-
公开(公告)号：CN113467481B
公开(公告)日：2022-10-25
申请号：CN202110918358.2
申请日：2021-08-11
申请人： 哈尔滨工程大学
IPC分类号： G05D1/02
摘要： 一种基于改进Sarsa算法的路径规划方法，属于强化学习和路径规划领域。本发明为了解决基于传统Sarsa算法的路径规划过程存在规划收敛速度较慢、规划效率较低的问题。本发明针对于待进行路径规划的区域建立地图模型，引入路径矩阵P(s，a)，在智能体探索的过程中，动态调整贪婪因子ε，采用ε‑greedy策略进行动作选择，智能体采取动作a后，环境会反馈一个奖励R并进入到下一个状态s′；并基于路径矩阵更新Q值表，从而基于改进的Sarsa算法实现路径规划。主要用于机器人的路径规划。
-
公开(公告)号：CN113537113B
公开(公告)日：2022-10-25
申请号：CN202110844909.5
申请日：2021-07-26
申请人： 哈尔滨工程大学
摘要： 基于复合神经网络的水声目标识别方法，它属于水声信号识别技术领域。本发明是为了解决采用现有方法对水声目标识别的准确率低的问题。本发明设计了基于复合神经网络的基层网络结构，先通过LSTM算法对输入音频样本数据的时序特征进行学习，得到一个通过算法更新后的状态信息作为中间向量，进而将这一层次中的状态信息继续通过CNN网络进行传递，经过CNN网络中的卷积池化运算得到输入音频样本数据的空间特征，最后通过CNN网络最后一层的softmax函数得到水声目标识别结果。本发明可以应用于水声信号识别。
-
公开(公告)号：CN113537113A
公开(公告)日：2021-10-22
申请号：CN202110844909.5
申请日：2021-07-26
申请人： 哈尔滨工程大学
摘要： 基于复合神经网络的水声目标识别方法，它属于水声信号识别技术领域。本发明是为了解决采用现有方法对水声目标识别的准确率低的问题。本发明设计了基于复合神经网络的基层网络结构，先通过LSTM算法对输入音频样本数据的时序特征进行学习，得到一个通过算法更新后的状态信息作为中间向量，进而将这一层次中的状态信息继续通过CNN网络进行传递，经过CNN网络中的卷积池化运算得到输入音频样本数据的空间特征，最后通过CNN网络最后一层的softmax函数得到水声目标识别结果。本发明可以应用于水声信号识别。
-
公开(公告)号：CN113642245A
公开(公告)日：2021-11-12
申请号：CN202110975058.8
申请日：2021-08-24
申请人： 哈尔滨工程大学
摘要： 一种舰船辐射噪声数据集的构建方法，它属于水声信号识别领域。本发明解决了实采舰船辐射噪音样本稀缺的问题。本发明根据现有的舰船辐射噪声数据实采样本，利用仿真技术生成符合实际需要的舰船辐射噪声，将仿真舰船辐射噪声和实采的海洋噪声一起作为原始噪声数据集，将LOFAR谱用于预处理，保留关键特征，最后用GAN实现样本扩展，从而获得更多的数据集来满足深度学习大数据量的需求。本发明可以应用于对舰船辐射噪声数据集的构建。
-
公开(公告)号：CN113467481A
公开(公告)日：2021-10-01
申请号：CN202110918358.2
申请日：2021-08-11
申请人： 哈尔滨工程大学
IPC分类号： G05D1/02
摘要： 一种基于改进Sarsa算法的路径规划方法，属于强化学习和路径规划领域。本发明为了解决基于传统Sarsa算法的路径规划过程存在规划收敛速度较慢、规划效率较低的问题。本发明针对于待进行路径规划的区域建立地图模型，引入路径矩阵P(s，a)，在智能体探索的过程中，动态调整贪婪因子ε，采用ε‑greedy策略进行动作选择，智能体采取动作a后，环境会反馈一个奖励R并进入到下一个状态s′；并基于路径矩阵更新Q值表，从而基于改进的Sarsa算法实现路径规划。主要用于机器人的路径规划。
-
公开(公告)号：CN113642245B
公开(公告)日：2024-03-19
申请号：CN202110975058.8
申请日：2021-08-24
申请人： 哈尔滨工程大学
IPC分类号： G06F30/27 , G06F17/14 , G06F16/36 , G06F16/21 , G06N3/0475 , G06N3/094 , G06F119/10
摘要： 一种舰船辐射噪声数据集的构建方法，它属于水声信号识别领域。本发明解决了实采舰船辐射噪音样本稀缺的问题。本发明根据现有的舰船辐射噪声数据实采样本，利用仿真技术生成符合实际需要的舰船辐射噪声，将仿真舰船辐射噪声和实采的海洋噪声一起作为原始噪声数据集，将LOFAR谱用于预处理，保留关键特征，最后用GAN实现样本扩展，从而获得更多的数据集来满足深度学习大数据量的需求。本发明可以应用于对舰船辐射噪声数据集的构建。
-
公开(公告)号：CN113673627B
公开(公告)日：2024-02-13
申请号：CN202111026189.8
申请日：2021-09-02
申请人： 哈尔滨工程大学
IPC分类号： G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0985 , G06Q30/0601
摘要： 一种具有解释性的商品自动分类方法及系统，它属于图像识别分类技术领域。本发明解决了现有的商品图像识别分类算法难以获得解释性，导致现有方法难以对复杂商品进行准确分类的问题。本发明使用Pytorch工具对图像进行双标签格式标注来构建相应数据集，利用构建的数据集对设计的网络架构进行训练，再采用训练好的网络架构对图像进行分类，同时在网页中展示其可视化结果，实现一个分类准确率高且解释力强的商品识别分类模型，解决传统方法对复杂商品识别分类困难的问题。本发明可以应用于对图像进行识别分类。
-
公开(公告)号：CN113673627A
公开(公告)日：2021-11-19
申请号：CN202111026189.8
申请日：2021-09-02
申请人： 哈尔滨工程大学
摘要： 一种具有解释性的商品自动分类方法及系统，它属于图像识别分类技术领域。本发明解决了现有的商品图像识别分类算法难以获得解释性，导致现有方法难以对复杂商品进行准确分类的问题。本发明使用Pytorch工具对图像进行双标签格式标注来构建相应数据集，利用构建的数据集对设计的网络架构进行训练，再采用训练好的网络架构对图像进行分类，同时在网页中展示其可视化结果，实现一个分类准确率高且解释力强的商品识别分类模型，解决传统方法对复杂商品识别分类困难的问题。本发明可以应用于对图像进行识别分类。
-
-
-
-
-
-
-
搜索结果
8 条记录 (耗时 0.044 秒)
