-
公开(公告)号：CN117010475A
公开(公告)日：2023-11-07
申请号：CN202310983240.7
申请日：2023-08-07
Applicant: 同济大学
IPC: G06N3/092 , G06N3/048 , G06N3/0464 , G06N3/0455 , G06N3/088 , G06V10/40
Abstract: 本发明提供一种基于最大熵内在奖励的无监督技能学习系统，属于机器人自主动作学习技术领域，提出了一个多物体表征学习模型，能够以无监督的方式，将场景中的物体从图像的背景中解耦开，得到紧凑的多物体表征；构建一个以物体为中心的最大熵内在奖励函数，来衡量探索样本集的整体信息熵，通过内在奖励进行任务无关的强化学习训练，从而学习到一个机器人高效探索策略，驱动机器人在环境中探索尽可能新的样本；利用预训练的多物体表征学习模型和机器人探索策略，作为下游特定任务学习的感知模型和控制模型的初始化，能够显著提升下游任务的学习效率和学习效果。
-
公开(公告)号：CN114002948B
公开(公告)日：2023-09-26
申请号：CN202111187395.7
申请日：2021-10-12
Applicant: 同济大学
Abstract: 本发明公开了一种第三方数控机床接入服务平台的方法及装置，其方法包括获取历史数据，并基于历史数据确定算法的输入、输出以及奖励函数；将算法的输入、输出以及奖励函数带入信赖域策略优化算法中进行强化学习，更新信赖域策略优化算法的策略参数；采用自我行为克隆加速强化学习的收敛，获取更新后的策略参数，基于更新后的策略参数更新信赖域策略优化算法；获取数控机床运行的当前数据，并基于当前数据确定算法的当前输入，将算法的当前输入带入更新后的信赖域策略优化算法得到算法的当前输出；根据算法的当前输出获取当前时间段运行的数据，并上传至服务平台；本发明能够有效解决第三方数控机床与服务平台数据通讯成本高的技术问题。
-
公开(公告)号：CN116257778A
公开(公告)日：2023-06-13
申请号：CN202310110984.8
申请日：2023-02-14
Applicant: 同济大学
IPC: G06F18/24 , G06N3/0464 , G06N3/096
Abstract: 本发明提供一种基于深度神经网络多源域迁移学习的室内火灾检测方法，属于火灾监测技术领域，用于监控室内火灾的发生。该方法包括如下步骤：1、收集不同来源的火灾数据集样本作为神经网络的训练集；2、采用一种特别的神经网络结构，使该神经网络能够根据不同的样本输入生成不同的权重参数；3、将训练集作为输入来训练神经网络；4、将火灾数据集测试样本输入至神经网络中，神经网络输出分类结果。本发明提出的方法能够有效地利用不同来源的数据集来训练神经网络，避免了样本数量较少而无法进行训练神经网络的尴尬局面，具有一定的实用性。
-
公开(公告)号：CN112947458B
公开(公告)日：2022-09-20
申请号：CN202110218016.X
申请日：2021-02-26
Applicant: 同济大学
IPC: G05D1/02
Abstract: 本发明涉及一种基于多模态信息的机器人准确抓取方法及计算机可读介质，抓取方法包括：步骤1：获取包含待抓取目标的RGB场景图像，同时获取抓取指令；步骤2：对抓取指令进行关键词匹配，根据抓取指令匹配的关键词得到对应的独热编码；步骤3：将RGB场景图像和独热编码输入目标物体定位网络，获取待抓取物体的宽度、旋转角度及其质心的位置坐标；步骤4：控制机器人移动至对应的抓取位置，然后控制机器人末端执行器旋转对应角度，控制机器人末端执行器下降至设定高度后，控制机器人夹爪调整距离执行抓取任务；步骤5：完成机器人的准确抓取。与现有技术相比，本发明具有精度高、鲁棒性好、实现准确抓取、灵活便捷等优点。
-
公开(公告)号：CN112687290B
公开(公告)日：2022-09-20
申请号：CN202011617737.X
申请日：2020-12-30
Applicant: 同济大学
Abstract: 本发明涉及一种经过压缩的咳嗽自动检测方法及嵌入式设备，咳嗽自动检测方法包括：获取待检测音频；提取待检测音频的音频帧级特征；根据提取的音频特征搭建同构咳嗽检测子模型；对同构咳嗽检测子模型进行压缩并集成后蒸馏为精炼模型；使用咳嗽检测精炼模型在嵌入式设备上实时进行咳嗽自动检测。嵌入式设备包括至少一个处理器以及至少一个与处理器进行通信连接的存储器，存储器存储有可被处理器执行的指令，指令可被至少一个处理器执行，可被执行的指令包括上述咳嗽自动检测方法。与现有技术相比，本发明具有能够被部署到嵌入式设备、准确性高等优点。
-
Patent Agency Ranking
公开(公告)号：CN114118371A
公开(公告)日：2022-03-01
申请号：CN202111403920.4
申请日：2021-11-24
Applicant: 同济大学
Abstract: 本发明涉及一种智能体深度强化学习方法及计算机可读介质，其中智能体深度强化学习方法包括：步骤1：搭建动作决策网络以及评价网络，并对其进行随机初始化；步骤2：利用已有策略在环境中进行交互，动作决策网络和评价网络根据环境中的观察生成智能体的动作决策，智能体根据决策在环境中行动并尝试完成指定的任务；步骤3：基于步骤2中智能体产生的行动轨迹和观察轨迹，利用双延迟深度确定性策略梯度优化评价网络以及动作决策网络的参数，然后返回步骤2；步骤4：重复步骤2和步骤3，直到采样的轨迹价值稳定，完成智能体的深度强化学习。与现有技术相比，本发明具有决策能力好等优点。
-
公开(公告)号：CN112947458A
公开(公告)日：2021-06-11
申请号：CN202110218016.X
申请日：2021-02-26
Applicant: 同济大学
IPC: G05D1/02
Abstract: 本发明涉及一种基于多模态信息的机器人准确抓取方法及计算机可读介质，抓取方法包括：步骤1：获取包含待抓取目标的RGB场景图像，同时获取抓取指令；步骤2：对抓取指令进行关键词匹配，根据抓取指令匹配的关键词得到对应的独热编码；步骤3：将RGB场景图像和独热编码输入目标物体定位网络，获取待抓取物体的宽度、旋转角度及其质心的位置坐标；步骤4：控制机器人移动至对应的抓取位置，然后控制机器人末端执行器旋转对应角度，控制机器人末端执行器下降至设定高度后，控制机器人夹爪调整距离执行抓取任务；步骤5：完成机器人的准确抓取。与现有技术相比，本发明具有精度高、鲁棒性好、实现准确抓取、灵活便捷等优点。
-
公开(公告)号：CN112687290A
公开(公告)日：2021-04-20
申请号：CN202011617737.X
申请日：2020-12-30
Applicant: 同济大学
Abstract: 本发明涉及一种经过压缩的咳嗽自动检测方法及嵌入式设备，咳嗽自动检测方法包括：获取待检测音频；提取待检测音频的音频帧级特征；根据提取的音频特征搭建同构咳嗽检测子模型；对同构咳嗽检测子模型进行压缩并集成后蒸馏为精炼模型；使用咳嗽检测精炼模型在嵌入式设备上实时进行咳嗽自动检测。嵌入式设备包括至少一个处理器以及至少一个与处理器进行通信连接的存储器，存储器存储有可被处理器执行的指令，指令可被至少一个处理器执行，可被执行的指令包括上述咳嗽自动检测方法。与现有技术相比，本发明具有能够被部署到嵌入式设备、准确性高等优点。
-
公开(公告)号：CN109949631A
公开(公告)日：2019-06-28
申请号：CN201910122190.7
申请日：2019-02-19
Applicant: 同济大学
IPC: G09B5/06
Abstract: 本发明涉及一种常用信号的分类与观察实验装置，包括安装有软件系统的计算机和硬件平台，所述的硬件平台在软件系统的作用下完成物理信号的波形产生、物理信号的数据采集和音频信号的输出，所述的硬件平台集成在一便携式壳体中。与现有技术相比，本发明不需要使用额外的实验室仪器，便携性好，功能强，利用软件操作界面，配置和控制硬件平台正常工作，从时域和频域等不同角度观察实验信号，使用视觉和听觉等不同手段加深实验效果。
-
公开(公告)号：CN106096568A
公开(公告)日：2016-11-09
申请号：CN201610450898.1
申请日：2016-06-21
Applicant: 同济大学
CPC classification number: G06K9/00369 , G06K9/00744 , G06K9/6256
Abstract: 本发明提出了一种基于CNN和卷积LSTM网络的行人再识别方法，属于图像处理技术领域。首先用一组CNN提取编码在帧中的空间信息，再利用卷积LSTM构成的编码‑解码框架，得到帧级别的深度时空外观描述器，最后使用Fisher向量编码，使描述器可以描述视频级别的特征。通过这种方式可以提取一种特征表示，这一特征表示能将视频当作排列好的序列，同时保持其空间信息，建立精确的模型。
-
-
-
-
-
-
-
-
-
Search Results
61
records
(took 0.022 seconds)
