羽 ,  张宇 ,  杨伟强 ,  刘东剑 ,  梁浩

IPC分类号： G06V20/52 ,  G06V10/44 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

摘要： 本发明公开一种异物数据生成方法，获取输电线场景图像和预设异物图像；提取所述输电线场景图像中的输电线，得到输电线位置；从所述输电线位置中确定目标输电线位置，并将所述预设异物图像贴入所述目标输电线位置，得到初始异物数据；基于所述初始异物数据使用预设图像和谐化神经网络进行和谐化，得到最终的异物数据，可实现在各种不同背景上的异物数据生成，且不限数量，最后基于初始异物数据使用预设图像和谐化神经网络进行和谐化，能够使最终得到的异物数据中的异物和场景融合的更好，提高异物数据的真实效果，以此有效增加特定输电线场景中异物数据的数量，丰富训练样本，避免训练和测试场景不同而导致的迁移性能下降问题。