使用深度學習進行太空應用的多智能體運動計劃

Submitted by neurta on Mon, 10/19/2020 - 09:54
最新的運動計劃器無法擴展到大量系統。多個智能體的運動計劃是一個NP(不確定性多項式時間)難題,因此每次添加智能體時,計算時間都呈指數增長。這種計算需求是運動規劃器在涉及航天飛機群的未來NASA任務中應用的主要絆腳石。我們應用了深度神經網絡,將對計算有要求的數學運動計劃問題轉換為基于深度學習的數值問題。我們顯示了最佳的運動軌跡可以在多個具有多個代理的2D和3D系統中使用基于深度學習的數值模型來精確復制。

用于制備碳纖維預浸布的環氧樹脂組合物及其制備方法

Submitted by neurta on Tue, 05/26/2020 - 13:57
本發明公開了一種用于制備碳纖維預浸布的環氧樹脂組合物及其制備方法,其對A劑中的環氧樹脂A和硬化劑進行特別的限定,能夠配合加工工藝中特定的硬化溫度和硬化時間達到最優及最合適的硬化效果,避免硬化過快造型應力集中;同時在A劑中還加入了分散性能優異的增韌劑,增強了成型后預浸布的層間剪切強度;此外在B劑中還使用了促進劑,該促進劑的使用是為了控制組合物硬化過程的黏度,避免加工過程中樹脂因黏度過低而流失過快而無法吸附在纖維上的問題,同時也能夠避免因黏度過高造成的樹脂含浸量過高,使成型件能夠達到輕量化的要求。

基于自適應諧振理論的神經網絡中醫證候診斷系統

Submitted by neurta on Tue, 05/26/2020 - 12:00
本發明公開了一種基于自適應諧振理論的神經網絡中醫證候診斷系統,包括:中醫四診信息預處理模塊、證候辨證模塊、規則存儲模塊和可視化模塊。四個模塊相互作用,相互支持,中醫四診信息預處理模塊與證候判斷模塊連接,處理系統輸入矢量以指導證候判斷模塊動態建立,得到證候辨證規則;規則存儲模塊與中醫四診信息預處理模塊和證候辨證模塊建立雙向連接關系,為二者提供經驗規則,后兩者讀取并修改經驗規則;可視化模塊與中醫四診信息預處理模塊和證候辨證模塊連接,對中醫四診信息及診斷規則進行可視化操作。本發明可快速的對新病例樣本進行增量匹配學習,并應用改進的辨證模型SWART2提高正確率和系統的適應性,引入可視化工具,提高系統的人性化和交互性。

機器學習在湍流模型構建中的應用進展

Submitted by neurta on Fri, 05/22/2020 - 10:36
借助于高性能計算機和數據共享平臺的發展,研究者可以獲取大量的高分辨率湍流計算數據。近年來,隨著深度神經網絡等人工智能技術的發展,數據驅動的機器學習方法也開始應用于湍流模型中不確定度的量化以及模型的改進和構建中。湍流大數據與人工智能相結合是湍流研究的一個新領域。研究者在取得一定成果的同時也面臨著諸多困難和挑戰,例如模型的泛化能力和魯棒性等。模型構建過程包含了數據處理、特征選擇以及模型框架的選取與優化等諸多方面,這些方面在不同程度上影響模型的性能。本文從機器學習在湍流建模過程中的實現方法和模型的不同作用兩方面分析總結了目前主要的研究工作進展,并對這類問題面臨的挑戰和未來的研究展望進行了闡述。

一種基于大數據的工業機器人預測性狀態監控方法

Submitted by neurta on Fri, 05/22/2020 - 10:16
本發明公布了一種基于大數據的工業機器人預測性狀態監控方法,通過采用工業機器人程序中機器人位置在時間上變化的序列為周期性索引,記錄各監控變量的每個時間周期內的變化,找到正常工作狀態下機器人運動軌跡上的每一個點的各監控變量的最大值和最小值作為參考值區間,再對機器人運動軌跡上的當前監控變量相對于參考值區間的變化進行監測,得到工業機器人監控變量的預測性狀態;監控變量包括但不限于工業機器人各電機扭矩、電流、跟隨誤差參數。本發明方法有效性高,監控精度高,可廣泛推廣應用。

k-means+python︱scikit-learn中的KMeans聚類實現( + MiniBatchKMeans)

Submitted by neurta on Tue, 04/21/2020 - 09:05
之前一直用R,現在開始學python之后就來嘗試用Python來實現Kmeans。 之前用R來實現kmeans的博客:筆記︱多種常見聚類模型以及分群質量評估(聚類注意事項、使用技巧) 聚類分析在客戶細分中極為重要。有三類比較常見的聚類模型,K-mean聚類、層次(系統)聚類、最大期望EM算法。在聚類模型建立過程中,一個比較關鍵的問題是如何評價聚類結果如何,會用一些指標來評價。 . 文章目錄 @[toc] 一、scikit-learn中的Kmeans介紹 1、相關理論 2、主函數KMeans 3、簡單案例一 4、案例二 5、案例四——Kmeans的后續分析 二、大數據量下的Mini-Batch-KMeans算法 主函數 : 三、sklearn中的cluster進行kmeans聚類 四、分類變量聚類方法的K-modes與K-prototype 延伸一:數據如何做標準化 延伸二:Kmeans可視化案例 延伸三:模型保存 延伸四:HDBSCAN與Kmeans的聚類的一些紀要

發明名稱 --- 基于深度學習卷積神經網絡的LIBS多成分定量反演方法

Submitted by neurta on Thu, 04/02/2020 - 11:00
本發明公開了一種基于深度學習卷積神經網絡的LIBS多成分定量反演方法,適用于激光光譜分析領域。本方法利用卷積神經網絡算法在圖像特征識別方面的獨特優勢,將其應用于LIBS光譜定量反演。由本發明所設計的卷積神經網絡構建方案,能夠對樣品的LIBS譜線形態進行特征提取和深度學習,利用已知樣品的LIBS光譜對卷積神經網絡進行訓練后,該網絡可同時對未知樣品的多種化學成分含量進行分析預測。本發明具有操作簡捷、訓練高效、準確度高、魯棒性好的優點,適用于定量分析LIBS光譜,尤其適用于分析譜線形態復雜度較高、干擾噪聲較大的LIBS光譜。

一種利用深度語義分割技術的圖像壓縮方法

Submitted by neurta on Thu, 03/26/2020 - 12:55
本發明涉及圖像壓縮技術領域,具體提供了一種利用深度語義分割技術的圖像壓縮方法。與現有技術相比,本發明的利用深度語義分割技術的圖像壓縮方法,主要分為編碼過程和解碼過程;在編碼過程中利用GAN網絡進行訓練,輸出生成模型和判別模型;在解碼過程中語義分割圖利用解壓工具進行解壓,還原成原語義分割圖;將原語義分割圖作為輸入,放入到之前生成的生成模型和判別模型中,產出生成一個仿原輸入圖像的近似圖像。該方法可以大大提升圖像壓縮的速度、壓縮率,并可以使壓縮后圖像降低失真率,優化壓縮流程,具有良好的推廣價值。

COVID-19相關蛋白結構的計算預測【轉】

Submitted by neurta on Fri, 03/06/2020 - 10:00
值得注意的是,我們的結構預測系統仍在開發中,我們無法確定我們提供的結構的準確性,盡管我們相信該系統比我們早期的CASP13系統更精確。我們證實,我們的系統為實驗測定的SARS-CoV-2蛋白數據庫中共享的峰蛋白結構提供了準確的預測,這使我們相信我們對其他蛋白的模型預測可能是有用的。我們最近與英國Francis Crick研究所的幾位同事分享了我們的研究結果,其中包括結構生物學家和病毒學家,他們鼓勵我們現在就向一般科學界發布我們的結構。我們的模型包括每殘基的置信分數,以幫助指出結構的哪些部分更可能是正確的。我們只提供了缺乏合適模板或模板建模困難的蛋白質的預測。雖然這些未被研究的蛋白質不是目前治療工作的主要焦點,但它們可能會增加研究人員對SARS-CoV-2的了解。

Comsenz 核心產品 Discuz! X3.4 正式版

Submitted by neurta on Sun, 03/01/2020 - 14:54
產品介紹 Discuz! X3.4 在繼承和完善 Discuz! X3.3 的基礎上,去除了云平臺的相關代碼,其他功能保持不變,如果您的論壇不需要云平臺可以選擇安裝或更新到此版本。X3.4將不定期的在官方 Git 中更新,欲追求更新版本的站長歡迎關注。 官方 Git 地址:https://gitee.com/ComsenzDiscuz/DiscuzX 更新日志 點此查看 下載地址 X3.4 從 2018 年 1 月 1 日起只在官方 Git 發布 說明: 全新安裝:請參照以往版本的安裝過程進行,上傳程序,并執行 http://你的域名/論壇/install/ 升級: Discuz! 程序 X3.2、X3.3 1)備份數據庫 2)建立文件夾 old,舊程序除了 data , config, uc_client, uc_server 目錄以外的程序移動進入 old 目錄中 3)上傳 X3.4 程序(壓縮包中 upload 目錄中的文件), 如上傳時候提示覆蓋目錄,請選擇“是” 4)如果您不再需要云平臺相關插件,請上傳安裝包 utility 目錄中的 clearcloud.php 到論壇 install 目錄,執行后將會把云平臺相關應用進行降級操作 升級完畢,進入后臺,更新緩存,并測試功能 X3.4 其中的QQ互聯功能已升級為允許使用QQ互聯官方的 appid,新站點必須到 http://connect.qq.com/ 申請,升級上來的站點不受影響 友情提示: Discuz! X3.2、X3.3 已停止更新,欲升級的站點請升級到 X3.4 X3.4 漏洞和相關修補同樣適用于 X3.2、X3.3 版本,請注意更新
冯仰妍破处门