公开(公告)号：CN118966472B

公开(公告)日：2025-02-07

申请号：CN202411441286.7

申请日：2024-10-16

Applicant: 南京邮电大学

Inventor： 杨海根 ,  丁浩 ,  戴尔晗 ,  葛艳 ,  刘佶鑫 ,  曾凡玉

IPC: G06Q10/04 ,  G06Q50/04 ,  G06F18/10 ,  G06F18/2321 ,  G06F18/214 ,  G06F18/241 ,  G06F18/26 ,  G06N3/0499 ,  G06N3/084 ,  G06N5/01

Abstract: 本发明公开了一种离散制造车间的多维数据预测方法及系统，包括以下步骤，获得原始数据集；采用DBSCAN算法对原始数据集进行聚类，获得多个数据簇，并给数据簇建立相应的标签；搜寻各个标签之间的关联关系，构成数据知识；删除所有数据知识中的冗余数据，形成知识网络；获得数据知识包含的标签对应的步骤S1中清洗后的原始数据；初始化BP网络结构的权重，得到初始模型；获得最终的预测模型；获取待处理的离散制造的原始数据，将其输入预测模型，预测模型输出预测结果。本发明通过定性认知和定量和定性两阶段认知方法，分而治之的方式解决了离散制造车间数据体量大和高纬度的问题，降低了计算成本，且能够高效地挖掘预测所需的有价值的信息。

公开(公告)号：CN118940220B

公开(公告)日：2025-02-07

申请号：CN202411435718.3

申请日：2024-10-15

Applicant: 南京邮电大学

Inventor： 杨海根 ,  杨状 ,  戴尔晗 ,  葛艳 ,  刘佶鑫 ,  曾凡玉

IPC: G06F18/25 ,  G06F18/213 ,  G06N3/0442 ,  G06N3/08 ,  G06N3/0464 ,  G06N3/006

Abstract: 本发明公开了一种面向离散制造的多模态工业数据融合方法及系统，该方法实时采集离散制造工业多模态数据并进行特征提取得到特征数据，将特征数据输入可微分计算机网络，得到数据融合结果，可微分计算机还用于根据数据融合结果完成预测目标；可微分计算机网络包括数据融合模块和记忆系统，数据融合模块将特征数据在智能体中融合，记忆系统用于存储并读写智能体重融合后的数据；将记忆系统中的数据输入到评价系统中计算奖励值，根据奖励值指导智能体的数据融合并更新记忆系统。本发明在增加记忆系统容量的同时不会导致训练参数增加，将复杂的多模态的工业数据进行融合，便于离散制造工业进行决策。

公开(公告)号：CN118821420A

公开(公告)日：2024-10-22

申请号：CN202410797693.5

申请日：2024-06-20

Applicant: 南京邮电大学

Inventor： 杨海根 ,  韩玉龙 ,  戴尔晗 ,  葛艳 ,  刘佶鑫 ,  曾凡玉

IPC: G06F30/20 ,  F41H3/00

Abstract: 本发明公开了一种复杂系统装备智能隐身系统的构建方法，涉及军事装备的隐身技术领域，包括如下步骤：步骤一、搭建仿真作战场景模型，所仿真作战场景模型包括作战双方复杂系统装备模型、侦察设备模型、植被模型、地理模型；步骤二、构建智能变特征反侦察子系统；所述智能变特征反侦察子系统安装在我方的复杂系统装备模型上；步骤三、构建通信子系统和指挥控制中心子系统；步骤四、将智能变特征反侦察子系统、指挥控制中心子系统和通信子系统集成到仿真作战场景模型中，构建出复杂系统装备智能隐身系统。本发明方法可以使复杂系统装备在敌方侦察系统的打击下有效隐藏自身位置。

公开(公告)号：CN115964934A

公开(公告)日：2023-04-14

申请号：CN202211517991.1

申请日：2022-11-30

Applicant: 南京邮电大学

Inventor： 杨海根 ,  林东煌 ,  王聪 ,  曾凡玉 ,  戴尔晗 ,  刘佶鑫 ,  葛艳

IPC: G06F30/27 ,  G06N3/092 ,  G06F18/214 ,  G06N3/096

Abstract: 本发明公开了一种基于知识自演化的人工智能跨平台模型智能计算引擎构建方法，包括如下步骤：确认源时刻和目标时刻，基于人工经验，按照划分规则将某一时刻的离散制造系统数据集划分为多个数据集；初始化动态离散制造系统模型；对数据进行预处理，构建任务池；构建元学习框架，分为训练元学习模型和快速调整目标神经网络，实现多任务之间的快速迁移；更换目标时刻，利用元学习框架将训练好的神经网络快速迁移到新的任务；迭代上一步骤直到动态离散制造系统模型收敛，收敛后保存模型参数；将动态离散制造系统模型用于新环境任务，测试其性能。本发明能够减少模型参数的收敛时间，对于实际生产中随时间扰动的动态离散制造模型的训练具有重大的意义。

公开(公告)号：CN115796364A

公开(公告)日：2023-03-14

申请号：CN202211518004.X

申请日：2022-11-30

Applicant: 南京邮电大学

Inventor： 杨海根 ,  林东煌 ,  王聪 ,  曾凡玉 ,  戴尔晗 ,  刘佶鑫 ,  葛艳

IPC: G06Q10/04 ,  G06Q10/0631 ,  G06Q50/04 ,  G06F18/22 ,  G06F18/214 ,  G06N3/092

Abstract: 本发明公开了一种面向离散制造系统的智能交互式决策方法，包括如下步骤：步骤1、针对实际应用场景，建立离散制造生产调度优化模型与策略；步骤2、基于深度强化学习算法，利用已有生产数据训练调度策略，将训练过程中具有高奖励的状态存入记忆体；步骤3、利用记忆体中的先验知识更新状态；步骤4、将更新后的状态输入深度强化学习网络，得到对应的奖励，并根据其奖励更新记忆体；步骤5、反复执行步骤4，直至模型参数收敛，保存模型，投入实际生产场景。本发明利用记忆体机制降低模型训练的计算量，提高模型训练的速度，能更快的迭代出最优解。