一种基于强化学习的无人机群智感知任务的路径规划方法

    公开(公告)号:CN113641192A

    公开(公告)日:2021-11-12

    申请号:CN202110763664.3

    申请日:2021-07-06

    Applicant: 暨南大学

    Abstract: 本发明公开了一种基于强化学习的无人机群智感知任务的路径规划方法,在演员‑批评者架构中加入多头注意力机制和对其他无人机策略的拟合,使得无人机执行决策时,充分考虑其他无人机的状态和策略。当无人机的数据收集量大于平均水平时,给予额外的奖励值以加速任务完成。当无人机间的路径重叠时,根据信号点数据量判断属于协作或竞争,依此修正它们的奖励值,从而促进其协作。使用n步返回时序差分计算批评者网络的目标价值,使无人机更有远见。最后,为使无人机更好的探索最大化数据收集量,使用分布式架构,给不同虚拟场景的无人机决策网络输出的动作加上不同方差的噪声。

    一种车联网中聚合两种信任评估的消息可靠性评估方法

    公开(公告)号:CN109195162A

    公开(公告)日:2019-01-11

    申请号:CN201811190159.9

    申请日:2018-10-12

    Applicant: 暨南大学

    Abstract: 本发明公开了一种车联网中聚合两种信任评估的消息可靠性评估方法,其中,信任中心负责维护车辆的信任信息,车辆定期向信任中心请求自己最新的信任证书;消息发布者发送消息时附带最新的信任证书以证明自己可信赖;消息接收者收到每条消息后提取信任证书并综合考虑多个消息发布者的消息以判断其是否可靠,然后根据消息质量为每个消息发布者生成一条信任反馈,并发送至信任中心,随后信任中心更新本地存储。本发明高效聚合两种信任评估,且无需消息接收者实时请求信任中心,因而评估结果更加准确,评估速度更快,且兼容车辆短时间内无法连接到信任中心的情况,更符合车联网的高动态特性。

    基于帧内预测编码的视频隐写方法

    公开(公告)号:CN108322757A

    公开(公告)日:2018-07-24

    申请号:CN201810039694.8

    申请日:2018-01-16

    Applicant: 暨南大学

    Abstract: 本发明提供了基于帧内预测编码的视频隐写方法,通过构造合适的失真函数后利用STC进行实际嵌入,能确保修改预测模式造成的失真是接近最小的。本发明发送方嵌入消息时,从第一个关键帧I1开始嵌入,根据映射规则得到最优组集 将最优组集 秘密消息序列m1,1和嵌入扰动集送入第一层嵌入器得到含秘组集 将含秘组集 秘密消息序列m1,2和嵌入扰动集送入第二层嵌入器得到含秘组集 根据含秘组集 选用最终预测模式生成视频编码;最终生成含密编码视频X′;接收方提取消息时,从含密编码视频中获取帧内预测编码后的关键帧;从第一个关键帧开始消息提取,利用解码器得到预测模式;根据映射规则得到含密组集,并提取得到私密消息。

Patent Agency Ranking