-
公开(公告)号：CN109074511A
公开(公告)日：2018-12-21
申请号：CN201780026487.2
申请日：2017-04-11
Applicant: 情感爱思比株式会社
IPC: G06N3/00
Abstract: 一种存储控制系统、系统以及程序，存储控制系统具备：信息获取部，获取用于确定目标对象的情感的信息；分泌信息生成部，基于信息获取部获取的信息，生成表示内分泌物质的分泌量的分泌信息，该内分泌物质的分泌量作用于目标对象的情感的确定；存储控制部，当基于信息获取部获取的信息而确定的目标对象的情感强度超过预定值时，使分泌信息和基于信息获取部获取的信息的存储信息建立关联地存储；以及信息选择部，基于分泌信息，从与分泌信息建立关联地存储的存储信息中选择目标对象想起的存储信息。
-
公开(公告)号：CN108780441A
公开(公告)日：2018-11-09
申请号：CN201780017072.9
申请日：2017-02-15
Applicant: 高通股份有限公司
Abstract: 实施例包括计算设备、装置、以及由该装置实现的用于计算设备上的定点矩阵乘法的存储减少的方法。计算设备可以采用全精度、使用第一矩阵的定点数据的第一块和第二矩阵的定点数据的第二块来实现部分矩阵乘法，产生第一中间结果。计算设备可以通过将第一中间结果的定点数据转换成采用低精度的定点数据，来对第一中间结果进行下变换，产生第一下变换的中间结果。
-
公开(公告)号：CN108064390A
公开(公告)日：2018-05-22
申请号：CN201680038457.9
申请日：2016-12-30
Applicant: 深圳配天智能技术研究院有限公司
Inventor： 王春晓
IPC: G06N3/00
Abstract: 一种码垛的方法、装置及机器人，码垛的方法包括：监测步骤：读取当前码垛点的参数信息，根据参数信息判断当前码垛点是否为需要执行跳转指令的码垛点(S100)，如果是，则对当前码垛点执行对应的跳转指令，并将执行完跳转指令对应的码垛点作为当前码垛点(S110)，并返回再次执行监测步骤(S100)；否则，对当前码垛点执行码垛操作步骤；码垛操作步骤：获取当前码垛点的位置信息，根据位置信息对当前码垛点执行码垛操作(S120)；该方法能够跳过垛盘中的指定码垛点，不需要使得垛盘中的码垛点全部执行码垛操作，使得码垛的装置如机器人的码垛过程能够更好的适应实际应用场景。
-
公开(公告)号：CN107783998A
公开(公告)日：2018-03-09
申请号：CN201610738179.X
申请日：2016-08-26
Applicant: 华为技术有限公司
CPC classification number: G06F16/00 , G06N3/00 , G06F16/2465 , G06N3/006
Abstract: 本发明实施例公开了一种数据处理的方法，用于提高对待分析样本数据处理的准确率。本发明实施例包括：对M个超参数进行编码得到N个第1候选超参数集合；对第X候选超参数集合进行解码，得到第X超参数集合；对每个第X超参数集合进行参数评估，得到对应的第X目标值；根据每个粒子的第X目标值，确定个体最优超参数集合；根据N个第X目标值，确定并更新历史信息和种群最优超参数集合；根据更新后的历史信息、个体最优超参数集合和种群最优超参数集合，进行粒子位置更新，确定每个粒子包含的第X+1候选超参数集合；当粒子群收敛时，确定每个粒子包含的第X+1候选超参数集合为最优超参数集合；根据最优超参数集合对待分析样本数据进行处理。
-
公开(公告)号：CN106951329A
公开(公告)日：2017-07-14
申请号：CN201710199219.2
申请日：2017-03-29
Applicant: 武汉大学
CPC classification number: G06F9/5005 , G06N3/00 , G06N7/00
Abstract: 本发明涉及一种基于爬山淘汰粒子群算法的大规模软硬件划分方法，包括：步骤1：初始化EPSO‑HC算法的参数。步骤2：NodeRank算法初始化种群。步骤3：更新每个粒子的位置和速度，并对种群进行离散化。步骤4：淘汰当前全局最差位置附近的粒子，随机产生的新粒子替代群体中弱小的粒子。步骤5：改进爬山法更新当前全局最优位置，在当前全局最优位置附近集中搜索更优位置。步骤6：采用GPU并行计算软硬件通信代价。步骤7：若EPSO‑HC算法达到终止条件，则输出全局最优解，该解即为软硬件划分问题的最终解；否则，转到步骤3。本发明与其他软硬件划分算法相比，EPSO‑HC算法解的质量更高，运行时间更少。
-
Patent Agency Ranking
公开(公告)号：CN106251024A
公开(公告)日：2016-12-21
申请号：CN201610653028.4
申请日：2016-08-11
Applicant: 淮阴工学院
CPC classification number: G06Q10/047 , G06N3/00
Abstract: 本发明公开了一种基于数据挖掘的城市上下班拼车线路优化拟合的方法，其特征在于：该方法采用下列步骤：先获取实施上下班拼车的城市数据，分析影响拼车线路拟合选择的因素；接着对获得的信息导入到基于数据挖掘的城市上下班拼车线路优化拟合的模型中，该模型的构建步骤主要包括明确信息素更新规则、基于AHP法优化初始信息素的改进的蚁群算法过程；最后运用Matlab程序对地图上的路段进行线路寻优。本发明减少了数据挖掘算法复杂、线路优化规则过多对拟合结果的影响，提高了拼车线路拟合优化的准确度和可靠性。
-
公开(公告)号：CN106168801A
公开(公告)日：2016-11-30
申请号：CN201610225748.0
申请日：2016-04-12
Applicant: 江苏理工学院
CPC classification number: G05D1/02 , G06N3/00 , G06Q10/047
Abstract: 本发明涉及一种智能语音导游机器人的路径寻优方法，包括如下步骤：将所在景区的所有景点的坐标信息录入到智能语音导游机器人的控制系统中，地图建模，对环境信息进行坐标处理；利用景点的坐标信息，计算景点间的相互距离，根据距离信息初始化信息素矩阵；设置初始参数；蚂蚁随机置于不同的景点，按照概率随机选择下一个待访问的景点，直到访问完所有的景点；蚂蚁在释放信息素的同时，各个景点间连接路径上的信息素逐渐消失，因此，当所有蚂蚁完成一次循环后，各个景点间连接路径上的信息素浓度需进行实时更新；若没有达到最大迭代次数，继续更新；否则，终止迭代，输出最优解，也即输出最优路线L。
-
公开(公告)号：CN105469138A
公开(公告)日：2016-04-06
申请号：CN201510776313.0
申请日：2015-11-10
Applicant: 南京航空航天大学
CPC classification number: G06N3/00 , G06K9/6269
Abstract: 本发明公开了一种基于多群体协同混沌模拟退火粒子群优化算法-支持向量机(Multi-swarm Cooperative Chaos Simulated Annealing Particle Swarm Optimization-Support Vector Machine，MCCSAPSO-SVM)的控制系统执行器故障诊断方法。通过联合降噪和改进经验模态分解(Empirical Mode Decomposition，EMD)方法，对采集到的执行器输出信号进行特征提取；利用MCCSAPSO优化支持向量机结构参数；采用组合核函数保证了SVM良好的泛化能力与学习能力；利用训练数据构建偏二叉树SVM，把一个复杂的多分类问题转化为若干个二分类问题。本发明方法对控制系统易获得的常见状态信号进行处理，通过偏二叉树SVM的输出，能够实时有效地判断出控制系统执行器是否发生故障，并且能够在执行器发生故障时较为准确地确定出故障类型。本发明用于高精度控制系统的实时故障诊断。
-
公开(公告)号：CN105387875A
公开(公告)日：2016-03-09
申请号：CN201510996879.4
申请日：2015-12-24
Applicant: 安徽工程大学
Abstract: 本发明涉及一种移动机器人路径规划方法，包括如下步骤：寻找环境最短路径；当机器人在前进中检测到将与环境中的动态障碍物相碰，则视最短路径上离动态障碍物安全的栅格为局部目标点；确定动态障碍物的运动范围；机器人沿着信息素浓度大的栅格前进；得到一条避开动态障碍物且经过指定点的最优路径。解决了蚁群算法由于自身的局限性而导致的收敛速度慢的问题，将传统蚁群算法中的参数用粒子群算法进行优化后找到一组最优解，且用遗传算法保证其不会陷入局部最优，再将上述参数中的其他参数保持不变，对信息素浓度进行成倍放大，使不同路径上的信息素浓度差异更加明显，从而提高算法的收敛速度。
-
公开(公告)号：CN105204020A
公开(公告)日：2015-12-30
申请号：CN201510648582.9
申请日：2015-10-09
Applicant: 电子科技大学
CPC classification number: G01S13/90 , G06F17/5009 , G06N3/00
Abstract: 本发明公开了一种基于粒子群优化的移不变双基前视SAR飞行模式设计方法，包括以下步骤：S1、建立成像性能与飞行模式参数的定量关系；S2、设定预期达到的成像指标；S3、将飞行模式参数与设定的成像指标构成一个非线性方程组；S4、将S3得到的非线性方程组转换为多目标优化问题；S5、运用粒子群优化算法求解步骤S4中的多目标优化问题，将粒子群优化算法最后一次迭代得到的集合作为飞行模式参数的集合。本发明将给定成像指标条件下的移不变双基前视SAR飞行模式设计转换为多目标优化问题，并通过粒子群优化算法实现飞行模式参数的求解，在飞行模式设计时综合考虑了多种成像性能指标,能够达到预期的成像性能。
-
-
-
-
-
-
-
-
-
Search Results
64
records
(took 0.017 seconds)
