-
公开(公告)号：CN112987742B
公开(公告)日：2022-08-26
申请号：CN202110228596.0
申请日：2021-03-02
Applicant: 扬州大学
IPC: G05D1/02
Abstract: 本发明公开了一种机器人路径规划方法，包括：1、构建二维环境栅格图；2、构建进化策略神经网络，其输入为机器人位置，输出为该位置处机器人执行每个动作的概率；3、设置迭代参数并初始化；4、生成策略种群；5、计算策略种群的属性，建立S集合和U集合；6、构建深度强化学习网络；7、利用U更新深度强化学习网络的参数，并更新U和S；8、对S中策略对应的参数添加高斯噪声，生成新的非精英策略，并与上一代精英策略构成新的策略种群；当达到迭代次数最大值时，将策略种群中的最优策略作为结果，得到机器人从起始位置到目的位置每一步的动作；否则跳转至步骤4进行下一次迭代。该方法重复利用经验数据进行策略改进，以快速找到最优路径。
-
公开(公告)号：CN117518115A
公开(公告)日：2024-02-06
申请号：CN202311449293.7
申请日：2023-11-02
Applicant: 扬州大学
IPC: G01S7/41 , G06F18/2411 , G06F18/2433 , G06F18/2135 , G06F18/21 , G06F18/25 , G01S7/02
Abstract: 本发明涉及电力系统自动化领域，公开了海面小目标检测方法及系统，本发明将基于主成分分析的异常检测方法与可控虚警支持向量机进行结合。形成的整体检测器既保留了异常检测方法的优点，解决了目标信号非遍历与样本不平衡的问题。又保留了可控虚警支持向量机控制虚警率准确、检测性能好的优点。经实验证明，本发明提出算法可以很好适应海面小目标检测问题的独特场景，在给控制虚警率条件下，显示出更好的检测性能。
-
公开(公告)号：CN117665734A
公开(公告)日：2024-03-08
申请号：CN202311364587.X
申请日：2023-10-19
Applicant: 扬州大学
IPC: G01S7/41 , G06F18/2433 , G06N3/0455 , G01S7/35 , G01S7/292 , G06F123/02
Abstract: 本发明公开了一种海面小目标异常检测方法及系统包括，获取海面小目标的雷达回波，并对雷达回波进行预处理；训练集成自编码器网络，集成自编码器输入为预处理后提取的雷达回波中的重现图与时频图，输出为对应重构误差集，集成自编码器由卷积自编码器网络、堆栈自编码器网络和稀疏自编码器网络组成；根据训练后集成自编码器网络所输出训练集的重构误差集，结合预设控虚警算法，确定给定虚警率下集成自编码器网络的最优检测阈值；利用最优检测阈值进行分类操作，完成对海面小目标的异常检测。稳定了传统技术中在对海面小目标检测过程中虚警率，并提升了海面小目标检测过程中自编码器异常检测算法的检测率，显示出更好的检测效果。
-
公开(公告)号：CN112987742A
公开(公告)日：2021-06-18
申请号：CN202110228596.0
申请日：2021-03-02
Applicant: 扬州大学
IPC: G05D1/02
Abstract: 本发明公开了一种机器人路径规划方法，包括：1、构建二维环境栅格图；2、构建进化策略神经网络，其输入为机器人位置，输出为该位置处机器人执行每个动作的概率；3、设置迭代参数并初始化；4、生成策略种群；5、计算策略种群的属性，建立S集合和U集合；6、构建深度强化学习网络；7、利用U更新深度强化学习网络的参数，并更新U和S；8、对S中策略对应的参数添加高斯噪声，生成新的非精英策略，并与上一代精英策略构成新的策略种群；当达到迭代次数最大值时，将策略种群中的最优策略作为结果，得到机器人从起始位置到目的位置每一步的动作；否则跳转至步骤4进行下一次迭代。该方法重复利用经验数据进行策略改进，以快速找到最优路径。
-
-
-
Search Results
4
records
(took 0.022 seconds)
