-
公开(公告)号：CN118797321A
公开(公告)日：2024-10-18
申请号：CN202411288685.4
申请日：2024-09-14
Applicant: 武汉纺织大学 , 宁波慈星股份有限公司
IPC: G06F18/2135 , G06F18/25 , G06F18/15 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了基于时空特征注意力融合的工业过程故障检测方法和系统，包括：对原始正常数据进行数据标准化处理，在变量维度上，采用多通道一维卷积提取空间特征信息。在时间维度上，利用多通道二维卷积提取数据的时间特征信息，从而解决提取多维时序数据特征时变量相关性和数据时序性的问题；随后，对提取的多通道特征数据进行通道注意力加权融合，以更好地捕捉数据在不同通道上的分布特征，从而增强有用的特征信息；接下来，利用交叉注意力机制进行时空特征融合，以增强数据特征的表达能力；进一步地，融合的特征经过全连接层对重构数据进行模型训练，得到故障检测模型；最后，将在线数据输入到故障检测模型中，得到在线数据的故障检测结果。
-
公开(公告)号：CN118736171A
公开(公告)日：2024-10-01
申请号：CN202410877806.2
申请日：2024-07-02
Applicant: 武汉纺织大学
IPC: G06T19/20 , G06Q30/0601 , G06N3/0475 , G06N3/045 , G06N3/094 , G06N3/0455 , G06N3/0464
Abstract: 本发明属于虚拟试衣技术领域，涉及一种基于全局外观流与可变卷积技术的跨体态的虚拟试衣方法。虚拟试衣方法：预处理目标人物图T和模特图M，获取标签T*和M*；基于所述标签，提取特征图并计算全局风格向量S；利用S和特征图生成注意力图和服装外观流；通过高维特征采样和Decoder还原，得到模特服装在目标人物身上的图像Mwc，同时，确定目标人物的保留区域Tp和待生成区域Tm；将Mwc、Tp、Tm输入纹理转换网络，生成虚拟试衣效果图Ttryon。本发明有效应对了模特图与目标人物图不在同一感受野内的情况。
-
公开(公告)号：CN118520383A
公开(公告)日：2024-08-20
申请号：CN202410618850.1
申请日：2024-05-17
Applicant: 武汉纺织大学
IPC: G06F18/2431 , G06F18/2415 , G06F18/214 , G06F18/2135 , G06F18/15 , G06F18/25 , G06N3/0455 , G06N3/047 , G06N3/084
Abstract: 本发明提出了基于多特征融合注意力机制辅助自编码器的故障检测方法，属于工业过程故障检测领域。本发明设计利用传统机器学习提取特征的稳定性优势与深度学习提取特征的包容性优势相结合，适应于复杂工业过程故障检测。本发明通过ICA处理非高斯特征，通过SFA处理动态性特征，通过先升维再降维的自编码器处理非线性特征，挖掘了过程更加全面的特征，使得故障检测的准确率提高。另外，本发明通过优化深度学习网络的反向传播过程，增强了整体模型对含有噪声数据的鲁棒性。本发明通过增加噪声数据，构建权重矩阵，从而改变反向传播的程度，增强了模型鲁棒性，使得故障检测的误报率降低。
-
公开(公告)号：CN117058301B
公开(公告)日：2024-03-19
申请号：CN202310785438.4
申请日：2023-06-29
Applicant: 武汉纺织大学 , 宁波慈星股份有限公司
Abstract: 本发明提供一种基于延迟着色的针织物实时渲染方法，包括：建立空间加速树，使用视锥剔除技术进行可见性剔除；将织物模型预渲染到G‑buffer帧缓冲中；创建深度帧缓冲，渲染深度立方体贴图；创建环境光遮罩帧缓冲，渲染SSAO纹理；计算光照、阴影、应用环境光遮罩因子，实现基于延迟着色的针织物实时渲染，并获得高质量、真实感的渲染结果。本发明克服了传统正向渲染方式的效率限制与真实感缺失的问题，使渲染结果更加真实、细致，能够更好地模拟针织物的结构和材质。
-
公开(公告)号：CN119939259A
公开(公告)日：2025-05-06
申请号：CN202510433006.6
申请日：2025-04-08
Applicant: 武汉纺织大学
IPC: G06F18/214 , G06F18/21 , G06F18/213 , G06N3/0464 , G06N3/045 , G06N3/0495 , G06N3/096 , G06F123/02
Abstract: 本发明公开了一种多目标域轴承剩余使用寿命预测方法与系统，包括：从相关数据集中随机选取不同工作条件下的数据分别作为源域、目标域及测试数据，随后利用ModernTCN对处理后的源域数据预训练；接下来，利用DTW计算距离并分配权重，借助MMD算出加权最大均值差异值，实现测试数据与多目标域的特征级迁移学习；进一步地，将加权混合目标域输入RUL预测器得到预测误差，与WMMD一起作为损失函数微调ModernTCN部分参数，得到预测模型；最后，将测试数据输入到预测模型中，得到在线数据的剩余使用寿命预测结果。
-
Patent Agency Ranking
公开(公告)号：CN119514590A
公开(公告)日：2025-02-25
申请号：CN202411674130.3
申请日：2024-11-21
Applicant: 武汉纺织大学
IPC: G06N3/042 , G06N3/0442 , G06N3/0985 , G06Q50/20
Abstract: 本发明方法提出了一种面向学习过程的三元二阶耦合的动态认知诊断方法，将学习过程中的学习单元划分为“知识、时序、行为”三元组，通过神经网络模型和行为特征提取技术获得“知识‑时序”和“行为‑时序”的一阶耦合分析知识状态和行为状态的变化，同时，采用GLU门控技术设置猜测门、熟练门和学习门，实现学习过程中学习者的认知状态变化的复杂建模，获取学习者的潜在能力状态；最后通过行为特征和反应结果的多任务预测，实现对学习者认知状态的诊断与学习者未来表现的预测。本发明能够科学、全面地对学习者学习情况进行预测，达到辅助教师进行精准教学的目的。
-
公开(公告)号：CN118096583B
公开(公告)日：2024-08-13
申请号：CN202410523549.2
申请日：2024-04-28
Applicant: 武汉纺织大学
Abstract: 本发明公开一种基于补丁的去噪扩散模型的高光去除方法，旨在有效去除在各种拍摄条件下产生的图像高光。这种方法结合了先进的去噪扩散模型与独特的基于补丁的处理技术，可以进行任意尺寸的图像处理，以提高图像质量。本发明方法包括：一个预处理步骤，将输入的图像分割成多个小块或“补丁”；采用了一种引导去噪过程，每个补丁的去噪过程都由噪声水平的估计来引导；通过在重叠补丁上基于平滑噪声估计来引导扩散模型的采样过程进一步确保处理后的补丁在重新组合成完整图像时保持自然和一致，这确保了图像在视觉上的连续性和整体美观性。
-
公开(公告)号：CN117688388B
公开(公告)日：2024-04-30
申请号：CN202410128488.X
申请日：2024-01-30
Applicant: 武汉纺织大学
IPC: G06F18/214 , G06F18/213 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于数据增强与预测联合学习的软测量方法与系统。包括：先对原始数据进行标准化处理，然后用提出的回归约束自编码器（R‑CAE）对标准化后的数据进行建模并生成新数据；将标准化后的数据和新数据进行交叉融合，得到扩增数据，解决工业过程中数据采集成本过高、数据稀缺的问题；之后通过提出的非线性相关堆叠目标相关自编码器（NC‑STAE）对扩增数据建立软测量模型，获得目标特征值的误差值；将误差值作为损失函数返回到R‑CAE中，对R‑CAE的参数进行微调，得到更加有利于软测量的扩增数据；经过多次优化迭代，实现R‑CAE和NC‑STAE的联合学习，进而优化数据扩增效果。最终，使用优化后的扩增数据对目标特征值进行准确预测。
-
公开(公告)号：CN117710690A
公开(公告)日：2024-03-15
申请号：CN202311731853.8
申请日：2023-12-15
Applicant: 武汉纺织大学
Abstract: 本发明公开了一种基于边缘信息引导的图像内部遮挡关系预测方法和系统。所述方法包括边缘检测器和遮挡关系预测器两部分，包括以下步骤：输入图像通过由图像切分模块、多个池化Transformer模块和反卷积模块组成的边缘检测器，生成边缘检测图；然后在遮挡关系预测器中，边缘检测图通过边缘信息引导模块作用于边缘检测器生成的图像元特征上；随后新的图像元特征再依次通过多个池化Transformer模块来优化图像元特征；最后一个反卷积模块将最终得到的图像元特征进行分辨率的调整和放大，并输出遮挡关系图。本发明首次提出了用生成的边缘检测图引导特征计算，并直接生成遮挡关系图的新方法。相比已有的其他方法有更少的计算量，并有更好的预测效果。
-
公开(公告)号：CN117198426B
公开(公告)日：2024-01-30
申请号：CN202311463160.5
申请日：2023-11-06
Applicant: 武汉纺织大学
IPC: G16C20/30 , G16C20/70 , G06N3/042 , G06N3/0442 , G06N3/0455 , G06N3/08
Abstract: 本发明提出了一种多尺度药物‑药物反应可解释预测方法和系统，包括：获取待预测两种药物的分子图和文本表示序列；在分子图中整合原子级特征向量；在药物文本序列中进行频繁子结构挖掘并利用变压器编码得到子结构级特征；不同尺度特征向量合并得到特征矩阵；两个药物的特征矩阵交互得到可解释的交互矩阵；在预测模块中处理交互矩阵得到DDI预测结果。本发明提出了一种多尺度特征融合策略来预测药物相互作用，它采用包含门控消息传递神经网络的图表示学习法和频繁子序列挖掘算法，实现了多尺度的DDI可解释性预测。(56)对比文件Xianfang Tang et al.Indicatorregularized non-negative matrixfactorization method-based drugrepurposing for COVID-19《.Frontiers inImmunology》.2021,全文.成志兴.整合多源信息的药物-靶标相互作用智能预测模型的研究《.硕士电子期刊》.2023,(第04期),全文.Chen Y et al.MUFFIN: multi-scalefeature fusion for drug-drug interactionprediction《.Bioinformatics》.2021,全文.
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.025 seconds)
