-
公开(公告)号：CN117031430A
公开(公告)日：2023-11-10
申请号：CN202311008795.6
申请日：2023-08-10
Applicant: 上海交通大学
Abstract: 本发明提供了一种基于智能小车和IR‑UWB雷达的沙地浅埋垃圾检测方法及系统，包括：步骤S1：利用智能小车搭载的IR‑UWB雷达对沙地进行探测，收集可用于垃圾检测与定位的雷达数据；步骤S2：对收集到的可用于垃圾检测与定位的雷达数据进行预处理；步骤S3：基于预处理后的雷达数据，利用基于Canny边缘检测的改进算法自适应地检测多个垃圾对应的边缘特征；步骤S4：提取对应区域垃圾特征，并构建为特征向量；步骤S5：基于构建的特征向量对垃圾和噪声进行区分。
-
公开(公告)号：CN116482128A
公开(公告)日：2023-07-25
申请号：CN202310202422.6
申请日：2023-03-02
Applicant: 上海交通大学
IPC: G01N22/04 , G06N3/048 , G06N3/084 , G06N3/0985 , G06N5/04
Abstract: 本发明提供了一种土壤湿度感知方法、系统、设备及介质，利用搭载在无人机的雷达对土壤进行探测，收集用于估计土壤湿度的雷达信号；从收集的雷达信号中提取土壤湿度特征，所述土壤湿度特征包括土壤的折射系数RI和相对振幅比率RAR；通过失真信号滤除算法滤除因无人机不受控运动而受污染的特征；通过多径干扰消除算法消除由于雷达信号在土壤表面覆盖物上多径传播对所提取特征的干扰；将失真滤除和干扰消除后的特征输入训练好的深度神经网络模型，输出土壤湿度估计结果；训练所述深度神经网络模型的元模型，通过调整参数从而适应不同的土壤类型。本发明借助无人机和雷达感知土壤湿度，能够快速适应不同土壤类型的湿度感知。
-
公开(公告)号：CN115729258A
公开(公告)日：2023-03-03
申请号：CN202211445408.0
申请日：2022-11-18
Applicant: 上海交通大学
IPC: G05D1/10
Abstract: 本发明提供了一种无人机群智感知调度方法、系统、设备及介质，涉及群智感知和强化学习技术领域，包括：步骤S1：将无人机调度问题建模为带约束合作马尔科夫博弈，设计状态、动作、奖励和损失函数；步骤S2：设计一个多任务多智能体强化学习框架，使用通用策略处理相似的无人机感知任务，降低训练策略的计算复杂度和样本复杂度；步骤S3：提出原始‑对偶多智能体强化学习训练算法，在提升整体感知收益和减少每个任务的约束违反之间交替执行。本发明能够有效地联合制定移动、感知和充电决策，在充电预算的约束下，最大化无人机长期感知收益。
-
公开(公告)号：CN115713100A
公开(公告)日：2023-02-24
申请号：CN202211421790.1
申请日：2022-11-14
Applicant: 上海交通大学
IPC: G06N3/048 , G06N3/0985
Abstract: 本发明提供了一种缺失分布偏移下基于非完整数据的预测方法和系统，包括：以非完整特征作为输入，构建基于多层感知机的预测函数网络，对完整标签进行预测；构建基于多层感知机的预测函数参数网络，学习预测函数参数与缺失情况之间的关联性；利用随机傅里叶特征，度量非完整特征和缺失情况之间的关联性；根据随机傅里叶特征，对数据集中的非完整样本重新分配权重；通过最小化预测重构误差，联合训练预测函数参数网络和预测函数网络，将两个网络结合后整体的预测性进行最优化。本发明采用基于去关联性的预测框架，能够有效地学习到完整标签与非完整特征之间的底层关联性，从而在缺失分布发生偏移时，达到较好的泛化性能。
-
公开(公告)号：CN110363311B
公开(公告)日：2021-12-10
申请号：CN201910497918.4
申请日：2019-06-10
Applicant: 上海交通大学
Abstract: 本发明提供了一种基于预约的充电桩分配方法及系统，收集用户的充电需求信息；根据用户提出的需求信息，确定用户可接受的充电站列表；在某一决策点，充电桩分配调度中心从请求数据库中读取所有计划充电行为在某一时间窗内的请求，以最小化用户损失和被系统拒绝的用户数量为目标，为所有用户进行充电桩的预约分配，通过混合模拟退火算法给出分配结果；将分配结果分别发送至新能源车车主和充电站运营方。本发明可以为用户直接指定充电桩，避免了车主在目的地附近绕圈寻找可用的充电桩，从而在减少用户损失率的同时也缓解了交通压力，并使得充电资源得到最大化。
-
Patent Agency Ranking
公开(公告)号：CN117782017A
公开(公告)日：2024-03-29
申请号：CN202211156248.8
申请日：2022-09-22
Applicant: 上海交通大学
Abstract: 本发明提供了一种基于移动群智感知的道路坡度测量方法及系统，包括：步骤S1：进行待预测区域与已预测区域的划分，分配数据收集任务，将数据汇集至云端；步骤S2：云端多模态传感数据经时空对齐后，进行逐帧关联矩阵运算，融合为移动设备的坐标以及姿态向量，除去数据噪声后依据空间位置划被分成训练集和测试集；步骤S3：训练集和测试集数据均进行时域特征和频域特征的提取，并计算个体无关特征；步骤S4：利用个体无关特征，对模型进行训练和测试，进一步对初步预测结果进行数据聚合以及结果优化。本发明有利于高效低成本的实现大规模的道路坡度感知，有利于城市三维地图的建立，进一步丰富目前数字地图的内容，缩短数据更新的周期。
-
公开(公告)号：CN116577771A
公开(公告)日：2023-08-11
申请号：CN202310547197.X
申请日：2023-05-15
Applicant: 上海交通大学
Abstract: 本发明提供了一种基于FMCW毫米波雷达的旋转物体转速感知方法和系统，包括：步骤S1：利用FMCW毫米波雷达啁啾生成频率改变的啁啾信号并进行发射，收集用于估计旋转物体转速的雷达信号数据；步骤S2：从雷达接收信号中提取与旋转物体转速相关的特征，包括自相关序列初始峰值索引IFP；步骤S3：通过旋转物体反射信号自分离的方式，分离出目标旋转物体的反射信号的转速相关特征；步骤S4：基于旋转物体转速搜索算法，利用在多个啁啾生成频率下收集的雷达信号搜索物体的旋转速度。本发明借助FMCW毫米波雷达能够无接触、远距离、精确感知旋转物体的转速，测量精度高于商用激光测转速仪，同时对于环境光照条件具有很强的鲁棒性。
-
公开(公告)号：CN113158038B
公开(公告)日：2022-06-14
申请号：CN202110362907.2
申请日：2021-04-02
Applicant: 上海交通大学
IPC: G06F16/9535 , G06F16/9537 , G06N3/04 , G06N3/08
Abstract: 本发明提供了一种基于STA‑TCN神经网络框架的兴趣点推荐方法，包括如下步骤：步骤S1：将用户签到序列的数据进行预处理，过滤不活跃用户和不活跃兴趣点；步骤S2：预处理之后的数据转化为高维的嵌入向量序列；步骤S3：利用神经网络学习嵌入向量序列的顺序过渡相关性，输出得到包含顺序过渡相关性信息的结果向量；步骤S4：对包含顺序过渡相关性信息的结果向量利用时空自注意力机制学习全局时空相关性，输出最终的表示向量；步骤S5：根据最终的表示向量得出兴趣点推荐结果。本发明还提供了一种STA‑TCN神经网络框架的兴趣点推荐系统，本发明使用ST‑Attention将时间信息和空间信息融入到Attention机制中，这将极大促进模型学习兴趣点之间的多种相关性。
-
公开(公告)号：CN113158038A
公开(公告)日：2021-07-23
申请号：CN202110362907.2
申请日：2021-04-02
Applicant: 上海交通大学
IPC: G06F16/9535 , G06F16/9537 , G06N3/04 , G06N3/08
Abstract: 本发明提供了一种基于STA‑TCN神经网络框架的兴趣点推荐方法，包括如下步骤：步骤S1：将用户签到序列的数据进行预处理，过滤不活跃用户和不活跃兴趣点；步骤S2：预处理之后的数据转化为高维的嵌入向量序列；步骤S3：利用神经网络学习嵌入向量序列的顺序过渡相关性，输出得到包含顺序过渡相关性信息的结果向量；步骤S4：对包含顺序过渡相关性信息的结果向量利用时空自注意力机制学习全局时空相关性，输出最终的表示向量；步骤S5：根据最终的表示向量得出兴趣点推荐结果。本发明还提供了一种STA‑TCN神经网络框架的兴趣点推荐系统，本发明使用ST‑Attention将时间信息和空间信息融入到Attention机制中，这将极大促进模型学习兴趣点之间的多种相关性。
-
公开(公告)号：CN112990555A
公开(公告)日：2021-06-18
申请号：CN202110205756.X
申请日：2021-02-24
Applicant: 上海交通大学
Abstract: 本发明提供了一种基于时空并行栅格神经网络的地铁人流量预测方法及系统，包括：提出一种栅格神经网络来学习地铁人流量的时间关系，捕捉地铁人流量短期时间相关性；进一步捕捉地铁人流量的长期时间相关性；通过基于转移流量的指标来度量地铁站间的空间相关性，并基于这种指标将地铁系统建模成加权有向图；基于地铁加权有向图的构建，将传播图神经网络与栅格神经网络组合，学习地铁人流量的动态空间相关性；并行执行长短期时间相关性和动态空间相关性的学习过程，并融合两者的结果得到最终的地铁人流量预测结果。本发明采用了一种时空并行学习的框架，它能够有效地学习到地铁人流量的长短期时间相关性和动态空间相关性，并将所学知识应用于预测。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.024 seconds)
