公开(公告)号：CN118155095A

公开(公告)日：2024-06-07

申请号：CN202410271296.4

申请日：2024-03-11

Applicant: 北京理工大学

Inventor： 王雪飞 ,  成雨蓉 ,  钟明军 ,  袁野 ,  王国仁

IPC: G06V20/17 ,  G06V10/44 ,  G06V10/764 ,  G06V10/774 ,  G06V10/776 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种基于卷积神经网络和因果注意力机制的无人机高可靠性探测方法，实现了高鲁棒性、高抗噪能力、低硬件要求、低计算复杂度的无人机探测效果。本发明所提供的架构通过卷积神经网络的局部性、特征提取能力以及因果效应的解释性、鲁棒性，建立了识别能力更强，决策可靠性更优的无人机高可靠性探测模型，相较于传统仅使用卷积神经网络的深度模型和传统的因果效应计算框架，本发明提出的结构有着更高的分类可靠度、更好的解释性和更低的硬件需求。因此本发明更易于实现无人机探测相关任务。

公开(公告)号：CN114386597A

公开(公告)日：2022-04-22

申请号：CN202111669696.3

申请日：2021-12-31

Applicant: 北京理工大学

Inventor： 钟明军 ,  逯振宇 ,  成雨蓉 ,  袁野 ,  王国仁

IPC: G06N3/08 ,  G06N3/04

Abstract: 本发明的轻量化的非侵入式负载分解方法，通过输入一维时间序列y到第一DW卷积层进行卷积处理，得到多维特征图；利用NILM模块对所述多维特征图进行特征提取，得到高维特征图；对将所述高维特征图输入到第二DW卷积层进行分类和加权，输出得到所述一维时间序列y中点的负载功耗分解值。能够解决现有算法计算复杂度高、准确率较低、不能有效地在移动设备上运行等问题。