-
公开(公告)号：CN118173279A
公开(公告)日：2024-06-11
申请号：CN202410274251.2
申请日：2024-03-11
Applicant: 中国矿业大学
IPC: G16H50/70 , G16H50/20 , G06F18/25 , G06F18/22 , G06N3/0464 , G06N3/0455 , G06N3/0895 , G06N3/048 , G06F18/23213 , G06N3/047
Abstract: 本发明提供一种基于双自监督多图卷积网络融合的癌症亚型识别方法，所述方法为：第一，利用多个图卷积网络模型学习多组学数据的高层图结构信息，得到组学数据的图结构表示；第二，利用多个栈式自动编码器模型学习多组学数据的自表示；第三，将图结构表示和自表示相结合融入到深度聚类模型；第四，根据不同数据表示的特点，通过误差重构融合和自适应加权融合方法，分别融合多组学数据的自表示和图结构表示，得到多组学融合表示；最后，利用双自监督模块对多组学融合表示进行自监督学习，实现整个模型的端到端聚类训练。本发明采用栈式自动编码器与图卷积模型相结合，并通过双自监督方式对癌症多组学数据进行聚类，进而实现癌症亚型的预测。
-
公开(公告)号：CN117724336B
公开(公告)日：2024-06-11
申请号：CN202311736797.7
申请日：2023-12-18
Applicant: 中国矿业大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于状态和估计参数触发的机器人系统跟踪控制方法，如下：首先建立具有n关节的机器人系统动力学模型；然后构建由状态触发和估计参数触发共同构成的双事件触发机制；接着在未考虑任何事件触发机制的情况下设计常规的神经网络自适应控制器；随后基于该控制器结构设计基于双事件触发机制的神经网络自适应控制方案；最后建立关于所构建的双事件触发机制带来的误差的限制性条件，通过结合该限制性条件和李雅普诺夫稳定性理论分析出系统的稳定性。本发明的基于双事件触发机制的神经网络自适应控制方法不存在芝诺现象，不仅能够保证关节角位移紧密地跟踪期望轨迹，而且可以显著减少传感器到控制器之间的信号传送负担和计算负担。
-
公开(公告)号：CN117130277B
公开(公告)日：2024-05-10
申请号：CN202311179430.X
申请日：2023-09-13
Applicant: 中国矿业大学
Abstract: 本发明适用于飞行器控制技术领域，提供了利用安全强化学习方法解决高超声速飞行器的零和博弈方法，所述方法包括：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零和博弈问题；然后，采用安全强化学习方法在执行‑评价‑扰动框架下学习零和博弈问题的最优控制策略和最差扰动策略；最后，采用梯度下降法和经验回放技术来更新网络权值并对闭环系统中所有信号进行稳定性分析，本发明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：CN117132804B
公开(公告)日：2024-04-05
申请号：CN202310814357.2
申请日：2023-07-04
Applicant: 中国矿业大学
IPC: G06V10/764 , G06V20/13 , G06V20/10 , G06V10/58 , G06V20/70 , G06V10/26 , G06V10/82 , G06N3/042 , G06N5/04 , G06N3/084 , G06N3/096
Abstract: 本发明属于模式识别技术领域，公开了一种基于因果跨域小样本学习的高光谱图像分类方法。首先，通过因果干预消除了非因果因素和类别语义之间的虚假统计关联，获得包含纯净且独立的因果因素的特征表示，缓解因非因果因素的信息干扰对模型造成的性能损害。其次，通过因果跨域小样本学习，在归纳可迁移小样本分类知识的同时，充分挖掘样本特征和类别语义之间的潜在因果关联，提升模型在小样本高光谱图像分类任务中的泛化性能。
-
公开(公告)号：CN117724336A
公开(公告)日：2024-03-19
申请号：CN202311736797.7
申请日：2023-12-18
Applicant: 中国矿业大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于状态和估计参数触发的机器人系统跟踪控制方法，如下：首先建立具有n关节的机器人系统动力学模型；然后构建由状态触发和估计参数触发共同构成的双事件触发机制；接着在未考虑任何事件触发机制的情况下设计常规的神经网络自适应控制器；随后基于该控制器结构设计基于双事件触发机制的神经网络自适应控制方案；最后建立关于所构建的双事件触发机制带来的误差的限制性条件，通过结合该限制性条件和李雅普诺夫稳定性理论分析出系统的稳定性。本发明的基于双事件触发机制的神经网络自适应控制方法不存在芝诺现象，不仅能够保证关节角位移紧密地跟踪期望轨迹，而且可以显著减少传感器到控制器之间的信号传送负担和计算负担。
-
Patent Agency Ranking
公开(公告)号：CN116912620B
公开(公告)日：2024-03-19
申请号：CN202310823311.7
申请日：2023-07-06
Applicant: 中国矿业大学
IPC: G06V10/774 , G06V10/762
Abstract: 本发明公开了一种具有抗视觉干扰的表征强化学习方法，首先，从经验回放池中采样当前时刻与下一时刻智能体在环境中的图像观测样本、当前时刻采取的动作与获得的奖励；其次，利用随机漂移对获取的图像观测样本进行数据增广并将其编码为隐空间状态表征；然后，引入基于对比学习的潜在动力学模型与基于t分布的嵌入式聚类模型来联合学习隐空间状态表征；最后，将隐空间状态表征作为强化学习的输入并训练深度强化学习网络生成模型，最终用于智能体的控制决策任务。本发明能够在存在视觉干扰的环境下提高智能体的鲁棒性与样本效率。
-
公开(公告)号：CN117132804A
公开(公告)日：2023-11-28
申请号：CN202310814357.2
申请日：2023-07-04
Applicant: 中国矿业大学
IPC: G06V10/764 , G06V20/13 , G06V20/10 , G06V10/58 , G06V20/70 , G06V10/26 , G06V10/82 , G06N3/042 , G06N5/04 , G06N3/084 , G06N3/096
Abstract: 本发明属于模式识别技术领域，公开了一种基于因果跨域小样本学习的高光谱图像分类方法。首先，通过因果干预消除了非因果因素和类别语义之间的虚假统计关联，获得包含纯净且独立的因果因素的特征表示，缓解因非因果因素的信息干扰对模型造成的性能损害。其次，通过因果跨域小样本学习，在归纳可迁移小样本分类知识的同时，充分挖掘样本特征和类别语义之间的潜在因果关联，提升模型在小样本高光谱图像分类任务中的泛化性能。
-
公开(公告)号：CN115410088B
公开(公告)日：2023-10-31
申请号：CN202211235431.7
申请日：2022-10-10
Applicant: 中国矿业大学
IPC: G06V20/10 , G06V10/82 , G06V10/764 , G06V10/74 , G06N3/0464 , G06N3/043 , G06N3/094
Abstract: 本发明公开了一种基于虚拟分类器的高光谱图像领域自适应方法，其用于无监督高光谱图像分类任务。首先，通过基于空‑谱近邻图的图卷积网络来提取高光谱图像的领域不变特征；然后，构建一个基于特征相似性度量的虚拟分类器来输出目标域样本的类别概率；此外，通过最小化真实和虚拟分类器之间的分歧，以使不同领域但具有相似特征的像素被分为同一个类别；最后，通过构造一个软原型对比损失并将其最小化，以对齐不同领域特征相似的样本且使不相似的样本互相远离。
-
公开(公告)号：CN114723994B
公开(公告)日：2023-05-23
申请号：CN202210401324.0
申请日：2022-04-18
Applicant: 中国矿业大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于双分类器对抗增强网络的高光谱图像分类方法，首先将原始HSI的源域和目标域数据进行向量化并输入BCAAN进行训练，使用源域数据预训练整个网络；然后固定特征生成器，使用目标域数据训练两分类器，使其差异最大；然后固定两分类器，使用目标域数据优化特征生成器，使两分类器差异最小；使用预训练的网络获取目标域数据的伪标签，每个样本对应两个伪标签；把两伪标签相同且输出概率皆大于区分阈值的目标域数据选为可靠样本。使用随机置零的方式对可靠样本进行数据增强，后将可靠的目标域和增强后的数据添加到源域数据中。最后，训练一个epoch后重新采样，基于分类器差异在对抗的过程中对齐源域和目标域，直到模型收敛。
-
公开(公告)号：CN115906928B
公开(公告)日：2023-05-16
申请号：CN202211490758.9
申请日：2022-11-25
Applicant: 中国矿业大学
IPC: G06N3/0455 , G06N3/084 , G01S15/93
Abstract: 本发明公开了一种基于双通道自注意力的Transformer UUV三维自主避碰规划方法，设计了双通道自注意力模型并行捕捉双模态多传感器的观测特征；构建了基于Transformer的网络模型执行端到端的UUV三维自主避碰决策；利用编码器‑解码器的结构实现基于历史观测和时序决策的UUV避碰规划。与现有方法相比，本发明可以基于双模态多传感器观测进行端到端的UUV自主避碰规划，能够大幅度提高UUV避碰规划的快速性，摆脱UUV避碰规划对传感器高精度稳定观测的依赖，解决观测失效或目标丢失情况下的UUV自主避碰规划问题。
-
-
-
-
-
-
-
-
-
Search Results
128
records
(took 0.035 seconds)
