-
公开(公告)号：CN115841155A
公开(公告)日：2023-03-24
申请号：CN202211299277.X
申请日：2022-10-24
Abstract: 本发明涉及一种针对未知开放环境的层级式风控演绎装置系统，通过微调推理条件随机场转移状态，对开放式系统中的风险随机概率分布进行近似，最大限度地评估主导优势策略的自适应置信水平。本发明阐明了目标条件政策和预测处理之间的内在关系，迭代计算增量缓冲并以此修改其在开放环境中的应对响应，并使其能够在整个自主学习过程中处理随机性。在开放式环境下，这种分层结构更容易实现，因为该方案的效率更高，消耗的计算量更少。本发明实现了对环境潜在风险的有效抽象，证明了其在机器人任务中的具备风险预估与推理的实际潜力，进一步提高了探索效率并改善了分层架构的有效性与可解释性。
-
公开(公告)号：CN115526270A
公开(公告)日：2022-12-27
申请号：CN202211300756.9
申请日：2022-10-24
Abstract: 本发明提供一种开放环境中动作演化的时空融合推理与终身认知学习方法，根据历史认知经验与实时动作观测相结合来构造时空融合视角，判定是否发生环境状态转移；在响应周期内，微调推理出抽象的自由度与任务级策略，然后根据环境奖励回报校准响应的置信度，快速修正当前策略并适应环境。本发明构建了“多目标全局感知、多维度决策部署”的可演绎终身学习架构，提高了智能机器人对未知场景的风险探索与认知的效率。本方案提供了一个新的范式，利用跨层级的最佳响应动作与条件随机场置信区间来促进自主学习的有效性，证明了在开放环境的随机稀疏奖励反馈下，构造不同任务间的快速迁移学习与自适应演化的动作机制。
-
公开(公告)号：CN115454130B
公开(公告)日：2025-03-14
申请号：CN202211168834.4
申请日：2022-09-25
Applicant: 复旦大学
Abstract: 本发明属于无人机控制技术领域，具体为一种基于机载视角相对定位的室内无人机编队控制方法。本发明方法包括：地面站预先规定室内飞行过程中期望的无人机编队队形，包括设定跟随者与领航者之间期望的距离以及角度，并根据预先设定的飞行任务，规划领航者飞行路径，跟随者通过机载摄像头第一视角完成动态飞行中对领航者机载标签的相对定位，不需要全局定位信息。系统包括：地面控制站、无人机、通信设备，地面控制站包括视觉图像处理系统与编队控制器，通信设备包括收发机及路由器。与传统的编队方案相比，本发明仅利用机载视觉传感器，硬件成本低，稳定性好且适用范围广，属于轻量级的无人机编队系统。
-
公开(公告)号：CN116559369A
公开(公告)日：2023-08-08
申请号：CN202310512415.6
申请日：2023-05-08
Applicant: 复旦大学
Abstract: 本发明提供一种基于天空地立体时空碳监测选点与融合碳核查的监测方法，本发明首先对所选区域进行初步的碳排放地面监测，然后借助排放结果进行碳排放地面监测的选点与部署优化与无人机飞行轨迹的判定以及碳卫星监测中心点的确定，借助碳卫星、空中无人机、地面监测传感器对选定地点进行碳排放的监测，最后对测量的多元异构数据进行清洗与融合处理，借助间接碳核查作为融合结果的判断。本发明提供的基于多时空尺度的二氧化碳监测方法，借助于数据清洗与融合，可以弥补传感器精度的不足，间接碳核查数据不确定度高的问题。定量、精准地掌握区域在一个时间周期下的碳排放状况，同时借助间接碳核查来对融合后的数据进行筛选，更加保证了数据的可靠性。
-
公开(公告)号：CN116012695A
公开(公告)日：2023-04-25
申请号：CN202310055845.X
申请日：2023-01-20
Applicant: 复旦大学
Abstract: 本发明属于红外图像处理技术领域，具体为一种多路红外图像并行采集与增强的FPGA实现方法。本发明方法包括：探测器驱动与配置、图像数据重组，以及图像增强，具体在FPGA中多路红外图像数据流并行地实现图像增强，采用多滤波算法融合的分层处理框架，将图像分解成背景层和细节层有针对性地并行处理，并行流水线架构的双边和高斯滤波器通过查找表、设置阈值、倍频加速、多模块轮流等手段减少资源占用并增强实时性；增强后多路红外图像数据依次传输给上位机。本发明可以实现多路红外图像的同步采集、实时增强与大带宽传输，克服单源分辨率不足、视场角受限、资源消耗大、图像噪声多、对比度低和边缘模糊等问题，实现全方位实时目标探测。
-
Patent Agency Ranking
公开(公告)号：CN105959694B
公开(公告)日：2019-01-29
申请号：CN201610279509.3
申请日：2016-05-03
Applicant: 复旦大学
IPC: H04N19/30 , H04N19/36 , H04N21/647
Abstract: 本发明属于无线分布式缓存技术领域，具体为一种面向可伸缩视频流(SVC)的分布式毫微蜂窝缓存分配方法。为了缓解宏蜂窝网络覆盖的盲点，降低回程网络的压力，本发明结合毫微蜂窝技术和SVC可伸缩视频编码的特性，利用分布式缓存，提高用户视频观看的体验质量(QoE)，同时降低回程网络的负载。本发明首先给出了在分布式毫微蜂窝当中具体的SVC视频缓存与发送模式，然后对分布式毫微蜂窝缓存分配的方法进行了描述，最后进行了仿真实验。从仿真结果可以看到，分布式毫微蜂窝缓存技术的引入可以较大地提高用户QoE，并且与其他常用缓存算法相比，本发明所提出的缓存分配方法在用户QoE方面具有更好的性能。
-
公开(公告)号：CN105959694A
公开(公告)日：2016-09-21
申请号：CN201610279509.3
申请日：2016-05-03
Applicant: 复旦大学
IPC: H04N19/30 , H04N19/36 , H04N21/647
CPC classification number: H04N19/30 , H04N19/36 , H04N21/64784
Abstract: 本发明属于无线分布式缓存技术领域，具体为一种面向可伸缩视频流(SVC)的分布式毫微蜂窝缓存分配方法。为了缓解宏蜂窝网络覆盖的盲点，降低回程网络的压力，本发明结合毫微蜂窝技术和SVC可伸缩视频编码的特性，利用分布式缓存，提高用户视频观看的体验质量(QoE)，同时降低回程网络的负载。本发明首先给出了在分布式毫微蜂窝当中具体的SVC视频缓存与发送模式，然后对分布式毫微蜂窝缓存分配的方法进行了描述，最后进行了仿真实验。从仿真结果可以看到，分布式毫微蜂窝缓存技术的引入可以较大地提高用户QoE，并且与其他常用缓存算法相比，本发明所提出的缓存分配方法在用户QoE方面具有更好的性能。
-
公开(公告)号：CN102891816B
公开(公告)日：2016-08-03
申请号：CN201210411234.6
申请日：2012-10-25
Applicant: 复旦大学
Abstract: 本发明属于通信技术领域，具体为一种基于MIMO?OFDM相关信道的信道预测方法。本发明首先分析了信道相关函数可以去耦合写成时间、频率、相关性有关的独立函数之间，然后该方法利用AR模型建模，分三步经过三个滤波器，三个滤波器分别考虑时间、频率、空间相关特性。从仿真可以得出，有效的利用频率和空间相关性可以改善预测性能。本发明方法在降低计算复杂度的同时有效的提高了预测性能。
-
公开(公告)号：CN104821836A
公开(公告)日：2015-08-05
申请号：CN201510200043.9
申请日：2015-04-26
Applicant: 复旦大学
IPC: H04B1/7075
Abstract: 本发明属于通信技术领域，具体为改进的补零与频域采样相结合的PN码快速捕获算法。本发明方法首先对本地序列进行相加处理，对接收序列进行时域降采样，分别得到新的本地序列和降采样后的接收序列；然后，通过频域采样构造新的本地序列部分频域集，与降采样后的接收序列进行相关运算，实现相位粗捕获；最后，通过去除采样相位模糊度操作实现细搜索，得到序列精确相位。理论分析和仿真结果表明，该方法扩大了伪码搜索范围，降低了伪码搜索计算复杂度，节省了计算开销，提高了搜索效率，具有良好的捕获效果。
-
公开(公告)号：CN119396497A
公开(公告)日：2025-02-07
申请号：CN202510005390.X
申请日：2025-01-03
Applicant: 复旦大学
Abstract: 本发明涉及一种基于云端大模型增强的边缘AI协同方法及系统。所述方法包括：通过自然语言处理技术解析自然语言请求并转化为各个子任务；评估各个边缘设备的处理能力，将子任务协调卸载到对应的边缘设备上；通过分布式的方式在各个边缘设备上进行边缘AI模型训练；使用跨设备一致性维护算法对各个初步边缘AI模型进行同步机制和一致性约束，将初步边缘AI模型的模型参数在各个边缘设备间对齐，完成边缘AI协同。通过利用自然语言处理技术深度解析用户的自然语言请求，准确转换为边缘设备可执行的子任务，实时动态分配，可以优化资源利用率并降低任务执行延迟；通过对模型进行同步机制和一致性约束，可以提升模型的整体性能和泛化能力。
-
-
-
-
-
-
-
-
-
Search Results
55
records
(took 0.064 seconds)
