公开(公告)号：CN113641192A

公开(公告)日：2021-11-12

申请号：CN202110763664.3

申请日：2021-07-06

Applicant: 暨南大学

Inventor： 魏凯敏 ,  黄凯 ,  翁健 ,  吴永东 ,  贺宏亮 ,  刘志全 ,  冯丙文

IPC: G05D1/12 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于强化学习的无人机群智感知任务的路径规划方法，在演员‑批评者架构中加入多头注意力机制和对其他无人机策略的拟合，使得无人机执行决策时，充分考虑其他无人机的状态和策略。当无人机的数据收集量大于平均水平时，给予额外的奖励值以加速任务完成。当无人机间的路径重叠时，根据信号点数据量判断属于协作或竞争，依此修正它们的奖励值，从而促进其协作。使用n步返回时序差分计算批评者网络的目标价值，使无人机更有远见。最后，为使无人机更好的探索最大化数据收集量，使用分布式架构，给不同虚拟场景的无人机决策网络输出的动作加上不同方差的噪声。

公开(公告)号：CN113641192B

公开(公告)日：2023-07-18

申请号：CN202110763664.3

申请日：2021-07-06

Applicant: 暨南大学

Inventor： 魏凯敏 ,  黄凯 ,  翁健 ,  吴永东 ,  贺宏亮 ,  刘志全 ,  冯丙文

IPC: G05D1/12 ,  G06N3/04 ,  G06N3/092

Abstract: 本发明公开了一种基于强化学习的无人机群智感知任务的路径规划方法，在演员‑批评者架构中加入多头注意力机制和对其他无人机策略的拟合，使得无人机执行决策时，充分考虑其他无人机的状态和策略。当无人机的数据收集量大于平均水平时，给予额外的奖励值以加速任务完成。当无人机间的路径重叠时，根据信号点数据量判断属于协作或竞争，依此修正它们的奖励值，从而促进其协作。使用n步返回时序差分计算批评者网络的目标价值，使无人机更有远见。最后，为使无人机更好的探索最大化数据收集量，使用分布式架构，给不同虚拟场景的无人机决策网络输出的动作加上不同方差的噪声。

公开(公告)号：CN113742482B

公开(公告)日：2024-05-31

申请号：CN202110813433.9

申请日：2021-07-19

Applicant: 暨南大学

Inventor： 刘文骁 ,  黄唯畅 ,  黄斐然 ,  刘炜麟 ,  黄忠财 ,  黄凯 ,  冯俊杰 ,  陈锌鸿

IPC: G06F16/35 ,  G06F18/25 ,  G06F18/24 ,  G06F18/214

Abstract: 本发明公开了基于多重词特征融合的情感分类方法、介质，包括：对训练样本集中各文本数据进行文本预处理，得到文本数据转换到的字向量、文本向量、位置向量和词性向量；建立基于Transformer模型的Encoder网络，在Encoder网络的编码层加入词性向量层；将训练样本集中各文本数据对应字向量、文本向量、位置向量和词性向量输入到Transformer模型的Encoder网络中；进行预训练任务，得到情感分类模型；基于情感分类模型对需要进行分类的文本数据进行分类。本发明利用Transformer健壮的网络结构使得信息能够得到充分的利用，在模型编码层创新性的加入词性层，在情感分析领域，得到了很好的效果。

公开(公告)号：CN113742482A

公开(公告)日：2021-12-03

申请号：CN202110813433.9

申请日：2021-07-19

Applicant: 暨南大学

Inventor： 刘文骁 ,  黄唯畅 ,  黄斐然 ,  刘炜麟 ,  黄忠财 ,  黄凯 ,  冯俊杰 ,  陈锌鸿

IPC: G06F16/35 ,  G06K9/62

Abstract: 本发明公开了基于多重词特征融合的情感分类方法、介质，包括：对训练样本集中各文本数据进行文本预处理，得到文本数据转换到的字向量、文本向量、位置向量和词性向量；建立基于Transformer模型的Encoder网络，在Encoder网络的编码层加入词性向量层；将训练样本集中各文本数据对应字向量、文本向量、位置向量和词性向量输入到Transformer模型的Encoder网络中；进行预训练任务，得到情感分类模型；基于情感分类模型对需要进行分类的文本数据进行分类。本发明利用Transformer健壮的网络结构使得信息能够得到充分的利用，在模型编码层创新性的加入词性层，在情感分析领域，得到了很好的效果。