公开(公告)号：CN110727870A

公开(公告)日：2020-01-24

申请号：CN201910996071.4

申请日：2019-10-18

Applicant: 东北大学

Inventor： 王骄 ,  迟森 ,  周婷婷 ,  高庆龙 ,  潘家鑫 ,  王中岩

IPC: G06F16/9535 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种新型序贯同步博弈的单树蒙特卡洛搜索方法，具体过程包括：步骤1：构建单博弈树结构：每一层的所有节点均对应同一个执行方且每个节点表示当前局面的博弈状态；除第一层外的奇数层为状态转移层，偶数层为状态传递层；步骤2：在同一博弈状态下，参与博弈的两个执行方依次进行选择过程和扩展过程；其中，具体步骤为博弈一方进行选择和扩展，然后博弈另一方进行选择和扩展，在迭代搜索过程中，当参与博弈的双方均作出一次动作选择后，才进行状态转移；步骤3：估值阶段；步骤4：更新阶段：步骤5：迭代进行步骤2至步骤4，直至完成设定的搜索时间或者迭代次数。本发明解决了现有双树结构方法存在博弈树节点信息同步的的问题。

公开(公告)号：CN109032935A

公开(公告)日：2018-12-18

申请号：CN201810766850.0

申请日：2018-07-13

Applicant: 东北大学

Inventor： 王骄 ,  王中岩 ,  潘家鑫 ,  迟森 ,  高庆龙 ,  周婷婷

IPC: G06F11/36 ,  G06F17/50 ,  G06N3/04

CPC classification number: G06F11/3608 ,  G06F17/5009 ,  G06N3/0454

Abstract: 本发明提供一种基于幻影围棋的非完美信息博弈完美化软件模型的预测方法。本发明方法，包括：S1、生成幻影围棋的非完美信息棋盘，得到幻影围棋的落子规则；S2、对生成的棋盘进行信息提取己方棋盘、Forbidden、Remove形成243维的Feature，和81维的Label；S3、建立深度神经网络；S4、设计损失函数，加入棋子数目限制和L2 loss；S5、预测准确率，运行程序，对比真实对方棋盘和预测棋盘的各个位置，然后计算准确率。本发明的技术方案解决了现有技术中的精炼及均衡探寻的求解方法，其缺陷在于当对方偏离均衡策略或作弊时无法得到最优策略，且仅限于双人零和博弈，对于多人博弈、合作式博弈等问题尚缺乏研究的问题。

公开(公告)号：CN109034376B

公开(公告)日：2020-07-28

申请号：CN201810790066.3

申请日：2018-07-18

Applicant: 东北大学

Inventor： 高庆龙 ,  王骄 ,  王中岩 ,  潘家鑫 ,  刘英楠 ,  迟森

IPC: G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种基于LSTM的无人机飞行状态预测方法及系统。本发明方法，包括：步骤1：构建动作标签字典；步骤2：采集无人机飞行状态信息以及动作数据；步骤3：针对采集的每一种无人机飞行状态信息进行预处理；步骤4：形成数据矩阵形式的数据集；步骤5：将数据集中的数据组随机划分70％作为训练集，30％作为验证集；训练得到引入方差的长短期记忆网络LSTM改进模型；步骤6：利用验证集，对模型超参数进行调优得到最终模型；步骤7：采集需要预测的当前时刻无人机的无人机飞行状态信息，依次进行预处理和滤波处理后输入最终模型得到无人机飞行动作预测结果。本发明的技术方案解决了现有的控制模型无法根据采集到的飞行状态数据预测飞行动作的问题。

公开(公告)号：CN110568401A

公开(公告)日：2019-12-13

申请号：CN201910860982.4

申请日：2019-09-11

Applicant: 东北大学

Inventor： 刘君兰 ,  高庆龙 ,  迟森 ,  刘英楠

IPC: G01S5/06 ,  G01S5/02 ,  H04W4/02 ,  H04W4/021 ,  H04W4/33

Abstract: 本发明提供一种基于UWB的三维定位方法，包括以下步骤：将三个基站分别放在正方体的上三个顶点构建三维三基站定位配置；构建三标签列阵；将三个标签分别设置于等边三角形的三个顶点，将其中点坐标设置为待测目标的位置坐标；收集距离数据并进行卡尔曼滤波处理；根据chan算法将每个标签滤波后的数据处理得到三维估计坐标；得到三个标签的估计后，取中点作为待测目标的位置。本发明提供的一种基于UWB的三基站定位方法，特有的基站布局既节约了硬件资源又节约了空间资源。在完成三维定位的基础上，比传统方法节省了一个基站，在实际推广应用中可以减少使用成本。结合卡尔曼滤波以及三标签定位法精度。

公开(公告)号：CN109034376A

公开(公告)日：2018-12-18

申请号：CN201810790066.3

申请日：2018-07-18

Applicant: 东北大学

Inventor： 高庆龙 ,  王骄 ,  王中岩 ,  潘家鑫 ,  刘英楠 ,  迟森

IPC: G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种基于LSTM的无人机飞行状态预测方法及系统。本发明方法，包括：步骤1：构建动作标签字典；步骤2：采集无人机飞行状态信息以及动作数据；步骤3：针对采集的每一种无人机飞行状态信息进行预处理；步骤4：形成数据矩阵形式的数据集；步骤5：将数据集中的数据组随机划分70％作为训练集，30％作为验证集；训练得到引入方差的长短期记忆网络LSTM改进模型；步骤6：利用验证集，对模型超参数进行调优得到最终模型；步骤7：采集需要预测的当前时刻无人机的无人机飞行状态信息，依次进行预处理和滤波处理后输入最终模型得到无人机飞行动作预测结果。本发明的技术方案解决了现有的控制模型无法根据采集到的飞行状态数据预测飞行动作的问题。