基于动态示教数据和行为克隆的深度Q学习网络优化方法

    公开(公告)号:CN112396180B

    公开(公告)日:2021-06-29

    申请号:CN202011338992.0

    申请日:2020-11-25

    Abstract: 本发明属于信息处理领域,具体涉及一种基于动态示教数据和行为克隆的深度Q学习网络优化方法,旨在为了解决历史示教数据覆盖状态‑动作空间有限和不完美示教数据会影响策略优化方向的问题。本发明包括:对初始行为克隆网络进行有监督的训练得到第一行为克隆网络;基于第二示教数据集,对具有相同网络结构的主网络、目标网络进行预训练,并进一步基于有专家损失的混合损失函数进行主网络的训练;若在训练回合中得到历史最优奖励值,对第二示教数据集进行更新;重复采用更新的第二示教数据集进行网络训练,直至达到结束条件。本发明方法在训练过程中不断加入高质量样本数据,提升示教数据集所代表策略的性能,连续对模型的性能提升产生正向作用。

    基于实体对齐的多源异构知识图谱协同推理方法及装置

    公开(公告)号:CN112818137A

    公开(公告)日:2021-05-18

    申请号:CN202110416650.4

    申请日:2021-04-19

    Abstract: 本发明提供一种基于实体对齐的多源异构知识图谱协同推理方法及装置,所述方法包括:基于待推理实体对,以及待推理实体对的查询关系,确定查询关系的等价关系路径;将各等价关系路径对应的特征向量输入至关系推理模型,得到查询关系对应的推理结果。本发明中用于训练关系推理模型的正样本三元组是从多个知识图谱中获取的,同时等价关系路径包括跨知识图谱的等价关系路径,实现了不同知识图谱之间的连通,从而关系推理模型能够学习多个知识图谱中的语义信息,避免传统方法中针对单一知识图谱进行知识推理造成推理精度较低的问题。

    基于神经网络的中药分拣系统

    公开(公告)号:CN112495841B

    公开(公告)日:2021-05-11

    申请号:CN202110154669.6

    申请日:2021-02-04

    Abstract: 本发明属于自动分拣领域,具体涉及了一种基于神经网络的中药分拣系统,旨在解决人工中药分拣的准确性不高及效率低的问题。本发明包括图像采集模块、重量采集模块、第一传送装置、第二传送装置、拣选装置、第一处理器、第二处理器,通过第一处理器获取图像采集模块、重量采集模块对第一传送装置上的待拣选中药进行数据采集,并通过中药类别识别模型进行识别分类,按照分类传送至对应的第二传送装置,然后通过第二处理器中的中药质量识别模型,基于第一处理器同样的输入数据进行质量检测,并基于设定阈值确定选取对象,通过拣选装置进行拣选。本发明在提高智能化程度的情况下,提高了分拣的效率,结构简单、可移植性高。

    基于在线链路持续时间预测的V2V路由选择方法

    公开(公告)号:CN110784852B

    公开(公告)日:2021-03-02

    申请号:CN201910978117.X

    申请日:2019-10-15

    Abstract: 本发明属于信息处理技术领域,具体涉及一种基于在线链路持续时间预测的V2V路由选择方法、系统、装置,旨在解决车联网通信中路由选择的不稳定,导致数据传输成功率低的问题。本系统方法包括当第一节点向第二节点请求数据包时,判断第二节点的邻居表中是否包含第一节点;基于第二节点与各相邻节点的数据包中相对应的数据差值,获取特征数据;基于特征数据,通过链路持续时间预测模型得到链路持续时间预测值;基于链路持续时间预测值,选取最大可达性系数对应的相邻节点作为下一跳节点;循环判断下一跳节点的邻居表是否包含第一节点,直至将数据包发送至第一节点。本发明提升了车联网通信中路由选择的稳定性,提高了数据传输的成功率。

    基于云边协同的人机混合增强智能系统、方法、装置

    公开(公告)号:CN111611085A

    公开(公告)日:2020-09-01

    申请号:CN202010469336.8

    申请日:2020-05-28

    Abstract: 本发明属于云边协同、混合增强智能领域,具体涉及一种基于云边协同的人机混合增强智能方法、系统、装置,旨在解决边缘侧的计算及存储资源不足,导致高复杂度的智能算法难以部署,低复杂度的智能算法精度有限的的问题。本系统包括:设置于云端的算法库、设置于边缘端的输入模块、算法选择模块、决策模块;算法库,用于储存算法文件;输入模块,用于获取输入信息;算法选择模块,配置为获取边缘设备的性能评价指标,并通过预设的算法选取规则从算法库中选取相应的算法;决策模块,配置为获取目标决策结果。本发明降低了高复杂度的智能算法的部署难度,提高了低复杂度的智能算法的精度。

    数据处理方法、边缘服务器、中心服务器及处理系统

    公开(公告)号:CN111464627A

    公开(公告)日:2020-07-28

    申请号:CN202010240844.9

    申请日:2020-03-31

    Abstract: 本发明涉及一种基于云边协同的数据处理方法、边缘服务器、中心服务器及数据处理系统;所述数据处理方法包括:接收终端设备的数据请求;解析所述数据请求确定所述终端设备的身份标识及数据类型;根据所述数据类型调取数据计算框架;根据身份标识向对应的终端设备发送数据处理请求;接收终端设备发送的数据计算任务;根据所述数据计算框架,加载数据计算任务,得到计算结果;根据所述身份标识,将所述计算结果发送至所述终端设备。本发明边缘服务器分别连接多个终端设备及中心服务器,可根据终端设备的数据请求,直接在边缘服务器实时计算处理,不需上传到中心服务器,从而降低中心服务器的存储与计算负载压力,减少数据传输的带宽占用。

    基于网联无人驾驶车的核应急疏散优化调度方法及系统

    公开(公告)号:CN111382936A

    公开(公告)日:2020-07-07

    申请号:CN202010148732.0

    申请日:2020-03-05

    Abstract: 本发明涉及一种基于网联无人驾驶车的核应急疏散优化调度方法及系统,所述优化调度方法包括:在发生核泄漏后,检测应急计划区内的风向、风速及扩散源所泄露的核物质浓度;根据应急计划区内的风向、风速及扩散源所泄露的核物质浓度及各需求点的人口数量,确定对应需求点的疏散风险;根据需求点的疏散风险,确定各疏散目标对象;确定往返于各疏散目标对象与应急避难点之间的无人驾驶车的数量;调度对应的无人驾驶车的数量,将各疏散目标对象内的居民疏散至安全的应急避难点。本发明可得到往返于各疏散目标对象与应急避难点之间的无人驾驶车的最少数量,从而可实现在基于网联化无人驾驶的核应急疏散过程,在保证疏散效果的同时最大限度降低成本。

    识别驾驶员驾驶行为及危险驾驶行为预警方法

    公开(公告)号:CN110991353A

    公开(公告)日:2020-04-10

    申请号:CN201911238365.7

    申请日:2019-12-06

    Abstract: 本发明属于智能驾驶技术领域,具体涉及一种识别驾驶员驾驶行为及危险驾驶行为预警方法、系统、装置,旨在解决驾驶员驾驶行为识别方法识别准确率低及对识别出的危险驾驶行为信息不能共享的问题。本系统方法包括获取驾驶员的驾驶行为深度图像;通过驾驶行为识别模型获取驾驶员的驾驶行为状态;基于预设的驾驶员行为状态分级规则,对所识别的驾驶员驾驶行为状态进行危险级别判断,依据预设的危险级别预警方式进行预警提示。本发明通过迁移学习训练驾驶行为识别模型,提高了驾驶行为识别的准确率,同时,将识别出的危险驾驶行为及时广播,实现了信息的共享。

    自动驾驶车辆的道路目标与距离检测方法、系统、装置

    公开(公告)号:CN110988912A

    公开(公告)日:2020-04-10

    申请号:CN201911238261.6

    申请日:2019-12-06

    Abstract: 本发明属于自动驾驶技术领域,具体涉及了一种自动驾驶车辆的道路目标与距离检测方法、系统、装置,旨在解决现有技术在实现自动驾驶车辆的道路目标与距离检测时速度不够快、精度不够高的问题。本发明方法包括:获取自动驾驶车辆道路目标图像和点云数据,并分别对道路目标图像和点云数据进行预处理;通过目标检测网络获取目标的类别标签信息和2D包围边界框信息;将道路目标图像和点云数据进行融合处理,得到2D包围边界框里的带有图像标签信息的点云;通过目标检测获取目标点云,将目标点云质心的距离作为当前目标的距离。本发明方法能够计算目标的实际距离,不易受复杂天气及地理环境的影响,仅需处理2D检测框的点云数据,速度快、精度高。

Patent Agency Ranking