-
公开(公告)号：CN115981149A
公开(公告)日：2023-04-18
申请号：CN202211583076.2
申请日：2022-12-09
Applicant: 中国矿业大学
IPC: G05B13/04
Abstract: 本发明适用于飞行器控制技术领域，提供了一种基于安全强化学习的高超声速飞行器最优控制方法，首先，建立高超声速飞行器纵向动力学模型，并化简为一般的仿射非线性系统模型；其次，提出了一种基于障碍函数的系统变换，将全状态安全约束问题转化为无约束优化问题；然后，采用安全强化学习算法在执行‑评价框架下设计近似最优控制器；最后，引入了一种鲁棒项来补偿由执行‑评价框架引入的神经网络逼近误差，设计基于安全强化学习的鲁棒近似最优控制器。本发明的最优控制方法能在高超声速飞行器飞行的过程中保证状态的安全性。
-
公开(公告)号：CN113989327B
公开(公告)日：2023-04-07
申请号：CN202111251248.1
申请日：2021-10-27
Applicant: 中国矿业大学
IPC: G06T7/246 , G06N3/0464 , G06N3/08 , G01S15/66
Abstract: 本发明公开了一种基于卷积神经网络粒子滤波算法的单UUV目标状态估计方法，对一段时域内目标观测状态进行采样，利用采样粒子拟合非高斯观测噪声的分布；建立基于卷积神经网络的预测网络描述非线性的声呐观测模型以及目标相对UUV的运动模型，对目标运动状态进行预测；利用卷积层和池化层的组合赋予预测网络一定的不变性，提高预测网络对不确定观测的适应能力。与现有方法相比，本发明可解决非线性非高斯强机动的UUV目标状态估计问题，克服由非高斯观测噪声导致的目标状态估计精度低和稳定性差等问题，摆脱了目标状态估计方法对目标观测时序性的依赖，使得本发明具有根据时序紊乱的目标观测，以高精度和强稳定性估计目标运动状态的能力。
-
公开(公告)号：CN109308485B
公开(公告)日：2022-11-29
申请号：CN201810872204.2
申请日：2018-08-02
Applicant: 中国矿业大学
IPC: G06V10/764 , G06V10/77 , G06V10/772
Abstract: 本发明公开了一种基于字典域适应的迁移稀疏编码图像分类方法，属于机器学习领域。该方法在传统稀疏编码模型基础上引入字典对齐机制，构造特征迁移分类模型，来解决图像跨领域分类问题。源域和目标域样本服从不同分布时，传统稀疏编码图像分类算法，因无法从源域样本学习获取对目标域样本有效编码的字典，导致分类性能下降。本发明首先将字典对齐机制引入稀疏编码模型，其次采用L2正则化将字典约束项转化为无约束优化问题，并采用领域间字典逼近作为正则化项提升模型的知识迁移性能。本发明能有效抽取跨领域图像稀疏特征表示，获取更高的分类精度。
-
公开(公告)号：CN114063458B
公开(公告)日：2022-05-20
申请号：CN202111374061.0
申请日：2021-11-19
Applicant: 中国矿业大学
IPC: G05B13/04
Abstract: 本发明公开了一种非三角结构系统不依赖初始条件的预设性能控制方法，具体思路如下：首先建立非三角结构非线性系统的动力学模型；然后利用神经网络与变量分离技术构建一种结构简单的状态观测器；接着构造具有特定性质的转移转换函数对跟踪误差作非线性变换；最后利用受限李雅普诺夫函数理论设计基于输出反馈且不依赖于初始条件的预设性能控制器。本发明的预设性能控制方法能够保证跟踪误差从任意有界初值以给定的速度在给定的时间内收敛到给定的精度范围内，不仅消除了常规预设性能控制方法必须满足的初始条件约束，而且实现了跟踪误差收敛到给定的精度范围内的时间的可预先设定，提高了预设性能控制方法的实用性。
-
公开(公告)号：CN114021641A
公开(公告)日：2022-02-08
申请号：CN202111291000.8
申请日：2021-11-03
Applicant: 中国矿业大学
Abstract: 本发明公开了一种极大极小概率回归的正则化宽度学习系统，属于人工智能技术领域。本发明包括：获得训练数据，并通过特征映射和增强映射获得原始数据的高维特征，基于特征数据的均值和协方差信息得到预测精度满足误差要求的概率下限。在不存在随机误差分布假设的情况下，通过最大化所得到的概率下界来计算最终的输出权重。然后通过在损失函数中加入弹性网正则化来对输出权重进行进一步的约束，将l1范数和l2范数集成到一个统一的框架中。本发明改善了分布假设对所建立的宽度学习系统模型的泛化和有效性产生影响的问题，并且增强输出权值的稀疏性，控制模型的复杂性，提高了模型的泛化性和鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN113989327A
公开(公告)日：2022-01-28
申请号：CN202111251248.1
申请日：2021-10-27
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于卷积神经网络粒子滤波算法的单UUV目标状态估计方法，对一段时域内目标观测状态进行采样，利用采样粒子拟合非高斯观测噪声的分布；建立基于卷积神经网络的预测网络描述非线性的声呐观测模型以及目标相对UUV的运动模型，对目标运动状态进行预测；利用卷积层和池化层的组合赋予预测网络一定的不变性，提高预测网络对不确定观测的适应能力。与现有方法相比，本发明可解决非线性非高斯强机动的UUV目标状态估计问题，克服由非高斯观测噪声导致的目标状态估计精度低和稳定性差等问题，摆脱了目标状态估计方法对目标观测时序性的依赖，使得本发明具有根据时序紊乱的目标观测，以高精度和强稳定性估计目标运动状态的能力。
-
公开(公告)号：CN111680846A
公开(公告)日：2020-09-18
申请号：CN202010547848.1
申请日：2020-06-16
Applicant: 中国矿业大学
Abstract: 一种基于L1和L2范数的简化宽度学习系统，具体方法如下：步骤1：获取训练输入数据 与训练输出数据 获取测试输入数据与测试输出数据其中，N1、N2分别为训练测试数据样本数目，T1、T2分别为输入和输出数据的维度；步骤2：构建宽度模型；步骤3：替换标准宽度学习系统目标函数 中的正则项以此作为新的目标函数，其中 步骤4：对于新的目标函数，采用增广拉格朗日乘子法迭代求解输出权重W；步骤5：根据公式 得到简化的宽度学习系统的输出Y；其中，Wm为连接特征节点层与增强节点层到输出层的权值整体，由W连接所得。该系统能有效简化宽度学习系统的网络结构，可有效去除与结果相关性低的节点，能适应复杂工业过程中相关指标的预测需求。
-
公开(公告)号：CN109635245A
公开(公告)日：2019-04-16
申请号：CN201811362948.6
申请日：2018-11-16
Applicant: 中国矿业大学
IPC: G06F17/18
CPC classification number: G06F17/18
Abstract: 一种鲁棒宽度学习系统，采集训练数据并对训练数据进行线性转换处理；由输入数据矩阵和增强节点矩阵求解扩展输入矩阵，再利用岭回归算法求解迭代初始的连接权重矩阵，再利用残差公式求解残差矩阵；利用核密度估计算法求得残差概率密度函数，再计算所有训练数据组成的权值矩阵；求解第k次迭代的连接权重矩阵，若相邻两步的输出权值的差的绝对值的最大值不大于设定的阀值，或迭代次数达到预设的最大迭代次数，迭代结束，鲁棒宽度学习系统停止模型的训练并建立鲁棒宽度学习系统模型。该系统能提高宽度学习系统的鲁棒性，能有效抑制离群点带来的对建模精度的不利影响的问题，便于建立鲁棒宽度系统模型，以适用于复杂工业过程中相关指标的预测。
-
公开(公告)号：CN106203472B
公开(公告)日：2019-04-02
申请号：CN201610483014.2
申请日：2016-06-27
Applicant: 中国矿业大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于混合属性直接属性预测模型的零样本图像分类方法。首先，对训练图像底层特征进行稀疏编码并利用编码得到的非语义属性来辅助语义属性；然后，将非语义属性与语义属性构成混合属性并将其作为直接属性预测模型的属性中间层，利用直接属性预测模型的思想进行混合属性分类器的训练；最后，根据预测的混合属性以及属性与类别之间的关系，进行测试样本类别标签的预测。本发明使得原本属性相似的类别更加容易被区分，从而提高零样本图像分类的识别率。
-
公开(公告)号：CN107330395B
公开(公告)日：2018-11-09
申请号：CN201710498746.3
申请日：2017-06-27
Applicant: 中国矿业大学
Abstract: 本发明公开了一种基于卷积神经网络的虹膜图像加密方法，通过CNN模型提出虹膜特征，进而RS码编码得到加密密钥，然后与待加密图像矩阵对应灰度值进行AES运算，即实现了加密过程。在CNN训练过程中由于虹膜样本比较少，为保证加密的高安全性，密钥的生成必须采用整体虹膜，不能将虹膜进行图像块提取来弥补样本不足的问题。本发明首先对虹膜进行图像块提取，训练SAE模型，采用SAE初始化CNN参数，采用整幅虹膜图像进行CNN模型训练。如此设计不仅解决了虹膜样本少的问题，而且对图像加密的安全性有了保障。
-
-
-
-
-
-
-
-
-
Search Results
128
records
(took 0.034 seconds)
