-
公开(公告)号：CN109492808A
公开(公告)日：2019-03-19
申请号：CN201811317095.4
申请日：2018-11-07
Applicant: 浙江科技学院
IPC: G06Q10/04 , G06F16/2458 , G08G1/01 , G08G1/14
Abstract: 一种室内停车场剩余车位预测方法，包括如下步骤：步骤1.得到停车场空余泊位序列，并进行数据预处理；步骤2.对初始序列的训练集进行去噪处理，得到去除噪声的时间序列，记为平滑序列，将其划分测试集与训练集；使用平滑序列训练集训练LSTM神经网络；步骤3.使用初始序列构建并训练灰色残差神经网络模型；步骤4.加权组合两种预测模型，得到最终预测模型。
-
公开(公告)号：CN109461177A
公开(公告)日：2019-03-12
申请号：CN201811147330.8
申请日：2018-09-29
Applicant: 浙江科技学院
Abstract: 本发明公开了一种基于神经网络的单目图像深度预测方法，其构建包括输入层、隐层和输出层的神经网络，隐层包括编码和解码网络框架，编码网络框架包括5个神经网络块、1个推理层和1个连接层，第1个和第2个神经网络块均由2个卷积层和1个最大池化层组成、第3个至第5个神经网络块均由3个卷积层和1个最大池化层组成、推理层包括2个带孔卷积神经网络，解码网络框架包括5个神经网络块、5个连接层、4个独立双线性上采样层，每个神经网络块由1个卷积层和1个双线性上采样层组成；将训练集中的单目图像输入到神经网络中进行训练；测试时将预测的单目图像输入到神经网络模型中进行预测，得到预测深度图像；优点是预测精度高，计算复杂度低。
-
公开(公告)号：CN109146944A
公开(公告)日：2019-01-04
申请号：CN201811276559.1
申请日：2018-10-30
Applicant: 浙江科技学院
Abstract: 本发明公开了一种基于深度可分卷积神经网络的视觉深度估计方法，其先构建深度可分卷积神经网络，其隐层包括卷积层、批规范化层、激活层、最大池化层、conv_block网络块、深度可分卷积网络块、Concatanate融合层、Add融合层、反卷积层、可分离卷积层；然后使用训练集中的单目图像作为原始输入图像，输入到深度可分卷积神经网络中进行训练，得到单目图像对应的估计深度图像；接着通过计算训练集中的单目图像对应的估计深度图像与对应的真实深度图像之间的损失函数值，得到深度可分卷积神经网络训练模型及最优权值矢量；再将待预测的单目图像输入到深度可分卷积神经网络训练模型中，并利用最优权值矢量，预测得到对应的预测深度图像；优点是其预测精度高。
-
公开(公告)号：CN107610501A
公开(公告)日：2018-01-19
申请号：CN201710678499.5
申请日：2017-08-10
Applicant: 浙江科技学院
IPC: G08G1/14
Abstract: 停车场车辆诱导方法。包括以下步骤：(1)车辆到达室内停车场入口；(2)用户访问停车管理系统；(3)用户请求车辆诱导服务；(4)入口采集车辆信息；(5)入口车辆诱导服务；(6)停车场内路口或转弯处车辆信息采集；(7)停车场内路口或转弯处车辆诱导服务；(8)最后一个路口或转弯处车辆诱导服务；(9)车辆诱导服务结束。通过了摄像头相关技术解决了室内定位问题，为用户提供了一种诱导设施结合智能终端、视觉结合语音的车辆诱导服务，使室内停车场车辆诱导服务更加人性化。
-
公开(公告)号：CN112395815B
公开(公告)日：2024-03-29
申请号：CN202011402714.7
申请日：2020-12-04
Applicant: 浙江科技学院
IPC: G06F30/27 , G06N3/0442 , G06N3/08 , G06N3/045
Abstract: 本发明公开了一种永磁同步电机的温度预测方法，将深度学习模型NLSTMs结合伪孪生神经网络构建PSNLSTMs模型，然后利用数据集对PSNLSTMs模型进行训练，利用时间步长较长的数据作为PSNLSTMs模型的左侧输入得到该时间步长内永磁电机部件温度序列变化的趋势，利用时间步长较短的数据作为PSNLSTMs模型的右侧输入得到温度序列变化的细节，得到训练后的PSNLSTMs模型，最后将训练后的PSNLSTMs模型左右两侧输入按照相同的权重进行回归预测，得到下一时刻永磁同步电机的预测温度。本发明对可以进行永磁同步电机的温度预测，具有预测结果准确，误差小的优点。
-
Patent Agency Ranking
公开(公告)号：CN113256425A
公开(公告)日：2021-08-13
申请号：CN202110669537.7
申请日：2021-06-17
Applicant: 浙江科技学院
Abstract: 本发明公开了一种用于股票指数预测的数据增强深度学习方法，包括如下步骤：a、构建嵌套式门控循环单元，所述的嵌套式门控循环单元包括重置模块、更新门、当前记忆模块和输出模块；b、获取股票指数的日间数据并进行预处理，将预处理后的股票指数的日间数据按照不同时间间隔排列，利用真实的股票指数数据进行映射得到增强后的新数据；c、将增强后的新数据输入由嵌套式门控循环单元组成的循环层，再将循环层的输出结果输入至全连接层中，利用全连接层对输出结果所包含的信息进行提取和融合，得到股票指数结果。本发明可以在股票指数的日间预测中具有更高的回归精度，提升了回测效果。
-
公开(公告)号：CN111179634B
公开(公告)日：2021-04-27
申请号：CN202010149368.X
申请日：2020-03-05
Applicant: 浙江科技学院
Abstract: 本发明公开了一种基于Wi‑Fi位置指纹的室内停车系统，所述系统包括用户服务模块和系统管理模块；所述用户服务模块中设有停车服务模块和位置估计模块，所述停车服务模块用于用户的停车服务；所述位置估计模块基于WIFI位置指纹的室内定位用于帮助用户在停车场中快速寻找到自己车辆的所在位置以及自己的所在位置；所述系统管理模块中设有用户管理模块和停车场管理模块；所述用户管理模块中用于管理用户的信息；本发明可以使用户享有便捷的停车、定位服务以及方便管理人员对停车管进行管理，具有使用方便、定位准确和管理效率高的特点。
-
公开(公告)号：CN110933631B
公开(公告)日：2021-03-16
申请号：CN201911221620.7
申请日：2019-12-03
Applicant: 浙江科技学院
Abstract: 本发明公开了一种基于聚类策略与特征提取的室内定位方法，通过在待定位目标点采集来自室内各个无线接入点的接收信号强度，组成信号强度序列；将信号强度序列根据分层聚类策略与预先设置的位置指纹数据库进行匹配，找到位置指纹数据库中对应的集群后，将待定位目标点的接收信号强度进行小波散射变换，得到系数模量；将系数模量作为该集群对应的DNN模型的输入，对待定位目标点进行位置定位。本发明可以在室内停车场进行精确定位，具有优越的定位准确性和效率性。
-
公开(公告)号：CN107607118B
公开(公告)日：2020-11-20
申请号：CN201710678467.5
申请日：2017-08-10
Applicant: 浙江科技学院
Abstract: 一种室内停车场的车辆定位方法，包括以下几个步骤：(1)离线训练阶段；(2)在线定位阶段；(3)指纹更新阶段。本发明针对的是车辆在进入停车场到达指定停车位的诱导过程中车辆的精准定位问题，通过合理将室内停车场和位置指纹数据按停车位分布划分成多个区域，在停车场内重要位置布置摄像设备及无线节点，利用驾驶者反馈的位置坐标和检测到的信号强度更新指纹数据库，从而提供一种快速、精准的室内停车场定位方法。
-
公开(公告)号：CN109146944B
公开(公告)日：2020-06-26
申请号：CN201811276559.1
申请日：2018-10-30
Applicant: 浙江科技学院
Abstract: 本发明公开了一种基于深度可分卷积神经网络的视觉深度估计方法，其先构建深度可分卷积神经网络，其隐层包括卷积层、批规范化层、激活层、最大池化层、conv_block网络块、深度可分卷积网络块、Concatanate融合层、Add融合层、反卷积层、可分离卷积层；然后使用训练集中的单目图像作为原始输入图像，输入到深度可分卷积神经网络中进行训练，得到单目图像对应的估计深度图像；接着通过计算训练集中的单目图像对应的估计深度图像与对应的真实深度图像之间的损失函数值，得到深度可分卷积神经网络训练模型及最优权值矢量；再将待预测的单目图像输入到深度可分卷积神经网络训练模型中，并利用最优权值矢量，预测得到对应的预测深度图像；优点是其预测精度高。
-
-
-
-
-
-
-
-
-
Search Results
50
records
(took 0.03 seconds)
