-
公开(公告)号：CN114866426A
公开(公告)日：2022-08-05
申请号：CN202210564577.X
申请日：2022-05-23
Applicant: 北京计算机技术及应用研究所
IPC: H04L41/0896 , H04L41/0853 , H04L41/08 , H04L43/0894 , H04L47/6275
Abstract: 本发明涉及一种基于时间敏感网络的嵌入式实时网络检测系统，属于网络监测领域。本发明包括网络性能监管系统、事件分析系统、事件管理和流量分配系统、网络监管平台，网络性能监管系统用于监控和调节时间敏感网络交换机和端节点之间的同步精度。事件分析系统用于对系统添加事件的分析，包括流量监测，优先级监测和队列监测。事件管理和流量分配系统用于对所有事件进行优先级排序并分配到时间敏感网络的8个队列，对应的流量带宽并动态调节时间敏感网络系统中时间敏感网络交换机和端节点的优先级和流量带宽设置。网络监管平台用于测试整个系统传输的可靠性和稳定性。该网络监测系统具有灵活性强，能够对整个系统进行实时监控的优点。
-
公开(公告)号：CN113670863A
公开(公告)日：2021-11-19
申请号：CN202110942317.7
申请日：2021-08-17
Applicant: 北京计算机技术及应用研究所
Abstract: 本发明涉及一种二维半导体材料中光生载流子的差分反射探测方法，属于超快激光泵浦探测领域。本发明利用二维半导体材料价带电子吸收光子并发生跃迁至导带的原理，在超快激光的激发下，通过测量二维半导体材料的反射光的方式，得到了微观电子的动力学过程。所述超快激光为脉冲持续时间在100飞秒左右、重复频率为80MHz、带宽为10纳米左右的相干光源，保证了光学测量的时间分辨率。本发明具有瞬时响应和飞秒—皮秒级别的时间分辨率。和宏观电学的电流探测手段相比，灵敏度更高，适用于微观探测领域，同时避免了电极材料对测量结果的影响。
-
公开(公告)号：CN112132050A
公开(公告)日：2020-12-25
申请号：CN202011015320.6
申请日：2020-09-24
Applicant: 北京计算机技术及应用研究所
Abstract: 本发明涉及一种联机手写汉字识别算法及可视化关键笔画评估方法，属于模式识别技术领域。本发明提出一种局部自注意力机制，能够通过神经网络自身产生对应各个时刻隐含层状态的注意力权重，通过这种注意力机制能够有效地提升联机手写汉字的识别精度。本发明提出了一种可视化的联机手写汉字识别中关键笔画评估方法，通过自注意力机制生成的权重，将输入字符样本轨迹坐标中对识别起关键作用的笔画(轨迹点或者轨迹段)显示出来，能够更直观的评估联机手写汉字字符样本中的关键笔画，分析神经网络学习字符样本时的方式。
-
公开(公告)号：CN119693680A
公开(公告)日：2025-03-25
申请号：CN202411620925.6
申请日：2024-11-14
Applicant: 北京计算机技术及应用研究所
IPC: G06V10/764 , G06F18/24 , G06N3/0464 , G06N3/045 , G06F18/213 , G06F18/25 , G06N5/04 , G06V10/40 , G06V10/82
Abstract: 本发明涉及一种基于多模态模型的数据自动标注方法，属于数据标注与人工智能领域。本发明待标注图像数据与潜在标签输入数据自动标注系统；数据自动标注系统通过文本‑图像多模态模型为潜在标签进行打分排序，返回潜在标签概率排序结果；标注者人工对自动标注标签进行审核，确认标注结果并完成标注。本发明能提高数据标注时间效率；减少人工成本开销；扩大标注数据量，高效驱动更多下游人工智能模型。
-
公开(公告)号：CN119672037A
公开(公告)日：2025-03-21
申请号：CN202411621275.7
申请日：2024-11-14
Applicant: 北京计算机技术及应用研究所
IPC: G06T7/10 , G06F3/0484 , G06N3/08
Abstract: 本发明涉及一种支持连续点击交互式的图像分割自动标注方法和电子设备，属于数据标注与人工智能领域。本发明将待标注图像数据输入自动标注系统；用户判断是否开始新的图像标注任务；若开始新的图像标注任务，系统获取用户连续鼠标点击交互信息；若待标注图像未在系统中出现过，系统调用后端支持连续点击交互式的图像分割模型计算得到图像特征向量，自动标注系统通过图像特征向量之间关联度计算得到待标注图像分割结果，之后系统返回自动标注结果；为保证标注质量，标注者通过对自动标注标系统所得到的结果进行审核，确认标注结果并完成标注。本发明能提高数据标注时间效率；减少人工成本开销；扩大标注数据量，高效驱动更多下游人工智能模型。
-
Patent Agency Ranking
公开(公告)号：CN119441989A
公开(公告)日：2025-02-14
申请号：CN202411679330.8
申请日：2024-11-22
Applicant: 北京计算机技术及应用研究所
IPC: G06F18/241 , A61B5/00 , A61B5/369 , G06F18/25 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于乘员脑电信号的融合风险分类方法，属于自动驾驶、人工智能和脑电信号处理领域。本发明针对预警信号利用在线学习算法训练一个预警信号提取特征网络；结合预警信号提取特征网络提取的特征和P300信号提取的特征实现基于脑电信号的风险分类器的训练；基于脑电信号实现风险的精准预测。本发明相比于之前研究单纯依靠P300信号，增加了预警信号数据特征，并且可以实现预警信号在线学习，结合车载计算机可以实现风险的快速精准识别。
-
公开(公告)号：CN119226631A
公开(公告)日：2024-12-31
申请号：CN202411296848.3
申请日：2024-09-18
Applicant: 北京计算机技术及应用研究所
IPC: G06F16/9536 , G06N20/20 , G06F18/2135 , G06F18/2431
Abstract: 本发明涉及一种基于协同过滤的分布式自动机器学习方法，属于自动机器学习领域。本发明为元知识库中的每个数据集搜索前N个模型并将它们存储在哈希字典中，并计算元知识库中的数据集的元特征子集的权重；基于协同过滤的分布式AutoML框架CF‑DAML，首先通过模型推荐模块计算新数据集的元特征并为其推荐合适的模型，然后，CF‑DAML在指定的时间限制内使用分布式模型训练系统DSTM在新数据集的训练集上训练推荐出的模型，并在其验证集上评估训练的模型，最后，CF‑DAML采用选择性堆叠集成系统MSSE集成几个高性能模型为新数据集的测试集预测标签。本发明在保证分类准确率提升的基础上大大降低了时间复杂度。
-
公开(公告)号：CN118329034B
公开(公告)日：2024-10-01
申请号：CN202410385471.2
申请日：2024-04-01
Applicant: 北京计算机技术及应用研究所
IPC: G01C21/20
Abstract: 本发明涉及一种多机器人围堵方法，属于机器人技术领域。本发明的指控系统通过下发目标点并选择参与该任务的机器人，调用最短路算法计算各个机器人到目标的最短路径并下发给机器人，机器人即可沿着最短路径朝目标行进；通过计算几何知识截取路径并计算围堵点，使得各个机器人到达各自围堵点对目标进行围捕处置；根据路径和围堵点计算行驶路线长度，进而计算各个机器人的速度，使得所有机器人同时到达各自围堵点。本发明不需要实时建图，进而优化了时间复杂度；本发明采用的集中式软件独立于机器人本身，不因某一机器人的损坏影响围堵任务的进行，容错性较好。
-
公开(公告)号：CN118329034A
公开(公告)日：2024-07-12
申请号：CN202410385471.2
申请日：2024-04-01
Applicant: 北京计算机技术及应用研究所
IPC: G01C21/20
Abstract: 本发明涉及一种多机器人围堵方法，属于机器人技术领域。本发明的指控系统通过下发目标点并选择参与该任务的机器人，调用最短路算法计算各个机器人到目标的最短路径并下发给机器人，机器人即可沿着最短路径朝目标行进；通过计算几何知识截取路径并计算围堵点，使得各个机器人到达各自围堵点对目标进行围捕处置；根据路径和围堵点计算行驶路线长度，进而计算各个机器人的速度，使得所有机器人同时到达各自围堵点。本发明不需要实时建图，进而优化了时间复杂度；本发明采用的集中式软件独立于机器人本身，不因某一机器人的损坏影响围堵任务的进行，容错性较好。
-
公开(公告)号：CN118313610A
公开(公告)日：2024-07-09
申请号：CN202410482864.5
申请日：2024-04-22
Applicant: 北京计算机技术及应用研究所
IPC: G06Q10/0631 , G06Q10/10 , G06N3/006
Abstract: 本发明涉及一种基于贪心算法的无人机序列目标分配方法，属于无人机技术领域。本发明从矩阵M1n×m中选择最小值m1kl，将目标l分配给无人机k，表示目标l在无人机k的任务序列中；将矩阵M1n×m的第k行设置为等于矩阵M2m×m的第l行；再对M1n×m的第k行的每个元素加上s＝M1n×m[k][l]；然后对矩阵M1n×m的第l列赋值为∞；重复上述步骤，直到所有目标均被分配完成。本发明采用基于贪心算法的无人机序列目标分配方法，相比于传统的枚举法和新兴的强化学习算法，本算法的精度和速度都具有明显优势，能够更好地适应无人机领域的实时性和准确性要求。
-
-
-
-
-
-
-
-
-
Search Results
69
records
(took 0.04 seconds)
