-
公开(公告)号：CN117610639A
公开(公告)日：2024-02-27
申请号：CN202311143860.6
申请日：2023-09-06
申请人： 西北农林科技大学
摘要： 本发明属于无线通信技术领域，公开了一种用于无人机轨迹优化的安全强化学习方法及系统，设计并明确网络场景、无人机的信道模型和能耗模型；构建优化目标，明确最小化平均信息年龄以及限制条件；根据场景及约束条件将问题转化为约束马尔科夫决策问题，进行状态空间、动作空间建模，并针对优化目标设计奖励函数；基于STD3算法构建无人机轨迹优化算法，对模型训练，并将训练好的模型在与不同用户参数下与基准算法对比进行性能验证。本发明能够有效地解决无人机飞行轨迹规划问题，提高数据收集的质量和速度，降低运行成本和风险。能够适应复杂和动态变化的环境，实现无人机的自主飞行和智能决策，提高无人机的安全性和可靠性。
-
公开(公告)号：CN111970709B
公开(公告)日：2022-09-16
申请号：CN202010662808.1
申请日：2020-07-10
申请人： 西北农林科技大学
摘要： 本发明属于无线通信技术领域，公开了一种基于粒子群优化算法的无人机中继部署方法及系统，设计并明确无人机中继的信道模型，计算其大尺度衰落路径损耗以及小尺度衰落，得到不同设备之间连接时的信道增益以及其信干噪比值；设计并明确无人机中继的能耗模型，明确悬停状态下无人机的功耗构成；构建优化目标，将有约束的混合01整数非线性规划问题转换为无约束的最优化问题；结合改进后的粒子群算法对终端设备发射功率，无人机中继候选部署位置，以及终端设备‑无人机中继‑信道关联关系进行优化，以实现系统总能耗最小化。本发明对标准粒子群算法进行了改进，更适用于该最优化问题的求解，提高了算法的执行效率。
-
公开(公告)号：CN109118561B
公开(公告)日：2020-10-16
申请号：CN201810821225.1
申请日：2018-07-24
申请人： 西北农林科技大学
IPC分类号： G06T13/20
摘要： 本发明公开了基于位置的层次化动态模拟方法，涉及计算机图形学技术领域，该方法包括：创建一副布料网格，构造网格的特征信息并保存；根据网格的特征信息构造属于该网格的网格层次化系统；对布料模拟环境进行设置；根据基于位置的动态模拟方法PBD，结合网格层次化系统和布料模拟环境进行收敛加速。本发明的方法相对现有技术来说更加简单明了，不但在模拟效果上得到了提升，并且在收敛速度上也有很大提升。
-
公开(公告)号：CN116957104A
公开(公告)日：2023-10-27
申请号：CN202310829896.3
申请日：2023-07-07
申请人： 西北农林科技大学
IPC分类号： G06N20/00 , G06F21/62 , G06F21/64 , G06F18/22 , G06F18/25 , H04W12/02 , H04W12/122 , H04W12/06 , H04W12/106 , H04W12/69 , H04L9/32 , H04L9/00
摘要： 本发明属于无线通信技术领域，公开了一种无线网络中安全的联邦学习聚合方法、系统、设备及介质，基于非对称密钥加密体制进行用户身份认证，通过EigenTrust算法对用户进行可靠性分数建模，服务器构建与其关联节点的可靠性分数表；在一个训练轮次完成后，用户首先加密身份信息并对本地模型添加差分隐私并发送给服务器，服务器验证用户身份后接收模型信息，计算用户可靠性分数，该可靠性分数同时会成为下一轮可靠性分数计算时的参照；服务器根据用户可靠性分数值将用户模型参数按照一定比例进行聚合，得到全局模型。本发明合理有效地防止用户恶意破坏联邦学习过程，保护用户隐私，提高联邦学习系统全局模型的正确率，保证了无线联邦学习的安全性。
-
公开(公告)号：CN116824141A
公开(公告)日：2023-09-29
申请号：CN202310726197.6
申请日：2023-06-19
申请人： 西北农林科技大学
IPC分类号： G06V10/26 , G06V10/82 , G06N3/0464 , G06N3/08 , G06V40/10
摘要： 本发明公开了一种基于深度学习的牲畜图像实例分割方法及装置，涉及计算机视觉领域，方法包括：对单只牲畜和多只牲畜的图像采集作为数据集；通过改进卷积神经网络ConvNeXt‑T对图像特征提取，利用特征金字塔得到不同尺度的特征图；通过改进DynamicRCNN网络结构作为目标检测，对特征图中目标进行分类和位置回归；通过改进的RefineMask分割网络，对特征图中目标的轮廓进行分割，利用细化策略获得精准的分割结果。本发明提出的实例分割方法可以精准的定位和分割出复杂场景下每个牲畜的不规则轮廓，缓解了由于背景和牲畜重叠度高而为其他视觉任务带来的挑战。
-
公开(公告)号：CN116663661A
公开(公告)日：2023-08-29
申请号：CN202310390183.1
申请日：2023-04-12
申请人： 西北农林科技大学
IPC分类号： G06N5/02 , G06F16/36 , G06F16/31 , G06F40/295 , G06F16/332
摘要： 本发明提供了一种猕猴桃全产业链知识图谱数据库的构建方法与问答系统，包括：步骤S1，概念设计：概念中包括32类实体；步骤S2，构建猕猴桃文本数据集，以BIO标注方式标注32类实体，获得标注的数据集；步骤S3，基于步骤S2的标注结果，对于原始文本，通过BiLSTM‑CRF模型进行实体识别，获得格式化文本；步骤S4，在BiLSTM‑CRF模型的概念模式的指导和约束下，将格式化文本组装成三元组，即实体层；步骤S5，将三元组使用Neo4j图数据库进行持久化保存。本发明的方法利用深度语言模型从多源异构数据中抽取知识，根据猕猴桃全产业链概念模式设计，将抽取到的知识组装成知识图谱的方法。所构建知识图谱数据库成本低，知识完整度高且更新维护便利。
-
公开(公告)号：CN110363804B
公开(公告)日：2022-10-11
申请号：CN201910667717.4
申请日：2019-07-23
申请人： 西北农林科技大学
摘要： 本发明提供了一种基于形变模型的花朵浅浮雕浮雕生成方法，属于计算机图形学技术领域，包括：收集到二维花朵图像集并标记关键点和轮廓点制作训练数据，应用从运动中恢复非刚性物体结构算法(NRSfM)估计视点，利用可视外壳生成算法(Visual Hull)学习重建出形变模型；根据形变模型和新实例的二维图像生成对应实例的粗糙模型；利用图像处理技术增强细节，融合灰度信息和梯度信息进行伽马校正，通过光照模型求取高度值并附加到模型上得到最终的浅浮雕模型。该方法易获取图像作为输入，通过引入形变模型实现了具有不同形状的花朵浅浮雕的生成。
-
公开(公告)号：CN112153650B
公开(公告)日：2022-07-26
申请号：CN202010898028.7
申请日：2020-08-31
申请人： 西北农林科技大学
IPC分类号： H04W12/122 , H04L9/40 , G06K9/62 , G06N20/00
摘要： 本发明属于无线通信技术领域，公开了一种无线网络中基于终端信誉的可靠联邦学习方法及系统，通过Beta函数对用户进行信誉建模，令基站构建所有与之关联用户的信誉表，并初始化联邦学习的其他相关参数；在每一轮次的终端用户训练完成后，根据用户信誉公平地选择部分用户与基站进行交互，排除较差信誉用户被调度的可能，同时采用一种公平的策略防止高信誉的用户被过度调度。在基站处根据用户信誉值的比重将本地模型参数按照一定比例进行聚合，并根据当前用户的行为和信道质量更新用户信誉。本发明合理有效地调度更多终端用户参与联邦学习过程，克服了无线网络中信道资源的限制，避免造成资源浪费的问题，极大提升了联邦学习效率和性能。
-
公开(公告)号：CN114489036A
公开(公告)日：2022-05-13
申请号：CN202110848667.7
申请日：2021-07-25
申请人： 西北农林科技大学
IPC分类号： G05D1/02
摘要： 该发明名为“一种基于SLAM的室内机器人导航控制方法”。通过机器人搭载的激光雷达及里程计实时获取室内环境信息，根据圆弧运动规律构建机器人运动模型实时获取其运动状态，运用栅格地图表示法实时构建周围环境地图，采用似然场模型实时构建激光雷达观测模型，结合基于Rao‑Blackwellised粒子滤波的SLAM方法、生物激励神经网络算法，最终实现了室内移动机器人的导航控制，包括机器人定位、环境地图构建、路径规划及动态避障，一定程度上提高了室内机器人的导航精度和实时性。实现的室内移动机器人导航对矿井救援、场景重建等领域的发展具有积极的推动作用，能够代替人工在危险的环境下作业，提高工作效率和安全性。
-
公开(公告)号：CN112153650A
公开(公告)日：2020-12-29
申请号：CN202010898028.7
申请日：2020-08-31
申请人： 西北农林科技大学
摘要： 本发明属于无线通信技术领域，公开了一种无线网络中基于终端信誉的可靠联邦学习方法及系统，通过Beta函数对用户进行信誉建模，令基站构建所有与之关联用户的信誉表，并初始化联邦学习的其他相关参数；在每一轮次的终端用户训练完成后，根据用户信誉公平地选择部分用户与基站进行交互，排除较差信誉用户被调度的可能，同时采用一种公平的策略防止高信誉的用户被过度调度。在基站处根据用户信誉值的比重将本地模型参数按照一定比例进行聚合，并根据当前用户的行为和信道质量更新用户信誉。本发明合理有效地调度更多终端用户参与联邦学习过程，克服了无线网络中信道资源的限制，避免造成资源浪费的问题，极大提升了联邦学习效率和性能。
-
-
-
-
-
-
-
-
-
搜索结果
53 条记录 (耗时 0.04 秒)
