-
公开(公告)号：CN112098878A
公开(公告)日：2020-12-18
申请号：CN202010967389.2
申请日：2020-09-15
Applicant: 重庆邮电大学
IPC: G01R31/392 , G01R31/389 , G01R31/36
Abstract: 本发明涉及一种锂电池SOH估算和RUL预测的端到端神经网络建立方法，属于电池技术领域。在数据端，对测量的电池样本进行组织，以使其适用于SOH监测和RUL预测任务。在自动建模过程中，通过KS检验研究了神经网络超参数的先验分布。结合这种先验分布和在顺序演化过程中生成的后超参数分布，将根据结果端的预期输出自动调整基于神经网络的模型。本方法应用在SOH监测和RUL预测任务中可以获得较好的效果。
-
公开(公告)号：CN107610224B
公开(公告)日：2020-11-13
申请号：CN201710874127.X
申请日：2017-09-25
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于弱监督与明确闭塞建模的3D汽车对象类表示算法，属于神经网络对汽车检测与定位的领域。该算法利用弱标签图片作为训练集，同时利用3D汽车闭塞模型能通过汽车零部件定位与遮挡评估来恢复与完善汽车3D信息的优点，解决目前汽车检测中存在汽车检测与定位不完整的问题。本发明采用3D汽车闭塞模型对仅有的2D汽车信息进行恢复与完善，使得被截断、遮挡和闭塞等不完整的2D汽车信息恢复为完成的3D汽车表示，解决了目前汽车检测代价大，汽车信息检测与汽车定位不完备的问题。3D汽车对象类表示因此采用基于弱监督与明确闭塞建模的算法对于汽车检测与定位的后续处理具有重要的理论意义和应用价值。
-
公开(公告)号：CN111767672A
公开(公告)日：2020-10-13
申请号：CN202010610473.9
申请日：2020-06-29
Applicant: 重庆邮电大学
IPC: G06F30/25 , G01R31/367 , G01R31/382 , G01R31/396 , G06F111/08 , G06F119/08
Abstract: 本发明涉及一种基于蒙特卡洛方法的锂电池异常工况数据自组增强方法，属于锂电池检测领域，包括以下步骤：S1：对小样本锂电池异常工况序列进行小波分解，得到多尺度小波系数；S2：将多尺度小波系数映射成m维超空间中点；S3：对多尺度分量进行蒙特卡洛自组。本发明兼顾了数据来源的真实性和数据分布的重构性，为不平衡的锂电池数据处理，提供了新的技术手段，亦可迁移到其他工业领域，作为解决数据不平衡问题的方法之一。
-
公开(公告)号：CN111431938A
公开(公告)日：2020-07-17
申请号：CN202010334118.3
申请日：2020-04-24
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于胶囊网络的工业互联网入侵检测方法，属于互联网安全技术领域。首先对数据进行图像化处理以便于识别抽象特征，而后使用超深度卷积神经网络构建特征提取前端，同时引入全局平均池化层提高提取特征图的质量。在此基础上引入动态路由算法，通过迭代的方式对入侵数据特征进行聚类，在胶囊网络模块完成对各种攻击的检测分类。本发明使用多个池化层大幅减少数据维度，降低算法的空间复杂度。在反向传播(BP)过程中使用Adam方法作为优化算法，动态调整模型训练学习率，保证模型的平稳收敛以达到最优效果。与现有技术相比，本发明在工业互联网联网入侵检测中检测准确率高，有更低的误报率和漏报率。
-
公开(公告)号：CN111127709A
公开(公告)日：2020-05-08
申请号：CN201911303299.7
申请日：2019-12-17
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种汽车门锁钥匙配制方法，属于汽车技术领域。门锁钥匙添加请求用于将添加钥匙请求信息发送到车内ECU；车内ECU接收到门锁钥匙添加请求后，在钥匙配制运行模式下为该钥匙生成成员名称和密码，并通过车内ECU钥匙配制信息将该成员名称和密码信息以加密的方式发送给门锁钥匙；门锁钥匙配制确认完成钥匙信息的暂存和确认反馈，并以加密的形式发送给车内ECU；车内ECU根据门锁钥匙配制确认情况判断是否设置成功，成功则完成钥匙信息存储并发送车内ECU钥匙存储信息给门锁钥匙，失败则发送车内ECU钥匙配制信息进行钥匙重新配制；门锁钥匙信息存储完成门锁钥匙成员信息存储，并与车内ECU中的钥匙成员信息同步更新。
-
Patent Agency Ranking
公开(公告)号：CN111127375A
公开(公告)日：2020-05-08
申请号：CN201911223803.2
申请日：2019-12-03
Applicant: 重庆邮电大学
Abstract: 本专利提出一种基于密集尺度不变特征变换和四叉树自适应分块相结合的多聚焦图像融合。该方法基于源图像的密集尺度不变特征变换获得128维密集描述符，通过叠加所有密集描述符实现源图像活动水平的测量；在四叉树结构内对源图像进行分块，并且根据图像块对的聚焦情况决定该块对的分割，从而实现图像块大小的自适应选取，同时生成图像融合决策图；最后根据图像融合决策图直接复制源图像中的聚焦区域像素值生成完全聚焦的融合图像。该方法的融合图像的像素直接复制源图像聚焦区域的像素保留了更多源图像原始信息，自适应图像分块降低图像块方法的“块效应”，从而提高融合图像的视觉效果。
-
公开(公告)号：CN107992904B
公开(公告)日：2020-04-07
申请号：CN201711408339.5
申请日：2017-12-22
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于多源信息融合的林业生态环境人机交互方法，属于神经网络领域。该方法围绕林业生态中声音、图像、文字等关键信息综合处理，研究面向多源异构林业生态数据的稀疏特征提取、决策融合分析的共性技术，处理林业生态环境中多源异构信息，通过多模态信息的融合实现对于林业生态信息的多角度理解与分析。本发明融合人工智能在图像、语音识别和自然语言处理中的已有先进成果，面向林业生态典型应用场景，采用“云”到“端”的处理方式，利用视觉、语言、听觉等各种感知所记忆的多通道信息，构建林业生态环境统一语义表达的多模态人机交互平台，丰富林业生态监管手段、提升林业生态管理效率。
-
公开(公告)号：CN107662617B
公开(公告)日：2019-11-05
申请号：CN201710873933.5
申请日：2017-09-25
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于深度学习的车载交互控制算法，属于车联网智能控制技术领域。该算法包括：多特征融合下的自然语言数据稀疏表示，使词、句子等多层次结构中的词向量与词性、依存关系等语境向量深度融合，且稀疏表示融合生成的词向量；半监督学习下的自然语言深度学习模型优化，使深度学习模型与自然语言任务匹配，并按不同训练环境快速切换梯度学习机制；表示学习下的自然语言张量知识图构建与推理，使知识图中的实体、概念、类别以及语义关系转换为同一语义空间的数值向量，利用多列卷积神经网络学习获取知识特征向量，通过目标问句向量与知识特征向量的相似度得分计算实现知识推理。本发明能有效应答用户交互的自然语言信息，满足用户的行车需求。
-
公开(公告)号：CN108009285A
公开(公告)日：2018-05-08
申请号：CN201711408324.9
申请日：2017-12-22
Applicant: 重庆邮电大学
CPC classification number: G06F17/30654 , G06F17/30734 , G06N3/0454
Abstract: 本发明涉及一种基于自然语言处理的林业生态环境人机交互方法，属于神经网络领域。该方法采用知识图的方法对林业生态环境中的自然语言的实体进行推理，使知识推理转化为通过构建深度神经网络处理自然语言问句的问题，从而找到对应关系，表示学习下的知识图深度学习推理，得到相应的结论。本发明在深度学习中引入知识图的概念，在构建知识图的基础上，将浅层语义理解结果注入知识图，通过相应的知识推理获得较为深层的语义理解。该发明解决林业生态环境中语音、文本信息交互问题，使多模态交互设备实现林区导航、局部天气咨询、生态保护宣传、景点推送等互动功能，改善用户体验效果。
-
公开(公告)号：CN107992854A
公开(公告)日：2018-05-04
申请号：CN201711407164.6
申请日：2017-12-22
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于机器视觉的林业生态环境人机交互方法，属于神经网络领域。该方法融合人工智能在图像处理中的已有先进成果，面向林业生态典型应用场景，采用“云”到“端”的处理方式，利用视觉感知所记忆的信息，构建林业生态环境统一语义表达的人机交互平台。本发明围绕林业生态中的特殊人群分析、危险行为理解、人流量监测与野生动物识别等典型需求，研究图像敏感区域捕获、目标种类判别与图像语义理解的共性技术，解决林业生态环境中视觉信息交互问题，使多模态交互设备实现智能环境感知，改善林区监管手段、提高管理效率。实现林区智能监控与预警功能，丰富林业生态监管手段、提升林业生态管理效率。
-
-
-
-
-
-
-
-
-
Search Results
137
records
(took 0.025 seconds)
