-
公开(公告)号：CN117009749A
公开(公告)日：2023-11-07
申请号：CN202311028314.8
申请日：2023-08-15
Applicant: 电子科技大学
IPC: G06F18/10 , G06F18/213 , G06F18/211 , G06N3/0499 , G06N3/048 , G06N3/08 , G06N3/0455 , G06F18/25
Abstract: 本发明提出了一种基于Transformer编码层的可解释的电池寿命预测方法(BLP‑Transformer)，包括以下步骤：S1：基于电池相关数据，对数据进行预处理；S2：将数据输入到具有可解释性的电池寿命预测算法(BLP‑transformer)结构中，对输入数据集进行特征提取，生成特征选择掩码；S3：模型基于特征选择掩码，结合数据的位置编码信息进行学习与编码，得到已编码序列；S4：对已编码序列进行线性变换与解码，得到电池寿命的预测结果；S5：结合预测结果，对多步特征选择掩码进行聚合，量化特征重要性，得到模型的可解释性。本发明提供了一种具有可解释性的电池寿命预测方法，通过该方法可以得到电池寿命的预测结果与对结果的可解释性，有助于提高模型的准确性。
-
公开(公告)号：CN116956113A
公开(公告)日：2023-10-27
申请号：CN202310590628.0
申请日：2023-05-24
Applicant: 电子科技大学
IPC: G06F18/24 , G06F18/214 , G06F18/10 , G06F18/213 , G06N3/094
Abstract: 本发明公开了一种基于串行多对抗域自适应网络的辐射源特征提取方法，包括如下步骤：步骤1、收集不同时间、位置、接收机下多个辐射源发射的中频AD信号数据，并进行数据预处理；步骤2、划分训练样本集、验证样本集；步骤3、构建针对某一因素的基于串行多对抗域自适应网络的辐射源特征提取网络模型；步骤4、训练特征提取网络模型；步骤5、对所有因素分别训练对应的特征提取网络模型，并串接形成一个整体的特征提取网络；步骤6、在整体的特征提取网络后接一个新的辐射源分类器。本发明采用对抗域自适应的方法，借助域判别器识别和排除所有因素中的域信息，实现了特征提取网络的域适应能力；通过串接多个特征提取网络，提高了整体网络的识别准确率。
-
公开(公告)号：CN109582914B
公开(公告)日：2023-08-18
申请号：CN201910079209.4
申请日：2019-01-28
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种噪声相关的带偏差系统的并行式融合估计方法。针对存在影响系统状态和测量的动态偏差和相关噪声的多传感器测量系统的滤波问题，本发明提出了一种基于解相关技术和并行式多传感器融合思路的带偏差系统估计方法，通过引入解相关技术，重新建立一种噪声不相关的等效模型，同时，基于噪声相关的两阶段卡尔曼滤波器，分别对多个无偏差滤波器和多个偏差滤波器进行融合，最后，将局部融合后无偏差状态值和偏差值进行融合，得到系统状态的最优估计值。本发明解决了估计中过程噪声与测量噪声的相关性导致滤波精度下降的问题。
-
-
公开(公告)号：CN115526174A
公开(公告)日：2022-12-27
申请号：CN202211256290.7
申请日：2022-10-12
Applicant: 电子科技大学
IPC: G06F40/289 , G06F40/242 , G06F16/951 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种针对财经文本情感倾向分类的深度学习模型融合方法，包括以下步骤：S1：获取新闻直播网站发布的历史财经新闻信息；S2：基于已经获取的历史财经新闻信息，在现有财经词典的基础上，构建新的财经词典；S3：用新构建的财经词典，建立新的财经新闻数据集；S4：分别构建利用深度学习方法，用于财经文本情感倾向分类的三个神经网络模型；S5：采用集成学习中bagging的方式，完成对深度神经网络分类模型的训练，得到一种集成多模型财经文本情感倾向分类器。本发明通过自主采集财经新闻信息，构建新的财经词典，建立新的财经文本数据集，集成训练三个神经网络模型，完成集成多模型财经文本情感倾向分类器的构建工作。
-
Patent Agency Ranking
公开(公告)号：CN113824903B
公开(公告)日：2022-12-02
申请号：CN202110918849.7
申请日：2021-08-11
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于压缩感知技术的图像数据传输系统，包括数据压缩模块和数据恢复模块，其中，数据压缩模块用于利用易失性忆阻器产生随机数，并利用所述随机数控制采样开关对原始图像数据中的像素点进行多次随机采集，获得所述原始图像的观测数据；数据恢复模块用于对所述观测数据在稀疏域中进行数据处理，获得所述原始数据的复原数据。由于易失性忆阻器具有结构简单、与CMOS兼容、功耗低等优点，在与压缩传感技术结合后，以远低于奈奎斯特采样的速率进行采样，大大降低了数据存储和运输所产生的功耗，加快了数据采样和复原速率。
-
公开(公告)号：CN111222474B
公开(公告)日：2022-11-04
申请号：CN202010023020.6
申请日：2020-01-09
Applicant: 电子科技大学
IPC: G06V20/13 , G06V10/80 , G06V10/82 , G06V10/762 , G06V10/764 , G06V10/774 , G06T7/73
Abstract: 一种任意尺度的高分辨率图像小目标检测方法，包括以下步骤：获取标注清洗的目标数据集，划分训练集和测试集；对数据集通过优化聚类算法计算预设锚框；设计卷积神经网络，通过特征提取得到特征图，在预测网络上添加补丁使上采样得到的特征图和特征提取层对应特征图维度保持一致，在不同尺度特征图上做多尺度检测；利用卷积神经网络对数据集进行训练，待性能评价指标收敛后得到具有小目标检测能力的神经网络模型；对测试数据集进行检测，得到目标类别和位置坐标。本发明适用任意尺寸的图像输入网络，避免缩小到固定尺寸输入网络后特征图上小目标特征的丢失，或裁剪图像导致边缘目标上下文信息丢失，有助于高分辨率图像小目标的检测，适用性广。
-
公开(公告)号：CN115049494A
公开(公告)日：2022-09-13
申请号：CN202210795830.2
申请日：2022-07-06
Applicant: 电子科技大学
Abstract: 本发明公开了一种卷积‑LSTM(Long Short‑Term Memory，长短期记忆网络)混合深度神经网络的股票涨跌预测系统，包括以下模块：股票历史数据存储模块、股票预测模型建立模块、股票预测模块，所述股票存储模块用于存储股票的历史数据样本集；所述股票预测模型建立模块是使用处理后的数据对深度神经网络进行训练的方法来建立股票预测模型；所述股票预测模块是利用前述股票预测模型建立模块所建立的股票预测模型，输入历史股票数据，输出预测的股票价格，再根据股票预测价格确定股票涨跌情况。本发明的深度神经网络是通过一维卷积神经网络对两组样本数据的特征进行提取得到两组不同的特征数据，再将两组特征数据融合后输入LSTM，从而得到对股票的预测价格。
-
公开(公告)号：CN109543643B
公开(公告)日：2022-07-01
申请号：CN201811451634.3
申请日：2018-11-30
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于一维全卷积神经网络的载波信号检测方法，包括以下步骤：S1、生成一维宽带频谱信号训练样本；S2、将信号训练样本输入一维全卷积神经网络进行训练，保存最终网络模型；S3、将真实卫星宽带频谱信号传输至网络模型中进行自动检测；S4、将网络模型输出结果拼接回原始宽带长度，进行二值化处理；找出每一个频段的起止点位置，再根据宽带频率分率和宽带实际频率起止点得到每一个窄带的载波实际频率起止。本发明将传统的寻找动态阈值的检测方式转变成为一个二分类问题，利用有效的样本进行训练可以提取出频谱信号的特征，通过Sigmoid函数可以准确地检测出载波的频率位置，能够提高检测效率和准确率，噪声抑制和自适应能力也得到增强。
-
公开(公告)号：CN111913156B
公开(公告)日：2022-06-24
申请号：CN202010778765.3
申请日：2020-08-05
Applicant: 电子科技大学
Abstract: 一种基于深度学习模型与特征联合的雷达辐射源个体识别方法，其步骤为：1)采集不同雷达发射的中频AD信号数据，截取脉内信号数据生成雷达辐射源个体识别样本集；2)对雷达辐射源个体识别样本进行归一化处理并划分成训练样本集、验证样本集与测试样本集；3)构建基于深度学习模型与特征联合的雷达辐射源个体识别模型；4)训练基于深度学习模型与特征联合的雷达辐射源个体识别模型；5)用测试样本集获得雷达辐射源个体识别模型结果与特征判定结果；6)用雷达辐射源个体识别模型结果与特征判定结果联合计算最终识别结果并统计识别准确率。本发明具有普适性强，不需要人工特征提取和大量先验知识，具有复杂度低，分类结果准确稳定的优点。
-
-
-
-
-
-
-
-
-
Search Results
97
records
(took 0.036 seconds)
