-
公开(公告)号：CN110738161A
公开(公告)日：2020-01-31
申请号：CN201910967815.X
申请日：2019-10-12
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于改进生成式对抗网络的人脸图像矫正方法，对获取的人脸图像数据进行预处理；构建编码器\解码器网络作为生成式对抗网络的生成器G，构建卷积神经网络作为生成式对抗网络的判别器D；将训练集侧脸图像X提取局部语义信息并融合后输入生成器G进行训练；将生成器G生成的正面人脸图像Xf与真实正面人脸图像Xgt一起输入判别器D进行训练，判别器D输出真实正面人脸图像的概率；计算Xf与Xgt的混合损失函数，反馈到生成器G进行迭代训练；测试阶段，输入测试集侧脸图像到上述训练好的生成器G中，得到矫正后的正面人脸图像。通过本发明使生成的人脸图像更加逼真，实现了人脸图像的角度修正，提高了人脸图像识别的准确度。
-
公开(公告)号：CN106453546B
公开(公告)日：2019-05-07
申请号：CN201610875745.1
申请日：2016-10-08
Applicant: 电子科技大学
IPC: H04L29/08 , H04L12/863 , H04L12/733
Abstract: 本发明涉及分布式存储调度的方法，包括：a.建立评价指标：获得与m个存储节点相关的评价矩阵；b.数据标准化处理：对评价矩阵中的各数据消除量纲效应后，得到评价指标值矩阵；c.利用三角模糊数进行两两比较：得到由三角模糊数组成的判断矩阵和每个评价因素的权重向量和加权评价矩阵，以及每个评价因素的权值；d.求得正负理想值：求得正负理想值和得各存储节点到理想值的距离，对各存储节点进行排序，选出最优的存储节点。本发明的方法，能够对调度过程中的各种影响因素进行综合分析，从而选择出最优选的存储节点进行响应，极大程度提高了网络远程分布式存储的数据传输性能和存储效率，明显改善了分布式存储的存储质量。
-
公开(公告)号：CN107979606A
公开(公告)日：2018-05-01
申请号：CN201711292594.8
申请日：2017-12-08
Applicant: 电子科技大学
Abstract: 本发明属于数据安全领域，具体涉及一种具有自适应的分布式智能决策方法。本发明针对实时监控日志及操作请求日志的生成模式进行发掘，检测可能存在的异常，将神经网络在模式识别中的优势与知识的推理理论结合起来，在综合多个相邻节点信息的基础上，引入自适应的机制，以分布式的方式进行入侵检测，同时将决策过程放入分布的节点而不是中央控制台，减少了网络传输，提高了分布式决策的速度。本发明综合相邻节点的信息反馈，进行自适应调整，并且不依赖全局信息，减少了数据传输，能有效检测出单一节点难以检测出入侵的数据。
-
公开(公告)号：CN107578101A
公开(公告)日：2018-01-12
申请号：CN201710876477.X
申请日：2017-09-25
Applicant: 电子科技大学
IPC: G06N3/08
Abstract: 本发明公开了一种数据流负载预测方法，属于数据流处理技术领域，解决现有技术中大多数的负载预测算法，频繁地请求访问服务器，减少了负载预测带来的收益的问题。本发明包括初始化已知数据源、计算拓扑、计算任务产生的计算拓扑数据集；根据拓扑数据集训练优化后的SOM网络；提取出新的计算任务的数据特征，寻找训练好的SOM网络的获胜神经元；判断获胜神经元是否符合约束；步骤5：符合,通过SOM网络进行负载预测，输出负载预测结果，同时对SOM网络中的邻域神经元的权值进行调整，重新训练SOM网络；不符合，给SOM网络动态添加神经元；通过线性回归方法进行负载预测，并获取真实负载信息，重新训练SOM网络，重新训练SOM网络是为下一次预测做准备。本发明用于负载预测。
-
公开(公告)号：CN115410664B
公开(公告)日：2025-04-22
申请号：CN202210983952.4
申请日：2022-08-17
Applicant: 电子科技大学
IPC: G16C60/00 , G06N3/0455 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的材料自旋霍尔电导预测方法，包括以下步骤：S1、采集考虑电子自旋通道耦合作用的材料能带数据，并对所述材料能带数据进行数据扩充和数据处理，得到自旋霍尔电导预测的数据集；S2、将自旋霍尔电导预测的数据集划分为训练集、验证集和测试集；S3、构建深度神经网络模型；S4、通过训练集对深度神经网络模型进行训练，得到训练好的深度神经网络模型；S5、将测试集输入训练好的深度神经网络模型，输出得到材料自旋霍尔电导预测结果。本发明采用的数据集的数据量充分，得到的预测结果与真实结果较为接近，预测速度较快，占用计算资源少。
-
Patent Agency Ranking
公开(公告)号：CN118780354A
公开(公告)日：2024-10-15
申请号：CN202410747053.3
申请日：2024-06-11
Applicant: 电子科技大学
IPC: G06N5/022 , G06N3/0442 , G06N3/092
Abstract: 本发明公开了一种时序知识图谱补全方法，包括S1、构建时序知识图谱；S2、基于时序知识图谱中的已知历史事实，学习实体和关系随时间变化的模式，确定历史词汇向量，并对其进行优化，进而计算历史网络结构中历史实体概率；S3、基于时序知识图谱中的全部事实，通过关系嵌入向量显式引入关系编码，进而计算全局网络结构中全部实体概率；S4、结合历史实体概率和全部实体概率，得到每个备选对象实体作为待补全对象实体的最终概率，并根据其进行时序知识图谱补全。本发明通过基于时序嵌入的知识补全机制，学习历史网络结构中实体和关系随时间变化的模式，增强网络节点关系的链接预测能力，提升时序知识图谱嵌入的精度和时序知识图谱完整性。
-
公开(公告)号：CN118520179A
公开(公告)日：2024-08-20
申请号：CN202410664901.4
申请日：2024-05-27
Applicant: 电子科技大学
IPC: G06F16/9537 , G06F16/9536 , G06F40/169 , G06F18/10 , G06F18/25 , G06N3/0464
Abstract: 本发明公开了一种基于时序信息推理的支持度预测方法，包括：S1、收集网络人物的社交媒体数据和历史趋势数据；S2、根据社交媒体数据计算网络人物的每日情绪指标特征；S3、将历史趋势数据经过卡尔曼滤波进行修正，确定每日历史趋势数据的预测值；S4、将每日情绪指标特征和每日历史趋势数据的预测值利用时间卷积网络和自注意力机制融合，并利用多层感知机进行特征映射，预测得到网络人物支持度。本发明方法可以有效结合来自不同来源的数据，由于模型训练所用的数据覆盖天数较少，其简单性和可移植性能够得到强调；本方法允许它对每个网络人物的支持率进行单独训练，因而对不同支持者以及水军机器人的行为展现出较高的鲁棒性。
-
公开(公告)号：CN113627557B
公开(公告)日：2023-10-03
申请号：CN202110954631.7
申请日：2021-08-19
Applicant: 电子科技大学
IPC: G06V10/82 , G06V10/764 , G06V10/766 , G06V10/25 , G06V10/80 , G06N3/0464 , G06N3/045 , G06N3/0475 , G06N3/0442 , G06N3/048 , G06N3/084
Abstract: 本发明涉及计算机视觉领域中的视觉关系检测技术，其公开了一种基于上下文图注意力机制的场景图生成方法，通过充分挖掘外部知识以及目标的上下文信息，从而提高场景图生成的准确率。该方法通过上下文融合目标的外部知识向量、空间特征以及视觉特征，获得融合后的特征向量；根据目标的邻接矩阵，并结合融合后的特征向量进行图注意力网络的初始化；利用样本数据集中的统计信息计算目标关系的频率系数，并利用目标上下文特征计算图注意力系数；通过图注意力网络的信息迭代获得目标的最终向量表示并计算目标之间的关系，利用目标之间的关系以及目标的损失函数进行梯度下降更新，从而生成视觉关系检测模型；针对待检测图像，根据视觉关系检测模型生成场景图。
-
公开(公告)号：CN110322529B
公开(公告)日：2023-04-18
申请号：CN201910629814.4
申请日：2019-07-12
Applicant: 电子科技大学
IPC: G06T11/20 , G06F16/951 , G06N3/084 , G06N3/09 , G06N3/0455 , G06N3/0464
Abstract: 本发明涉及绘画辅助领域，其公开了一种基于深度学习辅助艺术绘画的方法，解决传统技术中的辅助绘画方案存在的绘画内容受限，不能实现个性化绘画，适用范围和应用场景有限的问题。该方法包括：步骤1、采用爬虫获取艺术绘画数据并进行预处理，构建训练数据集；步骤2、构建由多层卷积层、池化层、反卷积层、上采样层及全连接层组成的深度卷积变分自编码网络；步骤3、利用训练数据集在有监督条件下，运用反向传播学习算法对深度卷积变分自编码网络进行训练，获得辅助绘画模型；步骤4、利用辅助绘画模型对用户输入的绘画进行处理，生成辅助绘画结果。本发明用于辅助用户在计算机等设备上进行艺术绘画。
-
公开(公告)号：CN110909690B
公开(公告)日：2023-03-31
申请号：CN201911174855.5
申请日：2019-11-26
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于区域生成的遮挡人脸图像检测方法，属于人脸图像检测技术领域，首先获取人脸图像，所述人脸图像包括无遮挡人脸图像和遮挡人脸图像，对所述人脸图像进行预处理，并制作所述人脸图像对应的目标图像；接着构建人脸图像检测网络，所述人脸图像检测网络包括特征提取基干网络、特征提取分支网络和特征增强分支网络；再利用预处理后的人脸图像和目标图像对所述人脸图像检测网络进行训练，得到完成训练的检测模型；最后输入待检测遮挡人脸图像至所述完成训练的检测网络，实现遮挡人脸图像的检测；本发明能够有效的对遮挡的人脸图像进行检测。
-
-
-
-
-
-
-
-
-
Search Results
79
records
(took 0.024 seconds)
