摘要
本发明提供一种基于神经势场模型结合物理约束的体系仿真建模方法,属于体系仿真技术领域。基于深度神经网络结合势场方法构建结构化神经势场模型,包括:通过位置编码技术将查询点的时空坐标的低维输入坐标映射到高维特征空间,获得查询点的坐标编码向量;对查询点的坐标编码向量进行局部特征提取生成查询点的局部特征,进一步进行全局信息聚合获得深度融合特征;将深度融合特征映射为表征待仿真体系不同属性的基础潜能编码;拼接不同属性的基础潜能编码获得结构化潜能编码;利用训练后的结构化神经势场模型接收待仿真体系数据,输出待仿真体系的结构化潜能编码实现体系仿真。采用单一且连续的参数化函数表征体系内要素提高体系仿真的保真度。
技术关键词
信息最大化生成对抗网络
体系仿真
编码向量
位置编码技术
融合特征
强化学习框架
局部特征提取
坐标
势场方法
多层感知机
建模方法
机器人搬运车
深度神经网络
六轴工业机器人
物理
多头注意力机制
矩阵
模块
基础
系统为您推荐了相关专利信息
物品识别方法
注意力机制
生成多尺度
轻量级神经网络
多尺度特征
多尺度特征融合
商品属性信息
广告点击率预测
兴趣特征向量
交互模型
商标识别方法
融合特征
非易失性存储介质
特征金字塔网络
级联卷积神经网络