-
公开(公告)号：CN107578007A
公开(公告)日：2018-01-12
申请号：CN201710777560.1
申请日：2017-09-01
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于多特征融合的深度学习人脸识别方法。本发明首先用局部二值模式和方向梯度直方图算法对ORL人脸库中的图像进行特征提取,然后,将得到的纹理特征和梯度特征进行融合,将两个特征向量通过向量连接的方式，连接成一个特征向量，最后用深度学习里面的深度信念网络的方式进行识别，将融合特征作为深度信念网络的输入,逐层训练网络,来完成对人脸的识别。本发明融合了多特征后，准确率会提高，而且算法会更加稳定，对复杂的场景更具适应性。
-
公开(公告)号：CN117159920A
公开(公告)日：2023-12-05
申请号：CN202310930707.1
申请日：2023-07-27
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种多通道功能性电刺激装置，包括主控电路、信号调理电路、恒流源电路、保护电路、电源供电电路和外设电路。主控电路包括主机、从机两部分，从机部分与所述信号调理电路输入端相连接，为信号调理电路提供DAC信号，并与所述保护电路控制端相连接，为保护电路提供通断信号。所述信号调理电路输出端与所述恒流源电路输入端相连接，为恒流源电路提供调理后DAC信号。恒流源电路输出端与所述保护电路输入端相连接，为保护电路提供输出电流。本发明采用锂电池供电，不依赖市电，集成触摸屏可为使用者提供良好的使用指导，可调参数多，范围广；且提供可编辑预设模式，操作简单。
-
公开(公告)号：CN111736125B
公开(公告)日：2023-07-07
申请号：CN202010256158.0
申请日：2020-04-02
Applicant: 杭州电子科技大学
IPC: G01S7/41 , G06F18/241 , G06F18/2415 , G06N3/044 , G06N3/08
Abstract: 本发明公开了一种基于注意力机制和双向堆叠循环神经网络的雷达目标识别方法，该方法首先进行预处理降低HRRP样本中的敏感性并建立动态调整层；然后选取滑窗尺寸对HRRP进行切分，滑窗移动距离小于滑窗长度；然后通过重要性网络调整各切分序列的重要程度；再通过双向堆叠RNN对样本的时序相关性进行建模，提取出其高层次特征；最后采用多层次的注意力机制调整隐层状态的重要程度并通过softmax进行目标分类。
-
公开(公告)号：CN112596389B
公开(公告)日：2022-05-17
申请号：CN202011504841.8
申请日：2020-12-18
Applicant: 杭州电子科技大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于闭环交叉耦合迭代学习的水晶研磨控制方法与系统，其中方法包括以下步骤：S10，建立水晶研磨伺服系统数学模型；S20，建立离散型闭环交叉耦合迭代学习控制器对位置进行控制；S30，离散型闭环迭代学习控制器产生新的控制信号；S40，控制器根据期望位置信息和实际信息得到新的跟踪误差；S50，经过轮廓误差分配模型补偿到各轴以消除每个轴对其它轴的影响。
-
公开(公告)号：CN114052750A
公开(公告)日：2022-02-18
申请号：CN202111579890.2
申请日：2021-12-22
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于标准模板肌电分解的脑肌信息传递规律提取方法。首先，安排受试者执行相应动作记录下同步的肌电信号和脑电信号。通过小波去噪先对sEMG信号完成预处理，再利用先验知识而总结提出的模板进行模板匹配，将肌电信号中的波形按照模板匹配的规则进行剥离MUAP进行分解。接着对分解出的信号序列分别提取MUAP数量、MUAP波幅、MUAP瞬时传导速度特征，构建肌电特征与同步脑电信号之间的实时变化关系图谱，显示在同一动作下脑肌电信号间的信息传递规律。本发明可以更为细化精确的找出脑肌间的信息传递方式，让所提取的特征更为敏感的响应每一次同步脑电的变化，这样可以更好地探究脑肌的信号变化规律率。
-
Patent Agency Ranking
公开(公告)号：CN109086700B
公开(公告)日：2021-08-13
申请号：CN201810806078.0
申请日：2018-07-20
Applicant: 杭州电子科技大学
Abstract: 本发明公开了基于深度卷积神经网络的雷达一维距离像目标识别方法，包括以下步骤：采集数据集，对采集到的数据进行预处理，从预处理后的数据中提取特征，设立阈值将采集到的雷达HRRP信号分成低信噪比和高信噪比样本两个部分，构建基于稳健玻尔兹曼的特征增强算法，构建基于卷积神经网络和基于LSTM的双向循环神经网络的HRRP目标识别模型，使用梯度下降算法对构建的网络模型的参数进行微调，得到有效的目标识别模型。本发明构建小样本稳健性和噪声稳健性的雷达HRRP自动目标识别技术具有很强的工程实用性，从特征提取和分类器的设计方面，提出了一种基于卷积神经网络+循环神经网络的雷达一维距离像目标识别模型。
-
公开(公告)号：CN112782660A
公开(公告)日：2021-05-11
申请号：CN202011599336.6
申请日：2020-12-29
Applicant: 杭州电子科技大学
IPC: G01S7/41
Abstract: 本发明公开了一种基于Bert的雷达目标识别方法，包括以下步骤：S1，收集数据并划分训练集和测试集，通过雷达采集的HRRP数据，需要对每个类别进行采样，分别选出训练集和测试集，之后进行合并，保证每个类别的数据形式都有被采样到；S2，对HRRP数据进行幂次变换，并使用注意力机制；S3，用Bert模型处理幂次变换的输出，提取更加深层的特征；S4，搭建分类器，对HRRP目标分类，对Bert模型的输出，再次使用注意力机制的思想，将更有效的特征进行保留，最后采用softmax对网络的输出进行分类；S5，将经过S1处理后的HRRP测试集送入S2、S3、S4步骤中已训练完成的模型中进行测试。
-
公开(公告)号：CN112699782A
公开(公告)日：2021-04-23
申请号：CN202011595694.X
申请日：2020-12-29
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于N2N和Bert的雷达HRRP目标识别方法，包括以下步骤：S1，收集数据并划分训练集和测试集，通过雷达采集的HRRP数据，需要对每个类别进行采样，分别选出训练集和测试集，之后进行合并，保证每个类别的数据形式都有被采样到；S2，用N2N模块进行降噪；S3，经过N2N模块的数据，经过卷积神经网络模块提取，调整下通道数，以便输入到Bert模型中；S4，用Bert处理CNN提取的有效特征，提取更加深层的特征；S5，在分类层对特征进行分类；S6，将经过S1处理后的HRRP测试集送入S5步骤中已训练完成的模型中进行测试。
-
公开(公告)号：CN110112980B
公开(公告)日：2020-10-30
申请号：CN201910393234.X
申请日：2019-05-13
Applicant: 杭州电子科技大学
Abstract: 本发明公开了基于分数微积分的闭环迭代学习的控制方法与系统，其中方法包括以下步骤：建立离散分数阶闭环迭代学习控制器；建立基于矢量控制的永磁同步电机位置伺服系统，对分数阶微积分闭环迭代学习控制器等价变换；将iq、id和比较得到的差值，分别送入电流调节器，经过电流调节器得到电压控制量ud和uq；ud和uq经过PARK逆变换转换到αβ坐标系下的电压控制量uα和uβ，然后根据uα和uβ生成脉冲调制PWM信号，并通过SVPWM原理控制三相逆变器生成三相电压信号。本发明具有更高的控制精度，同时兼顾了实用性和准确性。
-
公开(公告)号：CN111580097A
公开(公告)日：2020-08-25
申请号：CN202010256706.X
申请日：2020-04-02
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于单层双向循环神经网络的雷达目标识别框架，该方法首先进行预处理降低HRRP样本中的敏感性，然后建立动态调整层，对样本进行动态调整，紧接着的CNN层可在保留HRRP样本内所蕴含的序列相关性的同时，提取出HRRP包络中所含的信息，再通过双向RNN对时序相关性建模，提取出其高层次特征，最后通过softmax函数进行目标分类。
-
-
-
-
-
-
-
-
-
Search Results
68
records
(took 0.028 seconds)
