-
公开(公告)号：CN117268765A
公开(公告)日：2023-12-22
申请号：CN202311348240.6
申请日：2023-10-17
Applicant: 湖南工业大学
IPC: G01M13/045 , G06F18/25 , G06F18/241 , G06F18/214 , G06N3/0464 , G06N5/02
Abstract: 本发明公开了一种基于多模态知识图谱的滚动轴承故障诊断方法，通过将振动信号滑窗处理得到信号实体节点，经预处理得到其多模态数据；采用低秩多模态融合方法将多模态特征融合得到信号实体节点的表示，同时基于描述文本提取关系和属性值节点，并根据语义规则建立节点之间的连接，初步构建基于信号的多模态知识图谱；使用关系级联注意力网络对属性值节点和关系嵌入编码，然后使用二维卷积知识图谱嵌入作为解码器得到候选三元组的分数排序，进行链接预测，实现滚动轴承的故障诊断。本发明有助于解决复合故障样本采集难题，同时充分考虑了故障类型之间的相关性，以预测故障类型并查找相似的故障信号实体。
-
公开(公告)号：CN116304203A
公开(公告)日：2023-06-23
申请号：CN202310126195.3
申请日：2023-02-06
Applicant: 湖南工业大学
IPC: G06F16/901 , G06F16/25 , G06F17/16
Abstract: 本发明公开了一种于不稳定点检测的设备故障传播分析方法及系统，基于不稳定点检测的设备故障传播分析方法包括以下步骤：根据工业复杂系统之间的故障传播关系构建故障传播图；利用不同规则下的BRISM方法去检测不稳定点，同时使用PageRank方法对原始的故障传播图进行重要性评估，并且更新不稳定点的权重；计算分层结果中边的权重，根据边的权重识别不同系统之间的关键故障传播路径。本发明有效降低了不稳定点对关键传播路径的影响，进一步提高了故障传播路径识别的准确度，最终有效识别不同故障组件的故障传播路径。
-
公开(公告)号：CN118691996A
公开(公告)日：2024-09-24
申请号：CN202410892295.1
申请日：2024-07-04
Applicant: 湖南工业大学
IPC: G06V20/17 , G06V10/44 , G06V10/774 , G06V10/776 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 一种基于多尺度残差融合编解码结构网络(MRC‑Net)的无人机航拍影像铁路提取方法，涉及深度学习领域，解决现有技术中采用像素级语义分割铁路精度低的问题，本发明提出了基于多尺度残差编解码结构的网络，利用该网络在特征提取的优势，提高了图像的分割质量。在编码器部分，设计了一个多尺度特征提取器，在编解码器之间设计了相邻特征层融合模块，减小了不同层特征间的语义差异。引入边缘检测算子，增强边缘信息，并引入交叉熵损失对不同尺度结果进行预测，提高对不同尺度信息的感知能力。本发明基于多尺度残差融合编解码结构网络(MRC‑Net)的无人机航拍铁路提取方法，集成了多尺度特征提取器和多尺度特征融合模块的设计，提高了铁路提取精度。
-
公开(公告)号：CN117421058A
公开(公告)日：2024-01-19
申请号：CN202311252043.4
申请日：2023-09-26
Applicant: 湖南工业大学
Abstract: 本发明提供的一种基于最大熵强化学习的云边端协同无人机(UAV)辅助任务卸载方法，包括S1：构建UAV辅助下的移动云‑边‑端协同计算任务卸载场景模型；S2：根据场景模型制定多目标联合优化问题，并将其转化为马尔可夫决策过程；S3：利用基于最大熵强化学习MERL下的差速SAC的UAV辅助任务卸载算法对上述问题进行求解；综上所述，本发明基于最大熵强化学习MERL下的差速SAC的UAV辅助任务卸载算法，其采用结合差异速率规则的SAC强化学习算法与任务卸载环境交互，能在最大化卸载策略收益的同时提升生成最优卸载策略的过程中的随机性与稳定性，显著提高任务卸载效率与求解速度。
-
公开(公告)号：CN116543218A
公开(公告)日：2023-08-04
申请号：CN202310530035.5
申请日：2023-05-11
Applicant: 湖南工业大学
Abstract: 本发明公开了一种基于类标签层级树指导小样本学习的方法及应用，本发明所述方法的步骤包括：1、构建和向量化类标签层级树；2、从树中提取语义特征后融合成语义注意力向量；3、利用语义注意力向量指导视觉特征学习。本发明通过类别标签名和名词上义词概念构建树状类标签层级结构，从中提取语义先验知识来指导小样本学习，对于每个样本的每层级均使用一个特征提取器进行提取，然后使用融合函数通过对不同层级语义特征进行线性组合的融合方式，进而进行图像分类，解决了现有技术中存在利用文本语义不准确和不充分、过程计算量大和测试阶段仍需文本语义等问题。
-
Patent Agency Ranking
公开(公告)号：CN116401027A
公开(公告)日：2023-07-07
申请号：CN202310325315.2
申请日：2023-03-29
Applicant: 湖南工业大学
Abstract: 本发明提供的一种基于预测完成时间矩阵的异构云中心任务调度方法，主要包括任务优先级阶段和虚拟机选择阶段，任务优先级阶段中的预测完成时间矩阵不仅能够在任务优先级阶段生成高效的任务调度列表，也能在虚拟机选择阶段正面影响任务对应的虚拟机分配，在满足优先级约束的条件下最小化工作流应用程序的调度长度。综上所述，本发明不仅考虑了直接后继任务的影响，也考虑了当前任务的重要性，任务和虚拟机的分配更加合理，本发明在不牺牲算法时间复杂度的前提下，实现工作流应用程序调度长度(最大完工时间)最小化。
-
公开(公告)号：CN113763404B
公开(公告)日：2023-06-06
申请号：CN202111053563.3
申请日：2021-09-24
Applicant: 湖南工业大学
Abstract: 一种基于优化标记和边缘约束分水岭算法的泡沫图像分割，首先对泡沫图像使用多尺度Retinex算法进行图像对比度增强，然后将增强后的图像进行双边滤波，去除掉泡沫图像上的纹理噪声；其次使用形态学处理去除亮边和白点噪声，使用模糊C均值算法、形态学重构法和自适应阈值法提取处理后的泡沫图像的前景标记，然后对三种算法提取出来的前景标记进行组合优化，得到组合前景标记；再使用高斯拉普拉斯算子和形态学算法提取预处理泡沫图像的边缘，并将两种算法提取的边缘进行融合，采用阈值法提取边缘二值图像；最后为梯度图设置种子点和边界约束，并在前景标记的基础上使用分水岭算法，实现泡沫图像的精确分割。本发明利用了优化标记和边缘约束来改进分水岭算法，提高了泡沫图像分割的准确度。
-
公开(公告)号：CN113763404A
公开(公告)日：2021-12-07
申请号：CN202111053563.3
申请日：2021-09-24
Applicant: 湖南工业大学
Abstract: 一种基于优化标记和边缘约束分水岭算法的泡沫图像分割，首先对泡沫图像使用多尺度Retinex算法进行图像对比度增强，然后将增强后的图像进行双边滤波，去除掉泡沫图像上的纹理噪声；其次使用形态学处理去除亮边和白点噪声，使用模糊C均值算法、形态学重构法和自适应阈值法提取处理后的泡沫图像的前景标记，然后对三种算法提取出来的前景标记进行组合优化，得到组合前景标记；再使用高斯拉普拉斯算子和形态学算法提取预处理泡沫图像的边缘，并将两种算法提取的边缘进行融合，采用阈值法提取边缘二值图像；最后为梯度图设置种子点和边界约束，并在前景标记的基础上使用分水岭算法，实现泡沫图像的精确分割。本发明利用了优化标记和边缘约束来改进分水岭算法，提高了泡沫图像分割的准确度。
-
公开(公告)号：CN113743016A
公开(公告)日：2021-12-03
申请号：CN202111053448.6
申请日：2021-09-09
Applicant: 湖南工业大学
IPC: G06F30/27 , G06F119/04
Abstract: 一种基于改进的堆叠式稀疏自编码器(SSAE)和注意力回声状态网络(Atten‑ESN)的发动机剩余使用寿命预测方法，首先采用3sigma准则去除原始噪声获得高质量的原始数据并实现数据重构，利用改进的SSAE提取发动机每个周期的特征并进行特征降维，其中在编码器中采用BN层与Dropout层解决梯度消失以及过拟合问题，然后将提取的发动机特征构建成HI值，获得表征发动机退化趋势的HI曲线，最后在ESN网络中引入注意力机制，自适应处理不同类型的特征并优化网络参数，最终得到RUL值，实现涡扇发动机的剩余使用寿命预测。本发明采用特征提取加网络预测结构的组合模型进行剩余使用寿命预测，提高了预测精度。摘要附图如图1。
-
公开(公告)号：CN118072900A
公开(公告)日：2024-05-24
申请号：CN202410281216.3
申请日：2024-03-12
Applicant: 湖南工业大学
IPC: G16H15/00 , G16H30/00 , G06V10/40 , G06V20/70 , G06F40/30 , G06F40/126 , G06F18/25 , G06N3/0442 , G06N3/0464 , G06N3/045 , G06N3/084
Abstract: 本发明公开了一种基于语义指导的鼻内镜腺样体肥大诊断报告生成方法，所述方法包括：S1：数据收集和预处理，构建训练样本集；S2：构建诊断报告生成模型；S3：将S1中训练样本集中每张鼻内镜图像作为输入，对应的报告作为输出，分别计算总结语句损失和描述性语句损失，采用Adam算法优化网络目标函数，并运用误差反向传播算法更新网络模型参数，对步骤S2中的模型进行训练，得到训练好的诊断报告生成模型；S4：对于待生成诊断报告的鼻内镜图像，将该图像输入S3中训练好的模型，得到诊断报告；综上所述，本发明方法通过引入语义信息来指导报告生成，确保生成文本之间具有连贯性与依赖性，提高了报告的质量和可理解性。
-
-
-
-
-
-
-
-
-
Search Results
32
records
(took 0.027 seconds)
