-
公开(公告)号：CN101436073A
公开(公告)日：2009-05-20
申请号：CN200810244453.3
申请日：2008-12-03
Applicant: 江南大学
Abstract: 本发明公开了一种基于量子行为粒子群算法的轮式移动机器人轨迹跟踪方法。该方法首先在运动范围中设定坐标系，建立轮式机器人的运动学模型，利用反演设计方法分解运动学模型，然后通过路径规划生成的轨迹得到参考位姿与实际位姿的误差传递方程，以该方程作为目标函数，利用量子行为粒子群优化算法以较快的速度和较强的全局求解能力求得控制器的参数，而后通过该组参数设计控制器从而保证机器人可以稳定、快速的收敛于目标轨迹，即在有限的时间内使得目标函数值靠近或者小于某个允许的值。本发明解决了轮式移动机器人轨迹跟踪存在的高度非线性和非完整性问题，可以快速的实现轮式移动机器人轨迹跟踪，提高了移动机器人的跟踪控制效果。
-
公开(公告)号：CN101387888A
公开(公告)日：2009-03-18
申请号：CN200810156869.X
申请日：2008-09-27
Applicant: 江南大学
Abstract: 本发明公开了一种基于二进制量子粒子群算法的移动机器人路径规划方法，特征是包含如下步骤：步骤一：把机器人简化成一个点，并在二维空间内运动，通过视觉系统能感知自己目前的位姿和障碍物的位置；步骤二：将机器人视觉系统感知到的所有障碍物处理成凸多边形；步骤三：将二维空间离散化为一系列的栅格，并对移动机器人在每一个栅格处的八个可能运动方向进行二进制编码；步骤四：定义从起点到目标点的路径的长短为该方法需要求解的目标函数；步骤五：针对机器人路径规划问题的离散特征，利用二进制量子粒子群算法对步骤四中的目标函数进行全局优化以得到最优的移动机器人路径。本发明具有过程简单、容易实现、鲁棒性好、求解效率高等优点。
-
公开(公告)号：CN120087196A
公开(公告)日：2025-06-03
申请号：CN202510122223.3
申请日：2025-01-26
Applicant: 江南大学
IPC: G06F30/27 , G06F30/17 , G06N3/126 , G06F111/06 , G06F119/14
Abstract: 本发明涉及焊接梁技术领域，具体指一种基于灰色预测进化算法的多目标焊接梁设计方法，包括：随机生成多目标焊接梁数学模型的第一代解集、第二代解集和第三代解集；利用灰色预测繁殖算子，挖掘第一代、第二代和第三代解集中分别随机选取出的三个解的进化趋势，预测出中间代解集中的一个解；在中间代解集生成后，构建候选解集，并对候选解集进行非支配排序，得到非支配前沿集合；利用自适应环境选择机制从非支配前沿集合中挑选出第四代解集，即根据解的进化情况自主切换选择策略；最终通过算法迭代得到一组收敛充分、分布多样且均匀的帕累托最优解。本发明提高了设计多目标焊接梁的灵活性和适应性，促进焊接梁在实际工程中的应用效果和经济效益。
-
公开(公告)号：CN120069100A
公开(公告)日：2025-05-30
申请号：CN202510550322.1
申请日：2025-04-29
Applicant: 江南大学 , 无锡市人民医院 , 无锡市第二人民医院 , 天津大学 , 苏州中科医疗器械产业发展有限公司
IPC: G06N7/02 , G06N5/025 , G06N5/045 , G06F18/2337
Abstract: 本发明涉及计算机技术领域，具体提供了一种分布式多中心的机器学习智能决策方法。该方法包括：获取需要进行决策的输入数据；根据模糊规则模型的不同模糊规则的前件参数，以及不同前件参数对应的后件参数计算得到不同模糊规则的规则输出；根据对应不同模糊规则的隶属度和规则输出进行加权计算，得到输入数据对应的输出决策数据；模糊规则模型是当前下层级中心通过分布式多中心的上层级中心的模糊规则模型，利用优化目标函数进行知识迁移，并利用多中心图矩阵作确定正则项调整优化目标函数后，计算得到的。以解决相关技术中的决策系统，泛化能力不佳，难以满足可解释性需求，以及决策准确率低，效率低的问题。
-
公开(公告)号：CN119311708B
公开(公告)日：2025-03-14
申请号：CN202411846286.5
申请日：2024-12-16
Applicant: 江南大学 , 无锡市锡山区人民检察院
IPC: G06F16/23 , G06N20/00 , G06F16/215 , G06F18/214 , G06F18/2433
Abstract: 本发明属于区块链技术领域，涉及基于迁移学习的区块链数据异常检测智能合约构建方法。基于待检测区块链训练集中的数据样本经其投影矩阵映射后，与目标区块链训练集的超球中心的距离构建第一迁移项；基于目标区块链训练集中的数据样本经待检测区块链训练集的投影矩阵映射后，与目标区块链训练集的超球中心的距离构建第二迁移项；基于目标区块链训练集的投影矩阵与待检测区块链训练集的投影矩阵的差值构建第三迁移项；基于待检测区块链训练集的投影矩阵L2正则化构建结构损失正则项；构建数据异常检测模型并求解，得到待检测区块链训练集的超球半径、超球中心和投影矩阵；将知识迁移应用于区块链数据异常检测中，提高了区块链数据检测结果的准确性。
-
Patent Agency Ranking
公开(公告)号：CN118887409B
公开(公告)日：2025-02-07
申请号：CN202411394782.1
申请日：2024-10-08
Abstract: 本发明涉及计算机视觉技术领域，尤其是指一种基于归纳偏置和动态特征聚合的深度智能分割方法，包括：构建图像智能分割模型，包括初始层、编码器、瓶颈层、解码器、空间注意力模块以及输出层；将原始图像输入至图像智能分割模型，输出分割预测图像。所述图像智能分割模型应用DConvNeXt模块，结合具有动态特征建模能力的可变形卷积v4算子与高效局部注意力机制作为令牌混合器，在有效提升模型的特征建模能力的同时，显著增强了特征表示的灵活性和动态性。本发明能够有效处理复杂图像分割任务，显著提高了在多样化应用场景中的适应性和处理复杂图像的分割精度。
-
公开(公告)号：CN118781298B
公开(公告)日：2025-01-03
申请号：CN202411282621.3
申请日：2024-09-13
IPC: G06T17/00 , G06N3/045 , G06N3/0455 , G06N3/0464 , G06N3/0475 , G06N3/094 , G06V10/74
Abstract: 本发明涉及计算机视觉技术领域，尤其是指一种基于多视图采样和渐进式生成的深度智能3D重建方法，包括：构建数据集；构建网格生成器，所述网格生成器为编码器‑解码器架构；利用数据集训练所述网格生成器；利用经过训练的网格生成器对残缺手绘图和噪声手绘图进行3D建模，得到目标网格3D模型。本发明利用2D卷积形状鉴别器训练网格生成器，并通过逐步增加2D卷积形状鉴别器的复杂度和多尺度轮廓图对的分辨率，逐步细化2D卷积形状鉴别器的判别能力，从而更有效地引导网格生成器生成高质量的预测网格3D模型，提高了预测网格3D模型的质量。
-
公开(公告)号：CN116705142B
公开(公告)日：2025-01-03
申请号：CN202310489300.X
申请日：2023-05-04
Applicant: 江南大学
Abstract: 基于二进制量子粒子群优化算法与通量平衡分析混合算法的代谢产物优化方法。本发明方法结合了通量平衡分析FBA和改进二进制量子行为粒子群优化EBQPSO算法的优势，以确定所需代谢产物的最佳敲除策略。EBQPSO算法引入邻域概念，增加粒子群的多样性，促进全局最优解的识别。我们在大肠杆菌iAF1260和iJR904两个基因组尺度的代谢模型上测试了我们的算法，结果显示EBQPSO的性能与其他算法相比具有竞争力。此外，我们算法中使用的编码方法在GSMMs的优化问题中很少被使用，这对于该领域的研究是一个重要贡献。我们提出的算法有潜力显著改善微生物细胞工厂的优化，并满足不同行业对微生物制造产品日益增长的需求。
-
公开(公告)号：CN118918445A
公开(公告)日：2024-11-08
申请号：CN202411405238.2
申请日：2024-10-10
IPC: G06V10/82 , G06N3/0455 , G06N3/09 , G06V10/22 , G06V10/42 , G06V10/44 , G06V10/774 , G06V10/80
Abstract: 本发明涉及异常决策技术领域，公开了一种基于多尺度特征融合差分的轻量化智能异常决策方法，包括选取多个正常图像作为记忆样本；获取待检测图像；获取每个记忆样本与待检测图像的多个具有不同分辨率的阶段特征，组成每个记忆样本的样本存储信息与待检测图像的实时存储信息；计算实时存储信息与每个样本存储信息之间的欧几里得距离，获取距离最小的作为目标样本存储信息与目标记忆样本；获取目标记忆样本与待检测图像在各个分辨率下的x轴、y轴卷积阶段特征，计算各个分辨率下目标记忆样本与待检测图像之间的差分信息；获取基于金字塔结构的多尺度特征差分中每一层的差分输出，进行通道拼接后，输入解码器中，获取待检测图像中的缺陷定位结果。
-
公开(公告)号：CN118797448A
公开(公告)日：2024-10-18
申请号：CN202411284257.4
申请日：2024-09-13
IPC: G06F18/241 , G06N3/0455 , G06N3/0464 , G06N3/096 , G06F18/10 , G06F18/2131 , G06F123/02
Abstract: 本发明涉及机器故障诊断技术领域，公开了一种基于迁移学习的多尺度智能决策方法，包括：获取源域与目标域中的机械故障振动时序长信号，构建源域训练集与目标域训练集；在源域训练集中，对时序分信号进行预处理后，提取时域特征与频域特征，并映射为低维时域特征与低维频域特征；计算特征之间的互相关矩阵，构建互相关损失函数，来训练编码器，获取源域优化时域信号编码器，并迁移至目标域，与初始分类器，组成初始多尺度智能决策模型；对目标域时序分信号进行预测，与其真实标签，构建交叉熵损失函数，训练获取目标多尺度智能决策模型；将实时采集的机械故障振动时序长信号，预处理后分别输入目标多尺度智能决策模型中，获取对应的故障类别。
-
-
-
-
-
-
-
-
-
Search Results
135
records
(took 0.023 seconds)
