-
公开(公告)号：CN110310480B
公开(公告)日：2021-12-03
申请号：CN201910554208.0
申请日：2019-06-25
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于拥塞控制的实时路径规划方法，属于路径规划技术领域。本发明的规划步骤包括：为路网中所有的车辆规划初始路线，并计算出备选路线；建立路网道路拥塞模型，并持续更新；生成簇头随机种子，按簇队列通信规则进行通信；车辆节点通过车载自组织网订阅车辆动态和道路实时交通流数据；通过拥塞模型为簇头车辆预测即将遇到的拥塞街道，若预测到即将遇到堵塞，则建立簇队列进行通知提醒拥塞消息，簇头及队列车辆比较当前路径和备选路径的剩余旅车时间，判断是否需要更新路线。本发明基能有效分流拥塞街道的车流量，有利于全局交通流的合理分布；能对路网的所有车辆同时进行路径规划，节约计算量，提高路径规划效率。
-
公开(公告)号：CN113298097B
公开(公告)日：2021-10-26
申请号：CN202110847200.0
申请日：2021-07-27
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于卷积神经网络的特征点提取方法、设备及存储介质，属于图像处理技术领域。本发明首先使用公共的卷积神经网络编码器1对输入的任意尺寸灰度图像提取低维特征；然后将特征点检测与描述子的生成进行解耦合，将低维度特征分别送入特征点检测解码器和卷积神经网络编码器2；描述子解码器利用特征点解码器输出的特征点坐标，对卷积神经网络编码器2输出的高维特征张量进行插值，以提取对应特征点的描述子。本发明在保持和传统提取方案相似的精度的同时，大幅度降低计算复杂度，为特征点提取方案在嵌入式平台的部署提供可能性。
-
公开(公告)号：CN113192843A
公开(公告)日：2021-07-30
申请号：CN202110367172.2
申请日：2021-04-06
Applicant: 电子科技大学
IPC: H01L21/363 , H01L51/42 , H01L51/46 , H01L51/48
Abstract: 本发明提供了一种新型非铅基钙钛矿太阳能电池器件的制备方法，属于太阳能电池领域。本发明采用分步气相沉积的方式制备了无毒的钙钛矿太阳能薄膜吸收层，选用光敏性较弱的AgCl材料制备钙钛矿薄膜，最终首次成功制备了Ag2BiI3Cl2新型钙钛矿薄膜吸收层，有效解决了现有溶液法制备双钙钛矿太阳能电池吸收层薄膜质量过低的问题，将本发明制备的Ag2BiI3Cl2新型钙钛矿薄膜应用在太阳能电池器件中，获得最佳0.76％的光电转换效率。同时整体制备过程符合环境友好的发展理念，有利于钙钛矿太阳能电池的产业化发展。
-
公开(公告)号：CN112990444A
公开(公告)日：2021-06-18
申请号：CN202110520730.4
申请日：2021-05-13
Applicant: 电子科技大学
Abstract: 本发明公开了一种混合式神经网络训练方法、系统、设备及存储介质，属于机器学习算法领域。在本发明所提供的训练方案中，使用基于梯度下降的训练方法的梯度计算方法以及误差传递方法，同时采用训练过程中自适应可变步长的基于曼哈顿规则的训练方法更新网络权重，兼顾网络的网络预测准确率以及收敛速度，可达到相比于基于曼哈顿的神经网络训练算法的较快收敛速度以及基于随机梯度下降的训练算法的较高准确率。本发明所提供的混合式神经网络训练方式的复杂度低，收敛速度快，且能保证所训练的神经网络的网络预测准确率，更能适用于基于电阻式随机存取存储器ReRAM的神经网络计算电路的在线训练。
-
公开(公告)号：CN111933124B
公开(公告)日：2021-04-30
申请号：CN202010982811.1
申请日：2020-09-18
Applicant: 电子科技大学
Abstract: 本发明公开了一种可支持自定唤醒词的关键词检测方法，属于基于神经网络的关键词检测技术领域。本发明通过移除神经网络的分类层，直接比较神经网络输出结果的相似度，解除了分类数目固定所带来的无法对类外唤醒词进行分类的技术问题；通过细粒度分类训练手段，提高了神经网络对短词分类的泛化能力，从而得到一个初始化较好的网络模型用于自定唤醒词的微调训练；通过数据增强并辅以部分网络层的增量训练，使神经网络在小样本的情况下经过微调训练也能达到一个较高的准确率。本发明的支持多个唤醒词和自定唤醒词的关键词检方法可用于嵌入设备，实现根据用户的个性和需求随时更改唤醒词，提高用户的体验和减去个性定制所引入的成本。
-
Patent Agency Ranking
公开(公告)号：CN111956208B
公开(公告)日：2021-04-20
申请号：CN202010875217.2
申请日：2020-08-27
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于超轻量级卷积神经网络的ECG信号分类方法，包括以下步骤：S1、获取ECG数据集，并制作成训练集和验证集；S2、采用训练集和验证集对ECG信号分类模型进行训练和验证，得到最优的ECG信号分类模型；S3、实时采集ECG心拍信号，并对其进行预处理，得到多段ECG数据；S4、将多段ECG数据依次输入最优的ECG信号分类模型，得到ECG数据的分类结果；本发明解决了端到端检测算法使用的CNN中常规全连接层的参数量庞大以及常规卷积层运算量庞大的问题，实现将算法运算复杂度的数量级拉低到适用于存储资源极其受限设备的水平。
-
公开(公告)号：CN111832720B
公开(公告)日：2020-12-29
申请号：CN202010991702.6
申请日：2020-09-21
Applicant: 电子科技大学
Abstract: 本发明公开了一种可配置神经网络推理与在线学习融合计算电路，属于神经网络技术领域。该电路包括主控制单元、可配置控制单元、缓存控制单元、压缩/解压缩单元、交互单元、缓存单元、神经网络融合计算单元。本发明电路通过配置神经网络的计算通路、在线学习的层数、以及标签生成方式实现了低成本可配置的推理和在线学习融合计算，保障了神经网络高效的推理和学习；通过基于硬件动态复用计算引擎，使推理与在线学习计算融合，提高了硬件的利用率。
-
公开(公告)号：CN111956208A
公开(公告)日：2020-11-20
申请号：CN202010875217.2
申请日：2020-08-27
Applicant: 电子科技大学
IPC: A61B5/0452 , A61B5/04
Abstract: 本发明公开了一种基于超轻量级卷积神经网络的ECG信号分类方法，包括以下步骤：S1、获取ECG数据集，并制作成训练集和验证集；S2、采用训练集和验证集对ECG信号分类模型进行训练和验证，得到最优的ECG信号分类模型；S3、实时采集ECG心拍信号，并对其进行预处理，得到多段ECG数据；S4、将多段ECG数据依次输入最优的ECG信号分类模型，得到ECG数据的分类结果；本发明解决了端到端检测算法使用的CNN中常规全连接层的参数量庞大以及常规卷积层运算量庞大的问题，实现将算法运算复杂度的数量级拉低到适用于存储资源极其受限设备的水平。
-
公开(公告)号：CN109827577B
公开(公告)日：2020-11-20
申请号：CN201910230476.7
申请日：2019-03-26
Applicant: 电子科技大学
IPC: G01C21/20
Abstract: 本发明公开了一种基于运动状态检测的高精度惯性导航定位算法，包括以下步骤：获取加速度计和陀螺仪的采集数据，并进行预处理，以消除加速度计和陀螺仪的系统误差和行人行走摩擦产生的噪声；将行人步态进行分类，获得正常速步态和快速步态；根据行人的不同步态，对任一步态下，每一步幅陀螺仪采集的角速度数据进行偏差矫正；基于INS和误差卡尔曼滤波器，利用加速度数据和角速度数据，根据行人的不同步态，动态判断行人行走的零速时刻；在零速时刻下，对行人姿态、速度、高度信息进行更新；通过得到的行人位置坐标，重建出行人2D运动轨迹，融合高度更新算法后，准确获得行人任一时刻的位置高度，并重建出适用于上下楼时行人的3D运动轨迹。
-
公开(公告)号：CN111933124A
公开(公告)日：2020-11-13
申请号：CN202010982811.1
申请日：2020-09-18
Applicant: 电子科技大学
Abstract: 本发明公开了一种可支持自定唤醒词的关键词检测方法，属于基于神经网络的关键词检测技术领域。本发明通过移除神经网络的分类层，直接比较神经网络输出结果的相似度，解除了分类数目固定所带来的无法对类外唤醒词进行分类的技术问题；通过细粒度分类训练手段，提高了神经网络对短词分类的泛化能力，从而得到一个初始化较好的网络模型用于自定唤醒词的微调训练；通过数据增强并辅以部分网络层的增量训练，使神经网络在小样本的情况下经过微调训练也能达到一个较高的准确率。本发明的支持多个唤醒词和自定唤醒词的关键词检方法可用于嵌入设备，实现根据用户的个性和需求随时更改唤醒词，提高用户的体验和减去个性定制所引入的成本。
-
-
-
-
-
-
-
-
-
Search Results
149
records
(took 0.034 seconds)
