-
公开(公告)号：CN116430868A
公开(公告)日：2023-07-14
申请号：CN202310444452.8
申请日：2023-04-19
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G05D1/02
Abstract: 本发明提供了一种基于深度学习的自主导航与避障系统，包括以下步骤：S1，对单目图像进行语义分割，从而对障碍物进行分割并确定水域边界，并检测船舶与障碍物之间的距离；S2，将语义分割结果传递给语义点云，生成驾驶推荐地图；S3，通过全球定位系统GPS来进行全局路径规划，定位船舶的绝对位置，并进行局部路径规划；S4，通过局部路径规划来设计船舶的最快路径和最短路径；S5，通过语义点云来训练深度学习模型，通过深度强化学习进行船舶运动规划，进而控制船舶的转向和速度，实现船舶的自主移动导航。在本申请中，使用深度强化学习来控制舵机将舵向正确方向转动。此外，全局和局部路径规划可以找到最佳路线和最短、最安全的路径。
-
公开(公告)号：CN116668357A
公开(公告)日：2023-08-29
申请号：CN202310886819.1
申请日：2023-07-19
Applicant: 电子科技大学长三角研究院(湖州)
IPC: H04L45/02
Abstract: 本发明涉及网络路由调度技术领域，且公开了一种确定性网络多域路由调度方法，包括三个阶段：初始化阶段：全局采用多队列循环排队转发技术作为大规模多域工业网络的流量调度与整形机制；学习阶段：多智能体分层深度强化学习模型通过调取经验回放完成模型的更新；决策阶段：确定性流通过多智能体分层深度强化学习模型确定路由路径与队列选择。本发明采用上述一种确定性网络多域路由调度方法，能够解决大规模工业网络中传统流量调度与整形方式不适配、多域工业网络中TSDN集中式管理控制效率低成本高，以及全分布式获取信息不全无法全局最优、决策学习过程中动作空间大且奖励稀疏的问题。
-
公开(公告)号：CN117879863B
公开(公告)日：2024-12-31
申请号：CN202311634838.1
申请日：2023-11-30
Applicant: 电子科技大学长三角研究院(湖州)
Abstract: 本发明提供了一种针对基于弹性复杂社交网络的僵尸网络的多层应对系统，包括引入安全框架BotWard，所述安全框架BotWard用于应对僵尸网络并增强网络安全，所述安全框架BotWard在社交网络中引入匿名命令与控制服务器，将命令隐藏在日记中以进行隐蔽通信，并使用自动重新配置机制来提高韧性。本发明阐明社交媒体僵尸网络的复杂运作方式，从而能够找到用来检测并干扰僵尸网络操作的方法，从而加强社交平台在面对不断演变的网络威胁时的安全性。
-
公开(公告)号：CN117275569A
公开(公告)日：2023-12-22
申请号：CN202311203053.9
申请日：2023-09-18
Applicant: 电子科技大学长三角研究院(湖州)
Abstract: 本发明提供一种融合神经网络和最小二乘法的关键蛋白质识别方法及识别终端，涉及关键蛋白质的识别技术领域，包括：缺失生物数据处理，利用普通最小二乘法对生物数据进行线性回归，处理缺失数据；基于深度神经网络构建识别关键蛋白质的预测模型，整合生物数据的拓扑特征和序列特征作为DNN网络的特征输入，DNN可将网络节点映射为低维稠密向量，以此更加准确地捕捉生物数据中的复杂关系。本发明将最小二乘法和深度神经网络引入到生物信息学的关键蛋白质数据补足和预测过程中，通过最小二乘法解决生物数据库中元数据缺失的问题，提高模型的鲁棒性，通过深度神经网络捕捉生物数据中的复杂关系，增强模型的识别精度。
-
公开(公告)号：CN117010438A
公开(公告)日：2023-11-07
申请号：CN202310798514.5
申请日：2023-06-30
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06K19/077 , G01N27/00 , G06K19/07 , G06F30/20 , G06F30/10
Abstract: 本发明提供了一种实时监测水果变质的高频RFID传感器，包括PET基板，在PET基板上设有芯片和天线，所述天线包括：环形结构，所述环形结构用于促进阻抗匹配；条状结构，所述条状结构用于减少由水果高介电常数表面引起的损耗电阻；眼型嵌套槽，所述眼型嵌套槽用于维持高虚阻抗，以减轻水果高介电常数表面的电容效应。本发明优化了RFID芯片与水果表面之间的阻抗匹配，减小信号损失，改善监测系统的整体性能和可靠性，可以显著提升水果变质的实时监测能力。
-
Patent Agency Ranking
公开(公告)号：CN117879863A
公开(公告)日：2024-04-12
申请号：CN202311634838.1
申请日：2023-11-30
Applicant: 电子科技大学长三角研究院(湖州)
Abstract: 本发明提供了一种针对基于弹性复杂社交网络的僵尸网络的多层应对系统，包括引入安全框架BotWard，所述安全框架BotWard用于应对僵尸网络并增强网络安全，所述安全框架BotWard在社交网络中引入匿名命令与控制服务器，将命令隐藏在日记中以进行隐蔽通信，并使用自动重新配置机制来提高韧性。本发明阐明社交媒体僵尸网络的复杂运作方式，从而能够找到用来检测并干扰僵尸网络操作的方法，从而加强社交平台在面对不断演变的网络威胁时的安全性。
-
公开(公告)号：CN117573672A
公开(公告)日：2024-02-20
申请号：CN202311429378.9
申请日：2023-10-31
Applicant: 电子科技大学长三角研究院(湖州)
Abstract: 本发明提供了一个基于区块链的数据管理系统框架，提供了一种安全、透明的数据管理方式。该框架利用智能合约来管理数据访问和权限，确保数据完整性。该系统旨在促进不同组织之间的数据共享，而不需要中央可信机构。该框架由三个核心组件组成：数据库、智能合约和区块链。数据库存储系统内的所有数据，而智能合约则管理数据访问和权限。区块链充当防篡改账本，存储智能合约并记录所有数据修改。
-
公开(公告)号：CN117155945A
公开(公告)日：2023-12-01
申请号：CN202310466900.4
申请日：2023-04-25
Applicant: 电子科技大学长三角研究院(湖州)
IPC: H04L67/104 , H04L67/1074 , H04L9/40 , H04L9/00 , G16H50/80
Abstract: 本发明提供了基于多层区块链的可信跟踪系统，包括如下步骤：利用预言机从信息源获取统计信息，提取统计信息并进行存储；利用数据聚合智能合约来检查列出的预言机的统计信息的真实性、可靠性和声誉值；使用预言机从授权的在线资源中检索信息；当预言机检索到受感染比例和死亡人数信息后，将检索到的数据发送到数据聚合智能合约；通过声誉智能合约来更新参与的预言机的声誉值，如果报告的统计信息的数量接近数据聚合智能合约的继承数量，则提高预言机的声誉值。解决了现有技术中存在的当传染病爆发时，统计数据太多，其中存在大量虚假信息并且会侵犯个人数据隐私的问题，能够减少伪造数据的传播，更好地对传染病的传播进行监测。
-
公开(公告)号：CN116861287A
公开(公告)日：2023-10-10
申请号：CN202310752440.1
申请日：2023-06-25
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06F18/24 , G06F18/22 , G06F18/23 , G06N3/0895
Abstract: 本发明提供了一种基于多标签演化高维文本流的在线半监督分类算法，其特征在于：包括模型初始化、分类阶段和模型维护；取Dinit个带标签的文档，并为每个标签创建Zmin个微簇，微簇包含文档；初始模型对每个到来的文档流进行预测，对于每个到来的文档，模型计算簇‑文档的概率，并基于概率得分，选择k个最近的微簇Zd；此时，需要预测的标签数Y等于具有高于Zd分布均值的微簇的数量lcount；当大于平均值的簇数量为一，则预测在最近的簇中有高簇数量的标签，否侧比较每个标签的簇概率之和，并用最近标签的标签共现得分进行预测；在预测标签后，如果到来的文档没有标签，则将其添加到每个预测标签的最近微簇中，否则将到达的文档添加到地面真实标签的最近微簇中。
-
公开(公告)号：CN118734990A
公开(公告)日：2024-10-01
申请号：CN202410716626.6
申请日：2024-06-04
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06N20/00 , H04L67/104 , G06F16/182 , G06F16/22 , G06F16/27
Abstract: 本发明涉及模型训练技术领域，公开了一种基于IPFS和区块链的联邦学习模型去中心化学习方法，该方法包括：使用区块链上的全局参数哈希链接从星际文件系统中获取联邦学习模型的全局模型参数，根据全局模型参数初始化本地模型，并对本地模型进行训练，更新客户端本地参数和本地模型平均回合奖励，将客户端本地参数和本地模型平均回合奖励上传到星际文件系统存储并将对应的本地参数哈希链接存储到区块链中，从星际文件系统中获取根据若干客户端本地参数和本地模型平均回合奖励更新后的全局模型参数，本发明利用IPFS进行模型参数的去中心化存储，整合区块链技术和星际文件系统以进行联邦学习，提高联邦学习的可扩展性。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.022 seconds)
