-
公开(公告)号：CN116567258A
公开(公告)日：2023-08-08
申请号：CN202310563141.3
申请日：2023-05-18
Applicant: 电子科技大学 , 电子科技大学长三角研究院(湖州)
IPC: H04N19/50 , H04N19/176 , H04N19/182 , G06T9/00 , G06N3/0455
Abstract: 该发明公开了一种基于多层卷积结构的视频帧预测方法，属于利用深度神经网络模型进行时空数据预测技术领域。该方法主要有三个方面的特征，一是该方法提出的预测模型采用了多层架构，二是该预测模型的卷积结构采用了多个不同大小的卷积核相结合的构建方式，三是该预测模型中采用了内卷算子替换卷积核较大的卷积算子。该方法所提出的预测模型，在满足预测精度的前提下，有效降低了视频帧预测任务的推理时间、运算量、模型参数量以及模型占用的内存，显著提高了视频帧预测效率。
-
公开(公告)号：CN116634498A
公开(公告)日：2023-08-22
申请号：CN202310499353.X
申请日：2023-05-05
Applicant: 电子科技大学 , 电子科技大学长三角研究院(湖州)
IPC: H04W28/08 , H04W28/084 , H04W84/06
Abstract: 该发明公开了一种基于强化学习的低轨卫星星座网络边缘计算多级卸载方法，属于卫星通信网络与边缘计算技术领域。传统边缘计算卸载方法是针对地面网络设计，并未考虑低轨卫星星座网络特性。本发明将边缘计算技术引入低轨卫星星座网络，在低轨卫星上直接执行时敏性强的各类边缘计算任务，可有效降低边缘计算任务时延、提升系统资源利用率、提高用户体验质量。
-
公开(公告)号：CN117979028A
公开(公告)日：2024-05-03
申请号：CN202410224968.6
申请日：2024-02-29
Applicant: 电子科技大学
IPC: H04N19/62 , H04N19/192 , H04N19/11 , H04N19/14
Abstract: 该发明公开了一种基于浅深空间频率信息的视频预测方法，明属于计算机视觉和机器学习技术领域。首先设计三维频率损失(3DFL)指标对预测视频质量进行评估；然后提出浅深特征提取网络(SDFNet)以同时提取视频帧的浅层和深层特征；最后设计频域自适应模块(FATranslator),针对不同频率信息使用不同卷积核进行特征提取。通过提取并整合深层空间特征与传统模型中经常被忽视的浅层空间特征,该方法显著提高了预测视频的清晰度和时间一致性。实验结果表明,与多个基准模型相比,本发明所提方法能生成物体边缘和运动更加清晰的预测视频。
-
公开(公告)号：CN117335530A
公开(公告)日：2024-01-02
申请号：CN202311487767.7
申请日：2023-11-08
Applicant: 电子科技大学长三角研究院(湖州)
Abstract: 本发明属于电力电子技术领域，公开了一种电池均衡方法及系统，结合了中心抽头推挽式逆变器及电压放大整流器；利用变压器电流方向改变控制电压放大整流器中二极管的交替导通，自动完成电压均衡。通过交替导通IGBT，变压器初级侧电流方向交替；变压器初级侧电流方向交替引起次级侧电流方向交替，使与电池并联的二极管交替导通；二极管交替导通，变压器次级侧的电压放大整流器自动完成均衡。本发明中电路设计简单，不存在负反馈环节，不会有系统稳定性问题。本发明的电路简单，只需要使用到常见的器件，成本非常低。
-
公开(公告)号：CN119814197A
公开(公告)日：2025-04-11
申请号：CN202411966782.4
申请日：2024-12-30
Applicant: 电子科技大学
IPC: H04B17/382 , H04B17/391 , H04W16/22 , H04W24/02 , H04W24/06 , H04L41/16
Abstract: 本发明公开了一种基于多尺度混合结构的轻量化长期频谱预测方法，涉及电磁频谱预测技术领域。该方法包括获取频谱时间序列数据，预处理后划分训练集和测试集；构建频谱预测模型，其由趋势分解模块、多尺度编码模块和混合解码模块组成，通过趋势分解捕捉频谱数据宏观趋势和短期波动特性，多尺度编码生成多尺度特征表示，混合解码融合生成预测值；将模型扩展到空间数据，构建空间频谱数据集，预处理后输入模型预测。本发明能精准高效预测长期频谱使用情况，提高预测精度，降低计算资源消耗，泛化能力强，为频谱管理提供重要支撑。
-
Patent Agency Ranking
公开(公告)号：CN117240075A
公开(公告)日：2023-12-15
申请号：CN202311203543.9
申请日：2023-09-18
Applicant: 电子科技大学长三角研究院(湖州)
Abstract: 本发明属于电力电子技术领域，公开了一种基于脉冲波注入算法的数字有源滤波器，包括：FPGA数字处理部分、检测电路、注入电路；检测电路与FPGA数字处理部分连接，FPGA数字处理部分与注入电路连接；检测电路采样得到EMI噪声的数字信号，FPGA根据采样信号确定合适的注入信号的波形，并通过注入电路注入信号。本发明解决了直流变换器中的EMI噪声抑制问题，降低对其周围设备的影响，同时维持稳定地直流输出。
-
公开(公告)号：CN116996401A
公开(公告)日：2023-11-03
申请号：CN202310811636.3
申请日：2023-07-04
Applicant: 电子科技大学
IPC: H04L41/147 , H04L41/16
Abstract: 本发明为一种基于时空增强循环神经网络的流量预测方法，涉及计算机通信网络流量预测领域。本文提出了针对局域网流量预测的空间自注意力模块——TPA模块。为加强模型的短期预测能力，本文在PredRNN模型基础上集成了线性回归模型——AR模型。最终，提出了基于时空增强循环神经网络模型；6、将AR的预测结果和集成TPA模块的PredRNN模型输出结果经过线性相加，最后得到时空增强循环神经网络模型预测的流量矩阵。所提预测模型能在局域网流量预测上表现出更好的训练收敛速度与预测精度。
-
公开(公告)号：CN113507405A
公开(公告)日：2021-10-15
申请号：CN202110689699.7
申请日：2021-06-22
Applicant: 电子科技大学
Abstract: 该发明公开了一种基于虚拟实例资源池的网络节点快速复现方法，属于信息网络仿真/孪生技术领域。本发明针对于目标网络中不同种类的网络节点，预先在虚拟资源池中创建相应实例，并为每种虚拟实例设置门限值，各类门限值会根据对应资源消耗速率进行动态调整。在网络节点复现过程中，直接从资源池中调用已创建好的虚拟实例即可，当虚拟实例数量消耗到对应门限值之下时，系统将创建新的虚拟实例来补充虚拟资源池，直至补充至门限值或门限值之上。采用这种方法，既可以有效地提高虚拟资源池中的资源使用率，又可以尽可能地满足网络节点复现对于虚拟资源的需求，解决大规模网络节点复现所需时间过长的问题。
-
公开(公告)号：CN113347027A
公开(公告)日：2021-09-03
申请号：CN202110571675.1
申请日：2021-05-25
Applicant: 电子科技大学
Abstract: 该发明公开了一种面向网络虚拟孪生的虚拟实例放置方法，基于云计算的网络仿真测试中虚拟实例放置的技术领域。在传统的网络仿真虚拟机放置算法中并未考虑到节点之间的相互作用关系，但实际上如果未考虑节点之前的内部关系，单纯根据传统负载均衡思想进行构建的网络节点与物理机的映射关系对特定仿真场景的仿真精度影响较大。在实际的虚拟实例放置策略中需要将彼此流量较大的拓扑相邻节点尽量放置在同一台物理主机中，防止其仿真精度由于跨物理主机而受到限制。本文创新性的提出了基于网络仿真测试云的虚拟实例放置策略。本策略紧密结合网络孪生的业务特点，提高了基于网络仿真测试云的网络孪生精度以及各类资源的利用率，并降低了系统能耗。
-
公开(公告)号：CN118214881A
公开(公告)日：2024-06-18
申请号：CN202410504745.5
申请日：2024-04-25
Applicant: 电子科技大学
IPC: H04N19/50 , H04N19/11 , H04N19/172 , H04N19/44
Abstract: 本发明公开了一种基于时空聚合运动感知的视频预测方法。该方法受动物视觉系统中的方向选择性神经元启发,将复杂运动信息分解为垂直和水平两个分量进行独立处理,实现动态信息的有效提取。其中,方向选择性感知单元采用多层感知器结构实现。由于将运动信息进行降维分解会丢失一定时空关联性，提出了时空聚合门控单元以提高时空关联性。在此基础上,该方法建立了多尺度特征融合网络,包含空间编码器、时序转换模块和空间解码器,实现对多尺度时空特征的提取。通过在人工数据集和真实数据集上的测试,证明了该方法可以有效降低运动模糊,提高视频预测的准确性和连贯性。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.021 seconds)
