-
公开(公告)号：CN115908480A
公开(公告)日：2023-04-04
申请号：CN202211238582.8
申请日：2022-10-11
Applicant: 电子科技大学长三角研究院(湖州)
Abstract: 本发明公开了一种基于收缩增强损失函数的多视图置信度感知跟踪方法，属于目标跟踪技术领域，用于解决传统孪生跟踪算法很少考虑模板中相似目标背景难以区分，导致的跟踪结果不准确问题。本发明首先设计了一个收缩增强损失函数，通过在回归学习训练时收缩简单背景负样本的影响，增大困难背景负样本的贡献，平衡训练样本，最终挑选对目标更敏感的通道特征；同时，为进一步增强置信度图可靠性，构造了一种多视图置信度感知方法。本发明通过多视图置信度指南将模板、前景和背景的响应图进行整合，突出目标特征，抑制背景干扰，从而获得更具判别力的目标响应图，提升跟踪结果的鲁棒性。
-
公开(公告)号：CN115731421A
公开(公告)日：2023-03-03
申请号：CN202211514426.X
申请日：2022-11-29
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V20/70 , G06V10/46 , G06N3/0455 , G06N3/048 , G06N3/08
Abstract: 本发明属于计算机视觉技术领域，公开了一种机器学习中零样本图片分类方法及系统，获取零样本图片数据集；通过预训练网络提取数据的特征；选取两张图片输入到编码器1中，对结果计算差异损失；输入到解码器1中，计算图片重构损失；选取一张图片输入到编码器1后，将语义特征输入到编码器2中，交换后输入到解码器2中，计算差异损失、图片重构损失和语义重构损失；统计总损失；训练编码器和解码器；利用训练完成的编码器和解码器产生新的数据；组合新数据和原始数据训练分类器；利用分类器对测试样本进行测试。本发明利用解耦的方式提供了更加可靠的特征生成方式，为未见类的生成特征提供了可靠性保障，最终更好的训练未见类分类器。
-
公开(公告)号：CN115618724A
公开(公告)日：2023-01-17
申请号：CN202211226319.7
申请日：2022-10-09
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06F30/27 , G06F17/18 , G06F18/214 , G06F111/06 , G06F119/02
Abstract: 本发明属于火电机组热工过程非线性系统辨识技术领域，公开了一种热工非线性系统辨识方法、系统、介质、设备及终端，获得用于模型热工非线性系统辨识的样本集，将样本集划分为训练集和测试集两部分；将训练集样本作为模型训练的输入样本，通过模糊宽度学习系统进行训练和推理；通过节点适应度粒子群算法对模糊宽度学习系统的模糊规则Nr、模糊子系统Nf和增强节点Ne三个参数进行搜索；根据测试集样本，利用经过优化搜索的最优模糊宽度学习系统结构进行预测。本发明的计算过程简单高效，能够同时用于神经网络逼近和模糊推理，具有快速确定最优模型结构的优点，有效提升模型非线性系统辨识能力，在非线性系统辨识任务中具有较强的应用价值。
-
公开(公告)号：CN115424014A
公开(公告)日：2022-12-02
申请号：CN202210879677.1
申请日：2022-07-25
Applicant: 电子科技大学长三角研究院(湖州)
Abstract: 本发明公开了一种基于语义注意力机制的零样本语义分割方法。该方法包括如下步骤：通过背景提取模块提取背景掩码，将背景掩码与初始背景特征一起输入到背景更新模块中，输出学习得到的背景语义特征。通过像素特征提取模块得到语义注意力图和视觉特征图，利用语义特征图和语义注意力图得到适用于当前图片的语义特征，最后计算语义特征和视觉特征图的余弦相似度，根据最大的相似度实现语义分割。本方法通过可学习可更新的背景和语义特征，针对不同的图片学习得到不同的语义特征，根据得到的语义特征帮助零样本语义分割模型更好地针对每一个像素点进行语义分割，提高模型的泛化性和通用性。
-
公开(公告)号：CN114861541A
公开(公告)日：2022-08-05
申请号：CN202210523696.0
申请日：2022-05-13
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06F30/27 , G06F17/10 , G06N3/04 , G06N3/08 , G01N23/223
Abstract: 本发明涉及XRF光谱分析领域，公开了一种基于XRF‑EGAN的土壤XRF光谱本底扣除方法，是基于GAN模型的设计模式，采用一维全卷积网络层和残差连接，构建模型的生成器，采用一维卷积和全连接层构建模型的判别器，并采用对抗训练模式训练XRF‑EGAN模型，进而获得训练好的生成器和判别器，且生成器是土壤XRF本底扣除模型，进而提高土壤XRF的元素净峰面积和含量之间的相关性，进而提升基于XRF光谱的元素定量分析的准确性。本发明的方法应用在土壤XRF光谱本底扣除中，实现土壤XRF光谱的本底扣除，消除因X荧光分析仪在分析过程中脉冲堆积导致的XRF本底干扰。本发明适用于土壤XRF光谱本底扣除。
-
Patent Agency Ranking
公开(公告)号：CN118917220B
公开(公告)日：2025-03-21
申请号：CN202411407107.8
申请日：2024-10-10
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06F30/27 , G06N7/01 , G06F119/02
Abstract: 本发明涉及轨道车辆技术领域，具体为基于动态贝叶斯网络的轨道车辆转向架可靠性分析方法，包括抽取训练样本集和初始样本点，训练自适应Kriging模型，采用学习函数UH更新自适应Kriging模型、通过TV‑Copula函数拟合最优状态值之间时变相关性、通过AIC准则构建两两最优状态值集合之间最优TV‑pair Copula函数、构建TV‑Vine Copula函数，作为贝叶斯网络DAG，构建各变量之间TV‑VC‑BN、构建TV‑VC‑DBN，得到失效概率、计算可靠度。本发明采用主动学习函数UH选择最优样本点对自适应Kriging代理模型进行优化，提高自适应Kriging代理模型精度；通过使用TV‑Copula函数最终建立TV‑VC‑DBN模型，将可靠性的分析与时变相关性相结合，提高可靠性分析准确性；通过使用K折交叉检验判断UH函数停止准则，提高主动学习函数UH选择最优样本点准确性。
-
公开(公告)号：CN117834688A
公开(公告)日：2024-04-05
申请号：CN202311454319.7
申请日：2023-11-03
Applicant: 电子科技大学长三角研究院(湖州)
IPC: H04L67/125 , G01N23/223 , H04L67/1095 , H04L67/08
Abstract: 本发明涉及控制技术领域，且公开了一种手持式XRF光谱仪网络远程协助方法，包括以下工作步骤：第一步：将分享界面同步至远程目标终端，分享界面用于分享分析数据用，分享界面对分析数据进行界面上的共享，远程目标终端上可进行分享界面上信息的传输，分享界面显示有对象分析数据，对象分析数据是根据对检测对象的成分进行分析得到的。该一种手持式XRF光谱仪网络远程协助方法，本方案将分享界面同步至远程目标终端，接收远程控制指令，确定远程控制指令对应的目标操作，根据目标操作进行操作，目标操作与界面控制操作在分享界面的操作位置匹配，从而实现XRF光谱仪网络远程协助，通过分享界面的分享，实现远程协助操作。
-
公开(公告)号：CN117762092A
公开(公告)日：2024-03-26
申请号：CN202311453885.6
申请日：2023-11-03
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G05B19/418
Abstract: 本发明涉及智能工厂生产调度领域，且公开了基于深度强化学习的智能工厂生产作业调度方法，在深度强化学习算法的训练调度过程中，由工件观察状态、工件预测状态和奖励函数构成元组，所述元组每隔规定时间更新一次；根据当前工件观察状态，输出预测状态和奖励函数进行作业调度，当元组更新一次后，根据更新后的工件观察状态，输出工件预测状态和奖励函数进行再一次的作业调度，直至工件达到完成加工的状态；由此可以得到奖励函数值最高的作业调度方法。当奖励函数表示工件观察状态与工件预测状态的图像对比越像，获得的奖励值r越高，因此将可以得到奖励函数值最高的作业调度方法，从而实现深度强化学习作业调度的目的。
-
公开(公告)号：CN117593545A
公开(公告)日：2024-02-23
申请号：CN202311641960.1
申请日：2023-12-04
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06V10/62 , G06V10/22 , G06V10/40 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0442 , G06N3/049 , G06N3/08
Abstract: 本发明公开基于时空区域建议和动态度量记忆网络的长期目标跟踪方法，以解决现有跟踪方法无法有效应对目标丢失后恢复跟踪的问题。其步骤为：首先跟踪器在搜索区域内，通过交互利用目标在时间和空间两个维度的信息进行区域建议，生成一些面向目标对象的高质量的候选区域，然后利用记忆网络判断推理出最优候选作为预测结果。根据该结果判断目标是否丢失，进行全局局部搜索策略的转换，同时对跟踪结果进行度量判断动态的更新记忆内容以模拟目标的长期外观。本发明将区域建议和记忆网络相结合能够适应目标不确定性运动等跟踪问题，实现长期跟踪。
-
公开(公告)号：CN117497082A
公开(公告)日：2024-02-02
申请号：CN202311454471.5
申请日：2023-11-03
Applicant: 电子科技大学长三角研究院(湖州)
Abstract: 本发明涉及智能计算和XRF光谱仪的PMI技术领域，且公开了一种基于XRF光谱仪合金牌号鉴定的智能方法，包括以下步骤：第一步：收集待检测的基本参数法校正所需标准样本集等。本发明匹配正确率含量采用平均值的算法，给定牌号库所有牌号标准样本的匹配正确率测定次数为10‑15次，对所计算的10‑15次匹配正确率进行相加，然后除以输入计算的次数，获得给定牌号库所有牌号标准样本的平均匹配正确率，以平均正确率为指标采用遗传算法自适应调整匹配度计算中的模糊匹配参数直至当前标准样本集匹配结果逼近最优，本发明采用平均值的科学性算法，提高了本发明鉴定的科学性以及准确性。
-
-
-
-
-
-
-
-
-
Search Results
71
records
(took 0.028 seconds)
