公开(公告)号：CN110598718A

公开(公告)日：2019-12-20

申请号：CN201910889881.X

申请日：2019-09-20

Applicant: 电子科技大学

Inventor： 李建平 ,  顾小丰 ,  胡健 ,  苌浩阳 ,  赖志龙 ,  张建国 ,  俞腾秋

IPC: G06K9/46 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了基于注意力机制及卷积神经网络的图像特征提取方法，构建了一个无全连接层的5层卷积神经网络模型用于提取图像特征，通过注意力机制策略进行图像特征的选择，有机的将注意力机制和卷积神经网络结合起来，成功地提取到不同解码时刻对应的最重要的图像特征，为后续解码过程提供了准确和更高质量的图像特征，从一定程度上提高了图像特征提取结果的合理性。

公开(公告)号：CN113391885A

公开(公告)日：2021-09-14

申请号：CN202110676531.2

申请日：2021-06-18

Applicant: 电子科技大学

Inventor： 李建平 ,  肖飞 ,  高源 ,  周越 ,  俞腾秋

IPC: G06F9/46 ,  G06F9/52 ,  G06F16/23 ,  G06F16/242

Abstract: 本发明公开了一种分布式事务处理系统，包括计算层、存储层和调度层；计算层用于接收客户端的SQL请求，将其转化为KV读写请求，传递至存储层，并基于SQL请求发起事务两阶段提交；存储层用于为计算层发起的事务两阶段提交提供读写接口，提供存储服务；调度层用于维护整个集群的元信息，包括KV数据分布信息等，为计算层和存储层提供全局授时服务，储存事务两阶段提交的事分布式信息。本发明在事务提交时通过两阶段提交协议进行提交，采用多版本并发控制机制，实现读写不相互阻塞。

公开(公告)号：CN109189830A

公开(公告)日：2019-01-11

申请号：CN201810953972.0

申请日：2018-08-21

Applicant: 电子科技大学

Inventor： 李建平 ,  顾小丰 ,  胡健 ,  苌浩阳 ,  陆亚男 ,  葛学志 ,  俞腾秋 ,  李顺利

IPC: G06F16/2458

Abstract: 本发明公开了一种基于Rényi熵和MMA的时间序列分析方法。本发明借助了MMA分析方法在时间序列多尺度分析上的优势和Rényi熵在处理时间序列分析出现重尾问题上的优势，具有对时间序列进行多属性多尺度多分形的分析能力，可以揭示出金融时间序列的短期特征和长期特征，特别是能够量化时间序列各属性的波动性、重要性和彼此之间的关系。

公开(公告)号：CN109117884A

公开(公告)日：2019-01-01

申请号：CN201810933344.6

申请日：2018-08-16

Applicant: 电子科技大学

Inventor： 李建平 ,  顾小丰 ,  胡健 ,  刘丹 ,  林思哲 ,  李平 ,  冯文婷 ,  俞腾秋

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于改进监督学习算法的图像识别方法，包括如下步骤：S1、将图像输入多层脉冲神经网络，编码得到输入脉冲序列；S2、引入延迟策略和噪音阈值对监督学习算法进行改进，并对输入脉冲序列进行学习，得到输出脉冲序列；S3、将输出脉冲序列和目标脉冲序列进行对比，得到误差信号；S4、判断误差信号是否满足要求；S5、调整多层脉冲神经网络模型各层权重和延迟；S6、根据得到的输出脉冲序列，实现图像的识别；本发明解决了现有技术存在的监督学习算法的学习效率低，导致对图像的识别效率无法满足要求，抗噪声能力低，导致在噪音环境下的准确率和效率低，对图像的识别不准确的问题。