-
公开(公告)号：CN118672142A
公开(公告)日：2024-09-20
申请号：CN202411163184.3
申请日：2024-08-23
申请人： 北京航空航天大学杭州创新研究院 , 北京航空航天大学
IPC分类号： G05B13/04
摘要： 本发明提出一种可重入制造系统控制方法、装置、存储介质及设备，引入可重入制造系统的非线性项和线性扰动增益，构建可重入制造系统的非线性误差模型；对非线性误差模型进行局部线性化处理，以得到可重入制造系统的整体模糊状态方程；构建可重入制造系统的控制器算子；将控制器算子带入整体模糊状态方程，以得到闭环控制系统；基于闭环控制系统进行解算，确定控制器增益；基于控制器增益，获取控制器，并基于控制器对可重入制造系统进行调控。在构建可重入制造系统对应的模型时，引入可重入制造系统的非线性项和线性扰动增益，以得到非线性误差模型，能够对可重入制造系统的不确定性和扰动表现出强鲁棒性。
-
公开(公告)号：CN117240689B
公开(公告)日：2024-02-06
申请号：CN202311494951.4
申请日：2023-11-10
申请人： 北京航空航天大学杭州创新研究院
IPC分类号： H04L41/0654 , H04L41/16 , H04L9/40 , G06F21/55 , G06F18/24 , G06F18/213 , G06N3/088
摘要： 可高效稳定恢复网络。本发明公开了一种基于深度对比学习的节点受攻击复杂网络自重建方法，包括：构建深度对比学习神经网络框架，包括局部区域感知特征编码模块，用于获取输入数据的局部区域感知特征表征矩阵；高维关联特征投影解码模块，用于基于局部区域感知特征表征矩阵获取自重建网络的邻接矩阵；全局功能特征提取模块，用于计算损失函数并输出自重建网络；输入数据是未受节点攻击网络和受节点攻击网络构成的训练数据对，损失函数包括局部‑局部对比损失函数、局部‑全局对比损失函数和全局‑全局对比损失函
-
-
-
公开(公告)号：CN118550200A
公开(公告)日：2024-08-27
申请号：CN202411017285.X
申请日：2024-07-29
申请人： 北京航空航天大学杭州创新研究院 , 北京航空航天大学
IPC分类号： G05B13/04
摘要： 本说明书实施例提供视场受限约束下的机器人自适应跟踪控制方法及装置，其中所述方法包括：基于机器人运动学确定运动模型，并基于运动模型确定视场受限约束下的初始控制器；基于最小二乘辨识确定初始控制器的未知参数；基于未知参数和初始控制器确定目标控制器，基于目标控制器对机器人进行自适应跟踪控制。通过基于机器人运动学确定运动模型，并基于运动模型确定视场受限约束下的初始控制器；基于最小二乘辨识确定初始控制器的未知参数；基于未知参数和初始控制器确定目标控制器，基于目标控制器对机器人进行自适应跟踪控制，所采用的最小二乘参数辨识可在有限次参数更新后，消除参数不确定性对自适应跟踪控制系统带来的影响。
-
公开(公告)号：CN118151543B
公开(公告)日：2024-07-26
申请号：CN202410580675.1
申请日：2024-05-11
申请人： 北京航空航天大学杭州创新研究院 , 北京航空航天大学
IPC分类号： G05B13/04
摘要： 本说明书实施例提供无人车协同控制方法及装置，其中无人车协同控制方法包括：确定无人车对应的系统架构，基于系统架构建立无人车的线性动力学模型和虚假数据注入攻击模型；其中，无人车的数量为至少两个；确定无人车的分布式控制协议，基于无人车的分布式控制协议、线性动力学模型和虚假数据注入攻击模型，确定闭环误差系统；基于闭环误差系统进行充分条件分析，确定目标条件，并基于目标条件确定控制增益和通信触发条件；基于控制增益和通信触发条件对无人车进行协同控制。通过基于事件触发的通信机制，在提高系统的能源利用效率、减少通信负载、增强系统的鲁棒性的同时也保证系统的稳定性和最终一致性。
-
公开(公告)号：CN118151543A
公开(公告)日：2024-06-07
申请号：CN202410580675.1
申请日：2024-05-11
申请人： 北京航空航天大学杭州创新研究院 , 北京航空航天大学
IPC分类号： G05B13/04
摘要： 本说明书实施例提供无人车协同控制方法及装置，其中无人车协同控制方法包括：确定无人车对应的系统架构，基于系统架构建立无人车的线性动力学模型和虚假数据注入攻击模型；其中，无人车的数量为至少两个；确定无人车的分布式控制协议，基于无人车的分布式控制协议、线性动力学模型和虚假数据注入攻击模型，确定闭环误差系统；基于闭环误差系统进行充分条件分析，确定目标条件，并基于目标条件确定控制增益和通信触发条件；基于控制增益和通信触发条件对无人车进行协同控制。通过基于事件触发的通信机制，在提高系统的能源利用效率、减少通信负载、增强系统的鲁棒性的同时也保证系统的稳定性和最终一致性。
-
公开(公告)号：CN117669753B
公开(公告)日：2024-04-16
申请号：CN202410132334.8
申请日：2024-01-31
申请人： 北京航空航天大学杭州创新研究院
摘要： 本发明属于量子机器学习领域，提供一种量子模型训练方法、多模态数据处理方法及装置，训练方法包括：构建多模态样本训练集，多模态样本训练集包括多种模态的经典输入数据和样本标签；将经典输入数据转换为量子输入数据；将量子输入数据输入待训练的量子多模态神经网络模型，通过量子多模态神经网络模型对量子输入数据进行量子单模态特征提取、量子多模态特征融合及量子比特测量后，得到样本分析结果；根据样本分析结果和样本标签，对模型参数进行调整，直至满足迭代训练终止条件，得到训练好的量子多模态神经网络模型。由于量子多模态神经网络模型可实现对多模态数据高效、准确地处理，提升了模型在多模态数据处理和分析任务上的性能。
-
公开(公告)号：CN117787248A
公开(公告)日：2024-03-29
申请号：CN202410199691.6
申请日：2024-02-23
申请人： 北京航空航天大学杭州创新研究院
IPC分类号： G06F40/205 , G06F40/126 , G06F40/284 , G06N10/20 , G06N20/00
摘要： 本申请提供一种量子自注意力文本处理方法、装置、量子设备及存储介质，涉及量子机器学习领域。获取待处理文本，并编码到多个第一量子比特、多个第二量子比特以及多个第三量子比特，以得到第一量子态；通过注意力得分线路作用于多个第一量子比特、多个第二量子比特，得到演化的第二量子态；通过权重分配线路作用于多个第二量子比特与多个第三量子比特，得到演化的第三量子态；通过全连接线路作用于多个第三量子比特，得到演化的第四量子态，并测量出待处理文本的情感分类结果。如此，通过量子线路模拟自注意力机制对待处理文本进行分析，从而充分利用量子计算的特有优势提高文本识别效率与准确率。
-
公开(公告)号：CN117240689A
公开(公告)日：2023-12-15
申请号：CN202311494951.4
申请日：2023-11-10
申请人： 北京航空航天大学杭州创新研究院
IPC分类号： H04L41/0654 , H04L41/16 , H04L9/40 , G06F21/55 , G06F18/24 , G06F18/213 , G06N3/088
摘要： 本发明公开了一种基于深度对比学习的节点受攻击复杂网络自重建方法，包括：构建深度对比学习神经网络框架，包括局部区域感知特征编码模块，用于获取输入数据的局部区域感知特征表征矩阵；高维关联特征投影解码模块，用于基于局部区域感知特征表征矩阵获取自重建网络的邻接矩阵；全局功能特征提取模块，用于计算损失函数并输出自重建网络；输入数据是未受节点攻击网络和受节点攻击网络构成的训练数据对，损失函数包括局部‑局部对比损失函数、局部‑全局对比损失函数和全局‑全局对比损失函数；获取由未受节点攻击网络和受节点攻击网络组成的训练数据对，并利用训练数据对训练深度对比学习神经网络框架至损失函数收敛。该方法可高效稳定恢复网络。
-
-
-
-
-
-
-
-
-
搜索结果
12 条记录 (耗时 0.052 秒)
