-
公开(公告)号：CN114842214A
公开(公告)日：2022-08-02
申请号：CN202210535005.9
申请日：2022-05-17
Applicant: 东南大学
IPC: G06V10/44 , G06V10/774 , G06V10/764 , G06V10/82 , G06V20/05 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于强化学习的声呐图像目标识别方法，包括：(1)将卷积神经网络的层选择过程建模为马尔科夫决策过程；(2)定义强化学习Agent的状态空间和动作空间；(3)使用强化学习Q‑Learn i ng算法让Agent自动构建出一系列的卷积神经网络；(4)从自动生成的卷积神经网络中选出表现较好的网络模型，调整参数并迁移到目标检测网络中，如摘要附图所示；(5)用声呐图像数据集对整个目标检测网络进行监督式训练，完成声呐图像的目标识别工作，基于强化学习的Q‑Learn i ng算法来自动化卷积神经网络的构建过程，省去了大量手工调参投入，得到性能良好的卷积神经网络，提高声呐图像识别的工作效率。
-
公开(公告)号：CN114842214B
公开(公告)日：2025-01-03
申请号：CN202210535005.9
申请日：2022-05-17
Applicant: 东南大学
IPC: G06V10/44 , G06V10/774 , G06V10/764 , G06V10/82 , G06V20/05 , G06N3/047 , G06N3/08 , G06N3/0464 , G06N3/092 , G06N3/09 , G06N3/0985
Abstract: 本发明公开了一种基于强化学习的声呐图像目标识别方法，包括：(1)将卷积神经网络的层选择过程建模为马尔科夫决策过程；(2)定义强化学习Agent的状态空间和动作空间；(3)使用强化学习Q‑Learn i ng算法让Agent自动构建出一系列的卷积神经网络；(4)从自动生成的卷积神经网络中选出表现较好的网络模型，调整参数并迁移到目标检测网络中，如摘要附图所示；(5)用声呐图像数据集对整个目标检测网络进行监督式训练，完成声呐图像的目标识别工作，基于强化学习的Q‑Learn i ng算法来自动化卷积神经网络的构建过程，省去了大量手工调参投入，得到性能良好的卷积神经网络，提高声呐图像识别的工作效率。
-
公开(公告)号：CN116311919A
公开(公告)日：2023-06-23
申请号：CN202310151102.2
申请日：2023-02-22
Applicant: 河北雄安京德高速公路有限公司 , 河北省交通规划设计研究院有限公司 , 东南大学
Abstract: 本申请公开了一种高速公路通行瓶颈识别与排队预测方法、系统及存储介质。其中方法包括获取实时上下游交通流参数，所述交通流参数包括通行速度与流率；设定瓶颈有效性激活条件，根据所述交通流参数进行瓶颈识别；识别激活瓶颈在多个连续时间段内的持续性；根据速度变化关系识别拥堵状态与拥堵发生时刻；根据所述拥堵发生时刻建立排队长度预测方法；应用所述排队长度预测方法进行瓶颈拥堵路段排队长度预测。本申请通过以上技术方案可以准确地识别瓶颈位置与持续时间，克服了原有方法预测交通拥堵排队长度准确度不足的缺点。
-
公开(公告)号：CN114740506A
公开(公告)日：2022-07-12
申请号：CN202210260133.7
申请日：2022-03-16
Applicant: 河北雄安京德高速公路有限公司 , 东南大学
Abstract: 本发明公开了一种短基线下的北斗四频组合定位解算方法，针对双频窄巷模糊度有时难以固定的问题，本文提出四频双窄巷组合模型，通过联立两个独立不相关的双频窄巷观测方程，增加多余观测量，从而提高模糊度解算的效率和可靠性。首先分别采用(1,0,0,1)、(0,1,1,0)的组合系数选取B1C和B2a频率以及另外的B1I和B3I频率进行双频窄巷组合，再将所得的两个双频窄巷方程联立。当一个历元中有n+1颗卫星时，每个双频窄巷组合可以分别列出n个伪距观测方程和n个载波相位观测方程，而总共仅存在2n+3个未知数，联立所有方程可以进行单历元的解算，最后将解算结果与坐标真值对比，即可进行精度评定。
-
-
-
Search Results
4
records
(took 0.019 seconds)
