-
公开(公告)号：CN118349985B
公开(公告)日：2024-08-27
申请号：CN202410765642.4
申请日：2024-06-14
Applicant: 电子科技大学
Abstract: 本发明提出一种基于对比学习和多模态生物特征的身份识别方法，属于人工智能算法领域。所述包括如下步骤：步骤S21：采集多模态生物特征数据；步骤S22：对采集的多模态生物特征数据进行预处理；步骤S23：将经过预处理的多模态数据送入预训练好的姿态分类模型对传感器数据和触屏数据标识姿态标签；步骤S24：将经过预处理的多模态数据送入训练好的Siamese神经网络模型进行特征提取及降维；步骤S25：提取融合特征；步骤S26：计算相似度；步骤S27：根据相似度计算结果对用户身份进行识别。本发明通过对比学习以及多模态数据的综合利用能够提高身份识别的准确性和稳定性；在身份识别过程中减少误识率和漏识率；同时保护用户隐私，优化用户体验。
-
公开(公告)号：CN119206744B
公开(公告)日：2025-02-18
申请号：CN202411719200.2
申请日：2024-11-28
Applicant: 电子科技大学
IPC: G06V30/19 , G06V30/148 , G06V10/82 , G06N3/047 , G06N3/08 , G06N3/0455
Abstract: 本发明提供了一种基于马尔科夫理论的自然场景藏文图像数据增强方法，包括：识别输入信息语义；定义马尔科夫过程，该过程将训练数据逐步加入噪声扰动，形成一个马尔科夫链；定义逆马尔科夫过程，该过程使用一个神经网络模型，根据当前的扰动图像和时间步长，预测并去除扰动，逐步恢复原始图像；训练神经网络模型，使其能够最大化逆马尔科夫过程的条件概率；生成图像，将马尔科夫过程处理后得到的结果作为初始状态矩阵，然后沿着马尔科夫链反向遍历，使用神经网络模型逐步还原，最终得到生成的图像。本发明可以避免生成模型中常见的对抗训练、模式崩溃、梯度消失等问题，同时可以实现高效的并行化和可扩展性，生成的图像具有高分辨率和多样性。
-
公开(公告)号：CN118862968B
公开(公告)日：2024-12-20
申请号：CN202411337513.1
申请日：2024-09-25
Applicant: 电子科技大学
IPC: G06N3/0464 , G06N3/0442 , G06N3/084 , G06N7/02
Abstract: 本发明提供一种基于物理引导的装配加工精度神经网络混合诊断模型，属于装配加工制造领域。本发明提出的混合诊断模型首先基于模糊层次分析法与状态空间模型，构建所需诊断装配工艺线的机理模型；然后获取数据集并预处理；最后构建基于机理模型引导的装配质量神经网络动态预测模型；本模型能够对装配工艺进行动态跟踪、识别，及时指导模型训练过程，减少装配工艺的数据所需量，保证模型精度，能够用于在线的产品装配质量准确识别任务。提出了一种融合状态空间模型与模糊层次分析法的装配线故障诊断机理模型，能够有效减少装配过程的数据采集量。此外，该方法还能够对装配工艺进行准确的精度识别，从而完成装配的多层次判断。
-
公开(公告)号：CN119091857A
公开(公告)日：2024-12-06
申请号：CN202411590707.2
申请日：2024-11-08
Applicant: 电子科技大学
IPC: G10L15/00 , G10L15/02 , G10L21/0224 , G10L21/0232
Abstract: 本发明公开了一种基于快速傅里叶变换的藏语语音数据生成方法，该方法通过语音数据采集并在时域上应用汉明窗口函数以减少频谱泄漏，使用快速傅里叶变换算法将采集的音频信号从时域转换为频域，以实现高效的频率分析，设计巴特沃斯带通滤波器对频域中的语音数据进行滤波，以提取特定频率成分，利用余弦距离计算滤波前后信号的相似性，用以评估滤波效果，采用梯度下降算法搜索并优化滤波器参数，通过迭代优化，调整各参数以达到最佳滤波效果，使用快速傅里叶逆变换将最终的频域信号转换成时域信号，生成高质量的音频文件。本发明方案通过控制时频转换和滤波过程中的参数，有效提高了藏语语音数据的生成质量和准确性，大幅减少数据采集的成本。
-
公开(公告)号：CN118011810B
公开(公告)日：2024-09-10
申请号：CN202410151235.4
申请日：2024-02-02
Applicant: 电子科技大学
IPC: G05B13/04
Abstract: 本发明公开一种具有多次变频周期扰动补偿能力的APDOB的自动设计系统，涉及群体智能算法与自动控制领域，解决现有APDOB的参数设计只能应对单一扰动变化限制了其在复杂场景下的应用的问题；本发明包括具有补偿能力的自适应周期扰动观测器APDOB，其包括6个设计参数即低通滤波器截止频率ga,带通滤波器设计频率gb,陷波参数r,多比率k,遗忘因子λ,正则化参数δ；模糊逻辑系统用于对APDOB的6个设计参数在线调参；优化系统用于对模糊逻辑系统中的参数进行搜索优化，所述优化系统采用算法OPSaDE；本发明将基于OPSaDE算法优化得到的模糊逻辑系统部署在APDOB中得到的最优化模糊APDOB系统相比传统的APDOB，可以有效补偿基波频率多次变频率的周期扰动，因此可以广泛应用于复杂场景任务中。
-
Patent Agency Ranking
公开(公告)号：CN119293476B
公开(公告)日：2025-02-25
申请号：CN202411813822.1
申请日：2024-12-11
Applicant: 电子科技大学
IPC: G06F18/2111 , G06F18/22 , G06F18/241 , G06N3/006 , G06N5/01
Abstract: 一种基于忆阻型萤火虫算法的特征选择方法及装置，属于人工智能技术领域。该方法包括以下步骤：对传统的萤火虫算法进行改进，设计改进的萤火虫距离表示方式和离散化方法；根据所需的萤火虫个体数目和未筛选的特征的维度构建忆阻交叉阵列及周边控制电路，设定读、写电压；使用计算机仿真技术对设计的忆阻交叉阵列进行仿真，验证设计方案的有效性；设计待筛选特征在萤火虫上的编码方式；将萤火虫写入忆阻交叉阵列，算法进行迭代，达到终止条件时输出最优特征子集。本发明可以避免传统萤火虫算法在面对高维优化问题时个体间吸引度不足、搜索广度低的问题，可以实现高效的并行化和可扩展性，输出的特征子集在减少特征维度的同时提升模型识别精度。
-
公开(公告)号：CN119206744A
公开(公告)日：2024-12-27
申请号：CN202411719200.2
申请日：2024-11-28
Applicant: 电子科技大学
IPC: G06V30/19 , G06V30/148 , G06V10/82 , G06N3/047 , G06N3/08 , G06N3/0455
Abstract: 本发明提供了一种基于马尔科夫理论的自然场景藏文图像数据增强方法，包括：识别输入信息语义；定义马尔科夫过程，该过程将训练数据逐步加入噪声扰动，形成一个马尔科夫链；定义逆马尔科夫过程，该过程使用一个神经网络模型，根据当前的扰动图像和时间步长，预测并去除扰动，逐步恢复原始图像；训练神经网络模型，使其能够最大化逆马尔科夫过程的条件概率；生成图像，将马尔科夫过程处理后得到的结果作为初始状态矩阵，然后沿着马尔科夫链反向遍历，使用神经网络模型逐步还原，最终得到生成的图像。本发明可以避免生成模型中常见的对抗训练、模式崩溃、梯度消失等问题，同时可以实现高效的并行化和可扩展性，生成的图像具有高分辨率和多样性。
-
公开(公告)号：CN118968632A
公开(公告)日：2024-11-15
申请号：CN202411440220.6
申请日：2024-10-15
Applicant: 电子科技大学
IPC: G06V40/20 , G06V40/10 , G06V10/82 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种基于神经网络的姿态识别方法。该方法采用基于数据的姿态识别技术，收集用户操作时加速度传感器和陀螺仪传感器的数据，建立姿态数据库，利用神经网络从中学习人体姿态的规律，从而根据当前用户传感器的数据估计出人体姿态，所述加速度传感器测量物体在三个轴上的加速度，陀螺仪传感器测量物体在三个轴上的角速度，通过测量得到的加速度和角速度计算物体的姿态角，从而判断出物体的姿态，采用的神经网络为根据长短期记忆网络LSTM和Dense网络修改的新的时间递归神经网络。通过本发明方案，减少了过拟合的发生，有效提高了分类器的性能，从而提升了姿态识别的效率。
-
公开(公告)号：CN118917747A
公开(公告)日：2024-11-08
申请号：CN202411407971.8
申请日：2024-10-10
Applicant: 电子科技大学
IPC: G06Q10/0639 , G06Q10/0633 , G06Q50/06 , G06F18/23 , G06F18/22 , G06F18/243 , G06N3/0464 , G06N3/096 , G06F18/213 , G06F18/25
Abstract: 本发明提供了一种基于多场时空迁移学习的产品多层次装配质量检测方法与系统，属于装备制造领域。本发明能够实现对于具有多层次装配特点的复杂产品装配过程全流程追踪，获取高层次组件、低层次组件等各组件的装配过程实时状态信息，能够实现面向复杂产品装配全流程的动态追踪。提出了基于改进型OPC UA信息模型的产线多类别组件虚拟映射方法。该方法通过对于各个组件分配虚拟IP与对应数据库，实现了对于各个组件在虚拟空间的基于状态的实时动态追踪。基于多场时空迁移学习的装配质量预测能够通过对于复杂产品过程组件装配过程进行追踪，又可以对于产品最终装配质量进行追踪，从而实现对于多层次复杂产品装配质量综合判断。
-
公开(公告)号：CN118333864A
公开(公告)日：2024-07-12
申请号：CN202410422392.4
申请日：2024-04-09
Applicant: 电子科技大学
IPC: G06T3/4076 , G06T5/70 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明实施例提供一种图像处理方法、计算机设备及存储介质。方法包括：获取若干高分辨率图像；通过改进的初始退化处理公式对若干高分辨率图像进行退化处理，得到初始低分辨率图像；其中，改进的初始退化处理公式表示为：#imgabs0#，其中，#imgabs1#为初始低分辨率图像；#imgabs2#为高分辨率图像；D表示进行退化处理；#imgabs3#表示模糊核；#imgabs4#表示高分辨率图像与模糊核之间的卷积操作；#imgabs5#表示降采样因子为#imgabs6#的下采样；#imgabs7#为加入高分辨率图像中的噪声；#imgabs8#表示使用JPEG方式压缩处理；判断初始低分辨率图像是否满足第一预设条件；在初始低分辨率图像满足第一预设条件时，将初始低分辨率图像确定目标低分辨率图像。本申请实施例旨在提高图像的退化处理效果，进而提高待重建图像的重建效果。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.02 seconds)
