-
Patent Agency Ranking
公开(公告)号：CN118708675A
公开(公告)日：2024-09-27
申请号：CN202410742517.1
申请日：2024-06-11
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于空间预测型视觉语言预训练模型的跨模态图文检索方法及存储介质，所述方法通过将局部语义预测视觉空间位置引入到视觉语言预训练模型中，使预训练模型能够学习到更有效的高级语义，有效提升下游跨模态图文检索任务的性能；利用基于空间预测型视觉语言预训练模型对下游图文检索数据进行特征提取，构建四元组损失函数并执行有监督跨模态图文检索；利用四元组构造模块挖掘与正样本具有强语义关联假负例样本，减少了假负例样本对图文检索的影响。
-
公开(公告)号：CN117994813A
公开(公告)日：2024-05-07
申请号：CN202410019578.5
申请日：2024-01-05
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种无人机图像中的二维人体关键点检测方法，所述方法首先以无人机图像数据为基础，采用了一种Mosaic数据增强方法；另外，在backbone中采用了稠密连接结构。其次，构建了一个双向特征提取模块，用于直接从俯拍视角的图片中直接获取各种空间视角的人体姿态，进行全方位人体姿态估计，引入Swish激活函数，缓解梯度消失的情况，以满足在无人机图片中对多角度的小目标人体进行精确姿态估计的目的。
-
公开(公告)号：CN113392575B
公开(公告)日：2023-06-20
申请号：CN202110532763.0
申请日：2021-05-17
Applicant: 桂林电子科技大学
IPC: G06F30/27 , G06N20/20 , G06F111/08 , G06F113/06
Abstract: 本发明公开了一种基于滑窗特征的风机主轴故障预测方法，主要包括：(1)采用如XGBoost、GBDT、CatBoost、LightGBM算法等模型进行特征的自动选择以及特征的非线性转换；(2)使用原始风机特征训练风机的时序特性问题，对风机时间特征进行提取，并将数据集进行分割切片。(3)基于滑动窗口对故障标签、风机状态特征处理，完成滑窗特征的构造。(4)采用stacking集成策略，对各个模型的预测结果进行加权计算。本发明设计了一系列可以表征当前风机运行状态的滑窗特征，通过构造滑窗特征的方式解决风机特征单一和故障状态缓变特性问题，最后将融合滑窗特征后的模型与使用原始风机特征训练的模型进行对比，显现出预测效果有一定程度的提升。
-
公开(公告)号：CN114818904A
公开(公告)日：2022-07-29
申请号：CN202210422554.5
申请日：2022-04-21
Applicant: 桂林电子科技大学
Abstract: 本发明提供了一种基于Stack‑GANs模型的风机故障检测方法，所述方法包括以风电机组工况参数构成的风机数据集，并通过Stack‑GANs模型处理后输入到风机故障检测模型中，得到检测结果。本发明利用Stack‑GANs算法在处理风机数据不平衡问题上的有效性，减少数据集类别不平衡对风机故障检测带来的负面效果，提高了风机故障检测的效率和准确度。
-
公开(公告)号：CN113392578A
公开(公告)日：2021-09-14
申请号：CN202110544470.4
申请日：2021-05-19
Applicant: 桂林电子科技大学
IPC: G06F30/27 , G06N3/04 , G06N3/08 , G06N20/00 , G06F111/08
Abstract: 本发明公开了一种基于DCFM模型的设备故障预测方法，所述方法通过搭建一种能够充分探索设备高低阶特征信息的DCFM模型结构，从而实现设备信息更深层次、更全面的提取，提高设备故障预测模型的分类效果，同时该模型对设备的特征进行自动叉乘，可以在一定程度上弥补传统机器学习方法依赖特征工程的劣势。另外，DCFM模型的FM模块基于隐向量可以实现对稀疏数据的二阶特征参数进行细腻学习；FM和CrossNetwork模块的学习效率均为线性级别复杂度，在一定程度上提高了模型的训练速度，有利于模型的快速构建，相比较其他复杂的机器学习以及深度学习模型，DCFM模型可以满足设备部件在线预测对时间响应及准确度方面的需求。
-
-
-
-
Search Results
15
records
(took 0.021 seconds)
