-
Patent Agency Ranking
公开(公告)号：CN111061995B
公开(公告)日：2023-06-09
申请号：CN201911191754.9
申请日：2019-11-28
Applicant: 江南机电设计研究所
IPC: G06Q10/0631 , G06Q10/04 , G06N3/126 , G06F17/16 , G06Q50/26
Abstract: 本发明提供了一种作战资源分配方法、第一设备及第二设备，涉及资源分配技术领域，其中，第一设备针对作战资源与作战目标生成第一分配信息，并将所述第一分配信息发送至第二设备，第二设备根据预设约束条件，针对每个所述第一分配信息，分别生成相匹配的第二分配信息，并将第二分配信息发送至第一设备，第一设备根据第二分配信息为所述作战目标分配所述作战资源。本发明实施例通过在第一设备中建立作战资源与作战目标之间的分配关系，增加第一设备进行分配任务的自主性和协同性，降低第二设备工作负荷，提升第一设备与第二设备运行的稳健性。
-
公开(公告)号：CN115840566A
公开(公告)日：2023-03-24
申请号：CN202211639488.3
申请日：2022-12-19
Applicant: 江南机电设计研究所
Abstract: 本发明提供了一种支持多信息源动态配置的软件框架，包括配置层、通信层、处理层和显示层。本发明的有益效果在于：对多样多变的战场环境，使用面向服务的思想概念，结合软件架构设计技术，提出多信息源动态配置思想，实现了作战场景的按需切换；能够实现按需配置能力，具有良好的可复用性和扩展性，降低了软件开发成本，提高了软件质量。
-
公开(公告)号：CN109711678B
公开(公告)日：2021-02-12
申请号：CN201811495205.6
申请日：2018-12-07
Applicant: 江南机电设计研究所
Abstract: 本发明提供了一种基于机器学习的异构传感器智能任务规划方法，包括如下步骤：(1)规则设置：采用条件判断的格式，建立开关机及辐射规则、工作模式切换规则和抗干扰措施运用规则；(2)量化处理：将上述开关机及辐射规则、工作模式切换规则和抗干扰措施运用规则分别遍历并量化为参数组；(3)学习模型；(4)场景量化；(5)规则推理；(6)确认反馈。本发明将基于专家知识的规划推理方法与基于机器学习的人工智能方法相结合，提升了专家系统的自学习能力，可实现对知识库以外规则的推理，解决了传统方法对专家系统依赖性过大，缺乏自适应性及相应的自组织、自学习能力的问题，有利于发现新规则、形成新经验。
-
公开(公告)号：CN111061995A
公开(公告)日：2020-04-24
申请号：CN201911191754.9
申请日：2019-11-28
Applicant: 江南机电设计研究所
Abstract: 本发明提供了一种作战资源分配方法、第一设备及第二设备，涉及资源分配技术领域，其中，第一设备针对作战资源与作战目标生成第一分配信息，并将所述第一分配信息发送至第二设备，第二设备根据预设约束条件，针对每个所述第一资源分配信息，分别生成相匹配的第二资源分配信息，并将第二资源分配信息发送至第一设备，第一设备根据第二分配信息为所述作战目标分配所述作战资源。本发明实施例通过在第一设备中建立作战资源与作战目标之间的分配关系，增加第一设备进行分配任务的自主性和协同性，降低第二设备工作负荷，提升第一设备与第二设备运行的稳健性。
-
公开(公告)号：CN109711678A
公开(公告)日：2019-05-03
申请号：CN201811495205.6
申请日：2018-12-07
Applicant: 江南机电设计研究所
Abstract: 本发明提供了一种基于机器学习的异构传感器智能任务规划方法，包括如下步骤：(1)规则设置：采用条件判断的格式，建立开关机及辐射规则、工作模式切换规则和抗干扰措施运用规则；(2)量化处理：将上述开关机及辐射规则、工作模式切换规则和抗干扰措施运用规则分别遍历并量化为参数组；(3)学习模型；(4)场景量化；(5)规则推理；(6)确认反馈。本发明将基于专家知识的规划推理方法与基于机器学习的人工智能方法相结合，提升了专家系统的自学习能力，可实现对知识库以外规则的推理，解决了传统方法对专家系统依赖性过大，缺乏自适应性及相应的自组织、自学习能力的问题，有利于发现新规则、形成新经验。
-
-
-
-
Search Results
5
records
(took 0.055 seconds)
