-
公开(公告)号：CN119645097A
公开(公告)日：2025-03-18
申请号：CN202411612741.5
申请日：2024-11-12
Applicant: 中国人民解放军火箭军工程大学
IPC: G05D1/495 , G05D1/46 , G05D1/65 , G05D1/644 , G05D101/15 , G05D109/20
Abstract: 本公开的实施例提供了飞行器姿态控制决策模型的生成方法和装置，应用于飞行器控制技术领域。所述方法包括获取目标飞行器的历史运行轨迹数据；获取专家决策和网络决策；将专家决策和网络决策进行对比计算，得到第一损失值；根据第一损失值更新决策网络的参数；获取模拟运行轨迹数据；将模拟运行轨迹数据和实际运行轨迹数据进行对比计算，得到第二损失值；实际运行轨迹数据为与模拟运行轨迹数据相同时间点的历史运行轨迹数据；根据第二损失值更新决策网络的参数；当决策网络的参数满足预设条件时，完成决策网络的训练；将训练完成的决策网络作为飞行器姿态控制决策模型。以此方式，可以减少控制器的训练周期和训练代价。
-
公开(公告)号：CN119597474A
公开(公告)日：2025-03-11
申请号：CN202411686326.4
申请日：2024-11-25
Applicant: 中国人民解放军火箭军工程大学
Abstract: 本申请公开了一种博弈资源信息管理方法、设备、介质及产品，涉及信息管理领域，该方法包括利用信息管理框架统一博弈系统内的所有博弈任务的博弈任务管理模式；利用可扩展标记语言XML建立统一后的博弈任务的博弈描述；将博弈任务的博弈描述分解为信号描述、信号操作和博弈序列；获取XML博弈资源描述；对信号操作和XML博弈资源描述进行资源匹配；根据资源匹配结果确定信号操作和博弈序列的执行路径；根据执行路径进行资源调度，并通过调度结果实现对博弈资源的调用与博弈任务的执行。本申请能够在竞争性环境中有效地管理和利用信息资源。
-
公开(公告)号：CN118296437A
公开(公告)日：2024-07-05
申请号：CN202410484186.6
申请日：2024-04-22
Applicant: 中国人民解放军火箭军工程大学
IPC: G06F18/24 , G06F18/213 , G06F18/214 , G06N3/0464 , G06N3/08
Abstract: 本发明属于雷达信号处理技术领域，公开了一种端到端的雷达辐射源去噪识别方法，S1、处理接收机接收到的含噪声的雷达信号；S2、将处理过的数据集划分为训练集、验证集、测试集；S3、搭建ResNet50卷积神经网络，将卷积层和池化层均调整为1维，定义为ResNet50_1D，将ResNet50_1D中的Bottleneck层进行调整，用恒等映射替换Batch Norm；S4、在划分好的训练集上训练网络；S5、通过网络在验证集上的表现调整超参数，提高网络拟合能力；S6、在测试集上测试训练好的网络；构建了端到端的去噪分类网络，有效地抑制了高频噪声，降低了噪声影响，提高了模型的分类精度。
-
公开(公告)号：CN118070877A
公开(公告)日：2024-05-24
申请号：CN202410097445.X
申请日：2024-01-24
Applicant: 中国人民解放军火箭军工程大学
IPC: G06N3/0985 , G06N3/088 , G06N3/0455 , G06N3/0464 , G06N3/008
Abstract: 本发明公开了学习算法技术领域的基于混合高斯的分布式无监督元学习算法，步骤一：设无标签任务集、对应的数据集；步骤二：设隐变量和对应的参数；步骤三：用下标i表示智能体i上相关的量；步骤四：将整个数据集上的全局目标函数分解为局部目标函数之和的形式；步骤五：智能体i在t时刻的参数更新；步骤六：隐变量zτ的先验为混合高斯分布；步骤七：使用注意力机制对变分后验进行建模；步骤八：使用期望最大化算法求解。本发明提出了基于混合高斯的分布式无监督元学习算法，每个智能体通过EM算法在各自的数据集上推理混合高斯模型参数，而后在元更新时通过融合策略与其他智能体达成一致性。
-
公开(公告)号：CN119814815A
公开(公告)日：2025-04-11
申请号：CN202411783825.5
申请日：2024-12-06
Applicant: 中国人民解放军火箭军工程大学
IPC: H04L67/12 , G01D21/02 , H04W4/38 , H04W12/033 , H04W84/18 , H04L67/02 , G08B31/00 , H04Q9/00 , G06F18/10 , G06F18/24 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了一种基于通信塔群的区域环境高精度监测系统，包括环境监测模块、数据传输模块、数据中心、数据分析与预警平台和用户端；其中，环境监测模块，用于通过多个传感器实时监测环境参数数据；数据传输模块，用于将采集到的环境参数数据在区域内的多个通信塔之间进行传输，并传送到数据中心；数据中心，用于收集并存储数据传输模块传送来的环境监测数据；数据分析与预警平台，用于根据实际需求从数据中心中获取相应的数据进行数据分析，并将分析结果、预警信息反馈回数据中心存储，同时将预警信息发送到相关管理人员；用户端，用于向用户提供Web页面和移动端友好的可视化界面。
-
Patent Agency Ranking
公开(公告)号：CN119807615A
公开(公告)日：2025-04-11
申请号：CN202411868036.1
申请日：2024-12-18
Applicant: 中国人民解放军火箭军工程大学
IPC: G06F18/10 , G06F18/214 , G06F18/2431 , G06F18/25
Abstract: 本申请公开了一种内部数据与互联网引接数据的私有云协同处理平台，涉及云计算技术领域，该平台包括：数据集成模块、数据清洗与预处理模块、数据交换区和分析引擎；数据集成模块对获取的数据进行集成化处理，得到集成数据；数据清洗与预处理模块和数据集成模块连接，对集成数据进行清洗和预处理；数据交换区和数据清洗与预处理模块连接，提供物理隔离机制；分析引擎与数据交换区连接，提供协同工作环境，并在物理隔离机制下，采用数据分析算法，对预处理后的数据进行数据挖掘和模式识别。本申请可以在实现内外部数据的有效整合，确保内部数据与互联网完全被物理隔离，提高数据安全性的同时，满足实时分析的需求，实现数据的高效处理。
-
公开(公告)号：CN119720527A
公开(公告)日：2025-03-28
申请号：CN202411785993.8
申请日：2024-12-06
Applicant: 中国人民解放军火箭军工程大学
Abstract: 本申请公开了一基于SOA的博弈仿真软件体系架构，涉及博弈对抗仿真技术领域，该系统包括依次连接的虚拟资源层、数据管理层、数据挖掘层和用户接口层；虚拟资源层用于通过虚拟化技术将分布式的实体博弈资源抽象为虚拟博弈资源；数据管理层用于通过网络服务器对虚拟博弈资源产生的博弈数据进行存储；数据挖掘层用于根据需求数据对博弈数据进行时空异常检测、共现模式挖掘或者关联模型挖掘，得到时空异常检测结果、共现模式挖掘结果或者关联模型挖掘结果；用户接口层用于根据用户需求通过第一服务接口输出时空异常检测结果、或者通过第二服务接口输出共现模式挖掘结果或者通过第三服务接口输出关联模型挖掘结果，本申请提高了资源利用率。
-
公开(公告)号：CN119644366A
公开(公告)日：2025-03-18
申请号：CN202411783337.4
申请日：2024-12-06
Applicant: 中国人民解放军火箭军工程大学
Abstract: 本申请公开了一种卫星定位精度检测设备及检测方法，涉及卫星定位检测领域，该卫星定位精度检测设备包括接收装置、信号接收机和控制器；接收装置用于：接收定位信息，并将定位信息发送至信号接收机；定位信息为卫星导航信号或设定的虚拟信号；信号接收机用于：对定位信息进行解算得到模拟位置信息；接收被测终端中的卫星定位系统根据定位信息确定的实时位置信息；将模拟位置信息和实时位置信息发送至控制器；控制器用于：比较实时位置信息和模拟位置信息，确定被测终端中的卫星定位系统的信道通信功能是否正常以及定位精度是否满足设定需求，本申请实现对卫星定位精度的检测，保证卫星定位系统的可靠性。
-
公开(公告)号：CN119621315A
公开(公告)日：2025-03-14
申请号：CN202411686322.6
申请日：2024-11-25
Applicant: 中国人民解放军火箭军工程大学
Abstract: 本申请公开了一种多对多博弈任务资源分配方法、装置、设备、介质及产品，涉及博弈资源分配技术领域，该方法包括：根据博弈任务集合和博弈资源集建立关联矩阵；所述关联矩阵用于描述所述博弈任务集合中各博弈任务与所述博弈资源集中各博弈资源之间的路径关系；根据所述博弈任务集合中各博弈任务的优先级确定博弈序列；采用双向广度搜索算法为博弈序列中各博弈任务匹配博弈资源，在所述双向广度搜索算法进行搜索过程中，根据各博弈任务的饥饿时间标志位判断是否存在饥饿的博弈任务，若是则更新所述博弈序列。本申请可提高博弈任务资源分配效率。
-
公开(公告)号：CN118736198A
公开(公告)日：2024-10-01
申请号：CN202410837493.8
申请日：2024-06-26
Applicant: 中国人民解放军火箭军工程大学
Abstract: 本申请提供了一种显著性目标提取方法。应用于图像处理技术领域，所述方法包括对获取的若干图像进行预处理，得到待预测图像；将待预测图像输入显著性目标检测模型中，并得到显著性数据，显著性数据包括显著性图和显著性分数；对显著性图进行优化处理，并根据显著性分数对优化处理后的显著性图进行二值化处理，得到显著性目标预测图；显著性目标检测模型采用特征金字塔网络，并结合自下而上和自上而下的特征传播方式构建网络结构，模型包括：特征提取网络、多尺度特征提取模块上采样模块和边缘提取与特征融合模块。以此方式，可以提取到精细完整的显著性特征并保证预测的显著性特征均匀一致性。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.03 seconds)
