-
公开(公告)号：CN119380033B
公开(公告)日：2025-04-01
申请号：CN202411979530.5
申请日：2024-12-31
Applicant: 北京科技大学
IPC: G06V10/26 , G06V10/44 , G06V10/80 , G06V10/766 , G06V20/13 , G06V20/17 , G06N3/0455 , G06N3/084 , G06T7/10
Abstract: 本发明公开一种遥感图像指代分割方法和系统，包括：将图像和指代文本输入第一阶段的指代检测模型，文本编码模块将指代文本映射为文本序列，语义词性特征提取模块对文本序列进行注意力加权，得到融合文本词性特征的文本特征，图像编码模块对图像进行初步的图像特征提取，将文本特征和图像特征拼接后输入特征提取器输出检测框和输出特征，将输出特征输入加权点回归任务头，预测输出关键点；将初始图像作为输入，检测框和关键点作为双提示，输入第二阶段的双提示分割模型，第二阶段图像编码器将图像编码为图像嵌入，双提示编码器将双提示编码，掩码解码器将图像嵌入和双提示编码进行特征融合得到最终的分割结果。本发明可以遥感图像进行指代分割。
-
公开(公告)号：CN119514379A
公开(公告)日：2025-02-25
申请号：CN202411695219.8
申请日：2024-11-25
Applicant: 北京科技大学
IPC: G06F30/27 , G06N20/20 , G06N5/01 , G06F18/214 , G06F18/2413 , G06F17/10 , G06F18/243 , G06F119/08
Abstract: 本发明提供一种基于自适应数据增强的转炉炼钢终点碳温预测方法及装置，涉及转炉炼钢技术领域。该方法包括：对转炉炼钢过程的历史生产数据集中的数据进行预处理；通过自适应SMOTE数据增强技术对预处理后的数据集进行处理；基于随机森林搭建炼钢终点碳温预测模型；根据处理后的数据集对炼钢终点碳温预测模型进行训练，根据训练好的自适应数据增强的炼钢终点碳温预测模型得到转炉炼钢终点碳温预测结果。本发明旨在利用数据预处理方法和自适应SMOTE数据增强算法提高转炉炼钢过程数据集的样本量和多样性，去除冗余信息，减少手工整理和处理数据的劳动成本并根据数据分布密度和不同工况条件引入自适应机制，提升模型的泛化能力和预测精度。
-
公开(公告)号：CN117891282B
公开(公告)日：2024-06-21
申请号：CN202410044948.0
申请日：2024-01-11
Applicant: 北京科技大学
IPC: G05D3/12 , E21D9/10 , G06N3/048 , G06N3/0499 , G06N3/084
Abstract: 本发明涉及机械臂控制技术领域，特别是指一种无需标签数据的凿岩台车钻臂逆运动控制方法及装置。无需标签数据的凿岩台车钻臂逆运动控制方法包括：根据目标炮孔位置信息进行输入信息构建，获得目标炮孔的样本六维输入；基于深度神经网络结构进行模型构建，获得待训练运动预测模型；构建误差函数以及安全约束函数；采用样本六维输入，根据误差函数以及安全约束函数，对待训练运动预测模型进行离线训练，获得运动预测模型；根据样本六维输入，通过运动预测模型进行在线预测，获得关节变量；根据关节变量进行正运动学计算，得到末端执行器位置进行钻孔。本发明是一种面对凿岩台车的基于神经网络的高效、准确的钻臂逆运动控制方法。
-
公开(公告)号：CN117286540A
公开(公告)日：2023-12-26
申请号：CN202311061380.5
申请日：2023-08-22
Applicant: 北京科技大学
Abstract: 本申请涉及制氢技术领域，具体涉及一种电解槽低纯度氢气收集处理方法及系统，系统包括电解槽、氧侧以及氢侧；在氧侧，氧侧气液分离器通过第二阀门连接至储氧罐；储氧罐再通过第一阀门连接至氧侧气液分离器；在氢侧，氢侧气液分离器通过第三阀门及纯化系统连接至储氢罐；储氢罐再通过第四阀门连接至氢侧气液分离器，方法包括：获取系统的不同启动状态以及不同正常运行状态；根据系统的不同启动状态以及不同正常运行状态，对第一阀门至第四阀的开度及关闭进行控制。本申请的氢氧两侧同时通入氢气和氧气并控制气体流速，可以降低氢氧两侧压力失衡的风险，能够同时满足系统在冷启动初期以及连续低负荷运行工况下的氢气纯度和压力要求。
-
公开(公告)号：CN116416253A
公开(公告)日：2023-07-11
申请号：CN202310689836.6
申请日：2023-06-12
Applicant: 北京科技大学
IPC: G06T7/00 , G06T7/60 , G06T7/70 , G06V10/766 , G06V10/77
Abstract: 本发明公开一种基于亮暗通道先验景深估计的神经元提取方法及装置，方法包括：输入原始图像视频数据；计算原始图像视频数据的亮暗通道先验，利用两种先验估计原始图像视频数据景深对应的传输率；将原始图像视频数据以像素为单位点除景深对应的传输率，构建约束性非负矩阵分解的神经元提取框架；迭代求解神经元的相关参数，包括：空间位置及形状大小、动作电位及时序变化、背景，直至迭代结束，最终输出神经元的提取信息，包括：空间位置及形状大小、动作电位和时序变化。本发明能够快速估计与利用原始数据景深，有效地去除原始数据的散射，准确地提取神经元的空间位置及形状大小、动作电位和时序变化等特征信息。
-
Patent Agency Ranking
公开(公告)号：CN119228329B
公开(公告)日：2025-03-07
申请号：CN202411727160.6
申请日：2024-11-28
Applicant: 北京科技大学
IPC: G06Q10/101 , G06N3/045 , G06N3/048 , G06N3/084
Abstract: 本发明提供一种异构多无人机数据协作近似动态规划最优一致方法及装置，涉及多智能体控制技术领域。该方法包括：获取异构多无人机系统的状态数据，构建带有补偿信号的识别器，逼近异构多无人机系统的动态模型信息，构建带有动态信号的补偿器，获得带补偿器识别神经网络的权值更新规则；根据权值更新规则，构建哈密尔顿函数；根据哈密尔顿函数，构建带有协作信号的累积平方误差；采用梯度下降法，获得累积执行‑协作评判神经网络的权值更新规则，计算相邻两次迭代常数权值；根据相邻两次迭代常数权值的误差，判断是否满足预设的阈值条件；若满足，停止迭代，输出异构多无人机系统最优一致的解。采用本发明可提高算法扩展性，降低算法复杂度。
-
公开(公告)号：CN119380033A
公开(公告)日：2025-01-28
申请号：CN202411979530.5
申请日：2024-12-31
Applicant: 北京科技大学
IPC: G06V10/26 , G06V10/44 , G06V10/80 , G06V10/766 , G06V20/13 , G06V20/17 , G06N3/0455 , G06N3/084 , G06T7/10
Abstract: 本发明公开一种遥感图像指代分割方法和系统，包括：将图像和指代文本输入第一阶段的指代检测模型，文本编码模块将指代文本映射为文本序列，语义词性特征提取模块对文本序列进行注意力加权，得到融合文本词性特征的文本特征，图像编码模块对图像进行初步的图像特征提取，将文本特征和图像特征拼接后输入特征提取器输出检测框和输出特征，将输出特征输入加权点回归任务头，预测输出关键点；将初始图像作为输入，检测框和关键点作为双提示，输入第二阶段的双提示分割模型，第二阶段图像编码器将图像编码为图像嵌入，双提示编码器将双提示编码，掩码解码器将图像嵌入和双提示编码进行特征融合得到最终的分割结果。本发明可以遥感图像进行指代分割。
-
公开(公告)号：CN119228329A
公开(公告)日：2024-12-31
申请号：CN202411727160.6
申请日：2024-11-28
Applicant: 北京科技大学
IPC: G06Q10/101 , G06N3/045 , G06N3/048 , G06N3/084
Abstract: 本发明提供一种异构多无人机数据协作近似动态规划最优一致方法及装置，涉及多智能体控制技术领域。该方法包括：获取异构多无人机系统的状态数据，构建带有补偿信号的识别器，逼近异构多无人机系统的动态模型信息，构建带有动态信号的补偿器，获得带补偿器识别神经网络的权值更新规则；根据权值更新规则，构建哈密尔顿函数；根据哈密尔顿函数，构建带有协作信号的累积平方误差；采用梯度下降法，获得累积执行‑协作评判神经网络的权值更新规则，计算相邻两次迭代常数权值；根据相邻两次迭代常数权值的误差，判断是否满足预设的阈值条件；若满足，停止迭代，输出异构多无人机系统最优一致的解。采用本发明可提高算法扩展性，降低算法复杂度。
-
公开(公告)号：CN118818957A
公开(公告)日：2024-10-22
申请号：CN202411073119.1
申请日：2024-08-06
IPC: G05B11/42
Abstract: 本发明涉及自动驾驶领域，特别是指一种依托强化学习的PID轨迹跟踪控制方法及装置，方法包括：获取待控制自动驾驶车辆的当前状态、参考轨迹和实际运行误差；构建车辆轨迹跟踪控制的策略模型；将当前状态和参考轨迹输入至车辆轨迹跟踪控制的策略模型，得到PID控制参数；将PID控制参数和实际运行误差输入至PID控制器，得到自动驾驶车辆的控制量，根据自动驾驶车辆的控制量，完成自动驾驶车辆轨迹跟踪控制。本发明利用强化学习强大的学习能力结合PID本身的稳定性以及强鲁棒性，实现车辆轨迹跟踪控制的高实时、高稳定和高精度在线计算。解决当前车辆轨迹跟踪控制的计算实时性差、应用可靠性弱和依赖复杂动态模型等问题。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.034 seconds)
