公开(公告)号：CN120046701A

公开(公告)日：2025-05-27

申请号：CN202510444959.2

申请日：2025-04-10

Applicant: 华南理工大学

Inventor： 叶伟键 ,  钟竞辉 ,  王悦衡 ,  袁欣雨

IPC: G06N3/0985 ,  G06N3/086 ,  G06N3/09 ,  G06N3/042

Abstract: 本发明涉及图神经网络技术领域，具体涉及一种基于语法遗传编程的图神经网络架构优化方法，包括：S1、构建图神经网络架构GNN的语法规则库；S2、基于语法规则库，通过遗传编程生成初始GNN架构种群；S3、使用高斯过程代理模型预测种群中个体GNN架构的性能；S4、通过遗传算法在语法树空间中搜索最优GNN架构；S5、对于种群中的个体GNN架构，基于其预期改进函数计算训练概率，若训练概率高于预设评估阈值，则选择该个体GNN架构进行实际训练评估，获取其真实性能，使用真实性能更新高斯过程代理模型；S6、判断是否满足预设的优化终止条件，若是，则输出优化后的GNN架构，否则，返回步骤S3。本发明可提高GNN模型架构搜索的自动化程度、效率和模型性能。

公开(公告)号：CN118992920B

公开(公告)日：2025-01-10

申请号：CN202411465136.X

申请日：2024-10-21

Applicant: 华南理工大学

Inventor： 钟竞辉 ,  黎斌 ,  翟云天 ,  叶伟键

IPC: B66F9/12 ,  B66F9/075 ,  H04N23/50

Abstract: 本发明涉及一种多模态伸缩臂叉车属具识别方法及系统，其中，属具上设有电子标签，通过对所述电子标签进行识别获得第一识别结果；获取属具图像，通过对属具图像进行视觉识别获得第二识别结果；以及根据第一识别结果和第二识别结果对伸缩臂叉车的属具进行识别。本发明不仅能够使伸缩臂叉车应对更为复杂、多变的工作环境，而且能够确保属具识别的可靠性。

公开(公告)号：CN118992920A

公开(公告)日：2024-11-22

申请号：CN202411465136.X

申请日：2024-10-21

Applicant: 华南理工大学

Inventor： 钟竞辉 ,  黎斌 ,  翟云天 ,  叶伟键

IPC: B66F9/12 ,  B66F9/075 ,  H04N23/50

Abstract: 本发明涉及一种多模态伸缩臂叉车属具识别方法及系统，其中，属具上设有电子标签，通过对所述电子标签进行识别获得第一识别结果；获取属具图像，通过对属具图像进行视觉识别获得第二识别结果；以及根据第一识别结果和第二识别结果对伸缩臂叉车的属具进行识别。本发明不仅能够使伸缩臂叉车应对更为复杂、多变的工作环境，而且能够确保属具识别的可靠性。