-
公开(公告)号：CN108647568A
公开(公告)日：2018-10-12
申请号：CN201810275831.8
申请日：2018-03-30
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于全卷积神经网络的草地退化自动提取方法，包括以下步骤：S1、获取待检测区域的影像数据作为数据集，并进行像素标记得到对应的样本标签；S2、进行数据扩展和数据增强，划分训练集和测试集；S3、设计全卷积神经网络；S4、将训练集和对应样本标签作为输入数据，利用神经网络进行训练，待神经网络的性能评价指标收敛后得到具有退化草地提取能力的神经网络模型；S5、对测试集进行特征提取，得到每一个像素对应的标签值，根据标签值着色后得到退化草地的分割提取结果。本发明采用了端到端训练模型，缩减了人工预处理和后处理，简化了草地退化提取流程，具有更强的适应性和高效性，可以实现任意尺寸的图像的输入，适用性广。
-
公开(公告)号：CN107068607A
公开(公告)日：2017-08-18
申请号：CN201710272617.2
申请日：2017-04-24
Applicant: 西安电子科技大学
IPC: H01L21/683
Abstract: 本发明公开了一种基于牺牲层的电极材料转移方法，主要解决电极材料转移中容易出现裂纹，成功率低的问题，其实现方案是：1)在清洗后的亲水性源衬底上采用电子束蒸发的方法制备具有疏水性质的牺牲层，再旋涂聚酰亚胺液体并进行热固化；2)用细胶带贴住样片的四周边缘区域在处理后的样片上制备电极，再进行光刻胶的旋涂，并完成烘胶；3)将烘胶后的样片泡在水中，再施以稍许应力，使牺牲层与源衬底迅速实现亲水性分离，随后采用腐蚀剂腐蚀牺牲层；4)用丙酮除去释放后薄膜上的光刻胶，再将薄膜粘附到目的衬底上，转移结束。本发明具有操作简单，成功率高，衬片可重复利用的优点，可用于对延展性较差的电极材料的转移工作。
-
公开(公告)号：CN102364944A
公开(公告)日：2012-02-29
申请号：CN201110372003.4
申请日：2011-11-22
Applicant: 电子科技大学
Abstract: 一种预防人员聚集的视频监控方法，属于图像处理技术领域，应用于特殊场合(比如：戒毒场所、监狱等)下预防人员聚集的视频监控。包括1)采集视频监控图像；2)确定当前帧的背景；3)计算当前帧与其背景之间的差分图像、并二值化；4)对二值化差分图像进行形态学处理、并提取出运动目标；5)确定运动目标的位置、大小以及几何中心位置；6)计算并判断任意两个运动目标几何中心之间的距离是否小于距离阈值L，若小于距离阈值L，则发出预警信号。本发明对需要预防人员聚集的场合进行视频监控，通过计算机图像处理技术实现自动检测和判断人员聚集情况，克服了由人的主观经验来判断的缺陷，同时能够提高预警准确率和提高视频监控工作人员的效率。
-
公开(公告)号：CN119675633A
公开(公告)日：2025-03-21
申请号：CN202411512893.8
申请日：2024-10-28
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种带扫描的脉冲锁存触发器电路，包括：数据选择单元，用于接收数据输入信号、扫描输入信号和使能信号，并响应于使能信号从数据输入信号和扫描输入信号中选择一个信号作为第一输出信号；脉冲产生单元，用于接收时钟信号，并根据时钟信号生成脉冲信号，脉冲信号是在时钟信号的上升沿之后生成；锁存器单元，包含用于根据自身的输入端和输出端的信号的不同进行充电或放电的时钟馈通单元，锁存器单元用于接收第一输出信号和脉冲信号，并与脉冲信号同步地锁存第一输出信号，以及响应于第一输出信号和上一个周期的第二输出信号的反向信号，生成当前周期的第二输出信号并输出。本发明具有高速、延时低、功耗低、充放电速度快的优点。
-
公开(公告)号：CN118964842A
公开(公告)日：2024-11-15
申请号：CN202410986999.5
申请日：2024-07-23
Applicant: 电子科技大学
IPC: G06F18/10 , G06F18/213 , G06N3/0455 , G06N3/0499 , G06N3/08
Abstract: 本发明提出了一种基于多尺度Transformer的自适应经验模态分解预测方法，包括以下步骤：S1：基于时间序列，对数据进行预处理；S2：将S1的结果输入到自适应经验模态分解预测算法结构中，对输入数据集进行自适应经验模态分解，得到有限个本征模函数；S3：模型将S2的结果输入多尺度编码器中，得到各尺度编码特征向量；S4：将S3的结果输入多尺度解码器中，得到各尺度解码特征向量；S5：对S4的结果进行拼接和线性变换，得到时间序列预测结果。本发明提出的算法结合了自适应经验模态分解技术和多尺度Transformer模型。因此其不仅提高了预测的准确性和鲁棒性，还具备自适应能力，能够有效地避免数据中噪声的干扰，以适应非平稳时间序列。
-
Patent Agency Ranking
公开(公告)号：CN118378028A
公开(公告)日：2024-07-23
申请号：CN202410428030.6
申请日：2024-04-10
Applicant: 电子科技大学
IPC: G06F18/15 , G06F18/214 , G06F18/213 , G06N3/0985 , G06N3/08 , G06N3/0464 , G06N3/048
Abstract: 本发明公开了一种基于持续对抗域适应的辐射源时间影响因素去除方法，包括以下步骤：S1、收集不同时间下多个辐射源发射的中频AD信号数据；S2、对辐射源信号样本集进行归一化处理；S3、构建辐射源时间影响因素去除网络模型；S4、训练网络模型；S5、采用持续学习方法，对新时间段的信号进行预处理，并送入训练好的模型进行预测，将置信度高的数据打上伪标签并加入特征追踪数据库；然后，基于特征追踪数据库对模型进行持续训练以持续跟踪和适应信号指纹特征的变化。本发明采用对抗域适应网络，通过对抗迭代训练的方法消除时间影响因素，并采用持续学习方法持续跟踪和适应辐射源指纹随时间的变化，最终得到的模型将不受时间因素的影响。
-
公开(公告)号：CN117787367A
公开(公告)日：2024-03-29
申请号：CN202311811630.2
申请日：2023-12-26
Applicant: 西安电子科技大学
Abstract: 本发明涉及一种基于LTspice的神经元仿真系统，该系统包括：比较模块，用于根据上一时刻的第一电压与上一时刻的第二电压得到当前时刻的第三电压；状态模块，用于根据该当前时刻的第三电压得到当前时刻的第一电压；神经元模块，用于根据当前时刻的第三电压、开态电阻和关态电阻得到当前时刻的第二电压；该比较模块，还用于根据当前时刻的第一电压和当前时刻的第二电压得到下一时刻的第三电压，以实现神经元的仿真。通过上述技术方案，系统中上一时刻的电压影响当前时刻的电压，进而影响下一时刻的电压，形成循环，与LIF神经元电路的特性一致，实现了利用计算机对LIF神经元电路进行仿真，一定程度上促进了神经元模型研究的发展。
-
公开(公告)号：CN115208722B
公开(公告)日：2024-03-01
申请号：CN202210897758.4
申请日：2022-07-28
Applicant: 电子科技大学
IPC: H04L25/03 , G06F18/213 , G06N3/0464 , G06N3/08 , G06N3/048
Abstract: 本发明公开了一种新的帧同步扰码解扰方法，包括以下步骤：S1、生成采用不同本原多项式的帧同步扰码序列加扰后的信号样本；S2、构建基于深度学习的帧同步扰码解扰网络模型；S3、设置帧同步扰码解扰网络模型的训练超参数；S4、将信号样本输入解扰网络模型，其中扰码作为网络的输入数据，原始数据作为标签，进行训练，获得帧同步扰码解扰网络模型的最终形式。本发明将深度学习与通信领域相结合，使用深度学习技术对模拟仿真出来的加扰通信信号进行解扰，使用深度学习中的网络模型可以自动提取输入信号的扰码特征，学习扰码与原始信号的变换关系，提高扰码识别和解扰的准确率，为后续的解交织、纠错编码译码等工作打下坚实的基础。
-
公开(公告)号：CN117354638A
公开(公告)日：2024-01-05
申请号：CN202311385191.3
申请日：2023-10-24
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于非易失性编程的传感器内加密方法及加密传感器，所述方法包括:编程模块对被光线照射之后的光电晶体管进行非易失性编程；秘钥生成模块生成电压秘钥并根据电压秘钥对编程后的光电晶体管的栅极施加阈值电压；同时，控制电路模块向每个编程后的光电晶体管的漏级施加漏级偏置电压得到加密后的光电晶体管；读取电路模块根据加密后的光电晶体管的输出电流确定光线的加密图像。根据本发明提供的方法，通过对传感器进行非易失性编程，并根据电压秘钥对编程后的光电晶体管加密，能够在传感器内对传感器的探测结果直接进行加密运算，从而能够避免依赖于后处理计算单元执行的传统方法安全程度较低、容易被破解的问题，降低信息泄漏风险。
-
公开(公告)号：CN114548146B
公开(公告)日：2023-04-28
申请号：CN202210020325.0
申请日：2022-01-10
Applicant: 电子科技大学
IPC: G06F18/24 , G06F18/10 , G06F18/213 , G06N3/0464 , H04L27/00
Abstract: 本发明公开了一种基于多任务网络的调制信号分类与带宽估计方法，包括如下步骤：S1、生成12种不同类型调制信号作为数据集；S2、对调制信号数据集样本进行低通滤波；S3、对调制信号数据集样本作零均值归一化预处理；S4、设计多任务神经网络的结构、参数和损失函数；S5、将预处理后的调制信号训练集输入多任务神经网络进行训练，并保存最优模型；S6、利用保存的最优模型识别调制信号的类别和宽带信息。本发明实现了多任务共享特征，调制类型识别和带宽估计共享前面网络层输出的特征，一次推理可以同时得到输入信号样本的调制类型和带宽，相对于分别进行类型识别和带宽估计可以减小参数量和计算量，保证较好的实时性。
-
-
-
-
-
-
-
-
-
Search Results
103
records
(took 0.1 seconds)
