-
公开(公告)号:CN117395626B
公开(公告)日:2024-02-09
申请号:CN202311685969.2
申请日:2023-12-11
Applicant: 厦门大学
IPC: H04W4/38 , G06N3/0985 , G06N3/084 , G01N33/18 , H04W52/24 , H04W52/22 , H04W52/38 , H04B13/02 , H04B11/00
Abstract: 基于元学习及NOMA的水声网络水质监测数据搜集方法,涉及水下通信领域。在非正交多址接入(NOMA)的水声网络水质监测数据搜集方法中,搜集海洋瞬时信道状态,根据瞬时信道状态利用元学习调整水声节点发送信号的功率分配因子;元学习模型使用已知水声节点历史信道状态及其对应最优功率分配因子作为训练任务集、当前海域测得少量样本作为测试任务集;在训练过程中利用梯度下降法更新参数,根据瞬时信道状态计算出最佳功率分配因子,以达到适应复杂(56)对比文件Rui Jiang等.“Joint User-SubcarrierPairing and Power Allocation for UplinkACO-OFDM-NOMA Underwater Visible LightCommunication Systems”《.JOURNAL OFLIGHTWAVE TECHNOLOGY》.2020,第39卷(第7期),全文.曹欢欢;宋康;李春国;方世良;杨绿溪.无线充电的水声通信系统资源分配方案.东南大学学报(自然科学版).2016,(第05期),全文.
-
公开(公告)号:CN119323535A
公开(公告)日:2025-01-17
申请号:CN202411366409.5
申请日:2024-09-29
Applicant: 厦门大学
IPC: G06T5/77 , G06T5/60 , G06T5/90 , G06N3/088 , G06N3/084 , G06N3/0985 , G06N3/0464
Abstract: 本发明提供用于水下退化图像的修复方法,包括:S1:输入水下退化图像;S2:构建基于物理模型的无监督深度学习图像重构网络;S3:根据水下图像成像物理模型与所述网络输出重构退化图像,构建重构网络一致性校验模块;S4:根据图像等变理论,构建保真图像网络等变损失和水下成像等变损失;S5:根据图像同构性,构建保真图恢复图像同构校验模块;S6:根据水下退化图像噪声分布,使用无偏估计方法构建噪声损失,修正重构损失的偏差;S7:根据灰度世界假设,将色彩衰弱较小的蓝色通道与绿色通道信息补偿到红色通道,构建色彩保真度校验模块;S8:根据S3‑S7约束训练所述网络直到损失收敛,获得保真图估计模块用于修复退化图像。还提供存储介质和电子设备。
-
公开(公告)号:CN118446296A
公开(公告)日:2024-08-06
申请号:CN202410602740.6
申请日:2024-05-15
Applicant: 厦门大学
IPC: G06N5/022 , G06F16/28 , G06F16/332 , G06F16/35 , G06N3/0455 , G06N3/082
Abstract: 本发明一种知识管理问答系统构建方法及装置,方法包括:获取不同来源的专业领域知识,进行处理后存储至关系型数据库和向量数据库,基于关系型数据库和向量数据库构建知识库;获取用户查询问题,基于用户查询问题从知识库中检索若干个候选背景知识文档;使用基础大语言模型判断背景知识文档与用户查询问题的相关性,获得分类结果为相关的背景知识文档;将用户查询问题与分类结果为相关的背景知识文档一起构成提示词输入对基础大语言模型进行微调得到的领域大语言模型,由领域大语言模型生成回答。本发明基于构建的知识库获取到背景知识文档,结合背景知识文档的相关性对微调后的模型进行查询,提升知识获取的效率及准确性。
-
公开(公告)号:CN119991772A
公开(公告)日:2025-05-13
申请号:CN202411849493.6
申请日:2024-12-16
Applicant: 厦门大学 , 福建一嘉海带苗业有限公司
Abstract: 本发明提供了一种海带叶片表面积的测定方法及其应用,涉及海藻叶面积测量技术领域。该测定方法包括以下步骤:(1)原始数据的拍摄;(2)原始数据的初步裁剪及预处理;(3)标定板检测;(4)海带轮廓检测;(5)海带基础表型计算。该测定方法采用基于深度学习的SAM模型对图像进行分割,可以达到误差接近甚至小于人工测量。
-
公开(公告)号:CN117395626A
公开(公告)日:2024-01-12
申请号:CN202311685969.2
申请日:2023-12-11
Applicant: 厦门大学
IPC: H04W4/38 , G06N3/0985 , G06N3/084 , G01N33/18 , H04W52/24 , H04W52/22 , H04W52/38 , H04B13/02 , H04B11/00
Abstract: 基于元学习及NOMA的水声网络水质监测数据搜集方法,涉及水下通信领域。在非正交多址接入(NOMA)的水声网络水质监测数据搜集方法中,搜集海洋瞬时信道状态,根据瞬时信道状态利用元学习调整水声节点发送信号的功率分配因子;元学习模型使用已知水声节点历史信道状态及其对应最优功率分配因子作为训练任务集、当前海域测得少量样本作为测试任务集;在训练过程中利用梯度下降法更新参数,根据瞬时信道状态计算出最佳功率分配因子,以达到适应复杂多变的海洋环境的目的。
-
-
-
-
-