-
公开(公告)号：CN119623723A
公开(公告)日：2025-03-14
申请号：CN202411691440.6
申请日：2024-11-25
Applicant: 桂林电子科技大学
IPC: G06Q10/04 , G06Q50/06 , G06N3/0442
Abstract: 本发明公开了一种基于趋势季节分解和二阶可控门单元的多用户电力消耗特征预测方法，依次包含以下步骤：通过趋势季节分解层，输入的电力消耗序列被拆分成趋势季节两个特征，送入到对应趋势季节编码器进行处理，趋势季节编码器具有相同的结构。在编码器中，趋势和季节特征被切分成小块，送入到线性层进行编码，并送入二阶可控门单元中进行进一步编码，得到趋势季节编码，并送入到趋势与季节解码器中。趋势季节解码器具有相同的结构，趋势季节编码会通过二阶可控门单元进行解码后，送入线性层进行解码，最后趋势季节解码相加得到预测结果。本发明为电力消耗预测提供了新思路，实验结果表明本方法具有高效处理长时间序列，误差率低的优点。
-
公开(公告)号：CN119620238A
公开(公告)日：2025-03-14
申请号：CN202411691631.2
申请日：2024-11-25
Applicant: 桂林电子科技大学
IPC: G01W1/10 , G06F18/213 , G06N3/0455 , G06N3/0464 , G06N3/048
Abstract: 本发明提出了一种基于U‑Net和PatchMixer模块的气象特征预测方法，旨在提高预测精度。首先，对气象序列数据进行归一化，并通过自适应模块动态调整特征矩阵，增强数据的局部相关性。然后，对调整后的特征矩阵填充、分块，并通过线性映射嵌入高维空间，为后续特征提取提供支持。模型利用多个PatchMixer块搭建U‑Net，包含编码器、底部特征聚合层和解码器。编码器逐层提取不同层次的气象特征，底部层进一步整合深层特征，解码器通过跳跃连接和残差连接将编码特征融合，生成预测结果。最后，模型使用均方误差(MSE)损失函数进行优化。实验结果表明，该方法显著提高了气象预测精度，同时降低了模型复杂度，实现了较高的效率和较低的误差。
-
公开(公告)号：CN119228632A
公开(公告)日：2024-12-31
申请号：CN202411475135.3
申请日：2024-10-22
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种亲和力增强注意力网络的图像任意艺术风格迁移方法，旨在把内容图像按照目标艺术风格创作出一幅全新的图像，使其不仅具有风格图像的艺术特征同时又保持自身的内容纹理结构信息。该方法首先利用内容亲和增强注意力模块提取内容图像特征和增强内容表征，风格亲和增强注意力模块提取风格图像特征，然后利用内容图像细节增强模块对内容图像特征进行细节增强，风格图像细节增强模块对风格图像特征进行细节增强，接着利用混合注意模块根据内容特征分布来调整风格特征分布。公开图像数据集上的对比实验验证了本发明可以实现高质量的图像任意艺术风格迁移。
-
公开(公告)号：CN119623722A
公开(公告)日：2025-03-14
申请号：CN202411691061.7
申请日：2024-11-25
Applicant: 桂林电子科技大学
IPC: G06Q10/04 , G06Q50/06 , G06N3/0464
Abstract: 本发明公开了一种基于上下采样卷积层和双预测头的多用户电力消耗特征预测方法，依次包含以下步骤：首先将电力消耗时间序列划分为重叠或非重叠的分块序列；通过线性变换对分块后的电力消耗序列进行编码，以捕捉时间块之间的依赖关系；接着，使用线性预测头对编码后的电力消耗时间序列进行预测，得到线性预测输出；其次，使用上下采样层对此电力消耗时间序列进行处理，以捕捉序列间的长期依赖关系；使用卷积预测头对处理后的电力消耗时间序列进行预测，得到卷积预测输出，最后将卷积预测输出与线性预测输出相加得到最终预测结果。本发明为电力消耗特征预测提供了新思路，实验结果表明本方法具有高效处理长时间序列，误差率低的优点。
-
Patent Agency Ranking
公开(公告)号：CN119295296A
公开(公告)日：2025-01-10
申请号：CN202411428901.0
申请日：2024-10-14
Applicant: 桂林电子科技大学
IPC: G06T3/04 , G06T11/00 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/0499 , G06N3/084
Abstract: 本发明公开了一种基于颜色和纹理双通道的轻量级图像风格迁移方法。其特征在于：首先准备一张风格图像和一个内容图像数据集并进行归一化，构建并训练图像风格迁移模型；将待迁移图像调整为512x512像素并进行归一化；接着，图像被输入颜色和纹理风格编码器，分别提取颜色和纹理特征；这些特征随后被送入对应的解码器，生成颜色和纹理迁移特征；最后，融合这两种特征，通过融合解码器生成具有目标风格的高质量图像。本发明引入了颜色和纹理双通道的设计,并采用编码器‑解码器结构,实现了高效、高质量的图像风格迁移。同时,本发明的方法具有轻量级的特点,能够在保持较小计算开销的同时,生成视觉效果优异的风格化图像,具有广阔的应用前景。
-
公开(公告)号：CN119295737A
公开(公告)日：2025-01-10
申请号：CN202411429164.6
申请日：2024-10-14
Applicant: 桂林电子科技大学
IPC: G06V10/25 , G06V10/764 , G06V10/72 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于多模态数据的全天候苹果果实位置感知方法，该方法使用(TOF)深度相机获取白天和黑夜环境下果实的RGB图像、距离和红外辐射信息，并将其输入改进的五通道Faster‑RCNN模型进行训练，得到适应不同光照环境的模型。改进的Faster‑RCNN模型将数据输入模块由三通道改为五通道，并将普通卷积更改为深度可分离卷积以减少运算量。检测时，将图像数据同时分别输入至白天、黑夜两种光照环境下训练得到的模型，根据光照强度对两个模型的结果进行权重划分，综合输出苹果的具体位置信息。该方法显著提高了苹果采摘机器人在暗光环境下的性能，并在强光环境下相较于传统RGB检测方法表现更佳。
-
公开(公告)号：CN119623270A
公开(公告)日：2025-03-14
申请号：CN202411691896.2
申请日：2024-11-25
Applicant: 桂林电子科技大学
IPC: G06F30/27 , G06N3/0464 , G06N3/0455
Abstract: 本发明公开了一种基于深度可分离卷积和双预测头的变压器状态参数预测方法，依次包含以下步骤。首先，构建一个变压器状态参数时间序列作为输入，原始数据经过归一化处理和数据切分后直接输入到线性层，输出初步预测结果捕获整体趋势。通过FFT计算原始序列频谱用来获得其周期，再对原始序列进行填充分片，然后将变换后的数据传入多个深度可分离卷积层构建的模块提取特征，将返回值还原为一维时间序列，并传入穿插有非线性激活函数的线性层，生成非线性的预测结果，最后其与初步预测结果相加得到最终的预测结果。通过这种设计，模型有效结合了周期内和周期间，线性和非线性的信息，提高了特征提取效率和预测精度。
-
公开(公告)号：CN119228631A
公开(公告)日：2024-12-31
申请号：CN202411475027.6
申请日：2024-10-22
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种图像任意风格迁移的两段感知特征方法，旨在通过对给定的照片应用目标艺术风格来创造出新的艺术作品，本方法首先利用注意力模块提取内容图像和风格图像的特征来增强表示,通过注意力机制来丰富局部风格细节，根据内容特征分布来调整风格特征分布，在风格化过程中保留内容图像中的语义关系来实现更好的内容保留，再使用全局统计信息对齐模块来微调全局图像风格。公开图像数据集上的对比实验验证了本发明可以实现高质量的图像艺术风格迁移。
-
公开(公告)号：CN119227904A
公开(公告)日：2024-12-31
申请号：CN202411480502.9
申请日：2024-10-22
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于分块和通道融合的气象特征预测方法，依次包含以下步骤：首先，构建一个多变量气候序列输入，并将原始气候序列划分为重叠或非重叠的分块序列；然后，利用Transformer的自注意力机制对分块后的气候序列进行编码，以捕捉时间块之间的依赖关系；接着，特征向量经过Transformer编码器处理后再通过展平层，转化为线性模型输入，最后经过线性层生成最终的预测结果。本发明为气象特征预测提供了一种新思路，实验结果表明本方法具有高效处理长时间序列，模型复杂度降低，需求更少计算资源，误差率低的优点。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.026 seconds)
