专利交易市场

本发明公开了基于层次随机游走采样策略的嵌入向量表示方法及系统，该方法包括：设置网络结构节点参数并在网络结构中随机选取节点，得到起始节点；对起始节点进行邻域划分处理，得到节点层；根据节点选取规则，对节点层进行随机游走处理，获取节点游走序列；对所获取的节点游走序列输入至word2vec模型中进行向量化表征训练，得到所有游走节点对应的网络嵌入向量表征。该系统包括：选取模块、划分模块、游走模块和训练模块。通过使用本发明，能够充分考虑近邻节点信息进而通过基于层次优先的随机游走采样实现网络嵌入向量表征学习。本发明作为基于层次随机游走采样策略的嵌入向量表示方法及系统，可广泛应用于计算机数据挖掘技术领域。

本发明公开了一种基于人工神经网络的罗兰天地波时延估计方法，具体包括设计人工神经网络结构，采集样本并进行预处理，采用预处理后的样本对人工神经网络进行训练，得到训练完成的人工神经网络，将待估计时延的罗兰天地波信号代入训练好的人工神经网络即可输出得到其罗兰天地波时延。本发明估计罗兰天地波时延不仅精度较高，尤其在低信噪比环境中也可以正常使用。

本发明公开了一种基于极限学习机的负载识别方法、系统、装置及存储介质，方法包括：构建机器人的刚柔耦合动力学模型，并根据刚柔耦合动力学模型确定机器人的第一参数组和第二参数组；根据第一参数组获取机器人的第一监测参数，并根据第一监测参数确定训练样本集；构建极限学习机模型，输入层根据第一参数组确定，输出层根据第二参数组确定；将训练样本集输入到极限学习机模型中进行训练，得到训练好的负载识别模型，进而根据负载识别模型对机器人的负载进行识别。本发明通过刚柔耦合动力学模型以及极限学习机模型训练得到负载识别模型，增强了负载识别模型的可移植性，提高了负载识别的准确性和实时性。本发明可广泛应用于机器人控制技术领域。