-
Patent Agency Ranking
公开(公告)号：CN113158753B
公开(公告)日：2021-11-05
申请号：CN202110170060.8
申请日：2021-02-07
Applicant: 北京信息科技大学
Abstract: 本发明公开了一种捷联图像制导飞行器的目标识别及制导方法，该方法中对目标照片图像和捷联图像进行特征提取，将提取到的特征图输入深度神经网络进行目标区域识别，进而得到目标位置信息，从而实现将操作者给定的目标照片输入到计算模型中并控制该模型识别并追踪该目标的目的，进一步地，将该模型应用在捷联可见光导引头图像中，能够准确识别并追踪目标，还能够屏蔽复杂背景及捷联导引头抖动导致的不确定性。
-
公开(公告)号：CN112016671A
公开(公告)日：2020-12-01
申请号：CN202010654064.9
申请日：2020-07-09
Applicant: 北京信息科技大学 , 深圳市盖瑞智慧科技有限公司
Abstract: 本发明提供基于深度信念网络黑箱可视化技术的交通特征分析方法，有效实现对交通要素的重要性分析，提高交通事故的预测精度。具体步骤为：针对深度信念网络的训练特性，设计基于权值可视化技术，提出无监督训练阶段的特征重要性公式，实现对输入层每个神经元的潜在贡献进行分析；然后，设计有监督训练的权值敏感度分析方法，提出有监督训练阶段的特征重要性公式；最后，通过将前两个公式进行结合，提出深度信念网的全局特征重要性公式，该公式可实现对高速公路六个主要参数的重要性分析。在实际操作时，使用此技术可以剔除对交通事故预测有负向作用的影响因素，强化对交通事故有重要作用的影响因素，为市政部门的决策提供有力支持。
-
公开(公告)号：CN112016671B
公开(公告)日：2025-02-07
申请号：CN202010654064.9
申请日：2020-07-09
Applicant: 北京信息科技大学 , 深圳市盖瑞智慧科技有限公司
Abstract: 本发明提供基于深度信念网络黑箱可视化技术的交通特征分析方法，有效实现对交通要素的重要性分析，提高交通事故的预测精度。具体步骤为：针对深度信念网络的训练特性，设计基于权值可视化技术，提出无监督训练阶段的特征重要性公式，实现对输入层每个神经元的潜在贡献进行分析；然后，设计有监督训练的权值敏感度分析方法，提出有监督训练阶段的特征重要性公式；最后，通过将前两个公式进行结合，提出深度信念网的全局特征重要性公式，该公式可实现对高速公路六个主要参数的重要性分析。在实际操作时，使用此技术可以剔除对交通事故预测有负向作用的影响因素，强化对交通事故有重要作用的影响因素，为市政部门的决策提供有力支持。
-
公开(公告)号：CN119252367A
公开(公告)日：2025-01-03
申请号：CN202411286128.9
申请日：2024-09-13
Applicant: 北京信息科技大学
IPC: G16C20/30 , G16C20/70 , G06N3/006 , G06F18/15 , G06F18/213 , G06F18/214
Abstract: 本申请公开了一种基于鸽群优化回声状态网络的出水总磷预测模型构建方法，通过获取污水处理数据，并进行数据预处理；根据预处理后的污水处理数据确定辅助变量集和预测变量；其中，预测变量为出水总磷；根据辅助变量集和预测变量确定回声状态网络的输入节点个数和输出节点个数；基于自适应改进的鸽群优化算法结合禁忌搜索算法确定回声状态网络储备池层的最佳参数。本申请利用鸽群优化算法的全局搜索能力和禁忌搜索算法的局部搜索能力，通过改进鸽群优化算法中的算子更新公式进一步提升算法的寻优能力，运用自适应调整机制对回声状态网络的参数和结构进行优化，不仅让原有算法摆脱局部最优解，还能提升模型预测精度。
-
公开(公告)号：CN113158753A
公开(公告)日：2021-07-23
申请号：CN202110170060.8
申请日：2021-02-07
Applicant: 北京信息科技大学
Abstract: 本发明公开了一种捷联图像制导飞行器的目标识别及制导方法，该方法中对目标照片图像和捷联图像进行特征提取，将提取到的特征图输入深度神经网络进行目标区域识别，进而得到目标位置信息，从而实现将操作者给定的目标照片输入到计算模型中并控制该模型识别并追踪该目标的目的，进一步地，将该模型应用在捷联可见光导引头图像中，能够准确识别并追踪目标，还能够屏蔽复杂背景及捷联导引头抖动导致的不确定性。
-
-
-
-
Search Results
5
records
(took 0.02 seconds)
