-
公开(公告)号：CN118502480A
公开(公告)日：2024-08-16
申请号：CN202410560969.8
申请日：2024-05-08
Applicant: 电子科技大学
IPC: G05D1/695 , G05D109/20
Abstract: 本发明公开了一种无人机防撞自主决策方法，本发明基于碰撞物和无人机的三自由度质点运动模型搭建了更困难且具有随机性的无人机防撞仿真场景，并且从马尔科夫决策过程的角度建模了标准的强化学习环境，针对环境特点引入了周期重启，充分探索了无人机的状态和动作空间，提升了无人机在复杂环境下自主决策防撞的成功率。
-
公开(公告)号：CN119093340A
公开(公告)日：2024-12-06
申请号：CN202411174108.2
申请日：2024-08-26
Applicant: 电子科技大学
Abstract: 本发明公开了一种融合神经网络与注意力机制的配电网状态估计方法，先构建融合神经网络算法与注意力机制的配电网状态估计模型，再构建用于训练的输入数据，输入数据分成两种处理，一种为直接与传统DNN连接，另一种则需添加时序维度，使其成为三维数据集与LSTM网络连接；然后将两个并行模块的输出结果组合成attention模块的输入，通过该方法分配权重，实现对配电网状态的精准估计。
-
公开(公告)号：CN118504652A
公开(公告)日：2024-08-16
申请号：CN202410519825.8
申请日：2024-04-28
Applicant: 电子科技大学
Abstract: 本发明公开了机器人运动决策的离线强化学习方法及控制方法，本发明通过将集成的部分与强化学习训练部分解耦，放入反探索奖励建模的部分，从而大幅度了离线强化学习算法训练时间成本并且极大降低了对算力设备的要求。本发明通过集成式的随机网络蒸馏方法对训练中输入的状态‑动作对进行预测并计算出对应的反探索奖励，通过利用神经网络自身的泛化性来约束智能体探索，无需控制散度约束的力度，避免了超参数设置不当带来的约束过强或者过弱的问题。
-
公开(公告)号：CN110087092B
公开(公告)日：2020-06-05
申请号：CN201910182160.5
申请日：2019-03-11
Applicant: 西安电子科技大学
IPC: H04N19/85 , H04N19/593 , H04N19/176 , H04N19/80 , G06N3/04 , G06N3/08
Abstract: 本发明提出了一种基于图像重构卷积神经网络的低码率视频编解码方法，用以解决现有技术中存在的在低码率下视频编解码后视频有严重压缩失真的问题，其实现步骤为：对输入视频通过下采样操作后得到低分辨率的视频，再使用标准X265编解码器对低分辨率视频进行视频编解码，得到解码后的低分辨率视频，将解码后的低分辨率视频输入到训练好的图像重构卷积神经网络，然后得到与输入视频相同分辨率的重构视频。本发明能够在低码率下有效抑制视频编解码带来的严重压缩失真，能够很好地提升视频的质量。
-
公开(公告)号：CN109922479A
公开(公告)日：2019-06-21
申请号：CN201910027909.9
申请日：2019-01-11
Applicant: 西安电子科技大学
Abstract: 本发明涉及一种基于时延预估的计算任务卸载方法，包括：建立计算任务的时延模型和能耗模型；根据所述时延模型和所述能耗模型，建立所述计算任务的卸载模型；根据所述卸载模型卸载所述计算任务。本发明提出的方法，通过建立计算任务的卸载模型，将计算任务进行合理化分配，把传统的数据中心切割成各种小型数据中心后放置到网络的边缘，以期更靠近用户，为用户提供更快的服务和达到更好的网络性能，能够为移动边缘计算实现更低的时延，为用户提供更优质的网络；同时能够系统评估计算任务的处理时延，降低网络拥塞的概率，降低边缘计算的系统整体时延为用户提供更好的网络体验。
-
Patent Agency Ranking
公开(公告)号：CN109785618A
公开(公告)日：2019-05-21
申请号：CN201910027353.3
申请日：2019-01-11
Applicant: 西安电子科技大学
IPC: G08G1/01
Abstract: 本发明涉及一种基于组合逻辑的短时交通流预测方法，包括：采集交通流量数据得到第一数据集；对所述第一数据集进行预处理得到第二数据集；利用所述第二数据集分别对随机森林回归预测模型和BP神经网络预测模型进行训练，得到随机森林回归预测模型的预测结果和BP神经网络预测模型的预测结果；将所述随机森林回归预测模型的预测结果和所述BP神经网络预测模型的预测结果进行融合处理，形成最终模型；将所述第二数据集输入所述最终模型得到最终预测结果。本发明实施例通过对随机森林回归预测模型的预测结果和BP神经网络预测模型的预测结果进行二次建模得到最终模型，使用较少的数据实现了更精确和更高效的短时交通流预测。
-
公开(公告)号：CN109697866A
公开(公告)日：2019-04-30
申请号：CN201910027354.8
申请日：2019-01-11
Applicant: 西安电子科技大学
IPC: G08G1/08
Abstract: 本发明涉及一种边缘计算交通信号灯控制系统及控制方法，包括：信息采集模块，用于采集道路目标区域的模拟信号，对所述模拟信号进行预处理，得到车流量信息；信息处理模块，用于根据车流量信息进行动态调整学习，获得第一交通信号灯配时策略；信息优化模块，用于根据预设算法和车流量信息对第一交通信号灯配时策略进行全局优化，得到第二交通信号灯配时策略。本发明实施例在信息优化模块与信息采集模块之间设置信息处理模块，缓解了信息优化模块的计算压力，提高了系统的响应速度。
-
公开(公告)号：CN119761580A
公开(公告)日：2025-04-04
申请号：CN202411888809.2
申请日：2024-12-20
Applicant: 电子科技大学
IPC: G06Q10/04 , G06T3/4038 , G06V10/80 , G06V10/77 , G06V10/82 , G06T5/50 , G06N3/042 , G06N3/0464 , G06N3/048 , G06N3/098 , G06F17/16
Abstract: 本发明公开了一种基于双注意力时空图卷积的飞行器4D轨迹预测方法及系统，属于工智能时序预测技术领域。本申请利用自注意力机制对预定义邻接矩阵进行重构，并随着网络的训练不断进行优化以提高其泛化性。这有效解决了基于距离的预定义邻接矩阵无法充分反应动态场景中飞行器之间潜在关系的问题。在基于自注意力机制的可学习邻接矩阵的基础上，本申请利用图注意力网络进一步聚合节点之间的相关性，基于图注意力网络强大的全局信息汇聚能力对时空图进行额外的特征提取，使得模型能够捕捉节点之间更多的潜在联系，改善了传统图卷积运算无法有效聚合节点之间相关性的问题。进一步提升了飞行器未来轨迹预测的精确性。
-
公开(公告)号：CN118502480B
公开(公告)日：2024-11-22
申请号：CN202410560969.8
申请日：2024-05-08
Applicant: 电子科技大学
IPC: G05D1/695 , G05D109/20
Abstract: 本发明公开了一种无人机防撞自主决策方法，本发明基于碰撞物和无人机的三自由度质点运动模型搭建了更困难且具有随机性的无人机防撞仿真场景，并且从马尔科夫决策过程的角度建模了标准的强化学习环境，针对环境特点引入了周期重启，充分探索了无人机的状态和动作空间，提升了无人机在复杂环境下自主决策防撞的成功率。
-
公开(公告)号：CN118504652B
公开(公告)日：2024-11-19
申请号：CN202410519825.8
申请日：2024-04-28
Applicant: 电子科技大学
Abstract: 本发明公开了机器人运动决策的离线强化学习方法及控制方法，本发明通过将集成的部分与强化学习训练部分解耦，放入反探索奖励建模的部分，从而大幅度了离线强化学习算法训练时间成本并且极大降低了对算力设备的要求。本发明通过集成式的随机网络蒸馏方法对训练中输入的状态‑动作对进行预测并计算出对应的反探索奖励，通过利用神经网络自身的泛化性来约束智能体探索，无需控制散度约束的力度，避免了超参数设置不当带来的约束过强或者过弱的问题。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.031 seconds)
