-
公开(公告)号：CN113965962A
公开(公告)日：2022-01-21
申请号：CN202111070514.0
申请日：2021-09-13
Applicant: 鹰潭泰尔物联网研究中心有限公司 , 北京邮电大学 , 南昌大学 , 江西鑫铂瑞科技有限公司 , 金砖国家未来网络研究院(中国·深圳)
Abstract: 本申请公开了一种面向物联网切片的缓存资源管理方法及其系统，其中面向物联网切片的缓存资源管理方法具体包括以下步骤：获取用户接入信息，根据用户接入信息计算收益值和开销值；根据开销值和收益值建立偏好列表；根据偏好列表，确定初始匹配集合；对初始匹配集合进行处理，确定最终匹配集合。本申请在缓存资源占主要地位的前提下，平衡其它物理资源的占用，既可以实现更优的性能，又可以在此基础上对多种物理资源进行均衡灵活分配，对移动物联网多种严格的通信要求地更好实现和面向服务特性下给用户更好的通信效用都有促进意义。
-
公开(公告)号：CN112100711A
公开(公告)日：2020-12-18
申请号：CN202010795157.3
申请日：2020-08-10
Applicant: 南昌大学
Abstract: 本发明提供了一种基于ARIMA和PSO‑ELM的混凝土坝变形组合预报模型构建方法，针对大坝变形过程受多因素相互影响导致的高度非线性、不确定性，以及受复杂噪声污染呈现不规则混沌特性等特点，利用集合经验模态（EEMD）对位移混合模型的残差序列进行自适应的分析和处理，粒子群算法（PSO）优化ELM选择最优的输入权值矩阵和隐含层偏差，构建PSO‑ELM模型对其非线性高频感应信号进行优化，同时借助自回归积分滑动平均模型(ARIMA)对其低频趋势信号进行拟合预测，建立了一种多尺度变形优化组合预报模型。本发明所建模型相对传统模型预测精度更高,能够克服监测序列中的噪声干扰,反映大坝监测序列的多尺度特性,能够更加清楚、全面地对大坝监测数据时间序列进行分析与判断。
-
公开(公告)号：CN119418915B
公开(公告)日：2025-04-29
申请号：CN202510031898.7
申请日：2025-01-09
Applicant: 南昌大学
IPC: G16H50/20 , G16H50/70 , G06V40/16 , G06V10/52 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/08
Abstract: 本申请涉及人工智能辅助疾病检测技术领域，公开了帕金森病评估模型训练方法、系统及帕金森病评估方法，该模型训练方法包括：获取多个样本对象的多类面部表情图像，并为每个样本对象标注真实类别标签（PD患者或非PD患者）；通过初始模型的分支网络模块提取多尺度特征，并利用初始模型的注意力融合模块对多尺度特征进行自适应加权融合，形成面部表情融合特征；通过初始模型的分类模块对面部表情融合特征进行分类，得到预测结果；根据预测结果与真实标签的差异构建联合损失函数，以优化模型的分类性能；基于联合损失函数对初始模型进行训练，最终得到目标帕金森病评估模型。该目标帕金森病评估模型能进一步提升帕金森疾病的评估。
-
公开(公告)号：CN118629632A
公开(公告)日：2024-09-10
申请号：CN202410764544.9
申请日：2024-06-14
Applicant: 南昌大学
IPC: G16H50/20 , G06N3/0455 , G06N3/098 , G16H50/70 , G06F18/24 , G06N3/0464 , G06F18/22
Abstract: 本发明涉及数据处理技术领域，特别涉及一种基于联邦学习模型的帕金森疾病智能评估方法与系统，从三个角度测量客户端贡献，并受启发于经典博弈合作中的贡献计算方式Shapley Value，大大简化了客户端贡献估计的复杂度，在保护隐私的同时，激励多个医疗机构协同训练帕金森疾病诊断模型。本发明一种基于联邦学习模型的帕金森疾病智能评估方法与系统，从梯度下降速率、梯度多样性、数据多样性三个维度估计各个医疗机构的贡献，并在中心服务器聚合模型时，使用此贡献对各个客户端模型加权得到中心模型，实现公平，增加了医疗机构参与训练的意愿，激励各个医疗机构进行联合学习，得到一个更好的帕金森疾病分类模型。
-
公开(公告)号：CN117934991A
公开(公告)日：2024-04-26
申请号：CN202410015401.8
申请日：2024-01-05
Applicant: 南昌大学
IPC: G06V10/774 , G06N3/0475 , G06N3/045 , G06N3/0464 , G06N3/088 , G06N3/094
Abstract: 本发明涉及图像处理技术领域，特别涉及一种基于身份保持的多类面部表情图片生成技术，包括条件生成对抗网络模型训练、多类面部表情图片生成两个步骤。本发明能够根据主体中性表情图片生成包含该主体六类基本不同面部表情(愤怒、厌恶、恐惧、快乐、悲伤、以及惊讶)的面部图片，具有灵活性和实用性；另外，该技术能够在生成主体多类面部表情图片的同时保持主体身份信息，使得生成图片更为自然逼真，具有良好的应用前景。
-
Patent Agency Ranking
公开(公告)号：CN116052872B
公开(公告)日：2023-10-13
申请号：CN202310018729.0
申请日：2023-01-06
Applicant: 南昌大学
Abstract: 本发明公开了一种基于面部表情的帕金森疾病智能数据评估方法和系统，包括步骤：第一，采用StarGAN模型合成帕金森患者的正常面部表情图像；第二，基于FaceQnet模型制定了一个图像质量筛选方案来评估上述合成的面部表情图像质量，挑选出高质量合成面部图像；第三，将PD患者的原始训练数据与高质量合成面部表情图像和公共数据集中图像进行混合，对原始训练数据扩充，训练深度特征提取器，学习提取图像表情特征；第四，将提取的面部表情图像的特征连接起来，然后训练分类器进行PD/非PD分类。本发明提出了一种通过深度学习模型实现基于面部表情的诊断准确率高的体外帕金森诊断方法，大大降低了帕金森患者诊断成本，提高了帕金森诊断效率和准确率。
-
公开(公告)号：CN112100711B
公开(公告)日：2022-11-08
申请号：CN202010795157.3
申请日：2020-08-10
Applicant: 南昌大学
Abstract: 本发明提供了一种基于ARIMA和PSO‑ELM的混凝土坝变形组合预报模型构建方法，针对大坝变形过程受多因素相互影响导致的高度非线性、不确定性，以及受复杂噪声污染呈现不规则混沌特性等特点，利用集合经验模态（EEMD）对位移混合模型的残差序列进行自适应的分析和处理，粒子群算法（PSO）优化ELM选择最优的输入权值矩阵和隐含层偏差，构建PSO‑ELM模型对其非线性高频感应信号进行优化，同时借助自回归积分滑动平均模型(ARIMA)对其低频趋势信号进行拟合预测，建立了一种多尺度变形优化组合预报模型。本发明所建模型相对传统模型预测精度更高,能够克服监测序列中的噪声干扰,反映大坝监测序列的多尺度特性,能够更加清楚、全面地对大坝监测数据时间序列进行分析与判断。
-
公开(公告)号：CN113076513B
公开(公告)日：2022-06-14
申请号：CN202110327314.2
申请日：2021-03-26
Applicant: 南昌大学
Abstract: 本发明公开了一种长引水系统水电站引水调压室设置判别方法，该方法包括：步骤1在上游水库断面、水轮机进口断面以及下游尾水渠断面分别建立一元非恒定管流的能量方程，结合水轮机工作水头方程，得到考虑水电站引水系统水头损失的刚性水击方程；步骤2联立近似的水轮机边界条件，经系列处理，得到考虑输水系统水头损失的流量‑导叶开度关系式q＝q(φ)；步骤3通过移项得到蜗壳末端处的最大水击压力上升率ξs与导叶相对开度φ的函数关系ξs＝f(φ)，该函数关系中包含了引水系统水力损失的影响；步骤4计算得到引水系统水流惯性时间常数的允许值[TW]；步骤5形成引水调压室设置与否的判别条件。本发明所述的判别条件考虑了水电站引水系统的动态水头损失，理论上更为完善、合理。
-
公开(公告)号：CN114037861A
公开(公告)日：2022-02-11
申请号：CN202111266937.X
申请日：2021-10-28
Applicant: 南昌大学
IPC: G06V10/764 , G06V10/774 , G06V10/80 , G16H50/20
Abstract: 本发明公开了一种基于差分图像的动脉自旋标记图像合成方法，包括1、以动脉自旋标记图像合成方法作为“基模型”，将其作为“第n层”，将“基模型”和n‑1个生成对抗网络的级联连接在一起，构建出动脉自旋标记图像合成新框架；2、获取生成所需要的结构磁共振图像和动脉自旋标记图像，并执行预处理操作；3、将结构性磁共振图像和动脉自旋标记图像输入所述新框架中的每一层进行训练；4、随机将4个结构性磁共振图像作为输入，输入到训练好的所述新框架中，得到0～n层的单独输出；5、以图像金字塔融合的方法来进行图像重建。通过本发明合成的动脉自旋标记图像可以弥补现有的动脉自旋标记合成方法合成图像细节不够清晰的问题。
-
公开(公告)号：CN113076513A
公开(公告)日：2021-07-06
申请号：CN202110327314.2
申请日：2021-03-26
Applicant: 南昌大学
Abstract: 本发明公开了一种长引水系统水电站引水调压室设置判别方法，该方法包括：步骤1在上游水库断面、水轮机进口断面以及下游尾水渠断面分别建立一元非恒定管流的能量方程，结合水轮机工作水头方程，得到考虑水电站引水系统水头损失的刚性水击方程；步骤2联立近似的水轮机边界条件，经系列处理，得到考虑输水系统水头损失的流量‑导叶开度关系式q＝q(φ)；步骤3通过移项得到蜗壳末端处的最大水击压力上升率ξs与导叶相对开度φ的函数关系ξs＝f(φ)，该函数关系中包含了引水系统水力损失的影响；步骤4计算得到引水系统水流惯性时间常数的允许值[TW]；步骤5形成引水调压室设置与否的判别条件。本发明所述的判别条件考虑了水电站引水系统的动态水头损失，理论上更为完善、合理。
-
-
-
-
-
-
-
-
-
Search Results
53
records
(took 0.028 seconds)
