|
搜索
搜 索
高等教育领域数字化综合服务平台
移动机器人的多脉冲神经网络控制器导航控制方法
本发明公布了一种移动机器人的多脉冲神经网络控制器导航控制方法，属于移动机器人目标点趋近自主导航控制器所属领域，用于移动机器人的导航控制。其技术方案是：本发明包括目标点趋近控制器、沿墙行走控制器、避障行为控制器，控制器中采用了脉冲神经网络，在神经网络中同时融入时空信息。本方法在不同条件下设定各控制器权值，并根据不同控制器的权值顺序作为控制器激活与否的判别顺序，通过控制器激活及转换条件的使用,实现各控制器之间的相互转换。本发明通过神经网络的在线训练，实现机器人的在线自主学习，与先前的基于模块化的控制器相比，控制策略简便易行，通过各控制器之间的转换，更加有效、高精度地控制移动机器人实现目标点趋近导航控制任务。
河北师范大学
2021-04-27
一种基于神经网络的反演大气可降水量的MODIS模型改进方法
本发明公开了一种基于神经网络的反演大气可降水量的MODIS模型改进方法，包括以下步骤：S1：利用MODIS三通道比值法反演大气可降水量PWV，记为PWVMODIS；S2：利用BP神经网络建立测站处的纬度φ、测站处的高程h、年积日doy、PWVMODIS与测站GPS/MODIS反演的PWV残差RES之间的非线性关系；S3：对BP神经网络模型进行训练；S4：将φ、h、doy以及PWVMODIS作为输入参数代入BP神经网络模型，并计算出GPS测站处PWV残差RESBP；S5：利用RESBP补偿PWVMODIS，获得大气可降水量PWV＝PWVMODIS+RESBP。本发明有效提高了建模精度。
东南大学
2021-04-11
一种基于果蝇算法优化广义回归神经网络算法的茶叶储存时间分类方法
项目成果/简介:本发明涉及一种基于果蝇算法优化广义回归神经网络算法的茶叶储存时间分类方法,旨在通过改进的广义回归神经网络解决茶叶储存时间分类问题,属于茶叶储存时间分类领域.其原理利用电子鼻传感器模拟人感官品评的功能和特征,采集不同时间不同传感器的特征值,构建样本集.利用果蝇算法优化广义回归神经网络,获得广义神经网络的平滑因子,进而构建毛峰茶叶储存时间的FOAGRNN分类模型和方法.本发明的有益效果在于将果蝇算法优化广义回归神经网络算法应用于毛峰茶叶数据中,提高预测毛峰茶叶储存时间分类的效率和准确度,为消费者提供茶叶储存时间分类的有效方法.
安徽农业大学
2021-04-10
一种基于果蝇算法优化广义回归神经网络算法的茶叶储存时间分类方法
本发明涉及一种基于果蝇算法优化广义回归神经网络算法的茶叶储存时间分类方法,旨在通过改进的广义回归神经网络解决茶叶储存时间分类问题,属于茶叶储存时间分类领域.其原理利用电子鼻传感器模拟人感官品评的功能和特征,采集不同时间不同传感器的特征值,构建样本集.利用果蝇算法优化广义回归神经网络,获得广义神经网络的平滑因子,进而构建毛峰茶叶储存时间的FOAGRNN分类模型和方法.本发明的有益效果在于将果蝇算法优化广义回归神经网络算法应用于毛峰茶叶数据中,提高预测毛峰茶叶储存时间分类的效率和准确度,为消费者提供茶叶储存时间分类的有效方法.
安徽农业大学
2021-04-29
一种基于全卷积网络的多方向文本检测方法
本发明公开了一种基于全卷积网络的多方向文本检测方法，首先获取训练数据集中的文本块，并训练全卷积网络模型；然后利用训练好的全卷积网络模型对测试数据集中的图片进行检测，获取文本块；然后提取文本块的字符成分，并根据字符成分的位置信息估算图像中的候选文本条位置；最后训练针对文本条中字符成分的全卷积网络模型，利用训练好的模型对候选文本条进行检测，获取其中的字符成分，根据字符成分过滤掉不需要的文本条，得到图像中文本条的位置。本发明方法文本检测方法检测率高，且能够克服光照、遮挡、模糊等不利因素的影响。
华中科技大学
2021-04-11
一种基于RBF神经网络预测控制的双进双出球磨机控制系统及控制方法
本发明公开了一种基于RBF神经网络预测控制的双进双出球磨机控制系统及控制方法，控制系统包括基于RBF神经网络模型的预测控制器、控制量初始化模块以及被控对象，被控对象为双进双出球磨机模型，其输出连续被控量经离散化后生成的离散被控量和被控量当前设定值输入控制量初始化模块和预测控制器，控制量初始化模块输出控制量初始值输入给预测控制器，预测控制器输出离散控制向量经零阶保持器转换为连续控制量输出给双进双出球磨机模型。控制方法采用RBF神经网络正向模型和RBF神经网络逆向模型实现对被控对象的预测控制。本发明可以对系统进行提前控制和调节，适用于大滞后系统的控制，被控量响应快、超调量小，同时具有良好的鲁棒性。
东南大学
2021-04-11
北京神经猿网络科技有限公司
北京神经猿网络科技有限公司
2022-05-24
一种烟道飞灰等速取样器及基于BP神经网络的烟道飞灰等速取样系统和控制方法 （专利号：ZL 20151
简介：本发明公开了一种烟道飞灰等速取样器及基于BP神经网络的烟道飞灰等速取样系统和控制方法，属于烟道飞灰检测领域。烟道飞灰等速取样器，包括取样嘴、取样管、旋风分离器和取样瓶，还包括引射管、调节嘴和排气管，一种基于BP神经网络实现烟道飞灰等速取样系统，包括取样器、PLC控制器、执行器、压力传感器和BP神经网络模块；一种基于BP神经网络的烟道飞灰等速取样系统的控制方法基于BP神经网络实现烟道飞灰等速取样，使用了大量实时测得的数据来预测接近实际的烟道静压，解决了等速采样的滞后性问题，提高取样的准确性，具有计算误差小，数据处理能力强，设计成本低的优点。
安徽工业大学
2021-04-11
基于细胞类型解卷积的癌症诊断芯片及设备
在临床和科研中，识别细胞类型是癌症诊断、血液分析等的重要内容，项目拟开发一套基于细胞类型解卷积算法，并与基因芯片结合，建成细胞类型分析设备。 在血细胞检测、免疫力评估、癌症诊断、干细胞移植、肿瘤微环境分析等临床应用中，必然要判断样本中的细胞类型和丰度。目前，临床使用的方法(染色、流式细胞等)存在：细胞类型判断不准、过分依赖抗体、流程复杂等缺陷。单细胞转录组测序(如Drop-Seq、10X genomics等)由于细胞泄露等原因，检测基因不全，导致对细胞类型的判断有误，且需要新鲜样本，实验较复杂，后续分析复杂。 因此，在临床和科研中，亟需一种能快速、简洁、准确地分析样本中所有细胞类型及其丰度的方法和设备。项目将开发一种基于解卷积的细胞类型识别算法，并和基因芯片技术结合，集成为细胞类型分析设备。只通过一组基因的表达水平，判定样本中所有细胞类型及其丰度；且可根据组织类型定制芯片，扩展应用。该设备可用于临床和科研中关于血液疾病、癌症、免疫分析等，成本低、操作简单、准确性好。
东南大学
2021-04-13
基于超像素样本扩充的空谱全卷积高光谱图像分类方法
本成果提出的基于超像素样本扩充的空谱全卷积高光谱图像分类方法有效的利用高光谱图像的超像素分割结果指导伪样本扩充增加了训练集样本数量，解决了高光谱图像有标记样本的稀缺问题，同时空谱的全卷积分类网络也充分利用了多尺度的空间特征和光谱特征实现了较高的分类精度。
成果非涉密，专利申请已经提交。
实验采用反射光学系统成像光谱仪（ROSIS）传感器获取意大利北部帕维亚大学（Pavia University）的高光谱图像数据。该数据集由 103 个光谱带组成，共 610×340 像素，光谱覆盖范围从 430nm 到 860nm，空间分辨率为 1.3m。该数据集一共含有 9 个类别的 42776个有标记样本，选取每类 30 个有标记样本作为训练集，其余作为测试集。
由下表可以看出，在每类选取 30 个样本的情况下，本 模 型 的 OA，AA，Kappa系 数 比 DFFN 模 型 高 出20.8%，17.4% 和 26.5%；比CNN 高 出 23.1%，18.8% 和29.2%。并且下表证明了使用了伪标签样本扩充的空谱全卷积网络的本方法在小样本情况下每个类的分类准确性均优于 DFFN 和 CNN，达到了较好的分类效果。
表 1 PaviaU 数据集上对比实验结果
西安电子科技大学
2023-03-03