×
验证码:
换一张
忘记密码?
记住我
切换中国科技网通行证登录
×
切换中国科技网通行证登录
登录
中文版
|
English
中国科学院自动化研究所机构知识库
Knowledge Commons of Institute of Automation,CAS
登录
注册
ALL
ORCID
题名
作者
导师
学科领域
关键词
资助项目
文献类型
出处
会议名称
收录类别
出版者
发表日期
存缴日期
学科门类
学习讨论厅
图片搜索
粘贴图片网址
首页
研究单元&专题
作者
文献类型
知识图谱
新闻&公告
在结果中检索
研究单元&专题
多模态人工智能系统... [14]
中国科学院分子影像重... [1]
作者
乔红 [14]
周俊杰 [5]
熊方舟 [4]
刘智勇 [4]
钟汕林 [4]
杨旭 [3]
更多...
文献类型
期刊论文 [8]
专利 [4]
会议论文 [3]
发表日期
2022 [3]
2021 [1]
2020 [5]
2019 [3]
2016 [1]
2015 [1]
更多...
语种
英语 [8]
中文 [4]
出处
2015 Chine... [1]
COGNITIVE ... [1]
FRONTIERS ... [1]
IEEE Inter... [1]
IEEE Inter... [1]
IEEE TRANS... [1]
更多...
资助项目
National K... [3]
Strategic ... [3]
Key Progra... [2]
NSFC[61210... [2]
NSFC[61375... [2]
NSFC[61503... [2]
更多...
收录类别
SCI [8]
EI [1]
导师
资助机构
Strategic ... [3]
National K... [2]
Beijing Na... [1]
Dongguan c... [1]
Dongguan c... [1]
Key Progra... [1]
更多...
×
知识图谱
CASIA OpenIR
开始提交
已提交作品
待认领作品
已认领作品
未提交全文
收藏管理
QQ客服
官方微博
反馈留言
浏览/检索结果:
共15条,第1-10条
帮助
已选(
0
)
清除
条数/页:
5
10
15
20
25
30
35
40
45
50
55
60
65
70
75
80
85
90
95
100
排序方式:
请选择
期刊影响因子升序
期刊影响因子降序
发表日期升序
发表日期降序
提交时间升序
提交时间降序
作者升序
作者降序
WOS被引频次升序
WOS被引频次降序
题名升序
题名降序
基于神经元增益调制的机器人运动控制方法、系统、装置
专利
专利类型: 发明专利, 专利号: ZL202011589016.2, 申请日期: 2022-01-28,
发明人:
钟汕林
;
周俊杰
;
乔红
;
吴伟
Adobe PDF(1324Kb)
  |  
收藏
  |  
浏览/下载:227/44
  |  
提交时间:2022/06/14
基于神经元增益基元组合优化的机器人运动控制方法
专利
专利类型: 发明专利, 专利号: ZL202011591657.1, 申请日期: 2022-02-25,
发明人:
钟汕林
;
周俊杰
;
乔红
;
吴伟
Adobe PDF(1323Kb)
  |  
收藏
  |  
浏览/下载:315/71
  |  
提交时间:2022/06/14
基于速度精度权衡的肌肉骨骼系统控制方法、系统和装置
专利
专利类型: 发明专利, 专利号: ZL202011610884.4, 申请日期: 2022-02-25,
发明人:
周俊杰
;
钟汕林
;
乔红
;
吴伟
Adobe PDF(1327Kb)
  |  
收藏
  |  
浏览/下载:300/70
  |  
提交时间:2022/06/14
基于冗余肌肉骨骼系统的阶段式运动控制方法
专利
专利类型: 发明专利, 专利号: ZL201910807218.0, 申请日期: 2020-08-11,
发明人:
周俊杰
;
陈嘉浩
;
邓虎
;
乔红
Adobe PDF(1311Kb)
  |  
收藏
  |  
浏览/下载:227/48
  |  
提交时间:2022/06/14
Bioinspired Gain-Modulated Recurrent Neural Network for Controlling Musculoskeletal Robot
期刊论文
IEEE TRANSACTIONS ON NEURAL NETWORKS AND LEARNING SYSTEMS, 2021, 页码: 16
作者:
Zhong, Shanlin
;
Zhou, Junjie
;
Qiao, Hong
收藏
  |  
浏览/下载:249/0
  |  
提交时间:2022/01/27
Robots
Modulation
Robot kinematics
Neurons
Brain modeling
Recurrent neural networks
Encoding
Biologically inspired control
gain modulation
motor primitives
musculoskeletal robot
recurrent neural network (RNN)
State Primitive Learning to Overcome Catastrophic Forgetting in Robotics
期刊论文
COGNITIVE COMPUTATION, 2020, 页码: 9
作者:
Xiong, Fangzhou
;
Liu, Zhiyong
;
Huang, Kaizhu
;
Yang, Xu
;
Qiao, Hong
收藏
  |  
浏览/下载:213/0
  |  
提交时间:2021/01/06
Catastrophic forgetting
State primitives
Robotics
Continual learning
Multi-feature weighting neighborhood density clustering
期刊论文
NEURAL COMPUTING & APPLICATIONS, 2020, 卷号: 32, 期号: 13, 页码: 9545-9565
作者:
Xu, Shuliang
;
Feng, Lin
;
Liu, Shenglan
;
Zhou, Jian
;
Qiao, Hong
收藏
  |  
浏览/下载:182/0
  |  
提交时间:2020/08/03
Clustering analysis
Multi-feature
Neighborhood density
Rough set
Granular computing
WAGNN: A Weighted Aggregation Graph Neural Network for robot skill learning
期刊论文
ROBOTICS AND AUTONOMOUS SYSTEMS, 2020, 卷号: 130, 页码: 9
作者:
Zhang, Fengyi
;
Liu, Zhiyong
;
Xiong, Fangzhou
;
Su, Jianhua
;
Qiao, Hong
Adobe PDF(1550Kb)
  |  
收藏
  |  
浏览/下载:365/56
  |  
提交时间:2020/07/20
Skill transfer learning
Serial structures
Robot skill learning
Graph Neural Network
Encoding Primitives Generation Policy Learning for Robotic Arm to Overcome Catastrophic Forgetting in Sequential Multi-tasks Learning
期刊论文
Neural Networks, 2020, 期号: 2020.06.003, 页码: 12
作者:
Xiong, Fangzhou
;
Liu, Zhiyong
;
Huang, Kaizhu
;
Yang, Xu
;
Qiao, Hong
;
Amir Hussain
浏览
  |  
Adobe PDF(646Kb)
  |  
收藏
  |  
浏览/下载:351/14
  |  
提交时间:2020/06/09
Sequential multi-tasks learning, Continual learning, Catastrophic forgetting, Robotics
From Rough to Precise: Human-Inspired Phased Target Learning Framework for Redundant Musculoskeletal Systems
期刊论文
FRONTIERS IN NEUROROBOTICS, 2019, 卷号: 13, 期号: 61, 页码: 14
作者:
Zhou, Junjie
;
Chen, Jiahao
;
Deng, Hu
;
Qiao, Hong
Adobe PDF(3654Kb)
  |  
收藏
  |  
浏览/下载:380/46
  |  
提交时间:2019/12/16
musculoskeletal system
human-inspired motion learning
noise in nervous system
reinforcement learning
phased target learning