-
公开(公告)号：CN110879531A
公开(公告)日：2020-03-13
申请号：CN201911154069.9
申请日：2019-11-22
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
IPC: G05B13/04
Abstract: 本发明公开了一种随机扰动系统的数据驱动自适应优化控制方法及介质，方法包括问题描述部分、数据驱动最优状态观测器的设计部分和随机扰动系统的异策略数据驱动ADP控制部分；对于上述三个部分，本发明进行了详细的说明。本发明通过设计数据驱动最优状态观测器，进行随机扰动系统的异策略数据驱动ADP控制。首次将数据驱动ADP方法首次用于状态完全不可测的系统；无模型LQG控制被推广到了连续时间系统；ADP设计中考虑了控制信号通道以外的非匹配噪声，以及不依赖状态和控制信号的独立噪声；提出一种针对随机扰动系统的新型异策略数据驱动ADP控制方法及介质，避免了需要反复读取和更新控制信号的负担，显著地减少了运算量。
-
公开(公告)号：CN110879531B
公开(公告)日：2022-06-24
申请号：CN201911154069.9
申请日：2019-11-22
Applicant: 北京理工大学重庆创新中心 , 北京理工大学
IPC: G05B13/04
Abstract: 本发明公开了一种随机扰动系统的数据驱动自适应优化控制方法及介质，方法包括问题描述部分、数据驱动最优状态观测器的设计部分和随机扰动系统的异策略数据驱动ADP控制部分；对于上述三个部分，本发明进行了详细的说明。本发明通过设计数据驱动最优状态观测器，进行随机扰动系统的异策略数据驱动ADP控制。首次将数据驱动ADP方法首次用于状态完全不可测的系统；无模型LQG控制被推广到了连续时间系统；ADP设计中考虑了控制信号通道以外的非匹配噪声，以及不依赖状态和控制信号的独立噪声；提出一种针对随机扰动系统的新型异策略数据驱动ADP控制方法及介质，避免了需要反复读取和更新控制信号的负担，显著地减少了运算量。
-
公开(公告)号：CN116740021A
公开(公告)日：2023-09-12
申请号：CN202310704231.X
申请日：2023-06-14
Applicant: 北京理工大学
IPC: G06T7/00 , G06V10/764 , G06V10/44 , G06N3/0464 , G06N3/09
Abstract: 本发明提供了一种工业场景数据集下的图卷积视觉关系检测方法，针对视觉关系检测技术在真实的工业场景数据集下缺少应用的问题，建立一个工业场景下的视觉关系检测数据集；整个数据集的构建过程包括相关主题的定义、相关照片的搜集、识别的物体和关系类别的初步筛查、物体和关系的标注、物体和关系类别的最终确定；而针对将具有异构性的图卷积网络引入视觉关系检测领域不充分的问题，设计了一个基于K‑最邻近图和自适应滤波的视觉关系检测模型；K‑最邻近图用于建立谓词节点的邻接矩阵，自适应滤波的结构采用改进的图卷积形式进行；总体而言，建立一个新的工业场景数据集并设计了一个考虑异构性图卷积的视觉关系检测方法。
-
公开(公告)号：CN114445732B
公开(公告)日：2025-03-21
申请号：CN202111579663.X
申请日：2021-12-22
Applicant: 北京理工大学
IPC: G06V20/40 , G06V10/764 , G06V10/82 , G06N3/0442 , G06N3/045 , G06N3/0464
Abstract: 本发明提供一种面向视频的时间动作检测方法，解决实际数据中动作实例的持续时间变化很大的问题。本发明采用TAPP方法利用注意机制关注提案的区别性部分，抑制背景对提案特征的影响；然后构造时间金字塔结构，在不丢失时间信息的前提下，将任意长度的提案特征序列转换为多个定长序列，同时设计了一个多尺度时间函数，将其应用到时间金字塔中来生成最终的提案特征，并且基于TAPP方法构建了一个时间动作提案生成模型和一个动作提案分类模型，可以有效的处理不定长时间的时间动作提案，从而更好的完成视频数据中的时间动作检测任务。
-
公开(公告)号：CN116168320A
公开(公告)日：2023-05-26
申请号：CN202310020257.2
申请日：2023-01-05
Applicant: 北京理工大学
IPC: G06V20/40 , G06V10/80 , G06V10/82 , G06N3/084 , G06N3/0464
Abstract: 本发明涉及人工智能理解和环境交互，具体涉及一种用于在线视频视觉关系检测的自适应时间聚合网络及方法。本发明采用的动态缓冲存储器来保存历史视频片段可以固定存储内容的大小，不会因为时间而使得存储内容越来越大。本发明采用的步进采样策略通过对视频帧与当前关键帧的关联性的强弱来设置采样频率，可以在保持对视频中的对象在时间维度上关系的检测结果的准确性的同时减少网络所需要的运算消耗。本发明所提出的自适应时空激活模块和基于注意力的知识状态融合模块使该发明能够自适应的提取和融合历史信息和当前状态，能够检测对象的动态关系和静态关系。
-
Patent Agency Ranking
公开(公告)号：CN115984729A
公开(公告)日：2023-04-18
申请号：CN202211385867.4
申请日：2022-11-07
Applicant: 北京理工大学
IPC: G06V20/40 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/08 , G06N3/0464
Abstract: 本发明涉及人工智能理解和环境交互技术领域，具体涉及一种基于多模态信息融合的在线视频视觉关系检测方法。本发明提出了ASE‑GCN层，利用三个不同的相关邻接矩阵对潜在关系图进行建模。矩阵包含视觉外观、物理空间和语义嵌入信息。将基于双线性池化的融合方法扩展为基于三线性池化的融合，并设计了一个分层融合模块来融合多角色多模态特征。
-
公开(公告)号：CN114897303A
公开(公告)日：2022-08-12
申请号：CN202210368062.2
申请日：2022-04-08
Abstract: 本发明公开了一种多工艺路线生产任务形式化建模方法，属于生产任务建模领域，以解决单向量方法不能有效表达生产任务多工艺路线的问题。本发明根据工序间关系选择向量或集合来组织工序，然后利用子向量或子集合对父向量或父集合中的工序进行层层分组，最终将多工艺路线表达成子向量或子集合与父向量或父集合之间的嵌套，以及子向量、子集合之间的连接所形成的工序向量或工序集合。分组过程中要始终满足以下必要条件：1)子向量或子集合是其父向量或父集合的真子集，2)所有向量或集合没有相同元素，以及3)同一父向量的子向量之间或子向量与工序间不相邻。工序向量或集合能够有效表达工序关系，并且能够解析为多个工序序列，对应多条工艺路线。
-
公开(公告)号：CN114078226A
公开(公告)日：2022-02-22
申请号：CN202111411477.5
申请日：2021-11-25
Applicant: 北京理工大学
IPC: G06V20/40 , G06V40/20 , G06V10/764 , G06K9/62
Abstract: 本发明提出了一种基于动作管道在线关联的智联生产线行为识别方法，采用多标准相似性匹配的动作管道在线关联算法，能够得到更精准的视频级动作检测结果。本发明采用视觉传感器获取生产线视频数据，经帧级动作检测模型实时检测输出检测框，采用包含类别一致性、类别置信度、空间重叠程度、外观相似性以及时空相似性的多标准相似性匹配的原则对检测框进行在线关联，实时输出视频级行为识别结果，即动作管道，提升了行为识别的准确性，尤其是对于空间位置变化大、速度快的行为类别，其识别效果取得了明显提升，更加适应智联生产线上的复杂应用场景。
-
公开(公告)号：CN115271293B
公开(公告)日：2025-05-09
申请号：CN202210366426.3
申请日：2022-04-08
Abstract: 本发明公开了一种多智能体柔性作业车间自主调度方法，属于生产调度领域，以克服单一调度算法的不足。本发明的实现包括三个阶段。在准备阶段，搜集柔性作业车间调度算法，编写调度程序实现算法所描述的调度功能；为每个调度程序构建调度智能体模板，并将这些模板保存到模板仓库中。在应用阶段，创建一个管理智能体，以接收调度参数、确定所需的调度算法和调度智能体数量；管理智能体从模板仓库中调用对应的模板，创建调度智能体。调度智能体完成计算后，将所得调度方案提交给管理智能体，由管理智能体选择最优方案，提交给用户。在清理阶段，管理智能体销毁所有调度智能体。本发明能够有效利用多智能的并发计算特性，提升调度问题求解速度和质量。
-
公开(公告)号：CN114419487B
公开(公告)日：2024-07-02
申请号：CN202111607289.X
申请日：2021-12-24
Applicant: 北京理工大学
IPC: G06V20/40 , G06N3/0442 , G06N3/084 , G06V40/20 , G06V10/774 , G06V10/84 , G06V10/764
Abstract: 本发明公开了一种内容时间关系网络及生成时间动作提案的方法，能够解决在视频中难以生成高质量时序动作提案的问题。所述内容时间关系网络包括：特征编码模块、基础网络、提案评估网络、帧评估网络；所述特征编码模块得到视频特征序列；所述基础网络用于提取帧级别特征之间的双向语义关系，输出最终特征序列；所述提案评估网络包括提案特征图生成层和内容‑时间关系模块，所述提案特征图生成层将所述最终特征序列转化为二维时域提案特征图；所述内容‑时间关系模块基于所述二维时域提案特征图，获取提案之间的内容和时间语义关系，预测每个提案的置信度和完整性；所述帧评估网络输出每帧为动作帧、开始帧、以及结束帧的概率。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.044 seconds)
