-
公开(公告)号：CN101178604A
公开(公告)日：2008-05-14
申请号：CN200710191030.5
申请日：2007-12-04
Applicant: 南京大学
IPC: G05D23/19
Abstract: 基于负载特性检测的温度控制器是一种集温度检测、控制决策生成、驱动电路于一身的基于负载特性检测的温度控制器。不使用任何附加的测温元件，直接测量受控对象的负载特性获得温度信息。内部集成的控制器对温度信息进行计算，控制驱动电路的开关，达到控制温度的目的。该温度控制器包括检测模块(1)，模数转换模块(2)，微控制器(3)和驱动模块(4)；其中，检测模块(1)、模数转换模块(2)、微控制器(3)、驱动模块(4)顺序串联连接，驱动模块(4)的输出端接负载(5)，负载(5)的输出端(5－1)接检测模块(1)的电压输入端(1－8)，负载(5)的输出端(5－2)接检测模块(1)的电流输入端(1－9)。
-
公开(公告)号：CN117993474A
公开(公告)日：2024-05-07
申请号：CN202410292368.3
申请日：2024-03-14
Applicant: 南京大学
Abstract: 本发明公开一种基于深度学习的无人机虚实结合强化学习环境增强方法，包括：预训练模型导出强化学习的决策单元。虚实结合时空环境增强，使用预训练的决策单元进行若干轮真机飞行的验证；通过平均时延曲线导出用作无人机虚拟环境中单步决策的时间间隔的补偿值，进行时间上的环境增强；利用误差模型进行空间上的环境增强。增强环境再训练，使用时空增强的环境再次对无人机导航进行训练，进行真机飞行，并比对虚拟轨迹和真实轨迹的差异。该方法充分利用了虚实结合环境增强方法，具有设计简单、鲁棒性较佳以及构建出的强化学习环境具有仿真度高的优点，其训练出来的策略具有泛化能力强、适应性强等特点，能直接应用在真实无人机编队、导航等任务上。
-
公开(公告)号：CN116051960A
公开(公告)日：2023-05-02
申请号：CN202310120959.8
申请日：2023-02-16
Applicant: 南京大学
IPC: G06V10/82 , G06V10/20 , G06N3/044 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的无人机群飞行行为识别方法，首先对获得的十类无人机群飞行行为数据进行了预处理，在无人机群行为离线识别场景下，将每类无人机集群飞行行为的原始轨迹序列数据进行归一化，并转化为灰度图像，然后将图像信息输入到构建的卷积神经网络里进行训练；在无人机群行为在线识别场景下，首先将每类无人机集群飞行行为的原始轨迹序列数据进行标准化，然后将标准化后的数据随机截取一个长度固定的时间序列，输入到构建的循环神经网络中进行训练。该方法充分发挥深度学习神经网络的优势，具有设计简单，鲁棒性较佳，训练完成的神经网络模型具有识别准确率高的优点。
-
公开(公告)号：CN115730910A
公开(公告)日：2023-03-03
申请号：CN202211431455.X
申请日：2022-11-15
Applicant: 南京大学
IPC: G06Q10/101 , G06F8/20 , G06F18/20 , G06F18/23
Abstract: 本发明公开了基于马尔可夫模型和熵的开源群智行为挖掘与度量方法，使用马尔可夫模型对开源项目的工作流程进行建模，并使用特征概率转移矩阵对模型进行聚类，得到代表性行为模型，即项目中的代表聚类模型；对项目中的代表聚类模型分别计算其对应的信源熵，并加权得出该项目的加权信源熵，将加权信源熵作为度量该项目开发行为组织性的指示性指标，用于指导开源项目的协作开发，实现低效环节预警。具有简洁、准确、实用的优点，可以帮助开发人员更好地协作开发、加强合作沟通、加快项目问题解决效率等。
-
公开(公告)号：CN114564890A
公开(公告)日：2022-05-31
申请号：CN202210190797.0
申请日：2022-02-28
Applicant: 南京大学
IPC: G06F30/27 , G06F119/02
Abstract: 本发明公开了一种应对大规模问题的递归强化学习框架，包括以下步骤：步骤1，基于模型构建算法对问题进行建模，创建环境模型。步骤2，进行递归强化学习问题求解算法的训练求解过程。本发明的一种应对大规模问题的递归强化学习框架能够增强智能体对于可递归求解问题的学习能力，通过递归求解小规模问题来完成大规模问题的求解目的，在取得较好的扩展效果的同时，具有较强的可解释性，并且该框架能够适用于任意一种经典的强化学习算法，能够让智能体具备学会任意长度的问题的能力。
-
Patent Agency Ranking
公开(公告)号：CN109299170B
公开(公告)日：2021-12-17
申请号：CN201811255098.X
申请日：2018-10-25
Applicant: 南京大学
IPC: G06F16/248 , G06F16/22
Abstract: 本发明公开了一种针对带标签时间序列数据的补全方法，主要用于解决真实场景中常见的时间序列数据连续一段整列丢失问题，该数据补全方法核心思想包括两方面：第一，运用Hankel矩阵化技术将低维时间序列组织成高维形式，引入高阶时间依赖关系，在此基础上利用矩阵分解的方法补全缺失数据，从而有效克服数据整列丢失问题；第二，在算法整体框架中建模标签信息，利用标签信息支持数据补全过程，使补全的数据更符合真实场景。通过合理运用上述两方面的思想，本发明提出的方法能够在真实的时间序列数据缺失场景中取得较好的补全效果；同时，该方法的可解释性较强，还可以在该方法的基础上进行较多扩展，从而有效运用于各类真实场景中。
-
公开(公告)号：CN113705828A
公开(公告)日：2021-11-26
申请号：CN202110877724.4
申请日：2021-08-01
Applicant: 南京大学
Abstract: 本发明提供的一种基于集群影响度的战场博弈策略强化学习训练方法，通过集群影响度的分析结果并结合强化学习技术，可以有效克服开放战场环境具有的作战单位数目大、战争迷雾等挑战，并通过采用强化学习进行交叉训练保证决策模型可以不断提高自身决策水平，有效应对开放战场环境学习困难的问题，有助于军事战场中的人机协同决策等情况，可广泛应用于局域作战、反恐等领域的决策问题。
-
公开(公告)号：CN108763045A
公开(公告)日：2018-11-06
申请号：CN201810544629.0
申请日：2018-05-31
Applicant: 南京大学
CPC classification number: G06F11/3438 , G06F11/3072 , G06F11/3476
Abstract: 一种手机端含缺失数据的通用连续行为识别应用框架，应用在智能手机上，包含惯性传感器、传感器控制单元、数据接纳控制单元、数据补全单元和行为识别单元。惯性传感器负责和环境和用户进行交互，获取实时数据；传感器控制单元负责根据数据接纳控制单元的反馈信息，控制传感器的开关和采样频率；数据接纳控制单元根据当前数据负责判断数据是否为有效数据；数据补全单元负责将有缺失的数据进行补全，生成完整的数据供给后续的行为识别单元进行识别。本发明针对手机端行为识别中不可避免的无效数据和数据缺失问题，考虑到手机端能源受限所提出，泛用性好，易于构建，获得数据真实可靠，适用面广，能够有效应用于多种场景下有关手机端的行为识别。
-
公开(公告)号：CN105046429B
公开(公告)日：2018-08-24
申请号：CN201510406671.2
申请日：2015-07-10
Applicant: 南京大学
Abstract: 本发明公开了一种基于手机传感器的交互过程中用户思维工作负荷评估方法。该方法利用手机的触摸屏点击事件和加速度传感器读数为输入，通过对加速度数据进行分割和特征提取，实现对用户在任务难度、认知负荷、时间负荷三个方面的思维工作负荷高低的评估。该方法能够广泛应用于用户体验调研、应用软件和操作系统自适应等场景，有效地改善用户在与智能手机交互过程中的体验。该方法具有侵入性低、用户干扰小、无需额外设备等优势，能够以较小的代价，实现对用户在交互过程中思维工作负荷的实时、准确、全面地评估。
-
公开(公告)号：CN108228832A
公开(公告)日：2018-06-29
申请号：CN201810007309.1
申请日：2018-01-04
Applicant: 南京大学
Abstract: 本发明公开了一种基于距离矩阵的时间序列数据补全方法，其挖掘并利用时间序列数据内在的高阶时间关联关系，以时间序列数据中相似的数据点来补全缺失数据；该方法具体包括：针对时间序列数据，基于某种距离度量函数建模出该时间序列的距离矩阵D，其中位于第i行，第j列的矩阵元素Dij为时间序列中第i个数据点和第j个数据点间的距离；基于得到的距离矩阵D，在原始时间序列中寻找与带缺失分段距离最近的k个分段；利用计算得到的k个近邻分段，补全带缺失分段数据。本方法在真实的时间序列数据缺失场景中，能取得了较好补全效果，同时本方法的可解释性较强，背后的物理含义较为清晰，因此能在本方法的基础上进行较多扩展，从而有效运用于各类真实场景中。
-
-
-
-
-
-
-
-
-
Search Results
46
records
(took 0.03 seconds)
