-
公开(公告)号：CN116861762A
公开(公告)日：2023-10-10
申请号：CN202310502612.X
申请日：2023-05-06
Applicant: 清华大学
IPC: G06F30/27 , G06F18/214 , G06F18/2415 , G06F119/14 , G06F111/08
Abstract: 本发明涉及一种基于贝叶斯更新和水致劣化模型的岸坡变形预警方法，其通过数值模型建立力学参数与测点变形之间的代理模型；利用蓄水后的岸坡监测变形时间序列，联合先验概率分布模型推得参数的后验概率分布，实现参数的迭代更新；基于岩体水致劣化模型，获取力学参数的未来演化趋势，并计算得到各时刻岸坡应力场和各测点的变形增量；通过多重网格法获取各时刻潜在不稳定块体的滑面受力，进而基于刚体极限平衡法和三维矢量和法获得各时刻所述块体的安全系数；进而绘制岸坡变形与安全系数的演化曲线并建立预警指标。本发明实现对岩体水致劣化模型的迭代修正，使得变形预警指标更贴合实际。
-
公开(公告)号：CN114459506B
公开(公告)日：2023-08-08
申请号：CN202210191523.3
申请日：2022-02-28
Applicant: 清华大学深圳国际研究生院
Abstract: 本发明提供一种在线标定全球导航卫星系统接收机与视觉惯性里程计之间外参的方法与系统，方法包括：获取全球导航卫星系统接收机与视觉惯性里程计外参的初始值，以及全球导航卫星系统初始化得到的局部世界坐标系的原点在地心地固坐标系下的位置以及局部世界坐标系到导航坐标系的旋转矩阵；根据初始值计算滑动窗口中每一时刻的全球导航卫星系统接收机的天线在地心地固坐标系下的位置；根据伪距测量值和多普勒频移测量值，计算伪距测量值和多普勒频移测量值相对于全球导航卫星系统接收机与视觉惯性里程计之间外参的雅可比矩阵和残差，实时优化全球导航卫星系统接收机与视觉惯性里程计之间的外参。实现对外参进行实时标定，并且不断对外参进行优化。
-
公开(公告)号：CN112184647B
公开(公告)日：2023-07-04
申请号：CN202011000834.4
申请日：2020-09-22
Applicant: 清华大学深圳国际研究生院 , 北京好医生云医院管理技术有限公司
IPC: G06T7/00 , G06V10/764 , G06V10/82 , G06V10/774 , G06V10/776 , G06N3/0464 , G06N3/048 , G06N3/082 , G06N3/047 , G06N3/0985
Abstract: 本发明公开一种基于迁移卷积网络对眼底图像进行血管病变分级识别方法，包括：对眼底图像数据集进行随机数据增广；将眼底图像数据集标注为是否患有血管病变；将眼底图像数据集划分为不同动静脉狭窄严重程度的等级；将眼底图像数据集划分为训练集与测试集；对眼底图像数据集进行裁剪；修改网络架构的深层；对所述预训练模型进行特征提取并使用所述训练集重新训练得到新的权重，得到血管病变识别模型；通过所述血管病变识别模型使用所述测试集产生识别血管病变的结果；基于所述血管病变识别模型，将分类器调整为多分类器算法进行动静脉局部狭窄严重程度的分级判断，并产生分级结果。本发明能解决眼底动静脉局部狭窄严重程度的多分类问题，能提高识别的准确率。
-
公开(公告)号：CN112633282B
公开(公告)日：2023-06-20
申请号：CN202110017154.1
申请日：2021-01-07
Applicant: 清华大学深圳国际研究生院
Abstract: 本发明提供一种车辆实时跟踪方法及计算机可读存储介质，方法包括：获取预先设置地多个摄像头中每个所述摄像头的图像，并获取所述图像中每个车辆的车牌在所述图像中的车牌区域及车牌号码信息；对所述车牌区域进行坐标转换得到所述车辆在世界坐标系中的第一位置；通过所述多个摄像头协同定位得到所述车辆在真实世界中的第二位置；基于所述第二位置实时对所述车辆进行多摄像头协同跟踪。通过将原本独立的摄像头进行多摄像头协同定位，得到更精确的车辆位置，进而实现多摄像头协同跟踪，实时获取车辆信息。
-
公开(公告)号：CN116258253A
公开(公告)日：2023-06-13
申请号：CN202310076207.6
申请日：2023-02-07
Applicant: 清华大学深圳国际研究生院 , 深圳市众行网科技有限公司
IPC: G06Q10/04 , G08G1/01 , G06Q50/30 , G06N7/01 , G06N3/08 , G06N3/049 , G06N3/0464 , G06N3/0442
Abstract: 一种基于贝叶斯神经网络的车辆OD预测方法，包括如下步骤：对时间进行编码，构建不同时刻的时间编码表征不同的时间段信息；以时空多图卷积网络ST‑MGCN作为模型基础，将其中图结构从静态的邻接矩阵改为贝叶斯图嵌入，将时间编码作为输入送入线性映射的贝叶斯神经网络，将图嵌入输出为一个概率分布，通过每次从概率分布中采样得到对应的图嵌入，由此构建时空贝叶斯图卷积网络ST‑BGCN；通过时空贝叶斯图卷积网络ST‑BGCN来进行车辆OD预测。本发明使得OD预测结果能够展示出不同时间下地区间的联系，增强了预测结果的鲁棒性。实验证明，本发明的方法性能优于基准方法，同时能够给出不确定的方差。
-
Patent Agency Ranking
公开(公告)号：CN116108669A
公开(公告)日：2023-05-12
申请号：CN202310120973.8
申请日：2023-02-16
Applicant: 清华珠三角研究院 , 清华大学深圳国际研究生院
Abstract: 本发明提供了基于深度学习异质驾驶员模型的场景生成方法，包括：对自然驾驶数据集进行预处理；基于预处理后的所述自然驾驶数据集，训练多模态深度学习驾驶员模型；基于训练后的所述多模态深度学习驾驶员模型，获取多样测试场景。本发明通过不同机动类别的选择，体现了驾驶员行为的不确定性，通过在可能的终点区域采样，体现了驾驶员轨迹的不确定性，对不同风格的驾驶员进行组合交互，从而生成复杂且多样的测试场景。
-
公开(公告)号：CN115987724A
公开(公告)日：2023-04-18
申请号：CN202211666415.3
申请日：2022-12-23
Applicant: 清华大学深圳国际研究生院
Abstract: 一种水下无线光通信的信道估计方法，包括如下步骤：S1、根据接收到的光OFDM信号的导频信息，利用最小二乘LS算法进行信道估计，得到信道估计的频域值，利用快速傅里叶逆变换IFFT将估计结果变换到时域；S2、分别计算循环前缀CP长度之外分量时域噪声的二倍平均功率及最大功率作为两个噪声阈值门限，对二者进行平滑处理得到最终的DFT信道估计噪声阈值，其中，所述平滑处理所需的平滑系数在不同信噪比SNR下多次仿真获得，根据噪声情况自适应地调整所述平滑系数；S3、用得到的DFT信道估计噪声阈值对信道估计的时域值进行去噪处理，再将其变换回频域完成信道估计。本发明可以在不同信道的信噪比下提高信道估计性能，在水下无线光通信上具有很好应用前景。
-
公开(公告)号：CN115964748A
公开(公告)日：2023-04-14
申请号：CN202310010482.8
申请日：2023-01-04
Applicant: 清华大学深圳国际研究生院
IPC: G06F21/62 , G06N3/0455 , G06N3/096 , G06N3/091 , G06F16/9535 , G06F16/9537
Abstract: 本发明公开了一种用户兴趣点推荐方法，包括如下步骤：将隐私数据与真实标签输入到教师模型进行训练；教师模型训练结束后，将公开数据输入到教师模型，教师模型输出软标签；将公开数据输入到学生模型，并将软标签输入到学生模型进行训练；学生模型训练结束后，运用学生模型向用户推荐兴趣点。能够实现充分利用教师‑学生蒸馏框架中教师模型知识被学生模型吸收的特性，学生模型在不直接使用教师模型训练数据(隐私数据)的情况下完成训练，实现了学生模型和隐私数据的隔离，可以有效应对深度学习模型的反向推演攻击；即使有被攻击的风险，也不会造成隐私数据的泄露，从而实现了对用户隐私数据的保护。
-
公开(公告)号：CN111652350B
公开(公告)日：2023-04-07
申请号：CN202010378828.6
申请日：2020-05-07
Applicant: 清华大学深圳国际研究生院 , 北京好医生云医院管理技术有限公司
IPC: G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 一种神经网络可视化解释方法及弱监督定位物体方法，该神经网络可视化解释方法包括如下步骤：S1、定义神经网络模型的注意力；S2、将所述注意力通过所述神经网络模型的全连层进行反向传播；S3、将所述注意力通过所述神经网络模型的卷积层进行反向传播；S4、将所述注意力通过所述神经网络模型的池化层进行反向传播；S5、在所述神经网络模型的输入层得到注意力图，将所述注意力图作为所述神经网络模型的可视化解释。本方法可以对被视为黑箱的神经网络的决策过程给出可视化解释，解释网络决策的依据，解释网络决策失误的原因，同时还可以用于弱监督定位物体方法，在弱监督定位物体的实验中取得了很有竞争力的结果。
-
公开(公告)号：CN115879596A
公开(公告)日：2023-03-31
申请号：CN202211137837.1
申请日：2022-09-19
Applicant: 华电内蒙古能源有限公司 , 清华大学
Abstract: 本发明提供了一种风电场含退役电池的混合储能调度方法、系统及设备，所述方法包括：建立储能聚合商调度分布式储能参与风电场功率平抑波动的目标模型，将退役电池连续充放电时间尺度和风电场功率波动数据等相关数据输入到目标模型，结合混合整数线性规划算法求解得到储能调度方案，通过设置不同退役电池连续充放电时间尺度可得到不同的储能调度方案，根据储能调度方案，储能聚合商从多个分布式储能中租赁新电池和退役电池参与风电场功率平抑波动。本发明根据风电场功率波动需求，设置退役电池连续充放电的时间尺度，以储能聚合商经济性最优调用退役电池和新电池参与风电场功率平抑波动，体现了退役电池在风电场调度的应用价值，提高了电池利用率。
-
-
-
-
-
-
-
-
-
Search Results
264
records
(took 0.091 seconds)
