-
公开(公告)号：CN118351016A
公开(公告)日：2024-07-16
申请号：CN202410570782.6
申请日：2024-05-09
Applicant: 电子科技大学长三角研究院(衢州)
IPC: G06T5/70 , G06T5/60 , G06T7/00 , G06N3/0455 , G06N3/0475 , G06N3/094 , G06N3/092
Abstract: 本发明涉及一种生成对抗网络梯度自适应低剂量CT去噪方法，属于图像处理领域，包括：利用编码器将低剂量CT图像映射到高维工具，得到低剂量图像的隐藏层表示和去噪结果；将RGA‑GAN模型中生成器的第四层残差块的输出作为图像的隐层特征输入到智能体网络中，得到强化学习的策略，基于策略在每次迭代中选择最合适的对抗损失用于更新RGA‑GAN模型，为模型选择最佳优化方向；于损失函数和强化学习的策略不断更新RGA‑GAN模型的生成器和判别器，每次更新后，更新强化学习的奖励，再对智能体网络进行更新。本发明能够根据样本特征选择适当的对抗损失和损失函数，以实现更精确的目标导向和最优控制。
-
公开(公告)号：CN117196987A
公开(公告)日：2023-12-08
申请号：CN202311187498.2
申请日：2023-09-14
Applicant: 电子科技大学长三角研究院(衢州)
IPC: G06T5/00 , G06T7/00 , G06V10/30 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种低剂量CT图像去噪方法，包括以下步骤：S1：建立数据集，设定带有噪声的LDCT图像集合x，和与LDCT图像集合x对应的高质量的NDCT图像集合y；S2：搭建参数为θ的去噪模型 使用模构建 的映射；S3：使用混合损失训练去噪模型 设置学习率和动量参数，采用误差反向传播训练去噪模型 达到迭代最大次数，生成训练好的去噪模型；S4：图像去噪；将测试集中的LDCT图像预处理后，输入至训练好的去噪模型，得到对应的去噪后图像，本申请提出的去噪方法考虑到了图像不同区域的去噪难度，通过添加权重的方式对其进行自适应平衡，并通过高频信息损失促进图像纹理细节的生成，避免去噪后图像变得过度平滑。
-
公开(公告)号：CN119986395A
公开(公告)日：2025-05-13
申请号：CN202510280669.9
申请日：2025-03-11
Applicant: 电子科技大学长三角研究院(衢州)
IPC: G01R31/367 , G01R31/392 , G01R31/382 , G06N3/04 , G06N3/06
Abstract: 本发明公开了一种基于时序神经网络与物理信息神经网络融合的电池状态预测方法，主要包括时序神经网络与物理信息神经网络的融合框架，首先利用时间序列神经网络挖掘各个时序状态的隐藏时序特征并预测电池的SOH和RUL，接着把挖掘的各时序状态的隐藏时序特征作为先验知识输入到TNPINN的深度隐藏时间序列物理模块DeepHTPM以引导该模块的学习过程，DeepHTPM同时还接收各个时间序列的电池容量以及时间序列神经网络预测的预测值作为输入，DeepHTPM模块根据这些输入共同建立电池健康状态预测的隐式物理模型，并将时间序列神经网络进行RUL或SOH的预测损失与隐式物理模型所得损失有效结合，作为最终的损失以约束模型。本发明方法能够用于各种负极材料的锂电池数据集SOH和RUL的预测。
-
公开(公告)号：CN119761728A
公开(公告)日：2025-04-04
申请号：CN202411832143.9
申请日：2024-12-12
Applicant: 电子科技大学长三角研究院(衢州)
IPC: G06Q10/0631 , G06N3/006
Abstract: 本发明公开了应用于灾后救援基于智能手机的无人机任务调度方法，属于无人机技术领域，本申请提出利用智能手机作为移动辅助计算设备，帮助无人机完成灾后救援中的大量密集型计算任务，本申请在任务卸载策略设计的同时考虑了无人机的开销和智能手机的效用，提出的优化算法能够最大程度的减小无人机的开销和提高智能手机的效用，并且本发明提出的任务卸载方法考虑了现实场景中任务的多样性，能够满足不同任务的服务质量需求，与传统蝙蝠算法相比，本申请所使用的多目标突变免疫蝙蝠算法具有更好的全局解和收敛性，本申请将权重向量和多目标突变免疫蝙蝠算法灵活使用，也可用于其他场景的任务卸载优化。
-
-
-
Search Results
4
records
(took 0.023 seconds)
