一种能用于复杂环境的机器人自适应局部动态避障方法

    公开(公告)号:CN116483074A

    公开(公告)日:2023-07-25

    申请号:CN202310336967.6

    申请日:2023-03-31

    Applicant: 重庆大学

    Abstract: 本发明公开了一种能用于复杂环境的机器人自适应局部动态避障方法,包含两阶段的优化:优化算法的评价函数,限制机器人导航过程中存在的角加速度跳变的问题,避免对机器人电机产生突变大负载;引入模糊控制模块,基于机器人搭载的传感器采集到的空间数据对环境障碍物分布进行分析,利用障碍物分布特性以及机器人姿态作为控制器输入对评价函数结构进行实时优化,最终能得到一种能用于复杂环境的机器人自适应局部动态避障方法。

    一种基于BERT-BiLSTM-CRF的医药实体识别方法

    公开(公告)号:CN116501884A

    公开(公告)日:2023-07-28

    申请号:CN202310337357.8

    申请日:2023-03-31

    Applicant: 重庆大学

    Abstract: 本发明公开了一种基于BERT‑BiLSTM‑CRF的医药实体识别方法,构建知识图谱的主要目标是将具有复杂关系网络的非结构化数据转换为易于存储和查询的结构化三元组数据,而知识抽取是这一过程中最重要的任务之一,它包括实体识别和关系抽取。本发明基于在命名实体识别中的成功应用的BiLSTM‑CRF模型,并结合BERT预训练模型,进一步提高模型的语义解析能力,能更好地抓取词语特征、增加句子的语义化,从而提高医药实体的准确性和语义丰富度。本发明改善了原模型在embedding层仅依靠简单方式训练的词向量的表现。借助BERT模型的强大的特征抽取能力,在医药信息处理任务中,由于医药信息结构复杂且相关性强,通过引入BERT能够更准确、丰富地表达医药信息的相关特征。

    基于CLA-BLSA模型的短时交通流预测方法

    公开(公告)号:CN116453335A

    公开(公告)日:2023-07-18

    申请号:CN202310337303.1

    申请日:2023-03-31

    Applicant: 重庆大学

    Abstract: 本发明公开了基于CLA‑BLSA模型的短时交通流预测方法,本方法提出了一种融合了Conv‑LSTM、Bi‑LSTM和注意力机制的CLA‑BLSA模型,充分挖掘交通流的时空特性和复杂非线性特征,提升交通流预测的精度。该模型包含时空特征提取模块、交通流量日期性特征提取模块和交通流量周期性特征提取模块三个模块。CLA模块是带有注意力机制的Conv‑LSTM模块,该模块用于提取交通流的时空特征。设计两个BLSA模块用于捕获交通流每日和每周的周期变化特性,BLSA模块由基于自注意力机制的Bi‑LSTM模块构成。最后采用Lookahead优化算法通过指定内部循环优化器,更新快速权重、慢速权重的方式对模型进行优化。本发明通过引入注意力机制的Conv‑LSTM模块捕获交通流的时空特性,与其他现有的预测方法对比,本发明具有更优越的预测性能。

Patent Agency Ranking