您的位置: 专家智库 > >

王圣杰

作品数:11 被引量:4H指数:1
供职机构:清华大学更多>>
相关领域:自动化与计算机技术经济管理更多>>

文献类型

  • 8篇专利
  • 2篇期刊文章
  • 1篇学位论文

领域

  • 6篇自动化与计算...
  • 1篇经济管理

主题

  • 3篇机器人
  • 3篇存储介质
  • 2篇点云
  • 2篇多形
  • 2篇移动信息
  • 2篇指尖
  • 2篇手掌
  • 2篇属性信息
  • 2篇抓捕
  • 2篇状态信息
  • 2篇准确率
  • 2篇灵巧手
  • 2篇可拆卸
  • 1篇点云数据
  • 1篇电子设备
  • 1篇序列数据
  • 1篇学习算法
  • 1篇语言模型
  • 1篇时序序列
  • 1篇视觉

机构

  • 11篇清华大学
  • 2篇北京控制工程...

作者

  • 11篇王圣杰
  • 10篇张涛
  • 2篇张楚
  • 1篇刘磊
  • 1篇刘磊

传媒

  • 2篇空间控制技术...

年份

  • 2篇2025
  • 3篇2024
  • 3篇2023
  • 1篇2021
  • 1篇2020
  • 1篇2011
11 条 记 录,以下是 1-10
排序方式:
一种对空间目标实施抓捕的方法、装置和存储介质
本申请公开了一种对空间目标实施抓捕的方法、装置和存储介质,具体为获取抓捕装置的初始状态信息,初始状态信息包括表示抓捕装置在初始动作状态下的环境状态信息和动作属性信息,将初始状态信息和抓捕装置所要接近的空间目标的位置信息输...
张涛李少朋王圣杰
文献传递
一种对空间目标实施抓捕的方法、装置和存储介质
本申请公开了一种对空间目标实施抓捕的方法、装置和存储介质,具体为获取抓捕装置的初始状态信息,初始状态信息包括表示抓捕装置在初始动作状态下的环境状态信息和动作属性信息,将初始状态信息和抓捕装置所要接近的空间目标的位置信息输...
张涛李少朋王圣杰
小样本学习综述被引量:3
2023年
深度学习方法在图像分类、目标检测、特征识别和故障诊断等领域取得了卓越成果.然而,在实际应用中诸多限制使得通常无法获取大量的样本数据.因此,近几年在小样本情况下进行学习的算法成为学术研究热点.本篇综述的目标是概述主流的小样本学习方法及其在典型应用场景中的效果.在具体的算法方面,总结了包括度量模型、记忆模型、参数更新模型和样本扩充模型等不同方法的优势和缺点.阐述了现有小样本学习方法在图像分类、目标检测、语义分割和故障诊断4个典型领域的应用情况.对小样本学习不同方法的局限性进行了讨论,并且从数据的低依赖性,算法的高效化和模型的鲁棒性3个角度分析了未来的小样本学习研究的趋势.
王圣杰王铎梁秋金金渝皓刘磊张涛
关键词:图像分类目标检测
多形态灵巧手
本发明公开了一种多形态灵巧手,属于机器人技术领域,包括手指和手掌;手指包括依次相连的手指根部基座、手指主体和指尖;手指主体具有四个自由度,用于驱动指尖动作;手掌包括手掌主体部和设置在手掌主体部上的多个第一快拆机构,每个第...
张涛张楚王圣杰 兰沣卜
基于视觉语言模型的机器人任务执行方法以及装置
本发明提供一种基于视觉语言模型的机器人任务执行方法以及装置,涉及人工智能领域。其中,基于视觉语言模型的机器人任务执行方法包括:获取第一目标区域附近的点云数据信息以及所述目标物体的点云数据信息;根据第一目标区域附近的点云数...
张涛 朱俊 杜子豪王圣杰 徐皓天 兰沣卜
双臂空间机器人视觉伺服协调控制方法及装置
本申请涉及一种双臂空间机器人视觉伺服协调控制方法及装置,其中,方法包括:建立双臂空间机器人的多个约束关系,根据多个约束关系和预设强化学习算法,构建双臂空间机器人的宏观运动决策模型;基于预设双臂协作任务场景,训练宏观运动决...
张涛刘磊王圣杰
多形态灵巧手
本发明公开了一种多形态灵巧手,属于机器人技术领域,包括手指和手掌;手指包括依次相连的手指根部基座、手指主体和指尖;手指主体具有四个自由度,用于驱动指尖动作;手掌包括手掌主体部和设置在手掌主体部上的多个第一快拆机构,每个第...
张涛张楚王圣杰兰沣卜
平面点云的平面参数提取方法、装置以及电子设备
本发明提供一种平面点云的平面参数提取方法、装置以及电子设备,涉及计算机技术领域。其中,平面点云的平面参数提取方法包括:获取待处理点云帧;利用球面坐标系,将待处理点云帧划分为多个分块点云集;根据每一个分块点云集的特征值,从...
张涛朱俊兰沣卜王圣杰
超市收银台的分类队列运营研究
超市作为一种主要的零售终端,其经营者在不断扩大经营规模的同时,也一直在努力提升购物者的购物体验。其中,收银台作为超市与购物者接触的最前沿之一,顾客在收银台前等待结账的过程极大的影响着整个购物过程的满意度。本文采用仿真模拟...
王圣杰
关键词:仿真模拟
文献传递
基于无监督学习的时序序列故障诊断方法研究被引量:1
2023年
随着信息技术和传感器技术的发展,基于数据驱动的故障诊断技术是保障大型工业设备高效、安全运行的关键技术之一.机器学习由于其具有强大的特征表示能力与基于大数据的特征提取优势,多种深度神经网络模型已成为故障诊断领域中最常用的特征提取方法之一.但监测设备收集到的数据中包括大量的无标签数据,基于监督学习的深度神经网络模型没有办法对其进行充分的利用,造成了部分有用信息的浪费.针对无标签数据,提出基于无监督学习的方法,利用最大化互信息的思想训练特征提取模型,在此基础上,设计一种针对时序序列数据的故障诊断方法,并在公开数据集凯斯西储大学轴承数据集上验证,取得了比以往传统方法更高的诊断精度.在卫星监测数据上进一步验证,提出的特征提取模型能够对故障不同阶段进行区分,很好地捕捉不同阶段的数据特性.结果表明,提出的基于无监督学习的故障诊断方法能够有效、充分地利用大量的无标签数据,提高时序序列数据的故障诊断精度.
梁秋金王铎王圣杰张涛
关键词:无监督学习故障诊断互信息
共2页<12>
聚类工具0