基于深度学习的象棋软件作弊检测方法

    公开(公告)号:CN115758138A

    公开(公告)日:2023-03-07

    申请号:CN202211398242.1

    申请日:2022-11-09

    Abstract: 本发明提供了一种基于深度学习的象棋软件作弊检测方法,主要包括以下步骤:将象棋软件提供的回放数据集按比例分为训练数据集和测试数据集,在训练数据集上训练模型;将训练数据集做预处理;构造神经网络;根据比赛选手的水平等级选择不同的训练数据集训练模型;使用不同的参数配置训练不同的模型,并将训练好的模型在测试数据集上运行;应用训练后的模型,将棋局特征和落子时间差存储在三维数组中,计算落子时间差的方差;将待检测的监督数据集输入模型,预测比赛选手作弊的概率。相较于现有技术,本发明在数据的特征设计以及落子时间差方面具有易于提取特征、维数低且全面的优点,通过深度学习并采用多种算法能够提高预测准确性和预测效率。

    路障检测系统、包含检测系统的在线自主决策的无人机及其应用

    公开(公告)号:CN116880554A

    公开(公告)日:2023-10-13

    申请号:CN202310884338.7

    申请日:2023-07-19

    Abstract: 本申请实施例涉及一种路障检测系统、包含检测系统的在线自主决策的无人机及其应用,属于路面检测技术领域。本申请实施例的路障检测系统,包括图像采集模块和路障检测模块;图像采集模块对待检测道路进行实时图像采集,并对图像进行数据编码处理,同时将编码后的图像传输至路障检测模块;路障检测模块对编码后的图像进行解码、运算处理,得到待检测道路的路障信息。本申请实施例所提供的路障检测系统,能够准确、快速地获得路面障碍信息以及具体位置,降低复杂环境的影响,提高检测的准确度和检测效率。

Patent Agency Ranking