-
公开(公告)号：CN112699782B
公开(公告)日：2024-12-03
申请号：CN202011595694.X
申请日：2020-12-29
Applicant: 杭州电子科技大学
IPC: G06V10/774 , G06F18/10 , G06V10/764 , G06N3/0464 , G06N3/08 , G06V20/13
Abstract: 本发明公开了一种基于N2N和Bert的雷达HRRP目标识别方法，包括以下步骤：S1，收集数据并划分训练集和测试集，通过雷达采集的HRRP数据，需要对每个类别进行采样，分别选出训练集和测试集，之后进行合并，保证每个类别的数据形式都有被采样到；S2，用N2N模块进行降噪；S3，经过N2N模块的数据，经过卷积神经网络模块提取，调整下通道数，以便输入到Bert模型中；S4，用Bert处理CNN提取的有效特征，提取更加深层的特征；S5，在分类层对特征进行分类；S6，将经过S1处理后的HRRP测试集送入S5步骤中已训练完成的模型中进行测试。
-
公开(公告)号：CN114052750B
公开(公告)日：2024-04-30
申请号：CN202111579890.2
申请日：2021-12-22
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于标准模板肌电分解的脑肌信息传递规律提取方法。首先，安排受试者执行相应动作记录下同步的肌电信号和脑电信号。通过小波去噪先对sEMG信号完成预处理，再利用先验知识而总结提出的模板进行模板匹配，将肌电信号中的波形按照模板匹配的规则进行剥离MUAP进行分解。接着对分解出的信号序列分别提取MUAP数量、MUAP波幅、MUAP瞬时传导速度特征，构建肌电特征与同步脑电信号之间的实时变化关系图谱，显示在同一动作下脑肌电信号间的信息传递规律。本发明可以更为细化精确的找出脑肌间的信息传递方式，让所提取的特征更为敏感的响应每一次同步脑电的变化，这样可以更好地探究脑肌的信号变化规律率。
-
公开(公告)号：CN111738114B
公开(公告)日：2023-09-05
申请号：CN202010521952.3
申请日：2020-06-10
Applicant: 杭州电子科技大学
IPC: G06V20/13 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于无锚点精确采样遥感图像车辆目标检测方法，包括如下步骤：S1，使用多层卷积神经网络对原始图片进行特征提取，根据不同尺度大小的特征图构成自上而下特征金字塔；S2，对于特征金字塔的每一层特征，生成特征图上所有像素点的类别预测；S3，对于特征金字塔的每一层特征，生成特征图上所有像素点的目标框预测；S4，根据输入图片中的真实框面积信息确定当前车辆目标所属的特征图；S5，借助真实框内的目标实例分割信息确定目标在该层特征内的正样本像素点，并计算该像素点到真实框四条边的差值；S6，计算所有正样本像素点的类别损失与关于真实框的回归损失。
-
公开(公告)号：CN111738113B
公开(公告)日：2023-07-07
申请号：CN202010521918.6
申请日：2020-06-10
Applicant: 杭州电子科技大学
IPC: G06V20/10 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于双注意力机制与语义约束角的高分辨率遥感图像的道路提取方法，包括以下步骤：S1，对Massachusetts数据集里面的遥感道路图像进行操作来进行数据集的数据扩增，对数据集里面的遥感道路图像的标签图像进行语义约束角计算的数据预处理操作；S2，使用卷积神经网络提取遥感道路图像的特征图，并在卷积神经网络中加入位置注意力机制和通道注意力机制来计算不同通道和位置的特征权重，让网络模型能够更好的获取不同位置和不同通道的语义信息；S3，设计主损失函数，辅助损失函数来优化网络参数；S4，用训练好的模型在测试样本集上进行测试，经过网络模型的特征提取和特征上采样来得到最终的分割图像。
-
公开(公告)号：CN115966267A
公开(公告)日：2023-04-14
申请号：CN202310058086.2
申请日：2023-01-13
Applicant: 杭州电子科技大学
IPC: G16C20/70 , G05D23/20 , C12Q3/00 , G16C20/10 , G06F30/27 , G06N3/0442 , G06N3/045 , G06N3/084 , G06N3/049 , G06N3/08 , G06N3/006 , G06F17/13 , G06F119/08 , G06F119/06
Abstract: 本发明公开了一种基于LSTM‑PID的溶菌酶发酵温度控制方法，首先通过机理建模方法建立溶菌酶发酵罐的温度数学模型，然后利用随机游动策略和莱维飞行策略提高鲸鱼优化算法的寻优能力，然后利用改进完成的鲸鱼优化算法为LSTM确定初始阶段参数，然后将LSTM神经网络的输出设置为PID控制器的三个K值并训练得到最为合适的K值代入PID控制器得到控制参数，将控制参数传递到发酵罐生产控制系统中进行温度控制。使用莱维飞行与随机游动策略对鲸鱼算法进行优化，解决鲸鱼优化算法在面对神经网络LSTM这种复杂的模型时容易较早陷入局部极值即过早收敛的问题。
-
Patent Agency Ranking
公开(公告)号：CN112720244B
公开(公告)日：2023-04-07
申请号：CN202011504783.9
申请日：2020-12-18
Applicant: 杭州电子科技大学
IPC: B24B37/00 , B24B37/005 , G06N20/00 , G05B13/04
Abstract: 本发明公开了一种基于开环交叉耦合迭代学习的水晶研磨控制方法与系统。其中一种基于开环交叉耦合迭代学学习的水晶研磨控制方法，包括以下步骤：S10，建立水晶研磨伺服系统数学模型；S20，建立离散型交叉耦合迭代学习控制器对位置进行控制；S30，产生新的控制信号；S40，得到跟踪误差；S50，经过轮廓误差分配模型补偿到各轴以消除每个轴对其它轴的影响。
-
公开(公告)号：CN114092328A
公开(公告)日：2022-02-25
申请号：CN202111344541.2
申请日：2021-11-12
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于元学习的任意尺度图像下采样方法，包括如下步骤：基于元学习构建任意尺度图像下采样模型；所述图像下采样模型包括跳跃连接网络和前向神经网络；所述跳跃连接网络包括单尺度下采样网络和双三次插值方法；所述前向神经网络包括特征提取网络和基于元学习的卷积核参数预测网络；所述跳跃连接网络和前向神经网络的输出进行元素相加操作，得到低分辨率图像；对构建的图像下采样模型进行训练，通过训练好的图像下采样模型进行图像下采样。
-
-
公开(公告)号：CN111738110A
公开(公告)日：2020-10-02
申请号：CN202010521480.1
申请日：2020-06-10
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于多尺度注意力机制的遥感图像车辆目标检测方法，包括：S1，使用多层卷积神经网络对原始图片进行特征提取，将生成的不同尺度特征图构建一个自底向上的金字塔网络；S2，对于已经构建好的金字塔网络，实现自顶向下的特征融合，在融和过程中，依次对高层特征图进行通道注意力操作，并融合到低层特征图；S3，获取融合后的低层特征图的空间注意力信息，并融合到原有的低层特征中；S4，通过预先设定的大小、比例等生成大量候选框，根据检测目标的真实框大小决定所用到的特征图，再通过真实框与候选框的交并比判定候选框的正负性；S5，对得到的正样本候选框直接预测其类别信息以及回归信息，使用非极大抑制方法，滤除得到的重叠区域同类别候选框。
-
公开(公告)号：CN111736125A
公开(公告)日：2020-10-02
申请号：CN202010256158.0
申请日：2020-04-02
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于注意力机制和双向堆叠循环神经网络的雷达目标识别方法，该方法首先进行预处理降低HRRP样本中的敏感性并建立动态调整层；然后选取滑窗尺寸对HRRP进行切分，滑窗移动距离小于滑窗长度；然后通过重要性网络调整各切分序列的重要程度；再通过双向堆叠RNN对样本的时序相关性进行建模，提取出其高层次特征；最后采用多层次的注意力机制调整隐层状态的重要程度并通过softmax进行目标分类。
-
-
-
-
-
-
-
-
-
Search Results
68
records
(took 0.027 seconds)
