-
公开(公告)号：CN118990501A
公开(公告)日：2024-11-22
申请号：CN202411310981.X
申请日：2024-09-19
Applicant: 中国科学院自动化研究所
IPC: B25J9/16
Abstract: 本公开涉及一种协作机器人的关节轨迹优化方法及装置。所述方法包括：利用七次B样条曲线函数对协作机器人的机械臂终端机构的空间路径点进行插值，以得到各个关节的B样条轨迹曲线；以各个关节的B样条轨迹曲线的控制顶点的数值为优化变量，利用非支配排序遗传算法确定各个关节的B样条轨迹曲线的控制顶点的数值的帕累托最优解集；基于所述帕累托最优解集，确定协作机器人的关节轨迹的规划方案。通过采用本公开，能够避免非支配排序遗传算法在协作机器人多目标轨迹优化模型的求解过程中过早陷入局部最优解的问题，优化后的机器人关节轨迹运行时间较短，能量消耗较低，运动冲击较小，平滑性较优，从而能够确保机器人的运动稳定性。
-
公开(公告)号：CN111722926B
公开(公告)日：2023-12-22
申请号：CN202010507042.X
申请日：2020-06-05
Applicant: 中国科学院自动化研究所 , 东莞中国科学院云计算产业技术创新与育成中心
Abstract: 本发明涉及边缘计算技术领域，具体涉及一种基于付费机制的安全可信边缘协同方法与系统，目的在于解决边缘计算无法满足高实时性业务需求的问题。本发明的边缘协同方法包括：服务提供边缘节点向应用云平台发送服务提供信息；服务请求边缘节点向应用云平台发送服务请求信息；应用云平台根据服务提供信息和服务请求信息进行匹配，并根据匹配结果向服务请求边缘节点发送服务提供边缘节点的ID号；服务请求边缘节点根据该ID号与服务提供边缘节点建立连接；服务提供边缘节点执行相应的服务；最后由服务请求边缘节点向服务提供边缘节点支付费用。本发明有效降低了时延，满足了高实时性业务需求。
-
公开(公告)号：CN111507258B
公开(公告)日：2023-05-12
申请号：CN202010303153.9
申请日：2020-04-17
Applicant: 中国科学院自动化研究所
IPC: G06V20/56 , G06V10/26 , G06V10/776 , G06V10/82 , G06N3/0464
Abstract: 本发明属于计算机视觉领域，具体涉及一种聚焦关键样本的基于集成学习的道路区域检测方法、系统。本发明方法包括：获取输入图像数据并预处理后得到处理后的图像数据；基于检测网络分别获取道路区域数据和道路边缘数据；对所述道路边缘数据和/或所述道路区域数据进行形态学变换，并与所述道路区域数据和/或所述道路边缘数据交集处理，获取像素级道路区域数据；其中，所述检测网络基于CNN的图像分割网络，包括用于获取道路区域的道路区域检测网络、用于获取道路边缘的道路边缘检测网络。本发明复杂度得到有效降低，具有通用性，能够部署并应用于智能车上，并且具有较好的检测准确度和鲁棒性。
-
公开(公告)号：CN112861925B
公开(公告)日：2023-04-07
申请号：CN202110062310.6
申请日：2021-01-18
Applicant: 中国科学院自动化研究所
IPC: G06F18/23 , G06N3/0442 , G06N3/049 , G06N3/048 , G06Q10/0631 , G06Q10/04 , G06Q50/30
Abstract: 本发明涉及一种基于深度学习网络的多区域车辆需求预测方法及系统，所述车辆需求预测方法包括：获取多个待测区域的不同时段内的车辆需求的观测数据及天气环境历史数据；根据多个待测区域的车辆需求的观测数据，将各待测区域划分为多个簇；基于LSTM及全连接网络，根据各簇内不同时段内的车辆需求的观测数据及对应的天气环境历史数据，确定簇预测网络；基于LSTM及全连接网络，根据各待测区域的不同时段内的车辆需求的观测数据及对应的天气环境历史数据，确定全局预测网络；根据簇预测网络及全局预测网络，确定深度学习网络。本发明能够兼顾全局特性和区域特性，可预测下一时段内所有待测区域的车辆需求的终级预测数据，提高车辆需求预测的准确度。
-
公开(公告)号：CN112382384A
公开(公告)日：2021-02-19
申请号：CN202011250043.7
申请日：2020-11-10
Applicant: 中国科学院自动化研究所 , 中国医学科学院北京协和医院
Abstract: 本发明涉及人工智能与医疗领域，具体涉及一种特纳综合征诊断模型训练方法、诊断系统及相关设备，旨在提高准确率。本发明的特纳综合征诊断分类模型的训练方法包括：根据数据样本的标注信息对输入的图像样本进行分类，并按预设的比例生成相应的训练样本及测试样本；基于多种神经网络基础分别构建不同的初始医疗分类模型；将训练样本分别输入每个初始医疗分类模型进行训练和调整参数，得到对应的智能诊断医疗分类模型；将测试样本分别输入每个智能诊断医疗分类模型进行分类并根据分类结果选定特纳综合征诊断分类模型。本发明的诊断系统包含了上述方法训练得到的诊断分类模型，将不同角度照片里的同一部位关联起来，提取更多潜在特征，提高了准确率。
-
Patent Agency Ranking
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
Applicant: 中国科学院自动化研究所
IPC: G06F9/50
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。
-
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
Applicant: 中国科学院自动化研究所
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。
-
公开(公告)号：CN106652432B
公开(公告)日：2019-08-16
申请号：CN201610934534.0
申请日：2016-11-01
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及一种基于Erlang的人工交通系统实现方法。该方法包括获取交通场景信息以及个体的信息、状态和交通行为；设定操作进程、区域进程和个体进程；其中，操作进程用于控制人工交通系统的运行；区域进程用于控制某一区域并管理区域内的所有个体同时为各个体提供环境信息，还用于统计并模拟交通场景中个体的信息和状态；个体进程用于根据环境信息模拟各个体的交通行为；操作进程管理区域进程；区域进程生成和管理个体进程；基于交通场景信息以及个体的信息、状态和交通行为，利用操作进程、区域进程和个体进程，进行仿真，得到交通场景的路况。通过该技术方案解决了如何使人工交通系统具有并发和分布式运行的能力，高效利用计算资源的技术问题。
-
公开(公告)号：CN104091081B
公开(公告)日：2017-04-19
申请号：CN201410336212.7
申请日：2014-07-15
Applicant: 中国科学院自动化研究所
Abstract: 本发明公开一种交通数据弥补方法，该方法包括以下步骤：步骤S1：按照设定的交通数据缺失率对完整交通数据集进行随机缺失处理，获得缺失处理后的完整交通数据集；步骤S2：对缺失处理后的完整交通数据集和完整交通数据集进行归一化处理，得到归一化后的交通数据；步骤S3：对基于降噪堆式自动编码器深层网络结构的交通数据弥补模型进行训练，构建出弥补模型；步骤S4：调用弥补模型对输入的含缺失数据的不完整的交通数据进行弥补，得到弥补后的交通数据值。本发明将缺失数据和观测数据视为整体，以数据恢复的角度弥补交通数据，深度挖掘交通数据之间的结构关联，一次补全缺失数据，效率高，鲁棒性好。
-
公开(公告)号：CN103838964B
公开(公告)日：2017-01-18
申请号：CN201410065242.9
申请日：2014-02-25
Applicant: 中国科学院自动化研究所
IPC: G06Q50/00
Abstract: 本发明提出一种基于人工交通系统的社交关系网络生成方法及装置。本发明提出的方案将社交行为嵌入到人工交通系统中个体开展活动计划的过程之中，按照一定规则选择社交行为，并在开展过程中更新社交关系网络的权重值，从而自动生成社交关系网络。本发明的有益效果是，能够代替传统的调查问卷、电话调查、面对面调查等方式，通过计算机自动生成社交关系网络，实施成本很低，并很容易针对大规模人群进行实施。
-
-
-
-
-
-
-
-
-
Search Results
177
records
(took 0.036 seconds)
