-
公开(公告)号：CN107229914B
公开(公告)日：2020-07-03
申请号：CN201710381771.3
申请日：2017-05-26
Applicant: 北京工业大学
Abstract: 一种基于深度Q学习策略的手写数字识别方法属于人工智能和模式识别领域，针对手写数字标准对象MNIST数据库的识别精度低的问题。首先，利用深度自编码器(Deep Auto‑Encoder，DAE)对原始信号进行抽象特征提取，Q学习算法将DAE对原始信号的编码特征作为当前状态。然后，过对当前状态进行分类识别得到一个奖励值，并将奖励值返回给Q学习算法以便进行迭代更新。通过最大化奖励值来完成手写数字的高精确识别。本发明将具有感知能力的深度学习和具有决策能力的强化学习结合在一起，通过深度自编码器与Q学习算法相结合构成Q深度信念网络(Q‑DBN)，提高了识别精度，同时缩短了识别时间。
-
公开(公告)号：CN110569764A
公开(公告)日：2019-12-13
申请号：CN201910799717.X
申请日：2019-08-28
Applicant: 北京工业大学
Abstract: 本发明提出了一种基于卷积神经网络的废旧手机型号识别方法。针对废旧手机回收过程中型号难以精确识别的问题，本发明利用边缘检测算法解析手机验机照片中的区域特征，构造了一种共享权值的特征提取卷积网络，评估废旧手机图像区域特征与标准样本之间的相似性，实现了手机型号的快速识别，本发明在不同场景下的手机型号识别均保持较好的快速性和准确性，能够提高废旧手机回收的效率和回收企业经济效益。
-
公开(公告)号：CN110161995A
公开(公告)日：2019-08-23
申请号：CN201910495404.5
申请日：2019-06-10
Applicant: 北京工业大学
IPC: G05B19/418
Abstract: 本发明提出了基于动态多目标粒子群算法的城市污水处理过程优化控制方法，实现对溶解氧SO和硝态氮SNO浓度的优化控制；该优化控制方法通过动态多目标粒子群优化算法对建立的污水处理过程优化目标进行优化，获得溶解氧SO和硝态氮SNO浓度的优化设定值，结合比例积分微分控制器对溶解氧SO和硝态氮SNO的优化设定值进行跟踪控制；解决了污水处理过程动态优化控制的问题，促进污水处理厂高效稳定运行。本发明保证出水水质达标，同时降低能耗。
-
公开(公告)号：CN110046761A
公开(公告)日：2019-07-23
申请号：CN201910287731.1
申请日：2019-04-11
Applicant: 北京工业大学
Abstract: 本发明提出了一种基于多目标粒子群优化算法的乙醇库存补货策略，针对乙醇库存量难以优化确定的问题，实现对乙醇库存补货量的合理规划，降低乙醇库存总成本。该乙醇库存补货策略通过建立仓储成本模型和采购成本模型，获取成本与补货批量、启动补货策略库存余量和送达时间的关系；利用多目标粒子群优化算法优化仓储成本模型和采购成本模型，得到单个周期每次补货时固定的补货批量、启动补货策略库存余量和送达时间的最优设定值，从而使乙醇库存量保持在一个合理的水平，促进库存优化控制，保证工业过程稳定运行。
-
公开(公告)号：CN107861501A
公开(公告)日：2018-03-30
申请号：CN201710988719.4
申请日：2017-10-22
Applicant: 北京工业大学
CPC classification number: G05D1/0088 , G05D1/0231 , G05D1/024 , H02P29/00
Abstract: 地下污水处理厂智能机器人自主定位导航系统属于智能机器人多传感器组合定位导航领域。通过功能模块的实现，结合激光传感器和视觉传感器搭建硬件平台，形成一套完整的智能机器人自主定位导航系统，实现地下污水处理厂智能机器人的自主定位导航控制。将地下污水处理厂智能机器人自主定位导航系统应用于智能机器人巡检过程，通过对伺服电机的精确控制实现对智能机器人的精确控制。自主定位导航控制针对传统激光导航和视觉导航无法实现对具有光照条件波动，障碍物动态变化，环境状况不稳定等特点的地下巡检过程稳定和精确控制的问题，实现对智能机器人定位导航的智能控制，提高了自主定位导航的精确性和稳定性。
-
Patent Agency Ranking
公开(公告)号：CN104376380B
公开(公告)日：2017-07-21
申请号：CN201410655729.2
申请日：2014-11-17
Applicant: 北京工业大学
IPC: G06F17/00
CPC classification number: G06N3/088 , C02F3/006 , C02F2101/16 , C02F2209/001 , C02F2209/006 , C02F2209/04 , C02F2209/10 , C02F2209/14 , C02F2209/18 , C02F2209/22 , C02F2209/40 , G01N33/18 , G01N33/188 , G06N3/0445
Abstract: 一种基于递归自组织神经网络的氨氮浓度预测方法既属于控制领域，又属于水处理领域。针对当前污水处理过程出水氨氮浓度测量过程繁琐、仪器设备造价高、测量结果可靠性和精确性低等问题，本发明基于城市污水处理生化反应特性，利用一种递归自组织神经网络实现对关键水质参数氨氮浓度的预测，解决了出水氨氮浓度难以测量的问题；结果表明该递归自组织神经网络能够快速、准确地预测污水处理出水氨氮的浓度，有利于提升污水处理过程出水氨氮浓度质量监控水平和加强城市污水处理厂精细化管理。
-
公开(公告)号：CN103606006B
公开(公告)日：2017-05-17
申请号：CN201310558054.5
申请日：2013-11-12
Applicant: 北京工业大学
Abstract: 基于自组织T‑S模糊神经网络的污泥沉降指数软测量方法既属于控制领域，又属于污水处理领域。污泥沉降指数SVI的准确预测是污水处理过程正常运行的保证，本发明首先以规则层的输出量，即规则层的空间激活强度作为判定模糊规则是否增加的依据；其次，在生成新的模糊规则的基础上，以隶属函数层输出量作为判定模糊集是否增加的依据；最后，利用梯度下降算法调整模型的权值参数和高斯函数的中心值和宽度，获得一种自组织T‑S模糊递归神经网络，并基于SOTSFEN建立了SVI的在线软测量模型，实现了SVI的实时检测，为预防污泥膨胀提供了一种有效方法。
-
公开(公告)号：CN103902783B
公开(公告)日：2017-03-01
申请号：CN201410144273.3
申请日：2014-04-11
Applicant: 北京工业大学
Abstract: 本发明涉及一种基于广义逆向学习差分算法的排水管网优化方法。本发明针对排水管网优化过程中存在的计算复杂、且不能彻底排除不合理或者不可行方案，计算精度不高的问题，利用改进的自适应差分算法，得到管网造价函数最优值，包括满足水力约束条件的各管段的流速、坡度、埋深等水力参数。本发明采用逆向学习方法进行自适应算法的初始化过程，对算法的初始化种群在进行变异之前进行处理，利用概率论的知识，在不增加种群个数的前提下精炼了初始解，增加了种群的多样性，提高了找到全局最优解的可能性。且该算法涉及的变量较少，自适应选择变异策略，算法操作简单，收敛速度快，寻优精度高。
-
公开(公告)号：CN103886369B
公开(公告)日：2016-10-26
申请号：CN201410117471.0
申请日：2014-03-27
Applicant: 北京工业大学
Abstract: 针对当前污水处理过程出水总磷TP测量过程繁琐、仪器设备造价高、维护安装困难、测量结果可靠性和精确性低等问题，本发明提出了一种污水处理过程出水总磷TP智能预测方法，建立了基于模糊神经网络出水总磷TP预测方法，并且利用实时数据对预测模型进行校正，实现了对污水处理过程出水总磷TP的预测，解决了出水总磷TP难以测量的问题；实验结果表明该出水总磷TP预测方法能够快速、准确地预测污水处理出水总磷TP浓度，对环境差异具有很好的适应能力，保障了污水处理过程高效稳定运行。
-
公开(公告)号：CN105676649A
公开(公告)日：2016-06-15
申请号：CN201610219336.6
申请日：2016-04-09
Applicant: 北京工业大学
IPC: G05B13/04
CPC classification number: G05B13/042
Abstract: 本发明公开了一种基于自组织神经网络的污水处理过程控制方法，属于水处理和智能信息控制领域。该方法主要包括两个部分：自组织机制对模糊规则的调整与T-S模糊神经网络自适应学习控制部分。基本T-S模糊神经网络控制器；模糊机制的自组织调整；神经网络的自适应学习；得到k时刻的模糊规则m，并完成k时刻的污水处理过程控制。本方法能够根据环境状态实时的对控制器内部结构进行调整，实现对目标的稳定控制。利用自组织机制对控制器结构进行实时的调整使控制器能够更好的满足环境的需要；利用智能控制方法对污水处理过程进行稳定控制，使出水水质满足排放标准。该方法克服了固定网络结构控制器对环境适应差的缺点。
-
-
-
-
-
-
-
-
-
Search Results
383
records
(took 0.032 seconds)
