-
公开(公告)号：CN113218520A
公开(公告)日：2021-08-06
申请号：CN202110478101.X
申请日：2021-04-30
Applicant: 南京森林警察学院
Abstract: 本发明公开一种激光脉宽的优化神经网络提取方法，属于光学测量技术领域。本发明的技术方案如下：利用非平衡式迈克尔逊干涉光路及半导体双光子吸收效应进行强度自相关测量，得到光电信号；将采集到的带有电噪声的强度自相关信号分离出时间序列t和信号值序列s；利用第三方深度学习工具包(Numpy，Pandas，Matplotlib)构建一个优化的神经网络模型，以时间序列t作为模型训练的输入，I作为模型训练的标签值，强度自相关信号数据是一个二元组(t,u)，分别表示时间序列和信号值序列，S＝(t，I),记作强度自相关信号中的第i对时间和信号值，表示预测信号与真实信号数据之间的偏差(第i次)；对I’进行隔直处理，得到纯交流信号I”，再对其进行半高宽分析。
-
公开(公告)号：CN112131860A
公开(公告)日：2020-12-25
申请号：CN202010986387.8
申请日：2020-09-18
Applicant: 南京森林警察学院
Inventor： 邱明月
IPC: G06F40/205 , G06F40/295 , G06F40/30 , G06F16/36 , G06N3/04
Abstract: 本发明公开了一种缉私知识的获取方法，包括：步骤1：基于缉私案事件信息，构建缉私案事件的情报要素表达模型；步骤2：通过自然语言处理技术和深度学习算法模型，自动抽取所述缉私案事件的情报要素；步骤3：结合证据链条，进行大数据环境下的缉私情报的效果验证。本发明针对缉私知识特有的时空特性和案件多要素作用规律，借鉴人工智能领域的深度学习、自然语言处理和知识工程技术，围绕“知识表达‑知识获取‑情网研判”的技术主线，系统研究缉私情报智能研判方法，并开展实验验证分析，大大提高了工作效率。
-
公开(公告)号：CN113218520B
公开(公告)日：2021-11-09
申请号：CN202110478101.X
申请日：2021-04-30
Applicant: 南京森林警察学院
Abstract: 本发明公开一种激光脉宽的优化神经网络提取方法，属于光学测量技术领域。本发明的技术方案如下：利用非平衡式迈克尔逊干涉光路及半导体双光子吸收效应进行强度自相关测量，得到光电信号；将采集到的带有电噪声的强度自相关信号分离出时间序列t和信号值序列s；利用第三方深度学习工具包(Numpy，Pandas，Matplotlib)构建一个优化的神经网络模型，以时间序列t作为模型训练的输入，I作为模型训练的标签值，强度自相关信号数据是一个二元组(t,u)，分别表示时间序列和信号值序列，S＝(t，I),记作强度自相关信号中的第i对时间和信号值，表示预测信号与真实信号数据之间的偏差(第i次)；对I’进行隔直处理，得到纯交流信号I”，再对其进行半高宽分析。
-
公开(公告)号：CN113188452A
公开(公告)日：2021-07-30
申请号：CN202110478058.7
申请日：2021-04-30
Applicant: 南京森林警察学院
IPC: G01B11/02
Abstract: 本发明公开一种基于激光自混合干涉谱映射条纹倍增的位移测量方法，属于激光测量技术领域。本发明的技术方案如下：利用图1光路产生自混合干涉，探测移动目标，从图1中的光电探测器1可以探测到典型的自混合干涉信号；将产生了自混合干涉的激光束入射到F‑P腔中，获取F‑P腔的透射信号，即可获得基于透射谱映射的条纹倍增信号，控制自混合干涉的反馈强度以匹配F‑P腔；利用条纹信号与F‑P透射谱线相似，具有平整，尖锐的特点，通过简单的阈值设定，提取峰值信号，并对峰值信号赋值；最后通过拟合方法进行对上述信号进行处理，从而得到运动目标的位移信号。
-
Patent Agency Ranking
公开(公告)号：CN114444293B
公开(公告)日：2023-06-23
申请号：CN202210070398.0
申请日：2022-01-21
Applicant: 南京森林警察学院
Abstract: 本发明公开了一种基于迁移学习的类干涉信号解相方法，该方法利用迁移学习的思想，利用仿真数据作为模型的训练集，同时提出一种解相神经网络模型结构，最后训练出神经网络，而该神经网络可以直接用于实际测量中的类干涉信号的解相，进而用于实际测量中的位移重构。本发明利用仿真数据形成数据集，避免了构建模型过程中耗时耗力的数据集准备过程，极大节省了模型的开发周期。本发明标记函数生成过程即适用于模型训练，也适用于解相过程中标记信号的生成。本发明生成出的模型可以匹配类干涉信号，只要信号可以表示为cos(φt)的形式的都可以利用此模型进行解相。
-
公开(公告)号：CN114444293A
公开(公告)日：2022-05-06
申请号：CN202210070398.0
申请日：2022-01-21
Applicant: 南京森林警察学院
Abstract: 本发明公开了一种基于迁移学习的类干涉信号解相方法，该方法利用迁移学习的思想，利用仿真数据作为模型的训练集，同时提出一种解相神经网络模型结构，最后训练出神经网络，而该神经网络可以直接用于实际测量中的类干涉信号的解相，进而用于实际测量中的位移重构。本发明利用仿真数据形成数据集，避免了构建模型过程中耗时耗力的数据集准备过程，极大节省了模型的开发周期。本发明标记函数生成过程即适用于模型训练，也适用于解相过程中标记信号的生成。本发明生成出的模型可以匹配类干涉信号，只要信号可以表示为cos(φt)的形式的都可以利用此模型进行解相。
-
公开(公告)号：CN113188452B
公开(公告)日：2021-11-09
申请号：CN202110478058.7
申请日：2021-04-30
Applicant: 南京森林警察学院
IPC: G01B11/02
Abstract: 本发明公开一种基于激光自混合干涉谱映射条纹倍增的位移测量方法，属于激光测量技术领域。本发明的技术方案如下：利用图1光路产生自混合干涉，探测移动目标，从图1中的光电探测器1可以探测到典型的自混合干涉信号；将产生了自混合干涉的激光束入射到F‑P腔中，获取F‑P腔的透射信号，即可获得基于透射谱映射的条纹倍增信号，控制自混合干涉的反馈强度以匹配F‑P腔；利用条纹信号与F‑P透射谱线相似，具有平整，尖锐的特点，通过简单的阈值设定，提取峰值信号，并对峰值信号赋值；最后通过拟合方法进行对上述信号进行处理，从而得到运动目标的位移信号。
-
公开(公告)号：CN111476483A
公开(公告)日：2020-07-31
申请号：CN202010263325.4
申请日：2020-04-07
Applicant: 南京森林警察学院
Abstract: 本发明公开了基于大数据的缉私案件情报关联方法，属于基于计算模型的数据处理技术领域。包含以下步骤：首先基于缉私案件相关信息，构建缉私案件的情报要素关系表达；然后基于上述深度学习算法模型的要素关系抽取方法，完成多层次缉私情报关联分析；最后结合单据链、资金链和货物链证据链条，实现大数据环境下智能化的缉私情报关联分析验证。本发明基于时空框架的缉私案件情报关联，实现情报要素、要素关系自动关联，有效节省了人力物力的投入，应用大数据分析方法对缉私工作产生的积极影响，有效提高了缉私情报部门一线办案人员的工作效率。
-
公开(公告)号：CN111476027A
公开(公告)日：2020-07-31
申请号：CN202010263448.8
申请日：2020-04-07
Applicant: 南京森林警察学院
IPC: G06F40/284 , G06N3/04 , G06N3/08 , G06Q50/26
Abstract: 本发明公开了基于大数据的缉私案件情报抽取方法，提出了面向大数据的缉私信息抽取模型，并对该模型在真实案件复盘中的具体应用效果进行验证。首先基于缉私案件信息，构建缉私案件的情报要素表达模型；然后通过自然语言处理技术和深度学习算法模型，实现各类缉私情报要素的自动抽取；最后结合单据链、资金链和货物链证据链条，实现大数据环境下智能化的缉私情报抽取效果验证。本发明通过借鉴要素模型、自然语言处理技术，以缉私案件相关的信息为数据源，构建大数据环境下的缉私情报抽取模型，形成一种缉私案件情报自动抽取的缉私情报服务方法，并开展实验验证分析，实现了情报自动抽取，有效节省了人力物力的投入。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.033 seconds)
