-
公开(公告)号：CN117828531A
公开(公告)日：2024-04-05
申请号：CN202410013083.1
申请日：2024-01-04
Applicant: 河南科技大学
IPC: G06F18/25 , G06F18/213 , G06F18/241 , G06N20/00 , G06F18/214 , G06N3/0464 , G01M13/045
Abstract: 一种基于多传感器多尺度特征融合的轴承故障诊断方法，采集电流信号与振动信号制作数据集，对数据集样本增强后分为训练集、验证集和测试集；搭建多尺度特征融合的网络模型，将训练集中的信号数据经过快速傅里叶变换转化，提取特征后引入注意力机制调整权重，将融合特征使用自校正卷积与空洞卷积交替处理，后经过池化、特征展平与全连接，最后通过分类器输出故障的分类结果；将验证集输入模型微调模型的参数；最后使用测试集进行测试，输出结果。通过振动信号、电流信号等多源数据作为输入，利用神经网络善于发掘训练样本中隐含规律的特性，致力于提取多源数据的多尺度特征，并将其多尺度特征进行融合，完成轴承的智能故障诊断过程。
-
公开(公告)号：CN117789098A
公开(公告)日：2024-03-29
申请号：CN202410059522.2
申请日：2024-01-15
Applicant: 河南科技大学
Abstract: 本发明提供一种基于的深度学习的抛料具自动定位追踪系统及方法，包括高清像素摄像头，采集农业收割场景的实时监控视频，并将该实时监控视频传送至数据处理模块；数据处理模块，采集、处理初始数据，将初始数据放入深度网络模块训练至收敛并将参数信息存储在服务器，对实时监控视频流转化为图像信息并传输到服务器；深度网络模块，利用深度学习算法对处理后的实时监控视频进行分析和推理，对谷物车和谷堆的实时识别与定位；抛料具位姿调节模块，根据深度网络模块对谷物车识产生的位置数据和当前抛料具位姿融合判断对抛料具位姿调节。本发明能够实现对农业收割场景中抛料具的快速、准确定位和追踪，提高收割效率，减少损失。
-
公开(公告)号：CN114627136B
公开(公告)日：2024-02-27
申请号：CN202210106423.6
申请日：2022-01-28
Applicant: 河南科技大学
IPC: G06T7/11 , G06T7/33 , G06T5/50 , G06N3/0499 , G06N3/08 , G06V20/70 , G06V10/764 , G06V10/82
Abstract: 本发明提供一种基于特征金字塔网络的舌象分割与对齐方法，本发明通过构建特征金字塔，将网络的低层的细节特征和高层的语义特征进行多尺度的融合，利用目标检测网络先截取舌体区域，接着进一步为每个特征图生成掩膜，完成舌象的分割；将分割后的舌象进一步处理，通过共形映射实现舌象的对齐，为畸形医学图像处理和诊断提供了一种高效、准确的方法，对舌诊的客观化发展也具有一定的意义。
-
公开(公告)号：CN117455720A
公开(公告)日：2024-01-26
申请号：CN202311603161.5
申请日：2023-11-28
Applicant: 河南科技大学
Abstract: 一种基于多智能体的微电网社区的电力能源交易方法，包含以下步骤：S1、在产消者家庭中配备产消者智能体；在微电网社区配备电网智能体；S2、分别建立产消者家庭和微电网社区的MDP模型；S3、产消者智能体将状态动作信息与电网智能体共享；S4、电网智能体确定内部交易价格，开始进行社区内部的交易；S5、产消者家庭根据电网智能体确定的内部交易价格以及自己的需求量来确定在内部交易市场中电力能源的交易量；S6、电网智能体通过观测的状态 和确定的动作 ，确定出在社区内部市场的交易量和与外部公共电网的交易量；本发明通过动态确定电力交易价格来优化调节产消者管理自己的分布式能源，从而达到社区内的电力交易的平衡。
-
公开(公告)号：CN117238426A
公开(公告)日：2023-12-15
申请号：CN202311193300.1
申请日：2023-09-15
Applicant: 河南科技大学
IPC: G16H10/60 , G06F40/103 , G06F16/35 , G06F16/338 , G06F18/214 , G06F18/24
Abstract: 本发明提供基于监督LDA主题模型的中医病机智能识别装置，涉及人工智能技术领域，所述装置中包含基础模块、文本数据采集模块、文本数据处理模块、主题模型训练模块、病机分类识别模块和输出显示模块。其中，在主题模型训练模块中应用LDA监督学习的训练方法，得到适用于中医病机分析的LDA主题模型，用于解决智能辨证算法无法融合领域知识的问题，最终得到适用于中医临床环境下的病机分析方法及装置。
-
Patent Agency Ranking
公开(公告)号：CN116992974A
公开(公告)日：2023-11-03
申请号：CN202310598547.5
申请日：2023-05-19
Applicant: 河南科技大学
IPC: G06N20/00
Abstract: 本发明提出了一种基于零阶自适应的联邦学习算法，通过用函数值对梯度进行估计来近似梯度的零阶优化算法，并与自适应算法进行了结合，既解决了在一些复杂场景如联邦黑盒攻击、联邦超参调优等梯度信息不可用的问题，还实现了自适应能力。对来自黑盒神经网络的对抗性方面具有优越性能，而且对需要最快的失真强度的黑盒对抗性攻击具有最快的经验收敛速度，具有广泛的应用前景。本发明的框架结构简单、算法高效，具有严谨的理论保证与实验验证，能够在复杂的实际环境中表现良好。
-
公开(公告)号：CN116680412A
公开(公告)日：2023-09-01
申请号：CN202310690324.1
申请日：2023-06-12
Applicant: 河南科技大学
IPC: G06F16/36 , G06F40/295 , G06F18/25 , G06F18/214 , G16H20/90 , G06N3/0464 , G06N3/08
Abstract: 一种基于知识图谱的中医处方推荐方法，应用了知识图嵌入模型、多头注意力机制、图卷积等将图谱特征与推荐系统相结合，综合考虑患者情况，进行中医处方推荐，以中医医案描述文本为研究对象，融合中医知识图谱信息，吸取名老中医的临床对症下药经验，充分综合考虑药性、功效、病情和患者的体质等多个个性化因素，在于依据中医的整体论原则及辨证论治的思想，根据患者的不同症状和病情归纳证候选择不同的药材组合，提出融合知识图谱的中医处方推荐方法，考虑个人体征及症状和药物之间的复杂关系，结合每个处方具体分析局部规律，为医生和患者推荐更可靠的处方药材，为中医临床诊疗提供辅助决策支持。
-
公开(公告)号：CN112069416B
公开(公告)日：2022-09-02
申请号：CN202010847650.5
申请日：2020-08-21
Applicant: 河南科技大学
IPC: G06F16/9536
Abstract: 本发明公开了一种基于社区发现的跨社交网络用户身份识别方法，首先分别从两个社交网络中爬取各自用户数据，然后分别对两个社交网络进行社区划分，计算两个社交网络所划分社区的相似度，在计算某个用户与另一社交网络中用户相似度时，只计算该用户与该用户所在社区相似度最高社区内用户的相似度，该用户与其余用户的相似度记为0，根据所得到的用户相似度对两个社交网络中的用户进行匹配，从而得到用户身份识别结果。发明通过对社交网络进行社区划分，将大规模社交网络的用户身份识别转化为小规模社交网络的用户身份识别，从而简化用户识别过程，以解决大规模用户数据情况下，用户身份识别率低的问题。
-
公开(公告)号：CN113989563A
公开(公告)日：2022-01-28
申请号：CN202111273511.7
申请日：2021-10-29
Applicant: 河南科技大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V10/80 , G06V10/40 , G06N3/04 , G06N3/08 , G16H20/90
Abstract: 一种多尺度多标签融合的中医舌像分类方法，涉及计算机视觉技术领域，将深度学习的理论知识应用于舌象特征分类中，该方法利用特征金字塔网络将高层的语义信息和低层的细节特征进行融合,形成较大分辨率的特征图,对处理后的舌象特征进行标注并提取标签的关联性，获得分类结果。本发明有益效果：本发明将深度学习的理论知识应用于舌象特征分类中，该方法通过对特征金字塔网络中的多尺度特征进行提取融合以增加特征的分辨率和多样性，并进行多标签分类，从而提高舌象分类的准确性和鲁棒性。
-
公开(公告)号：CN112527409A
公开(公告)日：2021-03-19
申请号：CN202011494204.7
申请日：2020-12-17
Applicant: 河南科技大学
Abstract: 一种面向移动医疗健康管理的边缘云计算卸载方法，涉及移动医疗与边缘计算技术领域，对于移动医疗健康管理产生的大量数据，在每个本地设备上，利用随机优化，将计算任务与队列相结合，通过最小化李雅普诺夫漂移减小队列积压，优化任务的计算时延，同时通过考虑任务的计算时延以及本地设备与边缘处理器上队列的任务积压情况，进一步确定任务的卸载决策，减小计算延迟。本发明有益效果：弥补移动终端固有的缺陷，实现任务的快速执行，提高用户的服务质量。
-
-
-
-
-
-
-
-
-
Search Results
160
records
(took 0.054 seconds)
