公开(公告)号：CN119273675A

公开(公告)日：2025-01-07

申请号：CN202411678575.9

申请日：2024-11-22

Applicant: 南通大学

Inventor： 许鹏 ,  冯上榜 ,  董玉林

IPC: G06T7/00 ,  G06V10/25 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464

Abstract: 本发明提供了一种基于YOLOv8n的木材缺陷识别的方法，属于缺陷识别技术领域，解决了传统方法中模型过大，精度不高，缺陷识别种类不多的技术问题，其技术方案为：包括以下步骤：步骤一、使用ADown卷积替换了原本的Conv卷积，在保证模型检测精度的同时降低了模型的参数量。步骤二、使用了dysample替换了原本颈部的上采样，提高精度的同时不额外增加模型复杂度。步骤三、在检测头前添加MSDA注意力模块，提高对木材缺陷信息的捕捉能力。本发明的有益效果为：本发明能更好的对木材缺陷进行识别，降低了模型的复杂度，提升了识别的精确度。

公开(公告)号：CN117094829A

公开(公告)日：2023-11-21

申请号：CN202311003885.6

申请日：2023-08-10

Applicant: 南通先进通信技术研究院有限公司 ,  南通大学

Inventor： 蔡燕 ,  许鹏 ,  杨永杰 ,  宗烜逸 ,  徐钦儿 ,  冯上榜 ,  姜冲 ,  卢姿彤

IPC: G06Q40/06 ,  G06Q10/0635

Abstract: 本发明属于金融投资决策方法技术领域，具体涉及基于SVM算法的金融市场投资组合选择及风险预测方法。本发明结合SVM算法，并以股票数据集为样本，对基于SVM算法的投资组合策略的风险收益及风险预测效果进行了分析。本发明与传统的指数型基金投资策略相比，投资组合策略的抗风险能力得到了显著提升，其风险收益也稳定在较高的水平范围。且在SVM算法支持下，金融市场的风险预测误差水平也保持在较低的水平范围内。从现实应用来看，基于SVM算法的金融市场投资组合选择及风险预测具有较强的可行性。