-
公开(公告)号：CN119740456A
公开(公告)日：2025-04-01
申请号：CN202411601423.9
申请日：2024-11-11
Applicant: 河南科技大学
IPC: G06F30/27 , G06N3/006 , H02J3/38 , G06F113/04 , G06F113/06
Abstract: 本发明公开一种基于贝叶斯优化的分布式风电场控制系统的扩展优化方法，属于风力电场智能控制领域，该方法在分布式框架中，通过贝叶斯优化对各个风电涡旋机的黑盒目标函数进行建模，利用基于先验知识的采集函数，对所有风电涡旋机进行数据点采集，不同风电涡旋机之间通过强连接网络进行信息交互、协作优化，然后不断更新代理模型，调整优化策略，得到每个风电涡旋机各自目标函数的最优解，进而确定风电涡旋机最佳参数组合。通过实验表明，该方法能够更快的拟合黑盒目标函数，降低贝叶斯优化评估代价，提升风电场的发电效率，实现对风能的高效利用。
-
公开(公告)号：CN119648611A
公开(公告)日：2025-03-18
申请号：CN202411380815.7
申请日：2024-09-30
Applicant: 河南科技大学
IPC: G06T7/00 , G06N3/0455 , G06N3/08
Abstract: 本发明为一种基于多级对比视频表示学习的装配顺序异常检测方法，它包括了数据处理模块、视频表示学习模块和装配顺序异常检测模块三个模块，其中视频表示学习模块设计了多级视频对比模块，包括全局对比模块和逐帧对比模块，全局对比模块在视频级别上比较视频，以学习视频之间的整体相似性关系，逐帧对比模块在帧级别上对齐视频，以学习视频中的步骤顺序信息。装配顺序异常检测模块通过计算模型生成的多级视频表示之间的距离来检测实际装配顺序是否符合标准装配顺序，并在检测到异常时及时制止。
-
公开(公告)号：CN117892969A
公开(公告)日：2024-04-16
申请号：CN202410075997.0
申请日：2024-01-18
Applicant: 河南科技大学
IPC: G06Q10/0631 , G06Q10/10 , G06F18/20 , G06N3/092
Abstract: 本发明公开了一种基于深度强化学习的柔性车间作业动态调度方法，属于车间作业动态调度领域，该方法包括以作业总拖期时间最小化、作业最大完成时间最小化和平均机器利用率最大化为优化目标，得到多目标模型；利用析取图模型对动态作业车间调度问题进行抽象，得到调度状态；根据调度状态和多目标模型，以优化目标为高层智能体，以作业和机器为低层智能体，利用马尔可夫决策过程，得到作业调度模型；获取新作业集合，并根据新作业集合，利用作业调度模型，得到调度计划表，完成柔性车间作业动态调度。本发明解决了现有技术中依赖调度规则而缺乏泛化性的问题。
-
公开(公告)号：CN119439917A
公开(公告)日：2025-02-14
申请号：CN202411560578.2
申请日：2024-11-04
Applicant: 河南科技大学
IPC: G05B19/418 , G06N3/006
Abstract: 本发明提出了一种用于铸件热处理生产调度的改进灰狼优化算法。该方法结合了灰狼优化算法的群体智能和自然启发式特性，通过改进种群初始化策略、改进权重策略和非线性收敛因子，增强算法的全局搜索能力和局部开发能力。通过优化初始种群的多样性和权重参数，算法能够更有效地解决复杂的车间调度问题。采用优化算法的方法分析生产任务的调度规律，合理分配资源和时间，进而提高生产效率和产品质量。这种方法在提升铸件热处理车间调度的灵活性和鲁棒性方面具有重要意义，为实现智能化生产和节能减排提供了新的路径。
-
公开(公告)号：CN119323394A
公开(公告)日：2025-01-17
申请号：CN202411326821.4
申请日：2024-09-23
Applicant: 河南科技大学
IPC: G06Q10/0835 , G06Q10/047 , G06Q10/087 , G06F30/20 , G06F111/10
Abstract: 本发明为基于Unity3D的智能路径规划方法，它借助Unity3D对工作环境进行模拟，并将工作环境转化为二位网格地图，结合相应的路径算法对AGV进行引导和控制，确保AGV配送过程的稳定性和安全性；此外，本发明还提供了一种仓储管理系统，它使用上述的智能路径规划方法实现复杂仓储环境中AGV配送路线的规划，优化仓储物流环节中的资源分配，减少物料运输过程中的意外损失，提高物流服务的安全性和准确性，从而降低管理成本并持续提升整个生产系统的运转效率。
-
Patent Agency Ranking
公开(公告)号：CN118212462A
公开(公告)日：2024-06-18
申请号：CN202410370039.6
申请日：2024-03-28
Applicant: 河南科技大学
IPC: G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于多模态融合的病理图像分类方法及系统，涉及图像处理技术领域，方法包括将目标患者病理图像和病理报告输入训练后的病理图像分类模型，获取目标患者每一病变类别的概率值。其中病理图像分类模型的训练过程为，采用改进的ResNet深度残差神经网络对样本病理图像进行图像特征提取，改进的ResNet深度残差神经网络为将ResNet中的卷积操作替换为DWConv，并添加SENet模块。使用BERT模型对病理报告进行文本特征提取。通过双注意力机制，将图像特征和文本特征进行融合后进行训练。本发明通过引入注意力机制，将两个模态的特征进行融合后训练，使得病理图像分类模型的分类效率更高且更准确。
-
公开(公告)号：CN119809262A
公开(公告)日：2025-04-11
申请号：CN202411984521.5
申请日：2024-12-31
Applicant: 河南科技大学
IPC: G06Q10/0631 , G06N3/092 , G06N3/045 , G06Q50/04
Abstract: 本发明公开一种基于深度强化学习的柔性作业车间调度方法，属于智能制造与智能调度领域，首先以作业最大完成时间最小化和平均机器利用率最大化为优化目标，得到目标模型；之后利用析取图模型对柔性作业车间调度问题进行表示，得到调度状态；根据调度状态和目标模型，构建端到端学习框架，该框架结合用于深度特征提取的多重注意力网络和可扩展决策的决策网络，利用马尔可夫决策过程，得到作业调度模型；最后多重注意力网络利用操作、AGV和机器之间的复杂关系构建生产适应性操作‑AGV‑机器方案，以支持决策网络的决策，利用作业调度模型，得到调度计划表，完成柔性作业车间调度。本发明能够更好地捕获数据中复杂模式和关系，提高模型的性能和泛化能力。
-
公开(公告)号：CN119358029A
公开(公告)日：2025-01-24
申请号：CN202411765804.0
申请日：2024-12-03
Applicant: 河南科技大学
IPC: G06F21/62 , G06N3/042 , G06N3/0895 , G06N3/098 , G06F18/23
Abstract: 本发明涉及一种基于自适应多核聚类的对比纵向联邦图学习方法，包括以下步骤：S1：全局模型初始化：服务器初始化一个全局模型gG，并将其分发给所有K个客户端；S2：本地训练：每个客户端使用自己所持有的图数据，对图学习模型进行本地训练，生成模型更新；S3：参数上传：K个客户端将本地的图学习模型更新θk发送到服务器。S4：模型聚合：服务器将聚合后的模型更新θglobal发送回客户端，服务器通过加权平均聚合K个客户端的模型参数更新，以构建全局模型。本申请不仅能在隐私保护的纵向联邦环境中整合多源的图知识，而且基于对比学习机制，实现在无标签情况下训练模型。并且整合自适应的多核图聚类，提高模型的性能。
-
公开(公告)号：CN118315026A
公开(公告)日：2024-07-09
申请号：CN202410397130.7
申请日：2024-04-02
Applicant: 河南科技大学
IPC: G16H20/90 , G16H80/00 , G16H20/13 , G06F16/35 , G06F16/33 , G06F40/295 , G06F16/36 , G06N5/022 , G06N3/0464 , G06N3/0442 , G06N3/045
Abstract: 本发明公开一种基于深度学习和知识图谱的中医智能问答系统，涉及中医智能问答技术领域，包括：通过意图识别模块判断用户的咨询意图，进而判断是将关键实体名称输入至疾病分类模块中，在中医知识图谱中进行检索，得到疾病相关实体信息，并将其输入到处方推荐模块中，构造文本反馈结果返回至用户；还是进一步判断关键实体名称的类型和用户的具体咨询类别，据此构造Cypher查询语句，并在中医知识图谱中进行检索，得到文本查询结果，并将文本查询结果返回至用户。本发明利用知识图谱的形式对中医学知识进行组织和管理，并使用问答形式对中医知识图谱数据有效利用，对于人们搜索医学知识的方便性和准确性有着深远的影响。
-
公开(公告)号：CN117892969B
公开(公告)日：2024-10-29
申请号：CN202410075997.0
申请日：2024-01-18
Applicant: 河南科技大学
IPC: G06Q10/0631 , G06Q10/10 , G06F18/20 , G06N3/092
Abstract: 本发明公开了一种基于深度强化学习的柔性车间作业动态调度方法，属于车间作业动态调度领域，该方法包括以作业总拖期时间最小化、作业最大完成时间最小化和平均机器利用率最大化为优化目标，得到多目标模型；利用析取图模型对动态作业车间调度问题进行抽象，得到调度状态；根据调度状态和多目标模型，以优化目标为高层智能体，以作业和机器为低层智能体，利用马尔可夫决策过程，得到作业调度模型；获取新作业集合，并根据新作业集合，利用作业调度模型，得到调度计划表，完成柔性车间作业动态调度。本发明解决了现有技术中依赖调度规则而缺乏泛化性的问题。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.024 seconds)
