-
公开(公告)号：CN117938555B
公开(公告)日：2024-06-18
申请号：CN202410341987.7
申请日：2024-03-25
Applicant: 衢州海易科技有限公司
Abstract: 本发明公开了车联网云平台日志序列和参数异常检测方法及系统，涉及计算机技术领域，方法包括：S1构建初始异常检测模型；S2获取训练数据集，训练数据集中的数据为车联网云平台的历史日志数据；S3训练数据集导入异常检测模型，对异常检测模型进行优化训练；S4获取车联网云平台的待检测日志数据，利用优化后的异常检测模型对待检测日志数据进行异常检测，得到异常检测结果；本检测方法以深度神经网络为主线，优化现有的车联网云平台日志解析器和特征提取器，设计了新的异常检测模型，可以有效提取日志的语义信息和时间结构关系，解决异常漏检率较高和异常误报的问题，有着更好的性能和可扩展性。
-
公开(公告)号：CN117688504A
公开(公告)日：2024-03-12
申请号：CN202410156692.2
申请日：2024-02-04
Applicant: 西华大学 , 衢州海易科技有限公司
IPC: G06F18/2433 , G06F18/214 , G06N5/01 , G06N3/042 , G06N3/08
Abstract: 本发明公开了基于图结构学习的物联网异常检测方法及装置，涉及物联网技术领域，方法包括：S1构建初始训练模型，初始训练模型包括两个第一模型和第二模型；S2获取第一训练数据集、第二训练数据集和第三训练数据集；S3训练优化第一模型和第二模型，优化后的第二模型作为异常检测模型；S4获取待分析的物联网数据；S5利用异常检测模型对待分析的物联网数据进行分析，得到检测结果；通过引入了第二模型可以充分利用未标记的数据进行半监督训练，从而提高异常检测模型的泛化能力和性能，本异常检测模型有效降低了数据的标注成本。
-
公开(公告)号：CN115730262A
公开(公告)日：2023-03-03
申请号：CN202211492446.1
申请日：2022-11-25
Applicant: 西华大学 , 衢州海易科技有限公司
IPC: G06F18/2433 , G06F18/214 , G06N3/0464 , G06N3/0455 , G06N3/094 , G06F123/02
Abstract: 本发明公开了尤其涉及一种数据驱动的云平台系统的异常诊断方法及装置，涉及计算机技术领域，方法包括S1构建异常诊断模型；S2获取训练数据集，并导入到异常诊断模型进行训练优化；S3获取云平台系统的实时检测数据，并导入到优化后的异常诊断模型，得到第一损失和第二损失；S4根据第一损失和第二损失确定云平台系统的异常分数；S5根据异常分数判断云平台系统的异常；基于卷积神经网络对抗性训练和POT动态阈值选择构造深度网络模型对多元时间序列进行异常检测，并且添加了基于每个数据点进行异常归因矩阵计算的异常解释模块，在云平台中的高维、复杂的数据中，有效检测数据异常，并能给出异常在云平台数据中最有可能发生的维度。
-
公开(公告)号：CN120074456A
公开(公告)日：2025-05-30
申请号：CN202510171369.7
申请日：2025-02-17
Applicant: 衢州海易科技有限公司
Abstract: 本发明公开了一种高精度窄脉冲发生器，包括依次电连接的FPGA电路、激光驱动电路和激光器；FPGA电路包括D触发器、全局时钟缓冲器BUFG、MUX8和8个MUX2。本发明的窄脉冲发生器能够产生具有高精度、窄脉冲宽度、陡峭边沿以及高稳定性的脉冲信号，可广泛应用于各种对脉冲质量要求较高的电子设备和系统中，提高了窄脉冲发生器的适用性，市场前景优异，应用于汽车雷达可极大的提高了其识别精度，确保了驾驶的安全性。
-
公开(公告)号：CN114625842B
公开(公告)日：2024-11-29
申请号：CN202210304001.X
申请日：2022-03-25
Applicant: 电子科技大学长三角研究院(衢州) , 衢州海易科技有限公司
IPC: G06F16/33 , G06F16/35 , G06F16/36 , G06F40/211 , G06F40/216 , G06F40/242 , G06F40/289 , G06F40/30 , G06F18/24 , G06N3/0442 , G06N3/048 , G06N3/08
Abstract: 本发明涉及一种基于结构注意力增强机制的虚假评论识别装置，它包括层次化语义网络和结构注意力增强机制网络；所述层次化语义网络以预训练的词向量为输入层，通过层次化神经网络学习评论文本词‑句‑段的文本表示，词‑句层利用词嵌入特征学习评论文本的句子表示，完成词语级别的建模，句‑段层通过词‑句层的句子向量生成评论文本的整体段落表示，完成语篇级别的建模；所述结构注意力增强机制网络用于学习上下文的连贯性矩阵和对文本结构单元做非前后文关系的自由语序的增强表示。本发明着重对评论文本的词‑句‑段的层次化结构进行了特征提取，并在层次表示中嵌入结构注意力增强机制，以增强弱结构单元的非线性语义表达。
-
Patent Agency Ranking
公开(公告)号：CN117901822A
公开(公告)日：2024-04-19
申请号：CN202410320457.4
申请日：2024-03-20
Applicant: 衢州海易科技有限公司
Abstract: 本发明公开了工程车辆内轮差区域的防碰撞制动方法及系统，涉及交通控制系统技术领域，方法包括：S1构建车辆坐标系；S2实时获取车辆的姿态参数位于车辆右侧预设距离内的目标的目标参数；S3根据目标参数判断目标的状态，根据姿态参数判断车辆状态；S4根据目标和车辆的状态，分别进入S5、S6或S7；S5满足第一制动条件，进行制动，不满足则不制动；S6满足第二制动条件，进行制动，不满足则不制动；S7满足第三制动条件，进行制动；不满足不制动；相比于现有技术中的距离划分进行的预警以及制动方式，本制动方法能够更适合驾驶员的驾驶体验，保证制动事件的准确率与召回率都处在较高的水平。
-
公开(公告)号：CN116353557A
公开(公告)日：2023-06-30
申请号：CN202310249838.3
申请日：2023-03-15
Applicant: 衢州海易科技有限公司
Abstract: 本发明公开了一种单雷达前盲区和右盲区预警制动系统，包括与汽车刹车系统连接的智能制动装置，设置在汽车前盲区处的前感应单雷达，设置在汽车右盲区处的右感应单雷达，设置在汽车内的处理系统，处理系统的驱动端与智能制动装置相连接；前感应单雷达，用于感应汽车前盲区内的物体，并向处理系统发送感应信号；右感应单雷达，用于感应汽车右盲区内的物体，并向处理系统发送感应信号；处理系统，用于接收前感应单雷达和右感应单雷达的感应信号，并驱动智能制动装置动作。本发明的结构设置合理，可以对前盲区和右盲区进行探测，并将探测的信号传递给处理系统，经处理系统处理后驱动智能制动装置实现车辆减速或刹车，以提高使用安全性。
-
公开(公告)号：CN118094427B
公开(公告)日：2025-04-15
申请号：CN202410201800.3
申请日：2024-02-23
Applicant: 西华大学 , 衢州海易科技有限公司
IPC: G06F18/2433 , G06N3/0455 , G06N3/08 , G16Y40/10
Abstract: 本发明公开了基于动态图注意力的物联网时序数据异常检测方法及系统，涉及计算技术领域，方法包括S1构建初始的异常检测模型；S2获取训练数据集；S3利用训练数据集对初始的异常检测模型进行训练优化，得到优化后的异常检测模型；S4获取待预测物联网时序数据；S5利用优化后的异常检测模型分析待预测物联网时序数据的检测结果；本方法解决了物联网环境下多变量时间序列异常检测的问题；克服了传统Transformer和GNN的缺陷，提出了一种具有异常注意的Transformer获取GNN参数的有效模；本异常检测模型在实证研究中取得了先进的结果，提高了异常检测的精度。
-
公开(公告)号：CN119323803B
公开(公告)日：2025-04-01
申请号：CN202411874279.6
申请日：2024-12-19
Applicant: 衢州海易科技有限公司 , 电子科技大学长三角研究院(衢州) , 衢州学院 , 衢州市公安局交通警察支队
Inventor： 吴磊 , 程凯 , 单文煜 , 陈鹏 , 周小龙 , 黄忠京 , 刘明 , 曹曙烽 , 夏云霓 , 陈坚武 , 岑沛丰 , 詹虎山 , 柴凌勇 , 李俊 , 李曦 , 何东飞 , 刘念伯 , 曾晟珂 , 李秀华
IPC: G06V40/10 , G06V10/74 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/084 , G06N3/088
Abstract: 本发明公开了一种基于深度学习面向车路协同的行人检索方法，属于行人重识别技术领域，包括以下步骤：建立训练集；在ReID模型中设置一个无监督鉴别器网络结构；S3：使用训练集通过预热学习对ReID模型进行预设数量回合的迭代训练；完成预设数量回合的训练后，部署训练好的ReID模型；将待识别图像输入训练完成的ReID模型中，根据自适应阈值n，选取前n%的结果，判定为目标人物，得到检测结果，本申请在ReID模型中引入了无监督鉴别器网络结构，不仅提高了特征的代表性和区分能力，还显著提升了行人识别的准确率，本申请还设置了行人阈值n的判定，保证了检索的高效性和精准性。
-
公开(公告)号：CN119152121A
公开(公告)日：2024-12-17
申请号：CN202411362684.X
申请日：2024-09-27
Applicant: 电子科技大学长三角研究院(衢州) , 衢州海易科技有限公司
IPC: G06T17/00 , G06T9/00 , G06N3/0464 , G06N3/0475 , G06N3/08
Abstract: 本发明公开了基于深度学习的单视图三维物体重建方法，涉及计算机视觉领域，包括S1、构建物体重建模型，物体重建模型包括图像编码器、生成器G和鉴别器D，图像编码器用于从单视图图像中提取高层次特征，并通过重参数化技巧将高层次特征转化为潜在向量；S2、获取训练数据集；S3、训练数据集导入物体重建模型，并对物体重建模型进行训练优化，获得优化后的物体重建模型；S4、获取待重建的数据；S5、利用优化后的物体重建模型对待重建的数据进行三维物体重建；采用先进的神经网络架构，生成对抗网络GAN和图像编码器VAE，并在GAN网络中添加空间注意力机制来挖掘单视图图像中的深层特征和空间关系，从而提升3D物体重建的精度和鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
36
records
(took 0.027 seconds)
