-
公开(公告)号：CN114677487B
公开(公告)日：2024-10-29
申请号：CN202210389768.7
申请日：2022-04-14
申请人： 湖北工业大学
IPC分类号： G06T17/05 , G06T17/10 , G06N3/0464 , G06N3/08
摘要： 本发明提供一种基于区域聚合特征的室内多尺度定位方法。本方法利用深度学习提取区域聚合特征，仅通过构建包含区域聚合特征和深度学习特征的节点式地图，采用多尺度定位方法即可实现室内定位。其特征在于：1.利用深度学习特征构建区域聚合特征；2.构建包含区域聚合特征和深度学习特征的节点式地图；3.利用所构建的节点式地图，采用室内多尺度定位方法，实现场景识别。本发明公开的方法仅通过前视图像，不需要在室内布设其他的定位信号，即可实现精确的定位。相比于目前已有的方法，本方法便于部署，且成本低廉。
-
公开(公告)号：CN116629089A
公开(公告)日：2023-08-22
申请号：CN202310174139.7
申请日：2023-02-27
申请人： 湖北工业大学
IPC分类号： G06F30/27 , G06Q40/04 , G06Q30/0202 , G06N3/04 , G06N3/08 , G06F113/04 , G06F111/04
摘要： 本发明提供了一种基于多智能体深度强化学习的微电网能源交易方法及系统，包括：根据微电网参与社区市场P2P能源交易需求，构建层级式的微电网控制器智能体；其中，FDS控制器用于微电网内部灵活需求调度，ET控制器用于微电网与其他微电网之间的能源交易；构建分层多智能体深度神经网络模型，将最优策略学习任务分解为两个子序列任务，结合优先级经验回放与重要性采样机制训练神经网络模型；利用训练好的模型结合中间市场定价策略，控制微电网完成P2P能源交易。本发明不仅能够支持微电网参与能源交易时进行自主报价和报量，确保新能源优先交易，最大化P2P交易收益。同时降低计算复杂度，提高了智能体作出最优交易序列决策的效率。
-
公开(公告)号：CN114677487A
公开(公告)日：2022-06-28
申请号：CN202210389768.7
申请日：2022-04-14
申请人： 湖北工业大学
摘要： 本发明提供一种基于区域聚合特征的室内多尺度定位方法。本方法利用深度学习提取区域聚合特征，仅通过构建包含区域聚合特征和深度学习特征的节点式地图，采用多尺度定位方法即可实现室内定位。其特征在于：1.利用深度学习特征构建区域聚合特征；2.构建包含区域聚合特征和深度学习特征的节点式地图；3.利用所构建的节点式地图，采用室内多尺度定位方法，实现场景识别。本发明公开的方法仅通过前视图像，不需要在室内布设其他的定位信号，即可实现精确的定位。相比于目前已有的方法，本方法便于部署，且成本低廉。
-
公开(公告)号：CN113947751A
公开(公告)日：2022-01-18
申请号：CN202111162828.3
申请日：2021-09-30
申请人： 湖北工业大学
IPC分类号： G06V20/52 , G06V20/10 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08 , G06F16/29 , G01C21/00
摘要： 本发明公开了一种基于深度学习方向特征的多尺度场景识别方法，利用地图采集车和测试车，经过相同的路径，每隔相同一段距离确定一个节点，并采集节点信息；分别提取前视图像的深度学习方向特征，并将深度学习方向特征保存至对应的节点信息中；地图节点的集合构成地图集；测试节点的集合构成测试点集；利用GPS信息对地图节点和测试节点进行匹配，筛选出与某一特定测试节点在一定距离内的地图节点；对每一个测试节点均进行匹配，筛选出所有符合要求的地图节点，构成候选地图节点集；通过匹配候选地图节点集和测试节点的深度学习方向特征，实现场景识别。本发明所提出的装置和方法能实现低成本，精度高、鲁棒性强和效率高的场景识别。
-
-
-
搜索结果
4 条记录 (耗时 0.023 秒)
