用于光学卫星指向测量系统的空间基准标定方法及装置

    公开(公告)号:CN111174811A

    公开(公告)日:2020-05-19

    申请号:CN202010055581.4

    申请日:2020-01-17

    IPC分类号: G01C25/00

    摘要: 本发明实施例提供一种用于光学卫星指向测量系统的空间基准标定方法及装置,包括:通过相对指向测量子系统的相对输出量,对绝对指向测量子系统的绝对输出量进行重采样,得到采样频率归一化指向参数,以用于获取绝对指向测量子系统的内部空间基准转换时序参数;根据任一空间基准绝对指向参数序列参数和相对输出量,获取绝对指向测量子系统和相对指向测量子系统之间的空间基准转换时序参数;根据绝对指向内部空间基准转换时序参数,以及绝对指向测量子系统和相对指向测量子系统之间的空间基准转换时序参数,构建时空基准转换模型,以对指向测量系统进行空间基准标定。本发明实施例为高分辨率光学卫星的高效、高质量成像以及后续在轨应用奠定基础。

    用于光学卫星指向测量系统的空间基准标定方法及装置

    公开(公告)号:CN111174811B

    公开(公告)日:2021-01-15

    申请号:CN202010055581.4

    申请日:2020-01-17

    IPC分类号: G01C25/00

    摘要: 本发明实施例提供一种用于光学卫星指向测量系统的空间基准标定方法及装置,包括:通过相对指向测量子系统的相对输出量,对绝对指向测量子系统的绝对输出量进行重采样,得到采样频率归一化指向参数,以用于获取绝对指向测量子系统的内部空间基准转换时序参数;根据任一空间基准绝对指向参数序列参数和相对输出量,获取绝对指向测量子系统和相对指向测量子系统之间的空间基准转换时序参数;根据绝对指向内部空间基准转换时序参数,以及绝对指向测量子系统和相对指向测量子系统之间的空间基准转换时序参数,构建时空基准转换模型,以对指向测量系统进行空间基准标定。本发明实施例为高分辨率光学卫星的高效、高质量成像以及后续在轨应用奠定基础。

    量子神经网络处理多模态细粒度数据的方法及相关装置

    公开(公告)号:CN118898726A

    公开(公告)日:2024-11-05

    申请号:CN202411397807.3

    申请日:2024-10-09

    摘要: 本申请提供一种量子神经网络处理多模态细粒度数据的方法及相关装置,涉及量子机器学习领域。其中,电子设备将多模态的多种经典细粒度特征分别编码到各自对应的量子比特集,以使多个量子比特集处于第一量子态,并通过每个特征提取线路作用于对应的量子比特集,将多个量子比特集演化为第二量子态;然后,通过每个特征融合线路将相邻两个量子比特集中的每个量子比特与其余量子比特分别建立纠缠关系,以使多个量子比特集演化为第三量子态;最后,通过测量线路作用于多个量子比特集,得到上述特征的处理结果。如此,深度整合不同经典细粒度特征的特征信息,有效揭示并挖掘它们之间的内在联系,进而显著提升了多种经典细粒度特征处理结果的精确度。

    一种可重入制造系统控制方法、装置、存储介质及设备

    公开(公告)号:CN118672142A

    公开(公告)日:2024-09-20

    申请号:CN202411163184.3

    申请日:2024-08-23

    IPC分类号: G05B13/04

    摘要: 本发明提出一种可重入制造系统控制方法、装置、存储介质及设备,引入可重入制造系统的非线性项和线性扰动增益,构建可重入制造系统的非线性误差模型;对非线性误差模型进行局部线性化处理,以得到可重入制造系统的整体模糊状态方程;构建可重入制造系统的控制器算子;将控制器算子带入整体模糊状态方程,以得到闭环控制系统;基于闭环控制系统进行解算,确定控制器增益;基于控制器增益,获取控制器,并基于控制器对可重入制造系统进行调控。在构建可重入制造系统对应的模型时,引入可重入制造系统的非线性项和线性扰动增益,以得到非线性误差模型,能够对可重入制造系统的不确定性和扰动表现出强鲁棒性。

    量子神经网络模型处理文本语义相似性的方法

    公开(公告)号:CN118821790A

    公开(公告)日:2024-10-22

    申请号:CN202411304955.6

    申请日:2024-09-19

    摘要: 本发明提供一种量子神经网络模型处理文本语义相似性的方法,包括,采集用于文本语义相似性分析任务的数据集,对数据集进行标准化的数据预处理;构建量子神经网络模型,包括:量子数据编码模块、量子文本特征提取模块、量子文本特征相似度计算模块、量子比特测量模块和网络参数优化模块;利用训练集和验证集的量子态对量子神经网络模型进行迭代训练和验证,直至满足设置的阈值条件后终止训练和验证,终止训练和验证后可得到性能最优的用于处理文本语义相似性分析的量子神经网络模型;利用测试集的量子态评估最优的用于处理文本语义相似性分析的量子神经网络模型的性能,能够处理复杂的文本语义相似性分析任务,提高了处理效率。