“冯绮颖”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果4个，建议您升级VIP下载更多相关专利

[发明专利]全状态约束和执行器故障的飞行器模型智能控制方法-CN202310843569.3在审
发明人：苏晓航;刘鹏;赖冠宇;冯绮颖 -专利权人：广东工业大学
申请日： 2023-07-11 - 公布日： 2023-10-13 - 主分类号： G05B13/04 文献下载
摘要：本发明属于飞行器的智能控制技术领域，公开了一种针对状态受限和执行器故障的飞行器智能控制方法及系统，基于模糊逻辑系统，构建失效数学模型；采用反步递归方法构造系列障碍李雅普诺夫函数，设计控制器；建立模糊紧凑集U，计算权重向量范数的平方，进而实现针对状态受限和执行器故障的飞行器智能控制。本发明通过设计控制器成功解决了不确定的常数项，且非线性系统的执行器故障得到了补偿，防止了控制系统稳定性发生变化。本发明通过模糊逻辑技术使得系统的普适性更强，模糊紧凑集U无需任何专业先验知识即可通过设置约束来确定，这对工程应用调试有很大帮助。本发明采用状态系数的最大值和最小值进行反步递归设计，减少了参数估计的数量。
状态约束执行故障飞行器模型智能控制方法

[发明专利]一种具有深度结构的增量堆叠式宽度学习系统-CN202011519673.X有效
发明人：陈俊龙;刘竹琳;贾雪;叶汉云;冯绮颖;张通 -专利权人：华南理工大学
申请日： 2020-12-21 - 公布日： 2022-04-22 - 主分类号： G06N3/08 文献下载
摘要：本发明提供了一种具有深度结构的增量堆叠式宽度学习系统，其特征在于：包括n个宽度学习系统模块；n个宽度学习系统模块通过残差连接堆叠起来；第i‑1个宽度学习系统模块的输出将作为第i个宽度学习系统模块的输入，且第i个宽度学习系统模块的期望输出为第1,…,i‑1个宽度学习系统模块的残差，i≤n；系统的最终输出为n个宽度学习系统模块的输出总和。该系统保留了宽度学习系统高效、快速的优点，同时通过残差连接堆叠多个宽度学习系统模块，从而增加网络的深度，使网络具有强大的学习能力。
一种具有深度结构增量堆叠宽度学习系统

[发明专利]一种基于卷积宽度网络的人脸检测和识别方法-CN202111610869.4在审
发明人：陈俊龙;郭继凤;冯绮颖;刘竹琳;张通 -专利权人：华南理工大学
申请日： 2021-12-27 - 公布日： 2022-04-19 - 主分类号： G06V40/16 文献下载
摘要：本发明公开了一种基于卷积宽度网络的人脸检测和识别方法，包括以下步骤：S1、使用摄像头采集视频并按一定频率截取视频帧；S2、使用深度网络MTCNN对视频帧进行人脸检测；S3、将检测到的人脸区域输入到卷积宽度人脸识别网络，并输出最终通用的人脸特征；S4、将获得的人脸特征与现有人员库中的人员特征进行对比，并根据阈值输出人脸识别结果。本发明将深度学习与宽度学习相结合，并用于人脸检测识别，解决了现有方法中参数量大，资源消耗大，训练时间长的问题，能够满足部署中实时性的要求。
一种基于卷积宽度网络检测识别方法

[发明专利]一种通用的深宽网络结合框架的构建方法-CN202111612510.0在审
发明人： 冯绮颖;郭继凤;陈俊龙;刘竹琳;张通 -专利权人：华南理工大学
申请日： 2021-12-27 - 公布日： 2022-04-19 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种通用的深宽网络结合框架的构建方法，包括以下步骤：S1、初始化宽度学习参数，包括映射特征组个数、组内特征个数以及增强节点个数；S2、由输入数据，使用具有随机值的深度网络或其组件初始化宽度学习中的映射特征节点组；S3、由得到的映射特征使用深度网络或其组件构建增强特征节点组；S4、将两组提取的特征合并，共同连接到最终输出层；S5、使用优化算法对深宽网络参数进行优化，包括最后一层连接权重和特征层中深度网络的参数，直到达到停止条件。本发明将深度学习或其组件提取特征的能力融合到宽度学习中，实现深宽结合的模型，有效解决了深度学习中参数量大，时间消耗长的问题。
一种通用网络结合框架构建方法