-
公开(公告)号：CN116958380A
公开(公告)日：2023-10-27
申请号：CN202310674512.5
申请日：2023-06-08
Applicant: 吉林大学
IPC: G06T15/04 , G06N3/0455 , G06N3/0464 , G06N3/0442 , G06N3/0475 , G06N3/084
Abstract: 本发明适用于视觉图像信息到触觉信息的跨模态生成领域，提供了一种基于循环对抗生成网络的触觉纹理特征的生成方法，包括以下步骤：（1）进行数据预处理，将训练集和测试集中所有图像剪裁并将其灰度归一化，并将触觉的摩擦数据转化为二维的振幅谱图形式；（2）选择循环生成对抗网络作为整体网络架构,构建网络的生成模型跟判别模型；（3）循环对抗生成网络目标损失函数的构建；（4）网络训练优化与参数更新；（5）质量测试。此基于循环对抗生成网络的触觉纹理特征的生成方法，纹理图像容易采集且含有表面材质的物理特性，而循环生成对抗模型能够在不失真的条件下实现不同类型数据间的相互转换。从而实现高精度的触觉纹理特征获取。
-
公开(公告)号：CN116736975A
公开(公告)日：2023-09-12
申请号：CN202310669957.4
申请日：2023-06-07
Applicant: 吉林大学
IPC: G06F3/01 , G01N21/84 , G06V10/54 , G06V10/77 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/0475 , G06N3/0442 , G06N3/048 , G06N3/084
Abstract: 本发明适用于触觉互联网技术领域，提供了一种基于堆栈式自动编码的力触觉信息的生成方法，本发明基于深度学习的图像特征提取方法，利用深度度卷积模型VGG16提取表面触觉图像的特征，并利用堆栈式自动编码的编码部分将从物理表面获取到的力触觉数据进行实时压缩，从原始力触觉信号中提取出维度远小于其自身的特征，并与上述提取出的表面材质的图像纹理特征相结合，然后在低维空间建立从表面材质的视觉纹理特征到触觉纹理特征的映射模型，获取到的表面材质的触觉纹理特征将通过解码器恢复为表面材质的触觉纹理信号。本发明很大程度上降低了触觉信息采集成本，解决了直接构建映射模型会带来参数量巨大、模型难以优化和运算时间长等问题。
-
公开(公告)号：CN106529724A
公开(公告)日：2017-03-22
申请号：CN201610998263.5
申请日：2016-11-14
Applicant: 吉林大学
Abstract: 本发明公开了一种灰色联合权重风电功率预测方法，分别对原始风电功率数据进行果蝇最小二乘支持向量机模型预测和灰色残差最小二乘支持向量机模型预测，得到训练数据，将训练数据与实际数据进行对比，进行灰色关联度分析，得到灰色关联度权重矩阵；分别利用果蝇最小二乘支持向量机和灰色最小二乘支持向量机对目标进行预测，得到的两个结果分别乘以步骤三得到的灰色关联度权重矩阵，结果相加，得到最终的预测结果。本发明提出了灰色关联度模型的权重组合算法，联合预测能够减小单个模型因不可知因素导致的重大误差，提高预测精度高的模型输出在结果中的比重。
-
Patent Agency Ranking
公开(公告)号：CN104931197A
公开(公告)日：2015-09-23
申请号：CN201510368758.5
申请日：2015-06-29
Applicant: 吉林大学
IPC: G01M1/14
Abstract: 本发明公开了一种基于EEMD的自动平衡机振动信号处理方法，首先采用数学形态学滤波器对提取到的振动信号进行预处理，消除信号中存在的脉冲干扰，然后针对经验模态分解中存在的模态混叠问题，采用总体经验模态分解的方法，提取出不平衡量的频率和相位。包括以下步骤：一、利用数学形态学方法对传感器测得的振动信号进行预处理，滤除脉冲干扰；二、利用集合经验模态分解法对经过步骤一数学形态学方法处理后的信号进行分解，得到信号的本征模态函数分量；三、通过希尔伯特变换得到振动信号幅值相位。
-
公开(公告)号：CN116736975B
公开(公告)日：2024-11-12
申请号：CN202310669957.4
申请日：2023-06-07
Applicant: 吉林大学
IPC: G06F3/01 , G01N21/84 , G06V10/54 , G06V10/77 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/0475 , G06N3/0442 , G06N3/048 , G06N3/084
Abstract: 本发明适用于触觉互联网技术领域，提供了一种基于堆栈式自动编码的力触觉信息的生成方法，本发明基于深度学习的图像特征提取方法，利用深度度卷积模型VGG16提取表面触觉图像的特征，并利用堆栈式自动编码的编码部分将从物理表面获取到的力触觉数据进行实时压缩，从原始力触觉信号中提取出维度远小于其自身的特征，并与上述提取出的表面材质的图像纹理特征相结合，然后在低维空间建立从表面材质的视觉纹理特征到触觉纹理特征的映射模型，获取到的表面材质的触觉纹理特征将通过解码器恢复为表面材质的触觉纹理信号。本发明很大程度上降低了触觉信息采集成本，解决了直接构建映射模型会带来参数量巨大、模型难以优化和运算时间长等问题。
-
公开(公告)号：CN116597171A
公开(公告)日：2023-08-15
申请号：CN202310670008.8
申请日：2023-06-07
Applicant: 吉林大学
IPC: G06V10/54 , G06V10/77 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明适用于触觉互联网技术领域，提供了一种基于联邦学习的表面材质触觉纹理特征获取方法，包括以下步骤：进行联邦学习；基于深度学习的图像特征提取方法，利用残差网络模型ResNet提取表面触觉图像的特征；联邦学习与堆栈式自动编码SAE结合提取触觉纹理特征，并选用平均联邦学习算法进行参数更新；联邦学习与门控循环网络GRU结合获取触觉纹理特征，并选用平均联邦学习算法进行参数更新；在训练结束后保存所有模型参数，最后通过映射模型获取触觉纹理特征并通过解码器重构触觉纹理信号。本发明解决了触觉互联网中由于用户数据量不足带来的模型性能退化问题，同时不需要用户将原始数据进行传输，从而保护用户的隐私和数据安全。
-
公开(公告)号：CN116630775A
公开(公告)日：2023-08-22
申请号：CN202310597443.2
申请日：2023-05-25
Applicant: 吉林大学
IPC: G06V10/82 , G06V10/774 , G06V10/94 , G06V10/764 , G06V10/96 , G06N3/045 , G06N3/092 , G06N3/098
Abstract: 本发明适用于遥操作领域，提供了一种基于异步联邦学习和DDQN的表面材质分类方法，建立全局DDQN模型并初始化模型参数，并行地开启客户端调度和模型参数聚合进程，随机选择客户端触发训练并发送全局模型参数和通信轮次，对视触数据处理，构建DDQN环境，计算时间差分误差，更新模型参数，将参数传递到服务端，服务端利用聚合算法进行全局参数更新，再次选择进行训练的客户端，完成通信，并对复杂场景设计调度聚合算法。本发明在本地数据的大小和多样性方面均存在较大差异的情况下，也能让每个用户也都能训练出代表整个数据源的DDQN模型；用服务端和客户端通信时仅传输模型参数，不仅显著减少了通信数据量，而且保证了每个客户端的数据安全。
-
公开(公告)号：CN106503867A
公开(公告)日：2017-03-15
申请号：CN201611003309.1
申请日：2016-11-14
Applicant: 吉林大学
Abstract: 本发明公开了一种遗传算法最小二乘风电功率预测方法，利用已收集到实测风速建立遗传算法最小二乘支持向量机预测模型，确定建模所用的输入、输出变量；对原始数据进行归一化处理，利用遗传算法优化参数的数据、最小二乘支持向量机预测模型训练和测试的样本数据；对遗传算法以及最小二乘支持向量机预测模型参数初始化设置，训练模型，通过遗传算法多代进化获得优化的最小二乘支持向量机预测模型参数，建立最小二乘支持向量机预测模型；用最小二乘支持向量机预测模型对测试样本做风速短期预测。本发明运用遗传算法对LSSVM模型进行参数寻优，建立了基于GA-LSSVM的风速信息预测模型，可以出色地实现数据的精确预测。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.026 seconds)
