-
公开(公告)号：CN111123700B
公开(公告)日：2021-06-08
申请号：CN201911149068.5
申请日：2019-11-21
Applicant: 浙江大学
IPC: G05B13/04
Abstract: 本发明公开了约束全程满足的高超声速飞行器绕障飞行最优控制系统，用于对飞行器在特定条件下(指定航点、规避禁飞区等)的轨迹进行控制。所述的约束全程满足的高超声速飞行器绕障飞行最优控制系统由飞行器传感器，飞行器绕障飞行控制器，飞行器运动方程、航点和禁飞区等约束条件、目标函数，飞行器倾斜角最优控制策略构成。高超声速飞行器从指定初始位置出发后，飞行器绕障飞行控制器自动执行内部的优化算法，得到使高超声速飞行器在全程满足所有飞行约束条件的前提下，飞行时间最短的轨迹优化倾斜角最优控制策略。本发明能够根据高超声速飞行器不同的飞行经度、飞行纬度、速度和飞行航向角快速地得到轨迹优化控制策略，使高超声速飞行器获得最短飞行时间。
-
公开(公告)号：CN112906458A
公开(公告)日：2021-06-04
申请号：CN202110023562.8
申请日：2021-01-08
Applicant: 浙江大学
Abstract: 本发明公开了一种群智能优化的水下激光多目标端到端自动识别系统，包括水下目标激光图像获取模块、群智能优化的水下激光多目标端到端自动识别系统、显示模块，其中群智能优化的水下激光多目标端到端自动识别系统包含水下激光图像数据库、预处理模块、水下激光多目标建模模块、群智能优化模块、水下激光多目标自动识别模块、水下目标识别输出模块。本发明实现了最优的端到端的自动模型训练和目标识别，可识别同一水下激光图像中多个目标，识别准确率高，同时具有特征提取能力强、识别速度快、智能化程度高等优点，解决了传统水下激光目标识别操作繁琐，只适用于单目标、识别准确率低、速度慢、模型质量差、需要人为选择参数等缺点。
-
公开(公告)号：CN112434686A
公开(公告)日：2021-03-02
申请号：CN202011280156.1
申请日：2020-11-16
Applicant: 浙江大学
Abstract: 本发明公开了针对OCR图片的端到端含错文本分类识别仪，用于对OCR图片中存在文字识别错误的信息实现端到端的纠错并分类，包括OCR信息提取模块、含错文本纠错模块、文本分类模块以及信息蒸馏模块。本发明为了克服已有的OCR图片识别文字和含错文本分类系统相互独立、需要多阶段分步识别纠错并推理类别的缺点，通过结合高效、高精度且可学习的信息蒸馏模块，以及可以充分利用大量历史数据、可拓展性强的文本纠错模块和文本分类模块，建立了针对OCR图片含错文本分类问题的兼具精度和效率的端到端分类系统，能够很好地利用OCR信息实现具有高鲁棒性高适应性高敏捷性的含错文本分类识别仪。
-
公开(公告)号：CN111338364A
公开(公告)日：2020-06-26
申请号：CN201911150187.2
申请日：2019-11-21
Applicant: 浙江大学
Abstract: 本发明公开了快速响应的高超声速飞行器轨迹优化高精度控制器，用于对飞行器轨迹进行控制。所述的快速响应的高超声速飞行器轨迹优化高精度控制器由飞行器海拔高度传感器、飞行器速度传感器、飞行器飞行航道倾角传感器、飞行器水平飞行距离传感器、飞行器微控制单元(MCU)、飞行器攻角控制器构成。高超声速飞行器到达再入段空域后，飞行器MCU自动执行内部优化算法，得到使高超声速飞行器航程最远的轨迹优化控制策略，飞行器MCU将获得的控制策略转换为控制指令发送给飞行器攻角控制器执行。本发明能够根据高超声速飞行器不同的海拔高度、速度、飞行航道倾角和飞行水平距离状态快速地得到轨迹优化控制策略，使高超声速飞行器获得更远航程。
-
公开(公告)号：CN111045447A
公开(公告)日：2020-04-21
申请号：CN201911149104.8
申请日：2019-11-21
Applicant: 浙江大学
IPC: G05D1/10
Abstract: 本发明公开了一种高精度的高超声速飞行器轨迹优化多尺度最优控制系统，用于对飞行器轨迹进行控制。所述的高精度的高超声速飞行器轨迹优化多尺度最优控制系统由飞行器海拔高度传感器、飞行器速度传感器、飞行器飞行航道倾角传感器、飞行器水平航程传感器、飞行器MCU、飞行器攻角控制器构成。飞行器MCU根据设定的海拔高度、速度、飞行航道倾角要求自动执行内部高精度的多尺度优化算法，并将获得的控制策略转换为控制指令发送给飞行器攻角控制器执行。本发明能够根据高超声速飞行器不同的海拔高度、速度、飞行航道倾角和飞行水平航程状态快速地得到轨迹优化控制策略，使高超声速飞行器获得更远航程。
-
Patent Agency Ranking
公开(公告)号：CN110988804A
公开(公告)日：2020-04-10
申请号：CN201911095867.9
申请日：2019-11-11
Applicant: 浙江大学
Abstract: 本发明公开了一种基于雷达脉冲序列的雷达辐射源个体识别系统，包括雷达个体脉冲序列数据库、数据预处理模块、不同个体权重计算模块、加权的极限梯度提升雷达个体建模模块、雷达个体识别模块、雷达个体识别最终结果计算模块。本发明基于雷达脉冲序列实现雷达辐射源的个体识别，基于雷达脉冲序列的雷达辐射源个体识别系统中除采用原始脉冲序列作为输入，还对原始雷达脉冲序列进行小波分解从而获得多尺度输入，挖掘更多可区分的细微特征，采用加权的集成学习算法建立雷达辐射源个体识别模型，能够克服数据库中雷达个体样本数量不平衡的问题，同时具有特征提取能力强、准确率高、建模速度快等优点。
-
公开(公告)号：CN120069166A
公开(公告)日：2025-05-30
申请号：CN202510058319.8
申请日：2025-01-14
Applicant: 浙江大学
IPC: G06Q10/04 , G06Q10/0639 , G06F18/24 , G06F18/214 , G06N3/0475 , G06N3/0442 , G06N3/048 , G06N3/094 , G06N3/084 , G06F17/16 , G06Q50/06
Abstract: 本发明公开了一种基于时空相关性的高准确率核电关键指标预测仪，由核电辐射站数据库、上位机、传感器阵列分别相连构成。所述核电辐射站数据库，存储核电辐射站监测数据历史记录。所述上位机，包括生成对抗模块以及核电关键指标预测模块两个模块，使用数据库中的数据对生成对抗模块中的生成器和判别器进行训练，然后将训练好的生成器作为核电关键指标预测模型保存在核电关键指标预测模块中。所述传感器阵列接收新的辐射相关数据，传入上位机的核电关键指标预测模块进行核电关键指标预测。本发明创新性地引入生成对抗注意力模型来充分挖掘核电辐射站数据的时间相关性和空间相关性，增强了预测仪的抗干扰能力，并显著提升了核电关键指标预测准确率。
-
公开(公告)号：CN112435095B
公开(公告)日：2025-01-03
申请号：CN202011353849.9
申请日：2020-11-26
Applicant: 浙江大学
IPC: G06Q30/0601 , G06Q50/04 , G06F30/25 , G06F111/04 , G06F111/08 , G06F119/12
Abstract: 本发明公开了一种纸箱生产车间订单生产管理装置，由设置模块、获取模块、存储模块、建模模块、计算模块和输出模块组成。通过设置模块对基础参数文件进行设置，并存入存储模块；通过获取模块接收订单信息，并存入存储模块；接收生成指令后，通过建模模块读取订单数据和基础参数文件，根据相应算法形成数学模型；在计算模块中，调用优化算法，获取排产结果，并通过输出模块转发到各个生产机器和生产管理平台。通过本申请，解决了纸箱生产车间订单管理效率低、考虑不全面的问题，实现了订单管理处理的准确与高效。
-
公开(公告)号：CN114707654A
公开(公告)日：2022-07-05
申请号：CN202210628435.5
申请日：2022-06-06
Applicant: 浙江大学
IPC: G06N5/04 , G06N3/08 , G06K9/62 , G06F16/904
Abstract: 本发明公开了一种基于人工智能框架的算法训练推理性能可视化方法及装置，属于深度学习技术领域。本发明能够将深度学习模型在人工智能框架上的算法训练或推理过程的数据转换为通用的Protobuf数据格式，通过计算深度模型网络中的节点延迟和节点效率来可视化人工智能框架的性能表现，方便用户分析和优化算法模型。本发明提供了比较不同人工智能框架的算法训练或推理性能的方法，适用于不同的人工智能框架，为用户比较和选择合适的人工智能框架以及优化模型结构提供帮助。
-
公开(公告)号：CN114707022A
公开(公告)日：2022-07-05
申请号：CN202210605506.X
申请日：2022-05-31
Applicant: 浙江大学
IPC: G06F16/783 , G06F16/732 , G06F16/9032 , G06K9/62 , G06N3/04
Abstract: 本发明公开了一种视频问答数据集标注方法、装置、存储介质及电子设备，属于计算机视觉领域。本发明通过人工智能网络构建辅助标注技术来提高标注效率，先使用视频问答模型先针对样本输出预测的内容定位和问句答案，将将预测结果提供给人工进行校对，人工校对后再最终产生标注结果，从而一定程度缩小人工查找视频问句答案范围。在本发明中，初步的标注信息可由神经网络模型自动生成，人工仅需要对模型生成的自动进行校核调整即可，若存在错误可进行修正，由此大大提高了视频问答数据集的标注效率，也避免了直接采用模型预测时的标注质量问题。
-
-
-
-
-
-
-
-
-
Search Results
77
records
(took 0.018 seconds)
