-
公开(公告)号：CN108537366A
公开(公告)日：2018-09-14
申请号：CN201810219230.5
申请日：2018-03-16
Applicant: 浙江工业大学
Abstract: 基于最优卷积二维化的水库调度方法，包括：步骤1.基于多目标最优化算法的输入数据卷积化处理；步骤2.基于卷积神经网络的动态调度模型构建；步骤3.评估模型和调整方案生成，包括训练部份和实时调度部分。本发明结合深度神经网络算法，和权值共享技术，通过大数据系统提供的大量调度历史数据训练深度人工神经网络理解调度场景内的隐含知识。研究输入水库动态精细化综合调度数据的时间空间关联性，通过权值共享的神经元链接方式减少模型构建中每层的权值数量，增加模型的深度，从而使网络充分认知水库动态精细化综合调度，并发现水库动态精细化综合调度过程中更深层次的结构，最终完成响应快，准确性高的对动态调度模型构建过程。
-
公开(公告)号：CN108537366B
公开(公告)日：2021-08-24
申请号：CN201810219230.5
申请日：2018-03-16
Applicant: 浙江工业大学
Abstract: 基于最优卷积二维化的水库调度方法，包括：步骤1.基于多目标最优化算法的输入数据卷积化处理；步骤2.基于卷积神经网络的动态调度模型构建；步骤3.评估模型和调整方案生成，包括训练部份和实时调度部分。本发明结合深度神经网络算法，和权值共享技术，通过大数据系统提供的大量调度历史数据训练深度人工神经网络理解调度场景内的隐含知识。研究输入水库动态精细化综合调度数据的时间空间关联性，通过权值共享的神经元链接方式减少模型构建中每层的权值数量，增加模型的深度，从而使网络充分认知水库动态精细化综合调度，并发现水库动态精细化综合调度过程中更深层次的结构，最终完成响应快，准确性高的对动态调度模型构建过程。
-
公开(公告)号：CN112598309A
公开(公告)日：2021-04-02
申请号：CN202011597378.6
申请日：2020-12-29
Applicant: 浙江工业大学
Abstract: 基于Keras的作业车间调度方法，包括：(1)定义作业车间调度问题；(2)构建网络模型；(3)加载作业车间调度问题的DQN类。本发明融合了神经网络和Q学习的方法来对作业车间调度问题进行优化。将作业车间调度在实际应用中状态和动作当作神经网络的输入，然后经过神经网络分析后得到动作的Q值，可以极大的优化计算机内存，且可以使原本更加复杂的问题变得简单。深度Q学习算法的经验回放机制，可以将智能体于环境交互产生的经验数据依次存储到固定大小的经验池中，算法每次迭代时从经验池中随机抽取一个小批量的数据来学习，这种从经验池中随机抽取数据的方式打破了原本序列数据的强相关性，提高了算法的稳定性，并且提高了数据的利用效率。
-
公开(公告)号：CN109948465B
公开(公告)日：2020-11-13
申请号：CN201910148991.0
申请日：2019-02-28
Applicant: 浙江工业大学
Abstract: 一种基于多目标的表面肌电信号分类方法，包括：对通道、特征使用进行限制，在减少通道与特征的数目以便降低成本的同时，保证高效的识别效率，并防止不同动作识别率差别过大，从而建立含有四个目标的多目标问题。最后使用基于分解的多目标优化算法求解最优Pareto前沿解。使用单目标规划对肌电信号进行优化，容易忽略成本、动作识别不均匀等因素，本发明使用多目标规划对肌电信号进行建模，可以很好地避免这些问题；使用较少的特征、通道能够降低计算量，减少硬件、运算成本，加快对肌电信号的识别，做到实时性，为将来能够操控假肢完成预设动作打下良好基础。
-
-
-
Search Results
14
records
(took 0.018 seconds)
