-
公开(公告)号：CN118418134A
公开(公告)日：2024-08-02
申请号：CN202410700237.4
申请日：2024-05-31
Applicant: 华侨大学
IPC: B25J9/16
Abstract: 本发明提供的一种基于预训练模型的机械臂控制方法、装置、设备及介质，涉及机械臂控制技术领域。本发明机械臂控制方法步骤包括：S1,获取当前环境状态下的机械臂多张不同视角的图片，并将多张不同视角的图片输入设定的特征提取器处理，得到多个视角的特征图；S2,将多个视角的特征图经flatten展平后，通过一个随机初始化的全连接网络层进行拼接，得到视觉特征向量；S3,根据视觉特征向量，采用深度确定性策略梯度模型,预测得到机械臂的下一步动作；S4,根据预测的机械臂的下一步动作，控制机械臂执行。本发明结合深度确定性策略梯度模型强化学习，模型收敛速度快，成功率高，有效提升了机械臂学习控制的效率。
-
公开(公告)号：CN117879622A
公开(公告)日：2024-04-12
申请号：CN202410018960.4
申请日：2024-01-05
Applicant: 华侨大学
Abstract: 本发明提供了低复杂联合信源信道极化编译码方法、装置、设备及介质，利用极化权重法构造双极化码，并且提出了一种低复杂度联合逐次抵消(Joint Successive Cancellation,JSC)译码器。在译码时，对每个符号的值逐一恢复。对于J节点，信源的恢复需要同时考虑信道对数似然比(Channel Log‑Likelihood Ratio,LLRc)和信源对数似然比(Source Log‑Likelihood Ratio,LLRs)；对于低熵节点，只考虑LLRs；对于冻结节点，只考虑LLRc即可。本方法的低复杂度JSC译码器性能明显优于TL‑BP译码器，没有明显的错误平层并且降低了复杂度。
-
Patent Agency Ranking
公开(公告)号：CN119479072A
公开(公告)日：2025-02-18
申请号：CN202411580585.9
申请日：2024-11-07
Applicant: 华侨大学 , 厦门五卓未来科技有限公司
IPC: G06V40/20 , G06V10/25 , G06V10/764 , G06V10/82 , G06V10/80 , G06V10/40 , G06N3/0464 , G06N3/08
Abstract: 本发明公开一种轻量化手势识别方法、系统、电子设备及存储介质，涉及计算机视觉技术领域。所述方法包括：获取待检测数据；所述待检测数据包括图片数据和视频数据；将所述待检测手势输入训练好的手势识别模型进行预测，并输出当前帧的手势位置及手势类别；所述手势类别包括one手势、five手势、fist手势、ok手势以及yeah手势；所述手势识别模型是基于YOLOv8n基础网络、GB‑C2f目标检测模块和F‑FPN融合型特征金字塔网络构建的。本发明能够提高手势识别的推理速度和检测精度。
-
公开(公告)号：CN118072353A
公开(公告)日：2024-05-24
申请号：CN202410277629.4
申请日：2024-03-12
Applicant: 厦门五卓互联网有限公司 , 华侨大学
IPC: G06V40/10 , G06V10/82 , G06V20/70 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种手势识别检测方法、装置、设备及存储介质，首先，对特征金字塔进行改进，通过融合两个相邻的低级特征，并将高级特征渐近地纳入到融合过程中。使不相邻层级之间更好的交互，以提取更多有用的信息提高模型对手势特征的感知能力。其次，为有效减小预测框和真实框宽高之间的真实差异，对损失函数进行了改进，在位置回归损失函数中引入了WIoU loss，更加关注普通质量的样本，从而提高网络模型的泛化能力和整体性能。再次，对其进行轻量化改进，加入轻量化网络块到backbone中，最终形成新的YOLOv8‑tiny‑AW网络模型。旨在解决传统手势识别方法的局限性，提高手势检测的准确性和效率。
-
公开(公告)号：CN119442034A
公开(公告)日：2025-02-14
申请号：CN202411578471.0
申请日：2024-11-07
Applicant: 华侨大学 , 厦门五卓未来科技有限公司
IPC: G06F18/2415 , G06F18/213 , G06F18/10 , G06N3/0464 , G06N3/047 , G06N3/084 , G06F123/02
Abstract: 本发明提供了一种基于人工智能对轴承故障的分类方法、装置、设备、及存储介质，通过获取由传感器采集到的轴承转动信号，并将所述轴承转动信号进行预处理后进行连续小波变换，以生成二维时频图；接着，调用预训练的鉴别器对所述二维时频图进行滑动特征提取，以生成高度特征和宽度特征，并通过注意力机制根据所述高度特征和所述宽度特征识别出关键特征；再接着，将所述关键特征进行转为一维的特征向量，并将所述一维的特征向量通过多个卷积层和全连接层对所述关键特征进行分类，并输出对应的故障类别，其中，所述故障类别包括内圈故障、外圈故障、以及滚动体故障。解决了现有时域或频域分析中难以捕捉复杂信号特征的问题。
-
公开(公告)号：CN118673360A
公开(公告)日：2024-09-20
申请号：CN202410683101.7
申请日：2024-05-29
Applicant: 华侨大学
IPC: G06F18/24 , G06N3/0475 , G06N3/094 , G06N3/045 , G01M13/04
Abstract: 本发明涉及一种应用于轴承故障诊断的协调注意力机制与辅助分类对抗生成网络方法及装置。将协调注意力机制CA与辅助分类对抗生成网络ACGAN相融合建立CA‑ACGAN模型实现轴承故障诊断。包括：采集原始一维轴承数据；将原始一维轴承数据进行连续小波变换转换为二维时频图作为真实数据；改进协调注意力机制，并将其与生成器融合；将随机噪声与标签一同送入生成器中生成虚假数据；将真实数据和虚假数据一起送入鉴别器训练；算法终止条件判断；重复进行步骤直到达到纳什平衡；将训练完成的鉴别器提取出来，将测试集送入鉴别器进行测试，输出准确率及分类结果。本发明不仅改善了原始算法的缺点而且在抗噪声性能上也表现出优异的性能。
-
公开(公告)号：CN118101133A
公开(公告)日：2024-05-28
申请号：CN202410337900.9
申请日：2024-03-22
Applicant: 华侨大学
Abstract: 本发明提供基于SC‑LDPC码的JSCC系统高阶调制系统的概率成型方法，将16QAM调制与双SC‑LDPC码的JSCC系统相结合，根据信源编码矩阵的特点和信源概率得出传输16QAM符号中每一位级的概率，通过设计不同的比特标记使得接收到的调制信号经过比特映射后，再利用SC‑LDPC码的特性，设计出相应的交织方式和概率计算方式。经过SC‑LDPC编号后的比特采用16QAM符号中，被选中的两位传递信息比特，其余的两位传递信息位，形成了特定的符号，再通过不同的比特标记方式计算出相应的信道容量后，除以信源熵即可得出系统总的符号传输率，从信道容量的角度分析使得系统的总体性能更进一步香农限,从而针对SC‑LDPC码的特点选择最佳的概率成型方案，因此提升此系统的性能。
-
-
-
-
-
-
Search Results
7
records
(took 0.01 seconds)
