-
公开(公告)号：CN113449589B
公开(公告)日：2022-11-15
申请号：CN202110531088.X
申请日：2021-05-16
Applicant: 桂林电子科技大学
IPC: G06V20/56 , G06V10/75 , G06V10/764 , G06V10/762 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明涉及机器学习领域，公开了一种无人驾驶汽车在城市交通场景中驾驶策略计算方法，包括：收集数据样本，并对数据样本进行预处理，得到数据集；基于数据集构建并训练多尺度预测卷积神经网络；将摄像机获取的图像输入多尺度预测卷积精神网络，获取场景中目标类别以及置信度；根据目标类别识别交通场景；基于交通场景计算驾驶策略风险度和道德强度，生成驾驶策略。本发明提高了目标对象的识别精度和整体效率，在识别图像中目标类别的同时还计算出识别目标的精度。
-
公开(公告)号：CN110608884A
公开(公告)日：2019-12-24
申请号：CN201910728620.X
申请日：2019-08-08
Applicant: 桂林电子科技大学
IPC: G01M13/045 , G06N3/08
Abstract: 本发明公开了一种基于自注意力神经网络的滚动轴承状态诊断方法，包括：使用振动加速传感器采集不同电机负载下不同状态的滚动轴承振动加速度的时序信号，得到振动加速度数据作为样本数据；对采集的样本数据进行数据增强处理；对数据增强处理后的样本数据按照滚动轴承状态类型贴上相应标签；利用多层映射扩展每一个样本数据的特征矢量，从一维特征变为多维特征；构建自注意力网络诊断模型；用处理后的样本数据对自注意力网络诊断模型进行训练，评估训练后的诊断模型，并将其应用于监测待诊断的滚动轴承。本发明使用数据增强技术、拓展特征方法，减少了该方法对数据量的需求，增加了本发明应对极端环境的能力。
-
公开(公告)号：CN110031227A
公开(公告)日：2019-07-19
申请号：CN201910433022.X
申请日：2019-05-23
Applicant: 桂林电子科技大学
IPC: G01M13/045 , G06K9/62
Abstract: 本发明公开了一种基于双通道卷积神经网络的滚动轴承状态诊断方法，包括采集不同电机负载下不同状态的滚动轴承振动加速度的时序信号，得到振动加速度数据；对采集的振动加速度数据进行数据增强处理；对数据增强处理后的振动加速度数据按照滚动轴承状态类型贴上相应标签；构建卷积神经网络诊断模型，并用处理后的振动加速度数据对诊断模型进行训练；其中，所述诊断模型具有双通道卷积神经网络，所述双通道卷积神经网络包括两个用于分别抽取不同跨度的振动加速度数据的特征的卷积核；评估训练后的诊断模型，并将其应用于监测待诊断的滚动轴承。本发明的方法在不增加原始数据的情况下获得了更为细腻的信息，增加了诊断模型的精度与鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN110608884B
公开(公告)日：2021-01-05
申请号：CN201910728620.X
申请日：2019-08-08
Applicant: 桂林电子科技大学
IPC: G01M13/045 , G06N3/08
Abstract: 本发明公开了一种基于自注意力神经网络的滚动轴承状态诊断方法，包括：使用振动加速传感器采集不同电机负载下不同状态的滚动轴承振动加速度的时序信号，得到振动加速度数据作为样本数据；对采集的样本数据进行数据增强处理；对数据增强处理后的样本数据按照滚动轴承状态类型贴上相应标签；利用多层映射扩展每一个样本数据的特征矢量，从一维特征变为多维特征；构建自注意力网络诊断模型；用处理后的样本数据对自注意力网络诊断模型进行训练，评估训练后的诊断模型，并将其应用于监测待诊断的滚动轴承。本发明使用数据增强技术、拓展特征方法，减少了该方法对数据量的需求，增加了本发明应对极端环境的能力。
-
公开(公告)号：CN110490849A
公开(公告)日：2019-11-22
申请号：CN201910720076.4
申请日：2019-08-06
Applicant: 桂林电子科技大学
Abstract: 本发明提出一种基于深度卷积神经网络的钢板表面缺陷分类方法及装置，该分类方法包括：构建钢铁表面缺陷数据集，所述缺陷包括龟裂、折叠、覆盖杂质、斑点、点蚀面、表面氧化、划痕；对所述钢铁表面缺陷数据集进行预处理；对预处理后的数据集中的图像进行数据扩充；将数据扩充处理后的数据集作为训练集；利用所述训练集训练深度卷积神经网络；利用所训练的深度卷积神经网络对钢板表面缺陷进行分类。本发明对于图像分类来说，具有较高的精准度。
-
公开(公告)号：CN111949894B
公开(公告)日：2023-05-23
申请号：CN202010874741.8
申请日：2020-08-27
Applicant: 桂林电子科技大学
IPC: G06F16/9536 , G06F16/9535
Abstract: 本发明公开一种基于多空间交互的协同过滤个性化推荐方法，将用户与项目映射到多个子空间，不同子空间从不同的角度来描述用户与项目的交互，能得到更加充分的用户项目交互特征信息；使用向量级注意力机制来给聚集的向量不同的权重，使聚集的用户表示向量和项目表示向量更合理；在将多个子空间的表示向量聚集成最终的用户与项目表示向量时，本发明使用空间级注意力机制给不同子空间不同的权重，最终聚集得到的用户表示向量和项目表示向量更加合理，以此提升个性推荐的效果。
-
公开(公告)号：CN113449589A
公开(公告)日：2021-09-28
申请号：CN202110531088.X
申请日：2021-05-16
Applicant: 桂林电子科技大学
Abstract: 本发明涉及机器学习领域，公开了一种无人驾驶汽车在城市交通场景中驾驶策略计算方法，包括：收集数据样本，并对数据样本进行预处理，得到数据集；基于数据集构建并训练多尺度预测卷积神经网络；将摄像机获取的图像输入多尺度预测卷积精神网络，获取场景中目标类别以及置信度；根据目标类别识别交通场景；基于交通场景计算驾驶策略风险度和道德强度，生成驾驶策略。本发明提高了目标对象的识别精度和整体效率，在识别图像中目标类别的同时还计算出识别目标的精度。
-
公开(公告)号：CN111949894A
公开(公告)日：2020-11-17
申请号：CN202010874741.8
申请日：2020-08-27
Applicant: 桂林电子科技大学
IPC: G06F16/9536 , G06F16/9535
Abstract: 本发明公开一种基于多空间交互的协同过滤个性化推荐方法，将用户与项目映射到多个子空间，不同子空间从不同的角度来描述用户与项目的交互，能得到更加充分的用户项目交互特征信息；使用向量级注意力机制来给聚集的向量不同的权重，使聚集的用户表示向量和项目表示向量更合理；在将多个子空间的表示向量聚集成最终的用户与项目表示向量时，本发明使用空间级注意力机制给不同子空间不同的权重，最终聚集得到的用户表示向量和项目表示向量更加合理，以此提升个性推荐的效果。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.021 seconds)
