-
公开(公告)号：CN111950454B
公开(公告)日：2024-04-02
申请号：CN202010807107.2
申请日：2020-08-12
Applicant: 辽宁工程技术大学
IPC: G06V40/14 , G06V40/12 , G06V10/25 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08 , G06N20/10
Abstract: 本发明提供一种基于双向特征提取的手指静脉识别方法，涉及接触式识别技术领域。该方法获取指静脉数据集，在获取的数据集基础上制作位置信息相反的指静脉数据集，并对所得两个数据集进行图像预处理；使用单向指静脉数据集训练、保存CNN网络模型，在此基础上调整网络结构形成指静脉特征提取器；并通过指静脉特征提取器提取单向指静脉数据的指静脉特征；连接两个指静脉数据集下的单向指静脉特征信息形成双向指静脉特征信息；最后将双向指静脉特征信息通过SVM分类器训练、测试得到指静脉识别结果；本发明方法包括两次提取指静脉图像特征的过程，同一份指静脉图片，经过此过程能获得更多的、更丰富的特征信息。
-
公开(公告)号：CN106513376B
公开(公告)日：2022-05-31
申请号：CN201610939978.3
申请日：2016-10-31
Applicant: 辽宁工程技术大学 , 中国科学院声学研究所
IPC: B08B3/12
Abstract: 本发明涉及超声波清洗方法及装置，所述该超声波清洗方法：应用于主要由超声波换能器(100)和待清洗板(200)构成的超声清洗装置，超声波换能器(100)和待清洗板(200)之间设置有薄层，其特征在于，包括以下步骤：由超声波换能器(100)产生振动，并向薄层内的气液混合物辐射，使薄层内的气液界面产生冲刷射流，从而形成对待清洗板(200)表面的切向冲刷清洗。本发明目的是通过气液面的波动，使得待清洗板进行清洗，而不是采用空化效应或者高速振动和剪切效应。
-
公开(公告)号：CN111835364A
公开(公告)日：2020-10-27
申请号：CN202010766768.5
申请日：2020-08-03
Applicant: 辽宁工程技术大学
IPC: H03M13/11
Abstract: 本发明提供一种极化码的低复杂度神经BP译码方法，涉及信道编码技术领域。该方法首先在信道接收端对原始信息序列经过编码、调制和加噪后获得极化码码字序列，即得到待译码码字序列；然后基于DNN构建神经BP译码器模型，利用有效的聚类技术减少权重参数的数量；通过在时间上共享权重，进一步消除大量权重参数中存在的不必要冗余；并从均匀量化和非均匀量化两方面对浮点权重参数进行量化，进一步减少权重参数的存储需求；最后利用接收到的待译码信道信息和原始信息序列作为训练集训练神经BP译码器模型，实现对接收的待译码码字进行译码。该方法有效降低了权重参数的内存消耗，大幅度压缩了神经BP译码器的存储空间。
-
公开(公告)号：CN111835364B
公开(公告)日：2023-11-14
申请号：CN202010766768.5
申请日：2020-08-03
Applicant: 辽宁工程技术大学
IPC: H03M13/11
Abstract: 本发明提供一种极化码的低复杂度神经BP译码方法，涉及信道编码技术领域。该方法首先在信道接收端对原始信息序列经过编码、调制和加噪后获得极化码码字序列，即得到待译码码字序列；然后基于DNN构建神经BP译码器模型，利用有效的聚类技术减少权重参数的数量；通过在时间上共享权重，进一步消除大量权重参数中存在的不必要冗余；并从均匀量化和非均匀量化两方面对浮点权重参数进行量化，进一步减少权重参数的存储需求；最后利用接收到的待译码信道信息和原始信息序列作为训练集训练神经BP译码器模型，实现对接收的待译码码字进行译码。该方法有效降低了权重参数的内存消耗，大幅度压缩了神经BP译码器的存储空间。
-
公开(公告)号：CN113780664A
公开(公告)日：2021-12-10
申请号：CN202111079658.2
申请日：2021-09-15
Applicant: 辽宁工程技术大学
Abstract: 本发明公开了一种基于TDT‑SSA‑BP的时间序列预测方法，该方法包括以下步骤：数据预处理；将处理好的时间序列进行CEEMDAN分解；用排列熵计算CEEMDAN分解后各模态分量和余量的排列熵值；将排列熵值较高的模态分量用VMD进行二次分解；利用麻雀搜索算法对神经网络的权值和阈值进行寻优；将经过二层分解得到的分量输入到麻雀搜索算法优化的神经网络模型中，得到各分量的预测值，然后叠加各个分量的预测值，即可得到最后的DO时间序列预测浓度。本发明采用麻雀搜索算法优化神经网络来提高预测精度，且相比于传统的粒子群算法，麻雀搜索算法具有更强的寻优能力，采用二次分解技术可将原始的时间序列分解为相对稳定的分量，从而提升预测精度。
-
Patent Agency Ranking
公开(公告)号：CN111950454A
公开(公告)日：2020-11-17
申请号：CN202010807107.2
申请日：2020-08-12
Applicant: 辽宁工程技术大学
Abstract: 本发明提供一种基于双向特征提取的手指静脉识别方法，涉及接触式识别技术领域。该方法获取指静脉数据集，在获取的数据集基础上制作位置信息相反的指静脉数据集，并对所得两个数据集进行图像预处理；使用单向指静脉数据集训练、保存CNN网络模型，在此基础上调整网络结构形成指静脉特征提取器；并通过指静脉特征提取器提取单向指静脉数据的指静脉特征；连接两个指静脉数据集下的单向指静脉特征信息形成双向指静脉特征信息；最后将双向指静脉特征信息通过SVM分类器训练、测试得到指静脉识别结果；本发明方法包括两次提取指静脉图像特征的过程，同一份指静脉图片，经过此过程能获得更多的、更丰富的特征信息。
-
公开(公告)号：CN119360019A
公开(公告)日：2025-01-24
申请号：CN202411369476.2
申请日：2024-09-29
Applicant: 辽宁工程技术大学
IPC: G06V10/26 , G06V10/80 , G06V10/82 , G06V10/74 , G06V10/774 , G06V10/764 , G06V10/25 , G06N3/0455 , G06N3/0464
Abstract: 本发明提供一种基于Transformer的逐通道点云语义分割方法，涉及三维点云语义分割技术领域。该方法根据Transformer的特征提取方法，设计出深度可分离边缘卷积后置模块中的位置自适应编码模块和空间上下文编码模块；前者在低级空间中引入多种特征关系，从而增强点云的局部几何学习；后者则通过计算空间相似性度量，在高级特征空间中对空间上下文关系进行编码，最后，本文提出了自适应融合策略，用于调整权重系数以实现深度可分离边缘卷积和空间上下文编码模块的输出结果，从而实现对三维点云数据的精准分割，与现有方法相比解决了普通卷积中卷积核无差别融合所有通道的不足，还简化了网络的计算复杂度，更有利于对复杂的点云语义信息进行特征提取。
-
公开(公告)号：CN115051466A
公开(公告)日：2022-09-13
申请号：CN202210553559.1
申请日：2022-05-20
Applicant: 辽宁工程技术大学
Abstract: 本发明公开了一种光伏组件的智能运维系统和方法，包括数据采集单元，包括安装在光伏组件上的传感器，用于采集光伏组件的运行数据和状态数据；数据传输单元，用于通过无线或有线方式发送所述数据采集单元采集的数据到光伏组件运维平台；光伏组件运维平台，与所述数据传输单元连接，用于对光伏组件进行状态监测、故障诊断、运维决策及火灾报警；光伏电站运维单元，用于接受光伏组件故障的位置、故障种类，以进行运维和火灾监测；设备厂商运维单元，用于设备厂商查找产品缺陷，改进设计，提高产品质量。本发明可提高光伏组件运行稳定性和效率，对光伏阵列中的故障进行诊断、制定运维计划、对光伏组件的火灾进行紧急报警，提高光伏系统的安全性。
-
公开(公告)号：CN113743018A
公开(公告)日：2021-12-03
申请号：CN202111079372.4
申请日：2021-09-15
Applicant: 辽宁工程技术大学
Abstract: 本发明公开了一种基于EEMD‑FOA‑GRNN的时间序列预测方法，该方法包括以下步骤：S1、数据预处理；S2、对归一化处理后的数据集进行模态分解，将输入数据通过EEMD方法自适应分解成为一系列不同尺度的IMF分量，得到更平稳的数据；S3、数据经EEMD处理过后，利用果蝇算法对GRNN光滑因子进行寻优；S4、寻得最优光滑因子后，将此光滑因子输入到GRNN中并建立时间序列预测模型。本发明首先采用EEMD自适应分解的方法将非线性不平稳信号进行平稳化处理，得到更加稳定的数据集，然后利用果蝇优化算法具有的全局寻优特性可以对关键参数进行寻优的特点，结合广义神经网络的高精度逼近能力，建立了EEMD‑FOA‑GRNN时间序列预测模型，并以太湖含氧量为例，成功预测了水域中DO的未来变化趋势。
-
公开(公告)号：CN106513376A
公开(公告)日：2017-03-22
申请号：CN201610939978.3
申请日：2016-10-31
Applicant: 辽宁工程技术大学 , 中国科学院声学研究所
IPC: B08B3/12
CPC classification number: B08B3/12 , B08B2203/0288
Abstract: 本发明涉及超声波清洗方法及装置，所述该超声波清洗方法：应用于主要由超声波换能器声波换能器(100)和待清洗板(200)之间设置有薄层，其特征在于，包括以下步骤：由超声波换能器(100)产生振动，并向薄层内的气液混合物辐射，使薄层内的气液界面产生冲刷射流，从而形成对待清洗板(200)表面的切向冲刷清洗。本发明目的是通过气液面的波动，使得待清洗板进行清洗，而不是采用空化效应或者高速振动和剪切效应。(100)和待清洗板(200)构成的超声清洗装置，超
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.019 seconds)
