-
公开(公告)号：CN111341019B
公开(公告)日：2021-04-13
申请号：CN202010161722.0
申请日：2020-03-10
申请人： 浙江工业大学
摘要： 本发明公开了一种螺旋推送式自动售货机出货机构的定位及控制方法，其特征在于，包括如下步骤：步骤S10，构建霍尔元件导通结构；步骤S20，根据所述霍尔元件与所述减速器输出轴的相对位置，确定产生所述霍尔脉冲时所需的时间；步骤S30，根据所述产生霍尔脉冲时所需的时间判断所述减速器输出轴是否回到初始位置，并对所述电机进行控制。
-
公开(公告)号：CN109426857B
公开(公告)日：2021-06-08
申请号：CN201710717555.1
申请日：2017-08-21
申请人： 浙江工业大学
摘要： 一种基于状态池网络的水质指标预测方法，步骤如下：1)确定水质参数的输入和输出数据；2)设计用于检测水质异常的状态池网络结构；3)在进行状态池网络训练之前，考虑到水质在测量中水体不稳定带来的误差以及异常，首先筛选有效的数据，剔除异常的部分；4)使用最小二乘法对网络的输出权重进行调整；5)状态池网络训练；6)使用状态池网络进行水质预测。保存第(5)步中训练得到的状态池网络结构参数，并使用测试数据集进行网络效果测试评估。同样使用均方根误差对水质预测数据进行评价，得到RMS的值。
-
公开(公告)号：CN111341019A
公开(公告)日：2020-06-26
申请号：CN202010161722.0
申请日：2020-03-10
申请人： 浙江工业大学
摘要： 本发明公开了一种螺旋推送式自动售货机出货机构的定位及控制方法，其特征在于，包括如下步骤：步骤S10，构建霍尔元件导通结构；步骤S20，根据所述霍尔元件与所述减速器输出轴的相对位置，确定产生所述霍尔脉冲时所需的时间；步骤S30，根据所述产生霍尔脉冲时所需的时间判断所述减速器输出轴是否回到初始位置，并对所述电机进行控制。
-
公开(公告)号：CN107547914A
公开(公告)日：2018-01-05
申请号：CN201710694985.6
申请日：2017-08-15
申请人： 浙江工业大学
IPC分类号： H04N21/234 , H04N21/61 , H04N21/845 , H04L29/06
摘要： 一种DASH标准下的基于KNN-Q学习的视频片段获取优化方法。首先将DASH客户端定义为智能体Agent，Agent的优化目标是最大化缓存和视频质量参照指标结构相似性指数SSIM，且减小临近视频片段之间的SSIM的变化。Agent可以获取到网络带宽、缓存大小，视频片段的SSIM等数据，并将这些数据定义为状态。Agent获取状态后，通过强化学习里的Q学习算法，将状态映射为合适的动作，从而满足该目标。然而，该状态常常是连续值，导致采用传统的Q学习算法优化时，尽管能得到较好的性能，但是其Q表过于庞大，算法效率低下。但是如果将Q表状态数目减少尽管会提高算法的效率，但是将会降低性能。本发明在Q表状态数据减少的情况下，在不降低算法效率的同时，依然可以保持性能。
-
公开(公告)号：CN107423745A
公开(公告)日：2017-12-01
申请号：CN201710187860.4
申请日：2017-03-27
申请人： 浙江工业大学
摘要： 一种基于神经网络的鱼类活性检测方法，包括以下步骤：1)以鲫鱼作为生物监测对象对其进行实时监测；2)通过背景差分法提取目标鱼轮廓，实时监测鲫鱼群体，得到鲫鱼的跟踪视频序列；3)通过神经网络自动得到被监测鱼死亡与存活的纹理特性信息，包括以下过程：3.1)、收集提取鱼目标的轮廓信息数据，将其作为检测水质是否异常的指标；3.2)、基于神经网络算法对数据进行训练产生成熟的分类器结构模型；3.3)、使用新的特征数据来检测判断该检测模型是否成熟；3.4)、通过成熟的检测模型在线检测实时水质数据，最终实现水质毒性的在线检测。
-
公开(公告)号：CN107547914B
公开(公告)日：2020-04-21
申请号：CN201710694985.6
申请日：2017-08-15
申请人： 浙江工业大学
IPC分类号： H04N21/234 , H04N21/61 , H04N21/845 , H04L29/06
摘要： 一种DASH标准下的基于KNN‑Q学习的视频片段获取优化方法。首先将DASH客户端定义为智能体Agent，Agent的优化目标是最大化缓存和视频质量参照指标结构相似性指数SSIM，且减小临近视频片段之间的SSIM的变化。Agent可以获取到网络带宽、缓存大小，视频片段的SSIM等数据，并将这些数据定义为状态。Agent获取状态后，通过强化学习里的Q学习算法，将状态映射为合适的动作，从而满足该目标。然而，该状态常常是连续值，导致采用传统的Q学习算法优化时，尽管能得到较好的性能，但是其Q表过于庞大，算法效率低下。但是如果将Q表状态数目减少尽管会提高算法的效率，但是将会降低性能。本发明在Q表状态数据减少的情况下，在不降低算法效率的同时，依然可以保持性能。
-
公开(公告)号：CN109426857A
公开(公告)日：2019-03-05
申请号：CN201710717555.1
申请日：2017-08-21
申请人： 浙江工业大学
摘要： 一种基于状态池网络的水质指标预测方法，步骤如下：1)确定水质参数的输入和输出数据；2)设计用于检测水质异常的状态池网络结构；3)在进行状态池网络训练之前，考虑到水质在测量中水体不稳定带来的误差以及异常，首先筛选有效的数据，剔除异常的部分；4)使用最小二乘法对网络的输出权重进行调整；5)状态池网络训练；6)使用状态池网络进行水质预测。保存第(5)步中训练得到的状态池网络结构参数，并使用测试数据集进行网络效果测试评估。同样使用均方根误差对水质预测数据进行评价，得到RMS的值。
-
-
-
-
-
-
搜索结果
7 条记录 (耗时 0.019 秒)
