-
公开(公告)号：CN117517974B
公开(公告)日：2024-11-05
申请号：CN202311513965.6
申请日：2023-11-14
Applicant: 暨南大学 , 内蒙古科学技术研究院
IPC: G01R31/367 , G01R31/392
Abstract: 本发明公开了一种表征动力电池循环老化衰退机理的方法，该方法包括以下步骤：孪生数据驱动的动力电池多尺度等效电路模型的构建；多因素耦合影响下动力电池循环老化衰退机理的表征；其中，动力电池循环衰退老化是在多特征工况循环以及多物理场参数耦合的共同作用下产生；形成电池电容多重衰退模型方程式，用以表征动力电池循环老化电容的衰退趋势，从而能够根据方程式所绘制的衰退曲线，来表征动力电池电容随服役周期的变化，通过曲线变化的拐点，作为不同生命周期的切换点，从而清晰的反映动力电池随服役周期变化的电容含量，方便对即将退役的动力电池进行精确的分析，从而选择不同的回收方式进行回收，降低成本和提高电池的利用率。
-
公开(公告)号：CN110458737B
公开(公告)日：2023-09-26
申请号：CN201910766856.2
申请日：2019-08-20
Applicant: 暨南大学
Abstract: 本发明公开基于神经网络修改高校教务安排的方法、装置、设备及介质,该方法包括:根据用户上传的教务安排约束条件生成教务安排误差计算公式;根据教务安排约束条件和/或根据教务安排误差计算公式计算出的教务安排表的误差训练CPPN神经网络;利用CPPN神经网络计算出教务安排表,并通过教务安排误差计算公式计算出教务安排表的误差;在误差不大于误差阈值的情况下,获取该误差对应的教务安排表。本发明的方法不再需要繁琐的修改过程,让教职工和教务处能够很大程度上地节省修改方案的流程,快速完成排课排考的建议提交和修改过程，提高教务处的办事效率。
-
公开(公告)号：CN113065480B
公开(公告)日：2023-07-07
申请号：CN202110382382.9
申请日：2021-04-09
Applicant: 暨南大学
IPC: G06V30/22 , G06V30/16 , G06V30/162 , G06V30/146 , G06V30/164 , G06V30/18 , G06V30/19 , G06V10/764 , G06V10/34
Abstract: 本申请涉及书法作品风格的识别方法、装置、电子装置和存储介质，其中，该书法作品风格的识别方法包括：通过获取待识别的书法作品图像；对书法作品图像进行预处理，并对预处理后的图像进行书法字定位裁剪，得到至少一幅字图像，其中，预处理包括：中值滤波降噪处理、二值化处理、腐蚀膨胀的形态学图像处理；利用胶囊网络模型处理至少一幅字图像，获得每一幅字图像对应的第一分类标签，其中，胶囊网络模型被训练为用于根据字图像得到与该字图像对应的分类标签；根据第一分类标签确定书法作品图像的风格识别结果。通过本申请，解决了相关技术中书法作品风格的识别准确率低、效率不高的问题，实现了书法作品风格的快速准确识别。
-
公开(公告)号：CN113239639B
公开(公告)日：2022-08-26
申请号：CN202110728541.6
申请日：2021-06-29
Applicant: 暨南大学
Abstract: 本申请涉及策略信息生成方法、装置、电子装置和存储介质，其中，该策略信息生成方法包括：从预设仿真模型中，获取对应的生产运行状态数据，其中，预设仿真模型用于表征工业生产线的运行；对生产运行状态数据进行处理，得到工业生产线的设备所对应的设备状态信息及第一动作策略信息，其中，第一动作策略信息用于指示设备按预设的运行参数进行工作；在接收到策略信息生成请求的情况下，获取工业生产线当前设备状态信息，并通过预设的强化训练模型对当前设备状态信息进行处理，生成对应的策略信息。通过本申请，解决了相关技术中对包括离散任务的生产线自动化优化配置效果差的问题，实现了利用人工智能进行各类不同生产线的优化策略。
-
公开(公告)号：CN114936783A
公开(公告)日：2022-08-23
申请号：CN202210620696.2
申请日：2022-06-02
Applicant: 暨南大学
Abstract: 本发明提供了一种基于MMDDPG算法的RGV小车调度方法及系统，属于人工智能技术领域。本发明基于银行家算法，并利用结合熵正则化器的MMDDPG算法对生产过程中的多辆RGV小车进行协同调度，其中对每个RGV小车的调度都考虑其他RGV小车的调度策略，同时，引入不可抢占式最低松弛度优先算法，以最大限度缩短任务等待响应的时间。本发明所提出的基于MMDDPG算法的RGV小车调度方法及系统考虑了多RGV小车存在时的RGV小车的协作关系，对多个RGV小车进行统一调度，保证了多个RGV小车整体效率的最大化。
-
Patent Agency Ranking
公开(公告)号：CN114580937A
公开(公告)日：2022-06-03
申请号：CN202210237299.7
申请日：2022-03-10
Applicant: 暨南大学
Abstract: 本发明涉及用于数据处理方法技术领域，具体涉及一种基于强化学习和注意力机制的智能作业调度系统；包括：从给定的由机器矩阵MO和工时矩阵TO描述的调度实例，生成包含动态事件的由新的机器矩阵MO′和新的工时矩阵TO′描述的调度实例，并将其作为当前交互环境；调度系统与环境进行交互，收集经验并训练；提取特征，输入D3QPN得到当前状态下不同动作的Q值；根据Q值表进行作业调度。本发明通过注意力机制有效提取出关键信息，并使用强化学习算法选择最优的调度策略解决动态作业车间问题，以此解决实际智能制造中作业的动态变化问题，让智能调度作业系统在动态作业调度环境下依然拥有不错的性能。
-
公开(公告)号：CN114066232A
公开(公告)日：2022-02-18
申请号：CN202111349982.1
申请日：2021-11-15
Applicant: 内蒙古北方重工业集团有限公司 , 暨南大学 , 内蒙古工业大学
Abstract: 本发明属于工业物联网技术领域，公开了基于分布式强化学习和边缘计算的工厂调度方法及系统。所述系统包括本地动作模型、边缘设备、云端数据存储器和云端策略模型。方法为：初始化本地动作模型和边缘设备；本地动作模型实时生成适配不同流水线的调度规则；边缘设备对实时产生的生产信息进行编码，生成两参数元组和五参数元组分别发送至本地动作模型和云端数据存储器；云端策略模型对云端存储的数据进行优先级采样、重要性排序和更新；同步云端策略模型和本地动作模型。本发明将边缘计算与分布式强化学习算法结合应用于工业生产，实现了数据实时传输和工业生产实时调度，并通过本地设备与云端设备的交互，不断提高模型准确性，优化工业生产效率。
-
公开(公告)号：CN113393495B
公开(公告)日：2022-02-01
申请号：CN202110685692.8
申请日：2021-06-21
Applicant: 暨南大学
IPC: G06T7/246 , G06T7/277 , G06T5/00 , G06T5/50 , G06T3/00 , G06V20/10 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于强化学习的高空抛物轨迹识别方法。所述方法包括：通过图像传感器采集被监控窗户区域的高空抛物轨迹图像；对所述高空抛物轨迹图像进行预处理得到预处理图像信息；根据所述预处理图像信息判断所述图像传感器是否被遮挡；在判断所述图像传感器未被遮挡时，将所述预处理图像信息输入至处理器，所述处理器获取经过强化学习后的预训练目标模型，并通过所述预训练目标模型对所述预处理图像信息进行高空抛物识别得到高空抛物识别结果信息；所述处理器将高空抛物识别结果信息存储至数据存储单元和云服务器及储存器中，以对所述预训练目标模型进行训练及更新。本发明通过强化学习模型对高空抛物轨迹进行识别，提高了识别准确率。
-
公开(公告)号：CN113360618A
公开(公告)日：2021-09-07
申请号：CN202110633919.4
申请日：2021-06-07
Applicant: 暨南大学
IPC: G06F16/332 , G06F16/33 , G06N3/04
Abstract: 本发明提出一种基于离线强化学习的智能机器人对话方法及系统，方法包括获取已有的对话数据信息，基于对话数据构建训练集；在训练集抽取预设关键信息，对关键信息进行数据处理,引入非策略的批量强化学习算法；构建基于对话预判模型，并利用基于关键信息得到的数据对模型进行训练；获取待交流对话的数据信息；从数据信息中抽取预设关键信息，通过数据处理得到第一向量；利用已训练的模型处理第一向量，得到对应的第一标签，根据第一向量和第一标签进行决策输出；基于决策与用户进行对话。系统包括GPU服务器、模型存储器、存储模块、语言数据库、离线强化学习处理器、CPU处理器、语言收集模块和智能对话执行模块。
-
公开(公告)号：CN113284613A
公开(公告)日：2021-08-20
申请号：CN202110565687.3
申请日：2021-05-24
Applicant: 暨南大学
Abstract: 本发明公开一种基于深度学习的人脸诊断系统，人脸诊断系统包括模型构建模块和模型应用模块，模型构建模块包括中央处理器、GPU服务器和模型构建存储器，模型构建存储器中存储有可以被中央处理器运行的程序，并且可以存储相关疾病患者的面部图像，模型应用模块包括神经网络芯片和摄像头，摄像头用于采集患者的面部照片，神经网络芯片可以搭载辅助诊断模型，辅助诊断模型基于深度卷积神经网络，通过训练、验证和优化得到，可基于人脸图像预测出特定疾病的患病概率。本发明采用上述基于深度学习的人脸诊断系统，可预测出某些疾病的患病概率，从而协助医生进行疾病的筛查工作，提高了诊断准确率和效率。
-
-
-
-
-
-
-
-
-
Search Results
99
records
(took 0.023 seconds)
