-
公开(公告)号：CN118626818A
公开(公告)日：2024-09-10
申请号：CN202411114687.1
申请日：2024-08-14
Applicant: 南京信息工程大学
Inventor： 章伟杰
IPC: G06F18/21 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种面向开放集无人机射频信号识别的超球判别特征嵌入与自适应判决门限，以开放集无人机射频信号识别为目标，首先构建深度神经网络模型，并利用无人机射频信号样本驱动该模型训练，优化目标为最小化超球面交叉熵，从而获得适用于开放集无人机射频信号识别的模型与超球判别特征嵌入，然后评估该特征嵌入的类内类间余弦相似度，并利用双峰极小值拟合与检测算法自适应地获取类内类间判决门限，最终得到用于识别未知无人机射频信号的超球判别特征嵌入与自适应判决门限，输出预测标签。本发明解决了已有识别方法因缺少判决模块和射频信号特征判别性不足、导致开放集无人机射频信号识别准确率低的问题。
-
公开(公告)号：CN117975237A
公开(公告)日：2024-05-03
申请号：CN202410127418.2
申请日：2024-01-30
Applicant: 南京信息工程大学
Inventor： 章伟杰
IPC: G06V10/82 , G06V10/762 , G06N3/0464 , G06N3/088 , G06N3/094
Abstract: 本发明公开了一种基于对抗训练和深度聚类的辐射源识别方法、设备及存储介质，获取辐射源信号，将辐射源信号进行预处理，生成图像；使用网络模型优化器以及训练集对无监督CNN模型进行预训练，得到预训练后的无监督CNN模型；使用聚类结构对预训练后的无监督CNN模型进行再训练，得到微调后的无监督CNN模型；将目标的辐射源信号输入微调后的无监督CNN模型，得到辐射源信号的信号类别。本发明减少了人工参与，降低了人为因素带来的误差和人工成本，解决了传统方法时识别准确率不高的问题，同时本发明能有效的提高模型结构的泛化能力，从而提高模型在未见过的数据上的性能表现。
-
Patent Agency Ranking
公开(公告)号：CN117786537B
公开(公告)日：2024-04-30
申请号：CN202410211486.7
申请日：2024-02-27
Applicant: 南京信息工程大学
IPC: G06F18/2415 , G06F18/214 , G06N3/047 , G06N3/08 , G06F17/16 , G01M99/00
Abstract: 本发明公开了一种基于玻尔兹曼机投票网络的分布式故障诊断方法，包括：构建玻尔兹曼机投票网络平台；基于空调传感器的训练数据集，在核心FPGA中对玻尔兹曼机投票网络平台进行训练，将获得的最优可信度矩阵发送至非核心FPGA；采用非核心FPGA分别调用相应的可信度向量与激活函数计算出的投票值相乘，以获得传感器节点之间的投票边权值，将投票边权值发送给核心FPGA；整合投票值矩阵，对投票值矩阵对称化处理后得到对称化玻尔兹曼机，迭代玻尔兹曼机状态，得到玻尔兹曼机每个传感器节点的状态值，由非核心FPGA对状态值进行显示。本发明能够精确确定暖通空调系统中各个传感器的故障位置和诊断。
-
公开(公告)号：CN117643475B
公开(公告)日：2024-04-16
申请号：CN202410125472.3
申请日：2024-01-30
Applicant: 南京信息工程大学
IPC: A61B5/372 , A61B5/00 , G06F18/213 , G06F18/2131 , G06F18/24 , G06F123/02
Abstract: 本发明涉及一种基于KL散度的特征提取方法，基于对连续目标脑电采样信号的等长度窗口划分，以顺序两两组合、且前后部分重叠的方式，构建各个分析组，考虑各分析组中两脑电采样信号窗口之间的联系，计算获得各分析组中各脑电采样信号窗口的概率密度，进而计算获得各分析组分别对应的相对熵，最后联系时序维度，构建连续目标脑电采样信号所对应的波动特征向量，实现连续目标脑电采样信号的波动分析，解决了现有技术中熵值计算灵敏度不足的问题，提高实际脑电信号应用场景中数据波动检测的准确性。
-
公开(公告)号：CN117786537A
公开(公告)日：2024-03-29
申请号：CN202410211486.7
申请日：2024-02-27
Applicant: 南京信息工程大学
IPC: G06F18/2415 , G06F18/214 , G06N3/047 , G06N3/08 , G06F17/16 , G01M99/00
Abstract: 本发明公开了一种基于玻尔兹曼机投票网络的分布式故障诊断方法，包括：构建玻尔兹曼机投票网络平台；基于空调传感器的训练数据集，在核心FPGA中对玻尔兹曼机投票网络平台进行训练，将获得的最优可信度矩阵发送至非核心FPGA；采用非核心FPGA分别调用相应的可信度向量与激活函数计算出的投票值相乘，以获得传感器节点之间的投票边权值，将投票边权值发送给核心FPGA；整合投票值矩阵，对投票值矩阵对称化处理后得到对称化玻尔兹曼机，迭代玻尔兹曼机状态，得到玻尔兹曼机每个传感器节点的状态值，由非核心FPGA对状态值进行显示。本发明能够精确确定暖通空调系统中各个传感器的故障位置和诊断。
-
公开(公告)号：CN117332232A
公开(公告)日：2024-01-02
申请号：CN202311270885.2
申请日：2023-09-28
Applicant: 南京信息工程大学
Abstract: 本发明涉及一种基于马尔可夫过程特征统计的故障检测方法，分别针对目标机器上与故障相关的各个目标属性，以目标属性的误差作为故障特征，首先执行获得相对应的数据估算模型，以及基于实时分析下的置信区间，对跳出置信区间事件发生的概率进行累计，获得满足预设误报概率上限值的连续异常报警次数，如此在对目标机器的实际检测过程中，以各目标属性的故障特征为对象，执行实时所更新置信区间下的异常分析，并结合连续累计的统计方式，以存在达到对应连续异常报警次数的目标属性的情形，判定目标机器存在故障；技术方案综合考虑目标属性期望、实时置信区间，并引入事件累计发生下的概率统计、以及异常误判分析，提高目标机器故障实际检测准确性与工作效率。
-
公开(公告)号：CN117643475A
公开(公告)日：2024-03-05
申请号：CN202410125472.3
申请日：2024-01-30
Applicant: 南京信息工程大学
IPC: A61B5/372 , A61B5/00 , G06F18/213 , G06F18/2131 , G06F18/24 , G06F123/02
Abstract: 本发明涉及一种基于KL散度的特征提取方法，基于对连续目标脑电采样信号的等长度窗口划分，以顺序两两组合、且前后部分重叠的方式，构建各个分析组，考虑各分析组中两脑电采样信号窗口之间的联系，计算获得各分析组中各脑电采样信号窗口的概率密度，进而计算获得各分析组分别对应的相对熵，最后联系时序维度，构建连续目标脑电采样信号所对应的波动特征向量，实现连续目标脑电采样信号的波动分析，解决了现有技术中熵值计算灵敏度不足的问题，提高实际脑电信号应用场景中数据波动检测的准确性。
-
-
-
-
-
-
Search Results
7
records
(took 0.044 seconds)
