-
公开(公告)号：CN119675747A
公开(公告)日：2025-03-21
申请号：CN202411854333.0
申请日：2024-12-16
Applicant: 南京工业大学
Abstract: 一种动态星地网络中接近最优的在轨计算与传输方法，包括步骤：步骤一、将时间线分为多个连续时间片，将每个时间片的星地网络通过建模成有向图，图中的节点表示卫星和地面站，边表示在当前时间片内对应的链路；步骤二、添加存储边、虚拟节点和虚拟边得到时间扩展图；步骤三、为时间扩展图中的每个节点和边分配初始权值；步骤四、根据权值去选择路径并在路径上进行数据计算和路由操作，完成后更新每个节点和边的权值和容量，循环此步骤直到某个节点或者边的权值大于1；步骤五、减少所有路径上计算和传输的数据量，确保流量的可行性。本发明基于权重更新法，能够有效最大化在拓扑结构随时间变化的星地网络上计算并传输的数据吞吐量。
-
公开(公告)号：CN112579285B
公开(公告)日：2023-07-25
申请号：CN202011433118.5
申请日：2020-12-10
Applicant: 南京工业大学
Abstract: 本发明公开了一种面向边缘网络的分布式神经网络协同优化方法。本方法首先将神经网络建模成有向图GN；然后将边缘网络GE和有向图GN通过建模得到特定的辅助图Gd；之后对辅助图Gd进行迭代优化求解当前最小割并得到最终S‑T割集，即面向边缘网络的高效分布式神经网络协同优化策略。本发明结合图理论对神经网络进行分层分区得到了面向边缘网络的高效分布式神经网络协同优化策略。该方法能够明显降低在边缘设备对分布式神经网络进行协同计算的总延迟。
-
公开(公告)号：CN111157629B
公开(公告)日：2022-08-30
申请号：CN202010010459.5
申请日：2020-01-06
Applicant: 南京工业大学
Abstract: 本发明公开一种基于Lamb波的非线性混频技术对板中微裂纹方向识别方法，先采用脉冲反转法提取损伤响应信号中的和频信号和差频信号，再通过提取的和频信号和差频信号得到非线性散射系数β的方向性模式图，确定Lamb波最大前向散射点和最小后向散射点，垂直于Lamb波最大前向散射点和最小后向散射点连线的方向为微裂纹的方向，从而实现对微裂纹方向的识别。本发明利用混频激发的Lamb波与非线性介质相互作用会产生新的频率分量的特性，通过脉冲反转方法有效提取损伤响应信号中和频和差频有效频率成分，通过研究微裂纹不同方向的Lamb波非线性散射程度，实现对微裂纹方向的识别，有效解决了幅值过小、信号较弱的和频和差频信号不易提取和识别的技术问题。
-
公开(公告)号：CN119254297A
公开(公告)日：2025-01-03
申请号：CN202411345256.6
申请日：2024-09-25
Applicant: 南京工业大学
IPC: H04B7/185 , H04L45/12 , H04L45/125 , H04L41/14 , H04W40/02 , H04W72/0453
Abstract: 一种星地网络中计算资源与链路资源协同分配方法，包括步骤：步骤一、将时间线划分为多个时间段，每个时间段内构建有向图模型，其中节点为低轨卫星和地面站，边表示通信链路。步骤二、定义边的权重为链路带宽，寻找从源点到目的地的最短路径。考虑节点的计算能力，重新计算路径权重并更新最短路径。对路径上的带宽和计算资源进行分配，更新剩余资源。此过程循环执行，直到资源耗尽或无可用路径。步骤三、对每个时间段的星地网络进行路径寻找与资源分配，确保全时间线上的资源配置。该方法综合考虑了多任务传输需求、卫星计算能力和链路容量限制，显著提高了星地网络的数据处理和传输吞吐量。
-
公开(公告)号：CN118864930A
公开(公告)日：2024-10-29
申请号：CN202410855760.4
申请日：2024-06-27
Applicant: 南京工业大学
IPC: G06V10/764 , G06V10/774 , G06V10/80 , G06V20/40
Abstract: 本发明涉及视频动作识别领域，是一种基于CLIP的视频文本嵌入融合分类方法。该方法通过预训练模型CLIP的文本编码器和视觉编码器分别提取文本特征和视频帧级别视觉特征；对视频帧级别视觉特征分别进行多尺度自适应特征融合操作和无参最值特征融合操作并对生成的视频级别嵌入向量进行多层级跨模态关注融合操作最终生成全局视频级别嵌入向量；对全局视频级别嵌入向量和文本嵌入向量计算最大余弦相似度。本发明在保证自动聚焦视频帧中的关键信息的同时减少了训练和推理的计算成本，具有广阔的应用前景。
-
Patent Agency Ranking
公开(公告)号：CN117037140A
公开(公告)日：2023-11-10
申请号：CN202311030260.9
申请日：2023-08-16
Applicant: 南京工业大学
IPC: G06V20/64 , G06V20/69 , G06V10/82 , G06N3/0464 , G06N3/0985 , G16C60/00 , G16C20/30 , G16C20/70
Abstract: 本发明公开了一种基于深度学习的钙钛矿性质预测方法，本发明将钙钛矿材料表示为点云数据，在Atom Point Transformer层中使用高斯注意力掩模编码原子间的几何位置关系，从而引入了完整的局部空间几何信息。本方法直接以CIF文件作为输入，避免了对钙钛矿材料的结构进行人为预处理，有效提取了钙钛矿材料的特征信息，解决了传统机器学习方法依赖人工特征的问题，成功实现对于钙钛矿性质快速高精度的预测。
-
公开(公告)号：CN113838014B
公开(公告)日：2023-06-23
申请号：CN202111078204.3
申请日：2021-09-15
Applicant: 南京工业大学
Abstract: 一种基于双重空间扭曲的航空发动机损伤视频检测方法，步骤包括：步骤1，确定孔探视频中的关键帧；若当前帧为关键帧，则执行步骤2，若当前帧为非关键帧，则执行步骤3；步骤2，提取当前视频帧的多尺度语义特征图；步骤3，通过计算当前帧与其前一帧之间的光流场，得到扭曲语义特征图；若当前帧为关键帧的下一帧，则执行步骤5，否则执行步骤4；步骤4，通过计算关键帧到当前帧之间连续帧对的扭曲光流场得到当前帧的扭曲语义特征图；步骤5，对步骤2得到的多尺度语义特征图以及步骤3或步骤4得到的扭曲语义特征图进行特征解码，得到当前帧的语义分割图。本发明的方法将双流场用于扭曲关键帧特征，可以解决孔探视频中快速移动对象的扭曲误差。
-
公开(公告)号：CN116227767A
公开(公告)日：2023-06-06
申请号：CN202310021781.1
申请日：2023-01-07
Applicant: 南京工业大学 , 江苏省未来网络创新研究院
IPC: G06Q10/047 , G06F30/27 , G06F18/20 , G06N3/04 , G06N3/092 , G06F111/08
Abstract: 本发明公开了一种基于深度强化学习的多无人机基站协同覆盖路径规划方法，步骤包括：首先定义了基于深度强化学习的马尔可夫模型，对马尔科夫决策过程五元组进行建模；然后根据建模提出深度确定性策略梯度DDPG算法；接着对DDPG算法的经验缓存池进行改进，通过对经验缓存池所存储的经验数据进行分类，将获取的经验数据放入不同的经验缓存池中，改进的DDPG算法能解决收敛不稳定的问题；最后设计仿真环境，无人机群与环境进行交互，获取训练数据。通过这种方法，实现无人机群在多个约束条件的限制下对地面节点进行协同覆盖的目标任务，该方法能使无人机群有更高的规划效率和更低的飞行成本。
-
公开(公告)号：CN116087199A
公开(公告)日：2023-05-09
申请号：CN202211553488.1
申请日：2022-12-06
Applicant: 南京工业大学
IPC: G01N21/88 , G06V10/764 , G06V10/82 , G06V10/776 , G06V10/774 , G06N3/0464 , G06N3/0475 , G06N3/048 , G06N3/082
Abstract: 一种基于深度卷积的金属链板裂纹检测装置，包括控制器，以及与控制器信号连接的摄像头、显示屏、图像处理模块和报警设备；控制器内搭载嵌入式操作系统，通过任务机制控制摄像头和图像处理模块并发工作；摄像头将采集到的链板图像通过控制器传输至图像处理模块，图像处理模块采用具有并行运算能力和承载linux系统的处理芯片，使其运行基于深度卷积的金属裂纹检测算法模型，判断当前链板图片是否存在金属裂纹，控制器根据图像处理模块回传的结果判断是否需要驱动报警设备进行报警，同时将检测到的裂纹图像结果传输到显示屏进行显示。本发明通过智能设备解决制碱车间金属链板裂纹检测，节省人工检测链板裂纹的成本，同时实现了在恶劣环境下的准确识别。
-
公开(公告)号：CN110895814B
公开(公告)日：2023-04-18
申请号：CN201911209120.1
申请日：2019-11-30
Applicant: 南京工业大学
IPC: G06T7/10 , G06N3/084 , G06N3/0464
Abstract: 一种基于上下文编码网络的航空发动机孔探图像损伤分割方法，步骤包括：(1)采集航空发动机孔探图像样本，并标记各个样本，构建航空发动机孔探图像语义分割数据集，将数据集划分；(2)搭建深度卷积神经网络，所述深度卷积神经网络包括特征提取子网络、多尺度上下文信息提取子网络和特征扩张子网络；(3)对待检测的航空发动机孔探图像进行预处理；(4)利用数据集训练深度卷积神经网络，用性能评估函数评估网络性能，将达到预设指标且性能最佳的卷积神经网络参数保存；(5)将经(3)处理的图像依次输入特征提取子网络、多尺度上下文信息提取子网络、特征扩张子网络，得到空间尺寸和输入图像相同的特征向量；(6)将(5)得到的特征向量生成预测标签图像。
-
-
-
-
-
-
-
-
-
Search Results
53
records
(took 0.021 seconds)
