-
公开(公告)号：CN119252326A
公开(公告)日：2025-01-03
申请号：CN202411262388.2
申请日：2024-09-10
Applicant: 桂林电子科技大学 , 南宁桂电电子科技研究院有限公司
IPC: G16B20/30 , G16B50/10 , G16B40/00 , G06N3/0464 , G06N3/0455 , G06F18/241
Abstract: 本发明公开了一种单细胞多组学数据整合方法，涉及生物信息技术领域，其技术要点为：S1：对单细胞RNA测序数据与单细胞ATAC测序数据进行预处理，包括数据筛选与基因选择两个部分；S2：构建低维共享空间，使用自编码器构建一个两种组学数据的低维共享空间；S3：使用低维共享空间中的单细胞RNA测序数据训练深度金字塔卷积神经网络；S4：使用训练好的深度金字塔卷积神经网络，对单细胞ATAC测序数据进行分类，得到细胞类型标签，实现单细胞RNA测序数据与单细胞ATAC测序数据的数据整合。本发明通过使用自编码器网络，构建出低维共享空间，最大化不同组学数据之间的相似性，通过文本卷积网络学习不同细胞类型数据之间的分布，最终实现整合多组学数据的目的。
-
公开(公告)号：CN118394084B
公开(公告)日：2024-12-20
申请号：CN202410494862.8
申请日：2024-04-23
Applicant: 桂林电子科技大学 , 桂林市高新技术产业发展集团有限公司
IPC: G05D1/43 , G05D1/633 , G05D1/644 , G05D1/247 , G05D109/10
Abstract: 本发明公开了一种基于GSO粒子群算法的移动机器人路径规划方法，涉及移动机器人路径规划技术领域；该方法包括如下步骤：S1、构建目标函数；采用栅格法对工作环境空间进行建模，并以最短路径函数为目标函数；S2、通过GSO粒子群算法计算最短路径的路径点；将初始化后的粒子代替移动机器人，采用GSO粒子群算法对粒子进行优化更新，得到最短路径；S3、对最短路径进行平滑处理；根据粒子优化迭代所得到的最短路径，对其进行三次样条插值调整，得到平滑的最短路径。本发明中方法采用GSO粒子群算法，对不同等级的粒子采用不同的学习策略，在保证优势粒子的挖掘能力的前提下，增加粒子的多样性，从而增加算法的探索能力。
-
公开(公告)号：CN118394084A
公开(公告)日：2024-07-26
申请号：CN202410494862.8
申请日：2024-04-23
Applicant: 桂林电子科技大学 , 桂林市高新技术产业发展集团有限公司
IPC: G05D1/43 , G05D1/633 , G05D1/644 , G05D1/247 , G05D109/10
Abstract: 本发明公开了一种基于GSO粒子群算法的移动机器人路径规划方法，涉及移动机器人路径规划技术领域；该方法包括如下步骤：S1、构建目标函数；采用栅格法对工作环境空间进行建模，并以最短路径函数为目标函数；S2、通过GSO粒子群算法计算最短路径的路径点；将初始化后的粒子代替移动机器人，采用GSO粒子群算法对粒子进行优化更新，得到最短路径；S3、对最短路径进行平滑处理；根据粒子优化迭代所得到的最短路径，对其进行三次样条插值调整，得到平滑的最短路径。本发明中方法采用GSO粒子群算法，对不同等级的粒子采用不同的学习策略，在保证优势粒子的挖掘能力的前提下，增加粒子的多样性，从而增加算法的探索能力。
-
公开(公告)号：CN117405678A
公开(公告)日：2024-01-16
申请号：CN202210763696.8
申请日：2022-07-01
Applicant: 岭南现代农业科学与技术广东省实验室肇庆分中心 , 桂林电子科技大学
IPC: G01N21/88 , G01N21/954 , G01N21/958 , G01N21/01 , G06N3/0464 , G06N3/08 , G06T7/00 , G06V10/82
Abstract: 本发明公布了一种基于深度学习的玻璃瓶内壁裂纹检测装置。该装置主要包括三个部分：控制器装置，图像采集装置与裂纹检测装置。控制器装置包含有激光发射器，光电传感器和主控器，其中激光发射器与光电传感器负责检测玻璃瓶是否已经传输至检测装置下，主控器负责控制履带停止传输。图像采集装置用以获取玻璃瓶内壁的图像。裂纹检测装置是将获取到的图像用一个训练好的深度神经网络进行检测，判断其中是否含有裂纹，并将结果返回值主控器内。本检测装置结构简单，整体成本低，易于搭建，内壁图像采集精准且效率高，并且采用了最新的人工智能技术，使用神经网络对图像进行识别，因此适用于对玻璃瓶内壁图像进行实时检测。
-
公开(公告)号：CN116485656A
公开(公告)日：2023-07-25
申请号：CN202310523823.1
申请日：2023-05-10
Applicant: 桂林电子科技大学 , 桂林慧谷人工智能产业技术研究院
Abstract: 本发明提出了一种基于深度学习的点云几何纹理上采样方法，旨在解决现有点云上采样方法只关注几何坐标增密而忽视纹理信息的问题。本发明的方法通过数据预处理、点云几何纹理特征提取、点云特征上采样、点云几何纹理回归等步骤，实现了点云的几何坐标和纹理的同时上采样。通过此方法，我们可以获得更高质量和更高分辨率的点云表示，显著提高自动驾驶、增强/虚拟现实(AR/VR)、3D表面重建和机器人感知等应用的质量和性能，同时优化点云渲染的结果，进一步提高三维视觉的真实感。本发明为三维视觉领域提供了一种新的、高效的点云处理方法。
-
Patent Agency Ranking
公开(公告)号：CN115439273A
公开(公告)日：2022-12-06
申请号：CN202211280600.9
申请日：2022-10-19
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于模糊算子的配电网运行调度的风险评估方法，具体步骤如下：获取配电网的运行调度方案集合和历史数据，并将其分类和设置权重；实时采集风险信息并汇总。比对运行调度方案集合与历史数据，得到决策信息的图片模糊矩阵。通过改进的分值函数对图片模糊矩阵进行计算得到得分矩阵。根据风险因素的权重和得分矩阵计算各个方案的综合评分。配电网采用评分最高的方案运行，经过一个间隔时间后重复计算最优方案。采用上述一种基于模糊算子的配电网运行调度的风险评估方法，实时计算最优的调度运行方案，通过图片模糊集收集不确定信息和新型得分函数进行计算，可行性高，提高配电网运行的鲁棒性。
-
公开(公告)号：CN109326302B
公开(公告)日：2022-11-08
申请号：CN201811353760.5
申请日：2018-11-14
Applicant: 桂林电子科技大学
IPC: G10L21/0208 , G10L21/0264 , G10L17/00
Abstract: 本发明公开一种基于声纹比对和生成对抗网络的语音增强方法，1）建立三个语音数据库,分别对应声纹识别编码器、噪声分离系统和语音分离系统；2）训练声纹识别编码器提取目标说话者的声纹特征，得目标声纹特征；3）将带噪音频转化成语谱图送入噪声分离系统中的生成器中，得预测干净音频；4）将预测干净音频和真实干净音频送入噪声分离系统中的鉴别器训练；5）调整鉴别器权重参数，使鉴别器更好地分辨出真实干净音频和预测干净音频的区别，得到产生近乎真实的干净音频的生成器；6）将说话者的声音送入已经训练好的生成器中，生成预测干净语谱图，得到增强的语音信号。该方法规模小、计算低、易于移植、保持一定的空间不变性且去噪效果好。
-
公开(公告)号：CN109636897B
公开(公告)日：2022-08-23
申请号：CN201811405883.9
申请日：2018-11-23
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于改进RGB‑D SLAM的Octomap优化方法，其特征在于，包括如下步骤：1）构造最小误差函数优化RGB‑D SLAM室内定位系统相机位姿，获得点云图；2）使用K维树进行点云组织；4）计算平均K‑最近领距离；5）定义异常值并从点云图中删除；6）建立Octomap地图。这种方法能去除Octomap地图中的稀疏异常值，能提高Octomap地图的准确性和紧凑性并减少内存消耗。
-
公开(公告)号：CN109635279B
公开(公告)日：2022-07-26
申请号：CN201811396784.9
申请日：2018-11-22
Applicant: 桂林电子科技大学
IPC: G06F40/295 , G06N3/04
Abstract: 本发明公开了一种基于神经网络的中文命名实体识别方法，采用机器学习方面的算法并且结合神经网络模型，对文本进行分析和命名实体识别。将中文文本中出现的每一个字都构建特征向量，其特征包括位置特征和字符特征。然后把这组句子所对应的特征向量作为神经网络模型的输入，经过Bi‑LSTM以及CRF层后将结果映射到相应的实体标签，完成实体识别任务。该方法仅需要训练文本以及输入语句就可以完成实体识别，是一种灵活方便的方法。
-
公开(公告)号：CN111950717B
公开(公告)日：2022-07-19
申请号：CN202010881063.8
申请日：2020-08-27
Applicant: 桂林电子科技大学
IPC: G06N3/04 , G06K9/62 , G06F40/30 , G06F16/951 , G06F16/35 , G06F16/215
Abstract: 本发明公开了一种基于神经网络的舆情量化方法，步骤为：1）利用爬虫技术采集用户在社交平台上的舆论文本数据，将采集的数据以文本形式存储于数据库中；2）对收集的舆论文本数据进行数据预处理；3）根据预处理后的数据，构建舆论分析数据集；4）构建网络模型，利用舆论分析数据集中的舆论文字和所关联因素数据对网络模型进行训练；5）利用训练好的网络模型对舆论文本进行量化；该方法可以通过神经网络的方式对符号化文本进行量化，并且采用了多特征碎片的权重计算来确定各类因素的影响权重。较传统方法而言，该方法更加灵活，鲁棒性更强，从社会经济来看，该方法可以紧抓热点，跟随数据量的增大而更加客观理性，更加符合舆情实际结果。
-
-
-
-
-
-
-
-
-
Search Results
216
records
(took 0.064 seconds)
