-
公开(公告)号：CN118093208A
公开(公告)日：2024-05-28
申请号：CN202410510424.6
申请日：2024-04-26
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明公开了一种多用户GPU集群的深度学习任务调度方法，包括：构建深度学习任务对象，并将对应的深度学习任务发射到集群中；获取每个已发射任务的状态，并根据调度器的信号或任务本身状态的变化修改对应的任务状态；获取所述集群中的资源状态，并根据所述集群的反馈信息确定每个已发射任务对应的资源占用情况；根据每个已发射任务对应的资源占用情况和任务状态，利用短任务优先的资源共享策略对待分配任务进行资源分配；本发明依靠短任务优先的资源共享策略，在缓解任务资源饥饿问题的同时，降低了整体的任务完成时间，提高了深度学习任务的调度效率。
-
公开(公告)号：CN116796286A
公开(公告)日：2023-09-22
申请号：CN202310711009.2
申请日：2023-06-15
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06F18/25 , G05D1/10 , G06F18/2433 , G06F18/2413 , G06T7/246 , G06V10/75 , G06N5/04 , G06N5/01 , G06N20/00
Abstract: 本发明属于无人作战机近距格斗技术领域，公开了一种基于机器博弈的六自由度无人作战机近距格斗方法及系统，所述系统包括：环境感知模块、主控模块、无线通信模块、格斗目标识别模块、格斗目标追踪模块、机器博弈决策模块、射击模块、故障预测模块、显示模块。本发明通过格斗目标追踪模块计算速度快，追踪目标的速度快；同时，通过故障预测模块充分考虑了不同六自由度无人作战机发动机的运行环境、使用寿命、出厂设置及磨损程度等方面的个体化差异，分别训练多个训练六自由度无人作战机发动机的SOM模型，以得到对应六自由度无人作战机发动机的、精确的SOM模型训练结果及相应的最小量化误差MQE；故障预测准确性高。
-
公开(公告)号：CN116226662B
公开(公告)日：2024-02-09
申请号：CN202310012741.0
申请日：2023-01-05
Applicant: 哈尔滨工业大学(深圳)
IPC: G06F18/214 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种多智能体协同强化学习方法、终端及存储介质，方法包括：获取环境参数，构造模拟环境，并根据环境参数以及智能体数目确定学习者智能体；根据任务需求构造对应数量的工作者智能体，并根据任务需求构造对应数量的行动者智能体；其中，每个工作者智能体用于与多个行动者智能体进行交互，每个行动者智能体分别与一个独立的模拟环境交互；获取样本数据，根据样本数据对学习者智能体进行训练，得到训练后的模型参数；通过学习者智能体定期将训练后的模型参数更新到共享内存中，并通过工作者智能体定期从共享内存中更新决策网络的参数，得到强化学习后的策略。本发明提高了多智能体的强化学习过程中的样本利用率及样本数量。
-
Patent Agency Ranking
公开(公告)号：CN116226662A
公开(公告)日：2023-06-06
申请号：CN202310012741.0
申请日：2023-01-05
Applicant: 哈尔滨工业大学(深圳)
IPC: G06F18/214 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种多智能体协同强化学习方法、终端及存储介质，方法包括：获取环境参数，构造模拟环境，并根据环境参数以及智能体数目确定学习者智能体；根据任务需求构造对应数量的工作者智能体，并根据任务需求构造对应数量的行动者智能体；其中，每个工作者智能体用于与多个行动者智能体进行交互，每个行动者智能体分别与一个独立的模拟环境交互；获取样本数据，根据样本数据对学习者智能体进行训练，得到训练后的模型参数；通过学习者智能体定期将训练后的模型参数更新到共享内存中，并通过工作者智能体定期从共享内存中更新决策网络的参数，得到强化学习后的策略。本发明提高了多智能体的强化学习过程中的样本利用率及样本数量。
-
公开(公告)号：CN115688858A
公开(公告)日：2023-02-03
申请号：CN202211285500.5
申请日：2022-10-20
Applicant: 哈尔滨工业大学(深圳)
IPC: G06N3/04 , G06N3/08 , G06F18/214
Abstract: 本发明公开了一种细粒度专家行为模仿学习方法、装置、介质及终端，方法包括，获取智能体的当前环境状态信息，将当前环境状态信息输入到预设预测网络模型中，以得到预测信息，根据预测信息控制智能体执行相应动作，采集任务完成情况信息和当前动作的状态信息；根据动作的状态信息计算单次奖励值，根据任务完成情况信息计算任务奖励值；根据单次奖励值及任务奖励值训练预设预测网络模型，将任务奖励值和每局若干单次奖励值相加，得到总奖励值，当总奖励值大于阈值时，完成对预设预测网络模型的训练并将输出的策略返回，上述方法降低了训练难度、提高了训练效率，无需采集大量专家数据即可在高维状态、动作空间中学习到接近专家行为模式的策略。
-
公开(公告)号：CN115688858B
公开(公告)日：2024-02-09
申请号：CN202211285500.5
申请日：2022-10-20
Applicant: 哈尔滨工业大学(深圳)
IPC: G06N3/04 , G06N3/08 , G06F18/214
Abstract: 本发明公开了一种细粒度专家行为模仿学习方法、装置、介质及终端，方法包括，获取智能体的当前环境状态信息，将当前环境状态信息输入到预设预测网络模型中，以得到预测信息，根据预测信息控制智能体执行相应动作，采集任务完成情况信息和当前动作的状态信息；根据动作的状态信息计算单次奖励值，根据任务完成情况信息计算任务奖励值；根据单次奖励值及任务奖励值训练预设预测网络模型，将任务奖励值和每局若干单次奖励值相加，得到总奖励值，当总奖励值大于阈值时，完成对预设预测网络模型的训练并将输出的策略返回，上述方法降低了训练难度、提高了训练效率，无需采集大量专家数据即可在高维状态、动作空间中学习到接近专家行为模式的策略。
-
公开(公告)号：CN102350552A
公开(公告)日：2012-02-15
申请号：CN201110277933.1
申请日：2011-09-19
Applicant: 哈尔滨工业大学深圳研究生院
IPC: B23K1/002
Abstract: 本发明公开了一种电缆屏蔽层与壳体的钎焊方法，所述壳体两端设置有分线孔，所述电缆从所述分线孔中穿出，所述钎焊方法包括缠绕步骤：在所述电缆屏蔽层上与所述分线孔相对的部位缠绕钎料丝；固定步骤：将所述电缆、所述壳体和所述钎料丝用卡具固定；加热步骤：将所述钎焊部位放置感应线圈内；再用感应加热设备对所述焊接部位加热；冷却步骤：停止加热至所述焊接部位冷却。本发明可以实现壳体双端接头的一次成型、形态均匀稳定，易于保证钎焊质量，又可以满足高效、自动化生产需求。
-
公开(公告)号：CN116503642A
公开(公告)日：2023-07-28
申请号：CN202310269638.4
申请日：2023-03-15
Applicant: 哈尔滨工业大学(深圳)
IPC: G06V10/764 , G06V10/42 , G06V10/82 , G06N3/098 , G06N20/20
Abstract: 本发明公开了一种基于改进联邦学习的数据分类方法、系统及相关设备，方法包括：目标客户端根据预设的改进联邦学习算法对其对应的待训练的数据分类模型进行模型迭代训练，获得对应的已训练的数据分类模型，目标客户端根据预设的改进联邦学习算法进行一轮迭代时，基于全局特征提取器模型参数、全局分类器模型参数和本地分类器模型参数对待训练的数据分类模型的模型参数进行调整，全局特征提取器模型参数和全局分类器模型参数由目标客户端从服务器获取，本地分类器模型参数由目标客户端从本地存储的数据获取；目标客户端获取待分类数据，通过对应的已训练的数据分类模型进行分类获取待分类数据对应的目标类别。本发明有利于提高数据分类的准确性。
-
-
-
-
-
-
-
Search Results
18
records
(took 0.029 seconds)
