-
公开(公告)号：CN119400316A
公开(公告)日：2025-02-07
申请号：CN202411485595.4
申请日：2024-10-23
Applicant: 西北工业大学
IPC: G16C60/00 , G16C20/30 , G16C20/70 , G06F18/243 , G06F18/25 , G06F18/213 , G06N20/20
Abstract: 本发明提供了一种基于机器学习的钙钛矿氧化物的热力学稳定性筛选方法。首先，获取钙钛矿氧化物的原子核外能和形成能数据，并提取与热力学稳定性强相关的特征描述符；然后，利用特征描述符对机器学习模型进行训练；最后，利用训练好的模型筛选稳定的钙钛矿氧化物。本发明基于钙钛矿描述符和机器学习进行钙钛矿材料热力学稳定性能的预测，能够提高预测的精度和效率，减少实验资源的浪费，具有自动化、高通量、准确性高、适用性广的优点。
-
公开(公告)号：CN114554510B
公开(公告)日：2023-07-21
申请号：CN202210086040.7
申请日：2022-01-25
Applicant: 西北工业大学
IPC: H04W16/22 , H04W28/22 , G06F30/27 , G06N20/00 , G06F111/04
Abstract: 本发明公开了一种无人机载基站下行链路最优决策参数配置方法，包括以下步骤：A：通过采样获得单天线用户位置信息；B：构建最大化最小信息传输速率的优化问题P1；C：离线状态下求解优化问题P1，获得最优决策参数；D：将最优决策参数作为标签与用户位置信息构成训练样本集；E：构建深度学习模型，离线采用训练样本集训练深度学习模型学习用户位置信息和最优决策参数的映射关系；F：在线将更新的用户位置信息输入深度学习模型，实时在线配置无人机最优决策参数。本发明具有较低计算复杂度，能够实时配置无人机载基站的最优决策参数，以满足用户实时通信的需求。
-
公开(公告)号：CN111797512B
公开(公告)日：2022-10-14
申请号：CN202010550094.5
申请日：2020-06-16
Applicant: 西北工业大学 , 中国西安卫星测控中心
IPC: G06F30/20
Abstract: 本发明涉及一种三轴稳定空间目标全角度光度仿真数据验证方法，首先将实测光度数据归算到某一固定距离下，并得到目标本体坐标系下，其太阳照射方向矢量和测站观测方向矢量。然后，挑选仿真数据中条件最接近(仿真角度存在间隔)的光度仿真值，形成光度仿真曲线。最后，提出评价因子K，量化分析光度仿真效果的优劣，当K值越小，光度仿真数据曲线与实测曲线拟合越好。通过分析多颗三轴稳定空间目标的仿真与实测数据验证该方法能较好的量化评价仿真效果。
-
公开(公告)号：CN112101432B
公开(公告)日：2022-06-07
申请号：CN202010923773.2
申请日：2020-09-04
Applicant: 西北工业大学
IPC: G06V10/764 , G06K9/62 , G06V10/40 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于深度学习的材料显微图像与性能双向预测方法，提出CNN与DNN相结合的算法用以处理多种输入的并行预测。以CNN提取材料显微图像特征，在第一层全连接层加入以材料成分，工艺为代表的一维特征向量。综合图像特征，其他特征为DNN输入，实现材料综合特征与性能的回归预测或分类。在GAN大量生成图像的基础上，使用前面预测模型对生成的图像性能进行预测。为了增加实验结果的可信度，可以训练三个不同的网络进行预测，最终去三者的交集作为目标图像输出。通过结合卷积神经网络提取特征与成分、工艺等特征，模型与性能的拟合度大幅提升，避免模型欠拟合，性能分类的预测方法符合生产实际需求。
-
公开(公告)号：CN110322492B
公开(公告)日：2022-06-07
申请号：CN201910592115.7
申请日：2019-07-03
Applicant: 西北工业大学
IPC: G06T7/33
Abstract: 本发明涉及一种基于全局优化的空间目标三维点云配准方法，首先是提取点云数据的FPFH特征描述符，通过特征相似性来查询对应点集，其中加入两种约束规则来去除错误对应点，对应点集建立以后，不再迭代更新；建立基础目标函数，并进行改进得到易于优化的目标函数；利用已建立的对应点集目标函数进行迭代的交替优化过程，当满足迭代终止条件时，得到最终的配准结果。本发明采用全局优化的方法，不涉及到迭代采样、模型拟合、以及局部精细化，并且对含有噪声数据具有鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN113033699A
公开(公告)日：2021-06-25
申请号：CN202110415399.X
申请日：2021-04-18
Applicant: 西北工业大学
IPC: G06K9/62 , G06F30/17 , G06F30/20 , G06F111/08 , G06F111/20
Abstract: 本发明提出一种装配体模型信息的离散量化与相似性分析方法，基于离散化思想将装配体分解为若干个由相互连接的零件对构成的结构单元，利用矢量化描述方法对各个结构单元的信息进行量化表征，通过求解最优化匹配模型实现装配体间的相似性分析，实现具有相似局部结构的装配体模型的检索。本发明将复杂的装配体模型转化为若干个简单的结构单元，进而以自下而上的方式解决模型局部相似性分析问题。本发明能够利用高维特征向量的距离计算代替传统的图同构运算，对计算资源要求较低。此外，实验表明，该方法在降低运算成本的同时能够在一定程度上保证检索准确性。
-
公开(公告)号：CN112362066A
公开(公告)日：2021-02-12
申请号：CN202011311727.3
申请日：2020-11-20
Applicant: 西北工业大学
IPC: G01C21/20
Abstract: 本发明涉及一种基于改进的深度强化学习的路径规划方法，针对不同学习阶段对经验的深度和广度不同需求，提出了一种改进的学习策略，即深度Q网络采用密集网络框架计算Q值。在学习的初始阶段，创建经验值评估网络来增加深度经验的比例，以便更快地了解环境规则。当路径游荡现象发生时，使用并行探索结构来提高经验库的广度。另外，通过引用密集连接方法来改进网络结构，从而提高了网络的学习和表达能力。
-
公开(公告)号：CN112102184A
公开(公告)日：2020-12-18
申请号：CN202010923783.6
申请日：2020-09-04
Applicant: 西北工业大学
Abstract: 本发明属于数字图像处理领域，涉及一种基于Scale‑Encoder‑Decoder‑Net的图像去模糊方法。该方法利用Scale‑Encoder‑Decoder‑Net网络实现模糊图像复原,目的在于解决现存深度学习去模糊算法存在的复原时间长、图像细节恢复效果较差等问题。本发明提出了Scale‑Encoder‑Decoder‑Net网络，旨在解决现有深度学习去模糊算法存在的缺点,通过对比现有最优算法，本发明在复原时间上提升了0.12s，在复原图像性能上平均提升了0.8dB。
-
公开(公告)号：CN110827262A
公开(公告)日：2020-02-21
申请号：CN201911073594.8
申请日：2019-11-06
Applicant: 西北工业大学
Abstract: 本发明涉及一种基于连续有限帧的红外图像弱小目标检测方法，首先采用Lucas–Kanade光流法对连续两帧红外原始图像进行光流场计算，建立红外图像光流场；然后对得到红外图像光流场进行疑似运动区域检测，在保证检测精度的情况下处理帧数更少，处理速度更快，冗余信息更少；之后通过将感兴趣区域分解为更小的红外图像块，进行基于SVD分解的背景抑制，处理后的目标集与背景集分别重构；最后通过自适应滤波检测出红外弱小目标位置。通过在构建的modis红外弱小目标图像库中进行验证，选取3组红外弱小目标序列图像实验分析，验证了本发明的检测准确性。
-
公开(公告)号：CN106920220B
公开(公告)日：2019-07-19
申请号：CN201710101304.0
申请日：2017-02-24
Applicant: 西北工业大学
IPC: G06T5/00
Abstract: 本发明涉及一种基于暗原色和交替方向乘子法优化的湍流图像盲复原方法，首先，基于多尺度的思想，在每一层尺度上对图像施加暗原色先验约束、对点扩散函数施加稀疏约束和能量约束，然后，采用坐标下降法交替迭代估计当前尺度下的模糊核和图像。当达到最大尺度时，得到最终估计的模糊核，最后，再结合总变分模型，采用导数交替方向乘子法实现图像细节快速恢复。本发明方法采用清晰图像的暗原色先验信息作为约束项，有利于代价函数在迭代过程中收敛到清晰解，解决了盲复原算法在最大后验概率框架下使用梯度先验信息约束易求得模糊解的问题，故在复原结果的视觉上，能恢复出更多的图像细节，振铃效应更少，有效提升了复原质量。
-
-
-
-
-
-
-
-
-
Search Results
60
records
(took 0.039 seconds)
