-
公开(公告)号：CN107472787B
公开(公告)日：2023-06-16
申请号：CN201710692769.8
申请日：2017-08-14
Applicant: 北京物资学院
IPC: B65G1/04
Abstract: 本发明涉及智能物流技术领域，具体涉及智能物流拣选存储系统及方法，包括用于存储各种货物的立体仓库、为立体仓库补货和出货的拣选车，以及将拣选车出货时装载的货物传送至分拣口的地面运输单元；所述立体仓库在高度方向上设置有多层可供拣选车自主行走的平台，每层平台上都存放有各种货物；在所述多层平台的边缘设置有供拣选车升降的过渡装置；所述拣选车通过过渡装置进入任一层平台为立体仓库补货和出货。本发明不但能够大容量的存储货物并且还能够使拣选车不在固定的轨道运行，从而能够有效的提供智能物流中货物拣选和存储的效率。
-
公开(公告)号：CN108345794A
公开(公告)日：2018-07-31
申请号：CN201711477108.X
申请日：2017-12-29
Applicant: 北京物资学院
Abstract: 本发明实施例提供了一种恶意软件的检测方法及装置，属于信息安全领域。所述方法包括：从已知软件类型的软件样本集合中，提取各个软件样本的静态特征和动态特征，将提取的各个软件样本的静态特征和动态特征有效结合，形成混合特征数据集；根据主成分分析方法和特征权重的选择方法，降低特征维度，去除冗余特征，得到优化后的混合特征数据集；运用支持向量机模型对优化后的混合特征集中的特征进行训练，形成分类检测模型；根据分类检测模型对待检测软件进行检测。运用支持向量机模型形成分类检测模型，不仅提高了分类的效率，而且提高了软件检测的准确度。
-
公开(公告)号：CN107472787A
公开(公告)日：2017-12-15
申请号：CN201710692769.8
申请日：2017-08-14
Applicant: 北京物资学院
IPC: B65G1/04
CPC classification number: B65G1/0492
Abstract: 本发明涉及智能物流技术领域，具体涉及智能物流拣选存储系统及方法，包括用于存储各种货物的立体仓库、为立体仓库补货和出货的拣选车，以及将拣选车出货时装载的货物传送至分拣口的地面运输单元；所述立体仓库在高度方向上设置有多层可供拣选车自主行走的平台，每层平台上都存放有各种货物；在所述多层平台的边缘设置有供拣选车升降的过渡装置；所述拣选车通过过渡装置进入任一层平台为立体仓库补货和出货。本发明不但能够大容量的存储货物并且还能够使拣选车不在固定的轨道运行，从而能够有效的提供智能物流中货物拣选和存储的效率。
-
公开(公告)号：CN113044458B
公开(公告)日：2022-05-27
申请号：CN202110319717.2
申请日：2021-03-25
Applicant: 北京物资学院
Abstract: 本发明实施例提供一种物流机器人动态任务分配方法及系统，包括：选取仓库已经处理完毕的某一时段的所有订单，基于马尔可夫决策过程构建物流机器人动态任务分配模型；构建所述物流机器人动态任务分配模型采用将订单分配给拣选台、将分配给拣选台的订单分解成独立任务、将每个独立任务分配到物流机器人的任务分配方式；采用优化的蒙特卡洛搜索树算法对物流机器人动态任务分配模型进行训练求解，得到最优物流机器人动态任务分配模型；在仓库接收到订单并根据订单拣选货物时，采用最优物流机器人动态任务分配模型将新收到的订单动态分配给物流机器人。在物流机器人分配任务时，在一定的搜索时间范围内保证收益估计的准确度。
-
公开(公告)号：CN113044458A
公开(公告)日：2021-06-29
申请号：CN202110319717.2
申请日：2021-03-25
Applicant: 北京物资学院
Abstract: 本发明实施例提供一种物流机器人动态任务分配方法及系统，包括：选取仓库已经处理完毕的某一时段的所有订单，基于马尔可夫决策过程构建物流机器人动态任务分配模型；构建所述物流机器人动态任务分配模型采用将订单分配给拣选台、将分配给拣选台的订单分解成独立任务、将每个独立任务分配到物流机器人的任务分配方式；采用优化的蒙特卡洛搜索树算法对物流机器人动态任务分配模型进行训练求解，得到最优物流机器人动态任务分配模型；在仓库接收到订单并根据订单拣选货物时，采用最优物流机器人动态任务分配模型将新收到的订单动态分配给物流机器人。在物流机器人分配任务时，在一定的搜索时间范围内保证收益估计的准确度。
-
Patent Agency Ranking
公开(公告)号：CN112269874A
公开(公告)日：2021-01-26
申请号：CN202011078194.9
申请日：2020-10-10
Applicant: 北京物资学院
IPC: G06F16/35 , G06F40/284 , G06F40/30 , G06N3/04 , G06N3/08
Abstract: 本发明实施例提供一种文本分类方法及系统，其步骤包括：获取待分类文本；向量化所述待分类文本；通过双向长短期记忆网络层提取深层次特征；根据待分类文本的词汇依存关系及深层次特征构建文本邻接矩阵；通过由图卷积网络构成的隐藏层，进一步提取隐藏层特征；结合注意力机制，得到词汇在文本分类时的贡献率向量；进一步根据贡献率向量，得到文本分类向量；将文本分类向量经全连接层及归一化，得到文本分类结果。本发明通过在传统图卷积网络模型基础上引入双向长短期记忆网络、词性信息和词汇间的依存关系，构建文本分类网络模型，解决传统图卷积网络模型的上下文依赖问题和词汇多义性问题，从而明显提高图卷积网络在文本分类上的分类效果。
-
公开(公告)号：CN113239189A
公开(公告)日：2021-08-10
申请号：CN202110438000.X
申请日：2021-04-22
Applicant: 北京物资学院
Abstract: 本发明实施例提供一种文本情感领域分类的方法及系统，包括：BiLSTM自目标域数据和源域数据提取文本初步特征表示；用梯度反转自文本初步特征表示提取各自文本通用特征表示；训练文本通用特征表示并建立域分类子模型损失函数；通过投影机制对文本初步特征表示映射得到文本领域性特征表示；对文本领域性特征表示训练建立情感分类子模型损失函数；根据情感分类子模型损失函数与域分类子模型损失函数之差建立图域对抗模型的损失函数，将图域对抗模型用于对文本进行文本情感领域分类；当收到对待进行情感领域分类的文本时，采用图域对抗模型对其进行情感领域分类。基于对抗学习思想的模型实现跨域情感分类，有效提高深度学习模型的特征提取能力。
-
公开(公告)号：CN112596515A
公开(公告)日：2021-04-02
申请号：CN202011334302.4
申请日：2020-11-25
Applicant: 北京物资学院
IPC: G05D1/02
Abstract: 本发明实施例提供一种多物流机器人移动控制方法及装置，通过根据机器人可执行的动作构建动作空间；接收任务信息中的终点位置；将机器人的移动路径规划为一个或多个子目标位置，构成子目标位置空间；经训练分层强化学习网络的网络参数的数值得到网络参数的最终数值；通过基于网络参数的最终数值的分层强化学习网络控制机器人完成移动任务,实现了多物流机器人相互协同的移动控制的同时解决了复杂问题的维度灾难问题，提高了训练的效率。
-
公开(公告)号：CN110262497A
公开(公告)日：2019-09-20
申请号：CN201910564850.7
申请日：2019-06-27
Applicant: 北京物资学院
IPC: G05D1/02
Abstract: 本发明实施例提供一种半结构化环境机器人导航控制方法及装置，其中，方法包括：根据传感器获取的半结构化环境信息，确定对应于环境分类的高层行为；根据目标位置以及所述半结构化环境信息，确定基于目标的底层行为的速度和方向；根据所述高层行为对应的所述底层行为的权值，确定所述高层行为对所述底层行为的速度和方向的修正量；根据所述修正量修正所述基于目标的底层行为的速度和方向，获得所述半结构化环境机器人的实际输出速度和角度；本发明能避免环境机器人使用单个控制器解决半结构化环境中未知、不可测等复杂非线性问题、内部参数的设置及单个控器结构复杂的问题，使在半结构化环境下环境机器人的导航控制更容易实现。
-
公开(公告)号：CN109669452A
公开(公告)日：2019-04-23
申请号：CN201811298028.2
申请日：2018-11-02
Applicant: 北京物资学院
IPC: G05D1/02
Abstract: 本发明实施例提供一种基于并行强化学习的云机器人任务调度方法和系统，该方法包括：调度中心加载原始问题，并且将所述原始问题分割为多个子问题；所述调度中心将所述多个子问题与多个计算节点进行匹配；所述调度中心将各子问题发送到与其匹配的计算节点；所述多个计算节点对多个子问题进行并行的强化学习，并将对所述多个子问题的学习结果反馈给所述调度中心；所述调度中心根据对该多个子问题的学习结果和预设的收敛条件，判断所述原始问题是否已经收敛，如果所述原始问题已经收敛，则输出所述原始问题的最优策略。该方法可得到精确的最优策略，并且减少时间开销。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.027 seconds)
